JP7421185B2 - 代替肉の生産のための監視機械知能制御装置 - Google Patents
代替肉の生産のための監視機械知能制御装置 Download PDFInfo
- Publication number
- JP7421185B2 JP7421185B2 JP2023503192A JP2023503192A JP7421185B2 JP 7421185 B2 JP7421185 B2 JP 7421185B2 JP 2023503192 A JP2023503192 A JP 2023503192A JP 2023503192 A JP2023503192 A JP 2023503192A JP 7421185 B2 JP7421185 B2 JP 7421185B2
- Authority
- JP
- Japan
- Prior art keywords
- extrusion
- extrusion die
- subsystem
- smics
- dfm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims description 5
- 235000013372 meat Nutrition 0.000 title description 30
- 238000004519 manufacturing process Methods 0.000 title description 6
- 238000001125 extrusion Methods 0.000 claims description 203
- 238000000034 method Methods 0.000 claims description 202
- 230000008569 process Effects 0.000 claims description 154
- 239000000835 fiber Substances 0.000 claims description 107
- 239000000203 mixture Substances 0.000 claims description 89
- 238000005259 measurement Methods 0.000 claims description 43
- 108090000623 proteins and genes Proteins 0.000 claims description 42
- 102000004169 proteins and genes Human genes 0.000 claims description 42
- 230000003287 optical effect Effects 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 29
- 238000010801 machine learning Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 239000000843 powder Substances 0.000 claims description 18
- 239000004615 ingredient Substances 0.000 claims description 16
- 239000003921 oil Substances 0.000 claims description 16
- 235000013622 meat product Nutrition 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 9
- 230000000704 physical effect Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 4
- 239000000047 product Substances 0.000 description 42
- 235000018102 proteins Nutrition 0.000 description 40
- 238000012805 post-processing Methods 0.000 description 36
- 238000004886 process control Methods 0.000 description 13
- 238000011112 process operation Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 238000001816 cooling Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 239000002994 raw material Substances 0.000 description 8
- 230000002596 correlated effect Effects 0.000 description 7
- 235000013312 flour Nutrition 0.000 description 6
- 239000000155 melt Substances 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000013178 mathematical model Methods 0.000 description 5
- 239000000654 additive Substances 0.000 description 4
- 238000003491 array Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000004925 denaturation Methods 0.000 description 4
- 230000036425 denaturation Effects 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 241000238631 Hexapoda Species 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004132 cross linking Methods 0.000 description 3
- 239000000945 filler Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000006057 Non-nutritive feed additive Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 239000012809 cooling fluid Substances 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000002091 elastography Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 235000006486 human diet Nutrition 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 108010060231 Insect Proteins Proteins 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 108010064851 Plant Proteins Proteins 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 238000004873 anchoring Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000012752 auxiliary agent Substances 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003196 chaotropic effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000003995 emulsifying agent Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 238000007380 fibre production Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 238000004898 kneading Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003002 pH adjusting agent Substances 0.000 description 1
- 235000021118 plant-derived protein Nutrition 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006479 redox reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007790 solid phase Substances 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 238000002211 ultraviolet spectrum Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23J—PROTEIN COMPOSITIONS FOR FOODSTUFFS; WORKING-UP PROTEINS FOR FOODSTUFFS; PHOSPHATIDE COMPOSITIONS FOR FOODSTUFFS
- A23J3/00—Working-up of proteins for foodstuffs
- A23J3/22—Working-up of proteins for foodstuffs by texturising
- A23J3/26—Working-up of proteins for foodstuffs by texturising using extrusion or expansion
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23P—SHAPING OR WORKING OF FOODSTUFFS, NOT FULLY COVERED BY A SINGLE OTHER SUBCLASS
- A23P30/00—Shaping or working of foodstuffs characterised by the process or apparatus
- A23P30/20—Extruding
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23J—PROTEIN COMPOSITIONS FOR FOODSTUFFS; WORKING-UP PROTEINS FOR FOODSTUFFS; PHOSPHATIDE COMPOSITIONS FOR FOODSTUFFS
- A23J3/00—Working-up of proteins for foodstuffs
- A23J3/22—Working-up of proteins for foodstuffs by texturising
- A23J3/225—Texturised simulated foods with high protein content
- A23J3/227—Meat-like textured foods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
- B29C48/022—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor characterised by the choice of material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C48/00—Extrusion moulding, i.e. expressing the moulding material through a die or nozzle which imparts the desired form; Apparatus therefor
- B29C48/25—Component parts, details or accessories; Auxiliary operations
- B29C48/92—Measuring, controlling or regulating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2948/00—Indexing scheme relating to extrusion moulding
- B29C2948/92—Measuring, controlling or regulating
- B29C2948/92009—Measured parameter
- B29C2948/92028—Force; Tension
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2948/00—Indexing scheme relating to extrusion moulding
- B29C2948/92—Measuring, controlling or regulating
- B29C2948/92009—Measured parameter
- B29C2948/9219—Density, e.g. per unit length or area
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2948/00—Indexing scheme relating to extrusion moulding
- B29C2948/92—Measuring, controlling or regulating
- B29C2948/92009—Measured parameter
- B29C2948/92209—Temperature
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2948/00—Indexing scheme relating to extrusion moulding
- B29C2948/92—Measuring, controlling or regulating
- B29C2948/92009—Measured parameter
- B29C2948/92247—Optical properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2948/00—Indexing scheme relating to extrusion moulding
- B29C2948/92—Measuring, controlling or regulating
- B29C2948/92009—Measured parameter
- B29C2948/92314—Particular value claimed
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Polymers & Plastics (AREA)
- Biochemistry (AREA)
- Nutrition Science (AREA)
- Molecular Biology (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Extrusion Moulding Of Plastics Or The Like (AREA)
- Fodder In General (AREA)
- Meat, Egg Or Seafood Products (AREA)
Description
[0001] 本出願は、代替タンパク質ベースの代替肉を生産するための装置、方法、及びシステム、並びにそのような装置、方法、及びシステムのための監視機械知能制御装置（supervisory machine intelligence controls）に関する。
[0002] 人類の人口増加及び社会人口統計学的変化により、より多くの異なるタイプの食物を供給するために天然資源にかかる圧力が増大している。タンパク質は、人間の食事の重要な栄養素の１つである。肉からの動物ベースのタンパク質は、人間の食事のますます一般的かつ重要なタンパク源になっているが、動物の飼育及び肉生産の生態学的影響もまた、深刻かつ拡大しつつある問題である。代替タンパク質ベースの代替肉、例えば植物性タンパク質ベースの代替肉及び昆虫タンパク質ベースの代替肉は、肉の栄養面での恩恵を提供すること又はそれを超えることを図る代替の食料源を提供する。
[0003] 代替タンパク質ベースの代替肉の重要な課題は、動物ベースの肉の審美的及び物理的特性を模した又はそれを超える所望の審美的及び物理的特性（例えば、審美的及び物理的特性の両方である、味、食感、硬さ、見た目、及び調理挙動）を提供することである。代替タンパク質ベースの代替肉の審美的特性を制御することは、原料特性（例えば、化学組成、物理的組成及び構造、純度、並びにプロセスに導入される原料及び添加剤の他の特性）と、プロセス設定（例えば、原料供給速度、プロセス流量、プロセス温度、及び他の制御パラメータ）とを含む複数の変数によって影響を受ける複雑な問題である。
[0004] 図１は、代替タンパク質ベースの代替肉製品を生産するための先行技術のシステム１００の特定の態様を示す概略図である。システム１００において、１人又は複数人の人間のオペレータ１０２が、湿式押出プロセス機械１１２に供給されることになる原料１０６と、湿式押出プロセス機械１１２の動作を制御するように構成された機械コントローラ１０３に提供されるプロセス設定１１０とを含むレシピ１０４を生成する。湿式押出プロセス機械１１２は、１つ又は複数のそれぞれの原料１０６を押出機１０８に供給する１つ又は複数の供給機１１４を含み、押出機１０８は、加工経路の全長を画定する固定バレル又はチャンバ１１８内に配設された回転可能である１つ又は複数の回転スクリュー１１６を含む。
[0005] 原料１０６は、例えば、１つ又は複数の代替タンパク粉末（例えば、植物ベースの粉及び／又は昆虫ベースの粉）、水、及び油を含んでよく、添加剤、充填剤、及び加工助剤なども含んでよい。１つ又は複数の供給機１１４は、加工経路の全長に沿った様々な位置で原料１０６を押出機１０８に導入する。押出機１０８は、原料１０６を混合し、加工経路の全長に沿って前進させ、加工経路の全長に沿った異なる位置における温度を制御し、加工された混合物をダイ１２０を通して押し出す。次いで、押し出された加工済み混合物は、１つ又は複数の後加工動作１２４を受けて、ダイ１２０から吐出された加工済み混合物が最終形態の代替肉製品１２６へと構成されてよい。
[0006] プロセス設定１１０は、原料１０６の導入の量又は速度、１つ又は複数のスクリュー１１６の回転速度、加工経路の全長に沿った１つ又は複数の位置における温度、圧力、及び／又は湿度設定、並びに湿式押出プロセス機械１１２の他の動作設定を含んでよい。システム１００は、原料１０６、加工設定１１０、及び後加工動作１２４を調整するのに１人又は複数人の人間のオペレータ１０２からの調整入力１２２に依存する。調整入力１２２は、代替肉製品１２６の所望の特性を達成するために、プロセスの１つ又は複数の箇所で加工中の製品（例えば、ダイ１２０の吐出口から又は後加工動作１２４の１つ又は複数の箇所で採取された製品サンプル）のオペレータ（複数人可）による検査及び評価に基づいており、そのため、オペレータ（複数人可）の専門知識及び経験に依存するものである。
[0007] これまで、代替タンパク質ベースの代替肉の所望の審美的特性を達成するには、コストのかかる試行錯誤の繰り返しにより達成される人間の専門知識及び経験に頼る必要があった。これは、いくつかの欠点及び制限を課す。例えば、所望の審美的特性の達成は個々の人間の専門家の経験に依存するので、生産は、専門家を確保できないというリスクにさらされる。更に、いくつかの状況では機械知能制御技法が有用であることがわかっているが、それらは非常にプロセスに固有であり、プロセス制御への一般的適用のところまで開発されていない。更に、そのような技法は、複数の用途では非効率的又は有効でないことが証明されている。そのような技法の一般的形態を使用しても、最適化及びカスタマイズされた食品に向けてプロセスを適応させることは、時間のかかる命題であり、成功のための変更及び成功の程度が限られている、数週間及び数か月の試行錯誤に基づく実験が必要になる場合がある。重要なパラメータについての関連情報がないことが、人間の専門家の制御と機械知能制御アプローチの両方にとって別の支障となっている。更に混乱させる変数として、代替タンパク質ベースの代替肉製品の材料が見せる、非ニュートン流体の挙動及び非線形流体の挙動などの組成の複雑性の存在がある。原料投入量における未知の変動が、更に別の混乱させる障害である。本明細書に開示される独自の装置、方法、システム、及び技法の満たされていない重要な必要性が依然としてある。
[0008] 当技術分野で直面している上記及び他の欠点及び問題に対処するために、本発明者らは、本明細書に開示される装置、方法、システム、プロセス、及び技法を含むいくつかの独自の技術的解決策を開発した。本発明の特定の態様を例示する目的で、本開示の添付図面に例示される例示的な実施形態を参照していく。
[0014] 図２を参照すると、代替タンパク質ベースの代替肉製品２２６を生産するためのシステム２００が例示されている。システム２００は、システム１００の湿式押出プロセス機械１１２と同じ又は同様であってよい湿式押出プロセス機械２１２を含む。例えば、湿式押出プロセス機械２１２は、１つ又は複数のそれぞれの原料２０６を押出機２０８に供給する１つ又は複数の供給機２１４を含み、押出機２０８は、加工経路の全長を画定する固定バレル又はチャンバ２１８内に配設された回転可能である１つ又は複数の回転スクリュー２１６を含む。原料２０６は、例えば、１つ又は複数の代替タンパク粉末（例えば、植物ベースの粉及び／又は昆虫ベースの粉）、水、及び油を含んでよく、添加剤、充填剤、及び加工助剤なども含んでよい。
[0015] 湿式押出プロセス機械２１２は、複数の原料を受け取り、混合し、押出ダイ２２０に搬送するように構成された湿式押出プロセス機械の一例であり、複数の原料は、タンパク粉末、油、及び水（液相、気相、又は固相の水を含む）を含む。例えば、１つ又は複数の供給機２１４は、加工経路の全長に沿った様々な位置で原料２０６を押出機２０８に導入する。特定の実施形態では、１つ又は複数の供給機２１４は、押出通路にタンパク粉末を導入するように構成された１つ又は複数の粉末供給機と、押出通路に水を添加するように構成された１つ又は複数の水供給機と、押出通路に油を添加するように構成された１つ又は複数の油供給機とを含んでよい。
[0016] 押出機２０８は、原料２０６を混合し、加工経路の全長に沿って前進させる。１つ又は複数の加熱システム及び／又は冷却システムが、スクリュー押出機と結合され、加工経路の全長に沿った異なる位置におけるプロセス温度を制御するのに有効な押出通路の全長に沿った１つ又は複数の位置を選択的に加熱又は冷却するように構成されてよく、加工された混合物を押出ダイ２２０を通して押し出す。湿式押出プロセス機械２１２は、複数の原料を受け取り、混合し、押出ダイに搬送するように構成された湿式押出機械の一例にすぎないこと、及び本開示の利益を享受する当業者が想到するようないくつかの代替形態及び変形形態が企図されることを理解されたい。本開示に係る実施形態では、様々な湿式押出機械及び湿式押出プロセスを利用することができることを更に理解されたい。
[0017] 本開示に係るいくつかの実施形態は、様々なタイプのマクロスケール湿式押出機械及びプロセス、例えば、一軸スクリュー押出機、二軸スクリュー押出機、高次多軸スクリュー押出機、混練機、混練押出機、逆回転押出機、共回転押出機、及び他のタイプのマクロスケール押出機械及びプロセスを備える。追加的又は代替的に、湿式押出機械及びプロセスは、例えば、フィラメント積層、熱溶解積層（fused filament fabrication）、熱溶解積層（fused filament modeling）、若しくは他の３Ｄプリンティングによるマイクロスケール押出、又はマイクロスケール材料押出技法を備えてもよい。
[0018] 本開示に係る湿式押出機械及びプロセスは、それぞれ、いくつかの動作を行い、備えてよい。そのような動作は、１つ又は複数の乾燥原料と１つ又は複数の液体原料をブレンド又は混合してブレンド又は混合物（生地と呼ぶときもある）を形成することと、生地を加工してタンパク質を変性させ、タンパク質繊維を配向させることと、繊維構造を固定又は定着させることとを含んでよい。生地を加工してタンパク質を変性させ、タンパク質繊維を配向させることは、例えば、撹拌、ビーティング、合流流動、摩擦適用、衝突、混練、加圧、振動、スピニング、乱流適用、波動適用、又はこれらの組合せによる機械力の生地への適用、及び／又は他の機械力の適用を備えてよい。生地を加工してタンパク質を変性させ、タンパク質繊維を配向させることは、追加的又は代替的に、化学試薬、放射エネルギー、電磁エネルギー、及び／又は熱エネルギーの適用によって行われてもよい。化学試薬は、ｐＨ調整剤、コスモトロピック剤、カオトロピック剤、石膏、塩、界面活性剤、乳化剤、脂肪酸、アミノ酸、酵素、又はこれら及び／又は他の化学成分の組合せを含んでよい。繊維構造を固定又は定着させることは、温度変化、圧力変化、脱水、酸化還元反応、化学的固定、及び／又は他の固定動作を適用することを備えてよい。
[0019] システム２００は更に、押出ダイに押し込まれ、通過し、そこから吐出される押出ダイ混合物を生成するのに有効な複数のプロセス設定を使用して湿式押出機械を制御するように構成された電子プロセス制御システム（ＥＰＣＳ）の一例であるＥＰＣＳ２０３を含む。例えば、ＥＰＣＳ２０３は、押出ダイ２２０に押し込まれ、通過し、そこから吐出される押出ダイ混合物を生成するのに有効な複数のプロセス設定２１０を使用して、湿式押出機械２１２を制御するように構成される。プロセス設定１１０は、原料２０６の導入の量又は速度、１つ又は複数のスクリュー２１６の回転速度、加工経路の全長に沿った１つ又は複数の位置における温度設定、加工経路の全長に沿った１つ又は複数の位置における圧力設定、及び湿式押出プロセス機械２１２の他の動作設定を含んでよい。
[0020] ＥＰＣＳは更に、複数の後プロセス設定２１１を使用して自動後加工機器２２４を制御するように構成される。自動後加工機器２２４は、押出ダイ２２０から吐出されたダイ混合物を、例えば、切断、細断、引き裂き、切り裂き、圧延、又は他の後加工技法によって更に加工して、最終形態の代替肉製品２２６にするように構成される。
[0021] ＥＰＣＳは更に、フィードバックパラメータを感知して監視機械知能制御システム（ＳＭＩＣＳ）に提供する１つ又は複数の感知サブシステム２２５を含む。フィードバックパラメータは、湿式押出機械２１２及び／又は自動後加工機器２２４に関連付けられたセンサからのパラメータを含んでよい。センサは、湿式押出機械２１２及び／又は自動後加工機器２２４の動作及び／又はそれらによって加工中の材料に関連するフィードバックパラメータを感知及び提供するように構成されてよい。特定の形態では、感知サブシステム２２５は、図３に関連して以下で説明する感知サブシステム及び／又はセンサのうちの１つ又は複数、図３に関連して以下で説明する感知サブシステム及び／又はセンサのうちの２つ以上の組合せ、並びに追加的又は代替的に、他の形態及びタイプの感知サブシステム及び／又はセンサを含んでもよい。
[0022] システム２００は、代替肉製品２２６の所望の特性を達成するために、ＥＰＣＳ２０３によって利用される原料２０６、プロセス設定２１０、後プロセス設定２１１を決定し、提供し、そして調整又は修正するために、ＳＭＩＣＳ２０４の１つ又は複数の機械知能構成要素に依存する。ＳＭＩＣＳ２０４によってＥＰＣＳ２０３に提供される原料設定２０６は、複数の原料、例えば、１つ又は複数の代替タンパク粉末（例えば、植物ベースの粉、微生物発酵に由来するタンパク質、及び／又は昆虫ベースの粉）、水、及び油の定量的及び定性的な原料仕様を含んでよく、添加剤、充填剤、及び加工助剤なども含んでよい。
[0023] ＳＭＩＣＳ２０４によってＥＰＣＳ２０３に提供されるプロセス設定２１０は、原料２０６の導入の量又は速度、１つ又は複数のスクリュー２１６の回転速度、加工経路の全長に沿った１つ又は複数の位置における温度、圧力、及び／又は湿度設定、並びに湿式押出プロセス機械２１２の他の動作設定を含んでよい。ＳＭＩＣＳ２０４によってＥＰＣＳ２０３に提供される後プロセス設定２１１は、自動後加工機器２２４によって行われてよい切断、細断、引き裂き、切り裂き、圧延、又は他の後加工技法に関連する力、大きさ、頻度、及び他の制御パラメータを含んでよい。
[0024] 人間のオペレータ２０２が、利用可能な原料及び所望の製品データなどの入力をＳＭＩＣＳ２０４に提供することができるが、そのような入力を、自動化又は半自動化された様式で提供してよいことも企図される。所望の製品データ入力は、例えば、押出ダイ２２０に相当する押出ダイの投入口若しくはその近傍、押出ダイ２２０に相当する押出ダイの吐出口若しくはその近傍、又はそのような押出ダイに対する１つ又は複数の追加又は代替の位置における既知の混合物のデジタル画像を含む、所望の中間製品又は最終製品に関連するいくつかのパラメータを含んでよい。所望の製品データ入力は、追加的又は代替的に、そのような既知の混合物のデジタル画像を処理することによって決定されるいくつかの物理的繊維性質パラメータ（physical fibrosity parameters）を含んでもよく、例えば、繊維サイズメトリック、繊維配向メトリック、繊維配列メトリック、繊維交絡メトリック、繊維間距離メトリック、捻れ力メトリック、密度メトリック、繊維気泡メトリック（fiber bubble metric）、又はそれらの組合せなどの物理的繊維性質パラメータを含む。
[0025] 前述の物理的繊維性質パラメータは、いくつかの様式で定義されてよいことを理解されたい。例えば、繊維サイズメトリックは、平均繊維直径、平均繊維長、繊維直径分布又は分散、繊維長分布又は分散、四分位、五分位、十分位、又は繊維直径及び／又は繊維長の他の範囲メトリック、又は本開示の利益を享受する当業者が想到するような他の様々なサイズメトリックのうちの１つ又は複数を含んでよい。繊維配向メトリックは、例えば、０（配向基準に対してランダム又は疑似ランダムな配向を有する繊維の群を示す）から１（配向基準に対して実質的又は完全に均一である配向を有する繊維の群を示す）までの範囲の配向均一性指数を含んでよい。繊維配列メトリックは、例えば、０（互いに対してランダム又は擬似ランダムな配列を有する繊維の群を示す）から１（互いに対して実質的又は完全に均一な配列を有する繊維の群を示す）までの範囲の配向均一性指数を含んでよい。繊維交絡メトリックは、例えば、デジタル画像の単位面積当たりの繊維交差の数を含んでよい。繊維間距離メトリックは、隣接する繊維間の平均距離を含んでよい。密度メトリックは、前述のメトリックのうちの１つ又は複数を使用して、例えば、繊維対繊維間距離の比、並びに繊維サイズメトリック、繊維配向メトリック、繊維配列メトリック、繊維交絡メトリック、及び／又は繊維気泡メトリックに対応する１つ又は複数の係数を使用して、計算又は導出されてよい。前述の平均とは、平均、中央値平均、モード平均、加重平均、又はそれらの変形形態を含んでよいことを更に理解されたい。繊維気泡メトリックは、繊維内又は繊維間マトリックス内の空気又は気体の気泡形成の存在、程度、及び特性、例えば、単位面積又は単位体積当たりの気泡数、及び平均気泡サイズ（例えば、直径、半径、体積等）、及び／又は気泡頻度を示してよい。いくつかの目的のために、繊維気泡メトリックは、繊維密度メトリックの形態と考えてもよいし、又は繊維密度メトリックと相関してもよいことを理解されたい。
[0026] 一般に、ＳＭＩＣＳ２０４は、特定の動作を行うとともに、直接的又は間接的のいずれかで動作通信しているシステム２００の任意の構成要素及び／又はセンサからの信号を受信及び解釈するように構造される。ＳＭＩＣＳ２０４は、コンピュータ実行可能命令を記憶する非一時的メモリ、処理、及び通信ハードウェアを有する処理サブシステムの全体又は一部を形成する１つ又は複数のコンピューティングデバイスを含む、様々な形態及び構成で提供されてよいことを理解されたい。ＳＭＩＣＳ２０４は、単一デバイス又は分散デバイスであってよく、ＳＭＩＣＳ２０４の機能は、ハードウェア又はソフトウェアによって実施されてよい。ＳＭＩＣＳ２０４は、任意のアクチュエータ、センサ、データリンク、コンピューティングデバイス、ワイヤレス接続、又は任意の記載の動作を行うことができる他のデバイスと通信する。ＳＭＩＣＳ２０４は、本明細書で説明するシステム２００の動作を制御するようにＳＭＩＣＳ２０４によって読み取り可能かつ実行可能である命令をメモリに記憶するように構成された１つ又は複数の非一時的メモリデバイスを含んでよい。
[0027] 本明細書で説明する特定の動作は、１つ又は複数の記載のパラメータを決定するための動作を含む。ＳＭＩＣＳ２０４は、いくつかの様式で、例えば、値を計算又は算出することによって、統計学的技法を使用することによって、ルックアップテーブルから又はルックアップ動作を使用して値を得ることによって、データリンク又はネットワーク通信から値を受信することによって、値を示す電子信号を受信することによって、値を示すパラメータを受信することによって、コンピュータ可読媒体上のメモリ位置から値を読み取ることによって、実行時パラメータとしての値を受信することによって、及び／又は解釈されたパラメータを計算することができる値を受信することによって、及び／又はパラメータ値であると解釈されるデフォルト値を参照することによって、決定するように構成されてよく、決定する動作を行ってよい。
[0028] ＳＭＩＣＳ２０４は、１つ又は複数の感知サブシステム２２５からのフィードバック情報に応答してＥＰＣＳ２０３によって利用される原料２０６、プロセス設定２１０、後プロセス設定２１１を自動的に調整又は修正するために、いくつかの機械知能技法を実施するように構成されてよい１つ又は複数の機械知能構成要素２０５を含む。例えば、機械知能構成要素２０５は、本明細書に記載の技法のうちの１つ又は複数などの機械学習技法を利用するように構成されてよい。
[0029] ＳＭＩＣＳ２０４は、深層学習又は深層構造化学習技法を利用してよく、該技法では、１つ又は複数の機械知能構成要素２０５は、入力層と出力層との間に複数の層を有する人工ニューラルネットワーク（ＡＮＮ）を利用する。例えば、ＡＮＮは、入力層から出力層への変換のニューラルネットワークチェーンを定義する多層クレジット割り当て経路（ＣＡＰ：credit assignment path）で構成されてよい。
[0030] ＳＭＩＣＳ２０４は、教師あり又は半教師あり学習技法を利用してよく、該技法では、１つ又は複数の機械知能構成要素２０５には、例となる入力及びそれらの所望の出力と、入力を出力にマッピングする１つ又は複数のルールを生成するという定義された目標とが提供される。例となる入力、所望の出力、及び定義された目標は、ユーザによって入力されてよく、及び／又はシステム２００の動作中に１つ又は複数の機械知能構成要素２０５によって少なくとも部分的に取得されてよい。
[0031] ＳＭＩＣＳ２０４は、強化学習技法を利用してよく、該技法では、１つ又は複数の機械知能構成要素２０５は、経時的に動的プロセス環境と対話し、定義された目標、例えば、ＳＭＩＣＳ２０４への所望の製品データ入力を生成又は複製することを実施しなければならない。そのような実施形態では、１つ又は複数の機械知能構成要素２０５が問題空間を繰り返しナビゲートすると、１つ又は複数の機械知能構成要素２０５が最大化しようとする報酬として利用される、感知サブシステム及び／又はオペレータ若しくはトレーナーからのフィードバックが提供される。
[0032] 他の実施形態では、ＳＭＩＣＳ２０４は、追加的又は代替的に、１つ又は複数の機械知能構成要素２０５にラベルが与えられず、その入力内の構造を自力で見つけるようにしておく教師なし学習などの他の機械学習技法を利用してもよい。更なる実施形態では、トピックモデリング、次元削減、又はメタ学習などの他の機械学習技法を利用してよい。
[0033] 本明細書で更に説明するように、ＳＭＩＣＳ２０４は、前述の機械学習技法を学習又は訓練モードで利用してよく、該モードでは、ＳＭＩＣＳ２０４は、本明細書に開示されるプロセスフィードバック入力のうちの１つ又は複数と本明細書に開示されるプロセス制御パラメータ若しくは設定のうちの１つ又は複数との間の相関を確立するために、１つ又は複数のモデルを生成、維持、及び／又は更新する。ＳＭＩＣＳ２０４は、追加的又は代替的に、生産された代替肉製品の審美的特性を制御するための制御又は監視モードで前述の機械学習技法を利用してもよい。ＳＭＩＣＳ２０４は、追加的又は代替的に、原料パラメータ及びプロセス設定パラメータを含む生産される代替肉製品についてのレシピを特定及び特徴付けるための製品開発モードで前述の機械学習技法を利用してもよい。
[0034] 図３を参照すると、感知サブシステム２２５及びＳＭＩＣＳ２０４の特定の態様を含むシステム２００の例示的な実装形態３００の特定の態様を示す概略図が例示されている。実装形態３００は、ＳＭＩＣＳ２０４と動作的に結合された直接繊維性質測定（ＤＦＭ）サブシステム３１２及び間接繊維性質測定（ＩＦＭ）サブシステム３１４を含む。実装形態３００において、ＳＭＩＣＳ２０４の機械知能構成要素２０５は、図２に関連して上述した機械学習技法のうちの１つ又は複数を利用するように構成されてよい機械学習プロセス（ＭＬＰ）３０５を実装するように構成される。ＤＦＭサブシステム３１２及びＩＦＭサブシステム３１４の各々は、１つ又は複数の入力をＭＬＰ３０５に提供するように構成される。いくつかの実施形態がＤＦＭサブシステム３１２及びＩＦＭサブシステム３１４のうちの１つのみを含んでよいことを理解されたい。更に、いくつかの実施形態は、ＭＬＰ３０５に１つ又は複数の入力を提供するように構成されてよいＤＦＭサブシステム及びＩＦＭサブシステムのいずれか又は両方の複数の事例を含んでよい。
[0035] ＤＦＭサブシステム３１２は、押出ダイ混合物の１つ又は複数の物理的繊維性質パラメータを直接測定するように構成される。このために、ＤＦＭサブシステムは、光又は他の電磁スペクトル範囲のセンサシステム（ＥＭ／光センサシステム３２０）、機械力センサシステム３３０、及び音波センサシステム３４０のうちの１つ又は複数を含んでよい。いくつかの実施形態は、前述のセンサシステムのうちの１つのみを含んでよいが、いくつかの実施形態は、前述のセンサシステムのうちの２つ以上を含んでよいことを理解されたい。更に、いくつかの実施形態は、前述のセンサシステムのうちの任意の１つ又は複数のセンサシステムの複数の事例を含んでよい。
[0036] ＥＭ／光センサシステム３２０は、押出ダイ混合物のデジタル画像を提供するように構成された１つ又は複数の光又は他の電磁スペクトルセンサ（ＥＭ／光センサ）３２２を含む。ＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２は、いくつかのセンサタイプを備えてよいことを理解されたい。いくつかの形態では、ＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２は、可視光スペクトル、紫外光スペクトル、赤外光スペクトル、又はそれらの組合せに適応されたカメラ又は他の光センサを備えてよい。いくつかの形態では、ＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２は、表面からの光の指向性拡散を感知するように適応された光拡散感知システム及びセンサを備えてよいし、又は利用してよい。ＥＭ／光センサ３２２のうちの１つ又は複数はまた、スペクトルフィルタ、偏向フィルタ、及び他のタイプのフィルタと組み合わせて使用されてもよい。インコヒーレント光センサ及びシステム並びにコヒーレントセンサ及びシステム（例えば、レーザセンサ及びシステム）のいずれか又は両方の使用が更に企図される。モノクロ画像化及びカラー画像化のいずれか又は両方の使用が企図され、例えば、バルク中の繊維構造（繊維配向、繊維長、並びにパターン、繊維気泡メトリック、及び本明細書に開示される他の繊維性質メトリックなどの他の繊維特徴）を推測するために、ダイの下流の箇所で押出機ダイを出る押出物に対してカラー画像化技法が利用されてよい。
[0037] ＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２は、空間走査システム及びセンサ、スペクトル走査システム及びセンサ、スナップショット撮像システム及びセンサ、空間スペクトル走査システム及びセンサ、並びに／又は、ハイパースペクトルキューブ若しくは他の多次元空間スペクトル構成体を感知することなどによって単位面積当たりの複数スペクトルをサンプリングするように適応された他のタイプのシステム及びセンサなどのマルチスペクトル若しくはハイパースペクトルセンサ又は撮像システムを備えてよいし、又は利用してよい。ＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２は、追加的又は代替的に、電磁スペクトルの非光学範囲で動作するように適応されたシステム及びセンサを備えてもよい。いくつかの形態では、ＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２は、電磁断層撮影システム及びセンサ、Ｘ線システム及びセンサ、核磁気共鳴システム及びセンサ、並びに／又は追加のタイプの非光スペクトルＥＭ／光センサ及びシステムを備えてよい。
[0038] ＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２によって提供される押出ダイ混合物のデジタル画像は、例えば、従来のデジタル画像行列若しくはアレイ、スペクトルデータ、及び他のデータ構造を含む、本明細書で企図されるＥＭ／光センサシステム３２０及びその構成要素であるＥＭ／光センサ３２２の異なる形態に対応するいくつかの形態を備えてよいことを更に理解されたい。
[0039] 光スペクトルに適応された１つ又は複数のセンサを含む形態では、そのようなセンサは、電荷結合素子（ＣＣＤ）アレイ、相補型金属酸化物半導体ＣＭＯＳアレイ、並びに／又は他のタイプの光センサアレイ、デバイス、及び素子を備えてよい。１つ又は複数のＥＭ／光センサ３２２は、巨視的画像、微視的画像、両方の事例、又は両方の組合せを捕捉するように構成された１つ又は複数のレンズシステムを有するように構成されてよい。上述のように、１つ又は複数のＥＭ／光センサ３２２は、可視スペクトル、赤外線スペクトル、及び／又は紫外線スペクトルの光を検出するように構成された形態で提供されてよい。光センサシステム３２０はまた、１つ又は複数のＥＭ／光センサ３２２からの生データを処理して、ＳＭＩＣＳ２０４のＭＬＰ３０５に提供されるデジタル画像の形態にするように構成される、画像処理電子回路３２４を含む。
[0040] １つ又は複数のＥＭ／光センサ３２２は、押出ダイ位置範囲３２６において押出ダイ混合物の画像を捕捉するように位置付けられ、構成されてよい。押出ダイ位置範囲３２６は、押出ダイ２２０の入口又はその近傍の位置から押出ダイ２２０の出口又はその近傍の位置まで延在する範囲内に位置してよい。追加的又は代替的に、１つ又は複数のＥＭ／光センサ３２２は、自動後加工機器２２４の任意のアクセス可能な箇所又は位置であってよい後加工位置範囲３２８において押出ダイ混合物の画像を捕捉するように位置付けられ、構成されてもよい。そのような事例では、下流位置における測定値を、測定された材料が押出ダイ２２０を通過した時間における条件と相関させることを可能にする、測定位置と押出ダイ位置との時間調整された相関を提供するために、本明細書に開示されるものなどのタイムスタンピング及び時間調整技法が利用されてよい。
[0041] １つ又は複数のＥＭ／光センサ３２２の測定若しくは読み取りのプロセス位置（単数又は複数）に依存して、１つ又は複数のＥＭ／光センサ３２２の測定値若しくは読取り値を、他のセンサ測定値若しくは読取り値又は他のプロセスパラメータと時間的に相関させるために、タイムスタンピング及び／又は時間適応技法を利用してよい。例えば、１つ又は複数の測定値若しくは読取り値が、自動後加工機器２２４の箇所又は位置などの後加工位置においてＥＭ／光センサ３２２によって得られる場合、センサ測定又は読み取りを受ける材料がこれより前の生産プロセス箇所又は位置にあった時点を決定するために、タイムスタンピング及び／又は時間適応技法が利用されてよい。上述したように、そのような技法は、例えば、ＥＭ／光センサ３２２によって得られる１つ又は複数の測定値若しくは読取り値を、押出ダイ２２０の出口又はその近傍などの異なるプロセス位置における温度又は湿度などの他のプロセス測定値と相関させるために利用されてよい。そのようなタイムスタンピング及び／又は時間適応技法は、経時的なプロセス速度の変動を考慮してよい。例えば、１つ又は複数の機械力センサ３３２を含む機械力センサシステム３３０及び／又は１つ又は複数の音波センサ３４２を含む音波センサシステム３４０を含む、本明細書に開示される他のセンサシステム及びセンサに関連して、同じ又は実質的に同様のタイムスタンピング及び時間整列技法が追加的又は代替的に利用されてもよい。
[0042] いくつかの形態は、１つ又は複数の物理的ＥＭ／光センサ３２２に加えて、コンピュータベースの推定器、観測器、ソフトセンサの使用を企図する。そのようなコンピュータベースの推定器、観測器、ソフトセンサは、追加的又は代替的に、例えば、１つ又は複数の機械力センサ３３２を含む機械力センサシステム３３０及び／又は１つ又は複数の音波センサ３４２を含む音波センサシステム３４０を含む、本明細書に開示される他のセンサシステム及びセンサと関連して利用されてもよい。
[0043] 機械力センサシステム３３０は、ひずみゲージ、力トランスデューサ、圧電センサ、圧電抵抗センサ、容量センサ、弾性抵抗センサ、エラストグラフィセンサ、及び／又は機械力を感知するように構成された他のタイプのセンサ素子を含んでよい、１つ又は複数の機械力センサ３３２を含む。１つ又は複数の機械力センサ３３２は、１つ又は複数の引張メトリック（例えば、引張強さ、動的引張抵抗挙動、引張り力、又は別の張力メトリック）、圧縮メトリック（例えば、センサ配置を模した歯によるシミュレートされた咬合力、センサ配置を模した軟組織によるシミュレートされた触知力、１つ又は複数の変位若しくは変形基準に対する圧縮力、故障に対する圧縮力、又は別の圧縮力メトリック）、及び／又は押出ダイ混合物の機械力と相関するメトリック（例えば、密度メトリック）を測定するように構成されてよい。１つ又は複数の機械力センサ３３２は、評価中の材料を能動的に機械的に励起し、感知された応答を動的に評価するように構成された１つ又は複数のエラストグラフィセンサシステム又はセンサを備えてよい。
[0044] 機械力センサ３３２のうちの１つ又は複数は、押出ダイ位置範囲３３６において押出ダイ混合物に選択可能に接触するように位置付けられ、構成されてよい。押出ダイ位置範囲３３６は、押出ダイ２２０の入口又はその近傍の位置から押出ダイ２２０の出口又はその近傍の位置まで延在する範囲内に位置してよい。追加的又は代替的に、機械力センサ３３２の１つ又は複数のセンサ素子は、自動後加工機器２２４の任意のアクセス可能な箇所又は位置であってよい後加工位置範囲３３８において押出ダイ混合物と選択可能に接触するように位置付けられ、構成されてもよい。所与の実施形態で使用される押出機械及び押出ダイの詳細に依存して、近傍位置は、１０ｃｍ以下の範囲内の位置、５ｃｍ以下の範囲内の位置、又は１ｃｍ以下の範囲内の位置とみなしてよいことを理解されたい。
[0045] 音波センサシステム３４０は、超音波撮像システムで使用されるものなどの、超音波送信機及び受信機又はトランシーバ構成要素を備えてよい１つ又は複数の音波センサ３４２を含む。１つ又は複数の音波センサ３４２は、音波を測定ターゲットに向け、測定ターゲットによって反射された音波を収集するための１つ又は複数の音響導波路構造を有するように構成されてよい。音波センサシステム３４０はまた、１つ又は複数の音波センサ３４２から受信された生データを処理して、ＳＭＩＣＳ２０４のＭＬＰ３０５に提供されるデジタル画像の形態にする音波画像処理電子回路３４４を含む。
[0046] １つ又は複数の音波センサ３４２は、押出ダイ位置範囲３４６において押出ダイ混合物に音を向け、押出ダイ混合物からの反射音を検出するように位置付けられ、構成されてよい。押出ダイ位置範囲３４６は、押出ダイ２２０の入口又はその近傍の位置から押出ダイ２２０の出口又はその近傍の位置まで延在する範囲内に位置してよい。追加的又は代替的に、１つ又は複数の音波センサ３４２は、自動後加工機器２２４の任意のアクセス可能な箇所又は位置であってよい後加工位置範囲３４８において押出ダイ混合物に音を向け、押出ダイ混合物からの反射音を検出するように位置付けられ、構成されてもよい。
[0047] ＩＦＭサブシステム３１４は、１つ又は複数の押出プロセスパラメータを測定するように構成された１つ又は複数のセンサ（例えば、センサＳ１、Ｓ２、．．．Ｓｎ）を含む。押出プロセスパラメータは、好ましくは、押出ダイ混合物の流量、押出ダイ混合物の流圧、押出ダイ混合物の温度、及び押出ダイ混合物の含水率又は特性のうちの１つ又は複数を含んでよい。押出プロセスパラメータは、追加的又は代替的に、そのような押出プロセスパラメータの高次インジケータを含んでもよい。１つ又は複数のモータ動作パラメータ（例えば、モータトルク、消費電力、モータ電流、及びモータ電圧）が、前述の押出プロセスパラメータ、例えば、押出ダイ混合物の流量又は流圧のうちの１つ又は複数と相関されてよい。押出機の１つ又は複数の位置における圧力及び温度、１つ又は複数の温度制御ループの熱出力負荷、冷却ダイの温度、冷却ダイ熱交換器内の冷却流体の流量及び／又は温度変化が、前述の押出プロセスパラメータのうちの１つ又は複数、例えば、押出ダイ混合物の温度と相関されてよい。水及び油の流量並びに乾燥供給原料の供給速度を含む押出機供給からの測定値が、前述の押出プロセスパラメータのうちの１つ又は複数、例えば、押出ダイ混合物の流量又は押出ダイ混合物の含水率若しくは特性と相関されてよい。乾燥供給原料の含水率の測定値及び／又は加工ラインに沿った混合物の水分測定値が、前述の押出プロセスパラメータのうちの１つ又は複数、例えば、押出ダイ混合物の含水率又は特性と相関されてよい。タンパク質変性及び架橋の程度を示す分析又は粘弾性挙動の分析などの製品特徴に関連するオンライン又はオフラインで得られる更なる測定値も、前述の押出プロセスパラメータのうちの１つ又は複数と相関されてよい。
[0048] １つ又は複数のセンサは、押出ダイ位置範囲３５６において１つ又は複数の押出プロセスパラメータを測定するように位置付けられ、構成されてよい。押出ダイ位置範囲３５６は、押出ダイ２２０の入口又はその近傍の位置から押出ダイ２２０の出口又はその近傍の位置まで延在する範囲内に位置してよい。追加的又は代替的に、１つ又は複数のセンサは、自動後加工機器２２４の任意のアクセス可能な箇所又は位置からのセンサ読取り値を提供するように位置付けられ、構成されてもよい。ＩＦＭサブシステム３１４はまた、１つ又は複数のセンサから受信された生データをＳＭＩＣＳ２０４のＭＬＰ３０５への入力として使用するのに好適な形態へと調節及び処理する、入力／出力（Ｉ／Ｏ）及び信号処理ユニット３５０を含む。
[0049] ＳＭＩＣＳ２０４は、押出ダイ混合物の１つ又は複数の物理的繊維性質パラメータを直接測定するように構成された直接繊維性質測定（ＤＦＭ）サブシステム、及び押出ダイ混合物に関連する１つ又は複数のプロセスパラメータを測定するように構成された間接繊維性質測定（ＩＦＭ）サブシステムのうちの少なくとも１つと動作的に結合され、かつ、押出ダイ混合物及びそれから生産される結果として得られる肉代替製品２２６を修正するのに有効である、１つ又は複数の物理的繊維性質パラメータ及び１つ又は複数のプロセスパラメータのうちの少なくとも１つに応答して複数のプロセス設定のうちの１つ又は複数を修正するように構成された監視機械知能制御システムの一例であることを理解されたい。
[0050] 例示的な実装形態３００において、ＭＬＰ３０５は、ＤＦＭサブシステム３１２から受信された１つ又は複数の物理的繊維性質パラメータ、及びＩＦＭサブシステム３１４から受信された１つ又は複数の押出プロセスパラメータのうちの少なくとも１つに応答して、１つ又は複数のプロセス設定調整若しくは修正（ＰＳＡ）３１０及び／又は１つ又は複数の原料調整若しくは修正（ＩＡ）３０６を決定するように構成される。ＰＳＡ３１０及び／又はＩＡ３０６は、ＥＰＣＳ２０３に提供され、制御動作を行う際に利用され、押出ダイ混合物及びそれから生産される結果として得られる代替肉製品２２６の物理的及び審美的特性を修正するのに有効である。例えば、ＰＳＡ３１０及び／又はＩＡ３０６は、原料２０６、プロセス設定２１０、及び／又は後プロセス設定２１１を調整又は修正するために、ＥＰＣＳによって使用されてよい。
[0051] ＭＬＰ３０５は、オペレータから所望の製品データ入力を受信し、ＤＦＭサブシステム及びＩＦＭサブシステムのうちの少なくとも１つからフィードバック入力を受信し、複数のプロセス設定のうちの１つ又は複数と所望の製品データ入力との間の１つ又は複数の制御関係を特定するために機械学習アルゴリズム若しくはプロセスを実行し、１つ又は複数の制御関係を利用して複数のプロセス設定のうちの１つ又は複数を修正するために、ＳＭＩＣＳ構成要素によって実装されるプロセスの一例である。
[0052] 上述したように、ＭＬＰ３０５は、ＤＦＭサブシステム３１２及びＩＦＭサブシステム３１４の両方のうちの一方からフィードバック入力を受信する。ＤＦＭサブシステム３１２から受信されたフィードバック入力は、押出ダイ混合物のデジタル画像を含んでよい。ＭＬＰ３０５は、デジタル画像自体を物理的繊維性質パラメータのうちの少なくとも１つとして利用し、扱ってよい。追加的又は代替的に、ＭＬＰ３０５又はＳＭＩＣＳの別の処理構成要素は、押出ダイ混合物の画像から物理的繊維性質パラメータのうちの１つ又は複数を決定するためにデジタル画像を更に処理するように構成されてもよい。物理的繊維性質パラメータを決定するために押出ダイ混合物の画像をそのように更に処理することは、繊維サイズメトリック、繊維配向メトリック、繊維配列メトリック、繊維交絡メトリック、繊維間距離メトリック、捻れ力メトリック、（前述のメトリックのうちの１つ又は複数から計算又は導出されてよい）密度メトリック、並びに繊維内又は繊維間マトリックス内の空気又は気体の気泡形成の存在、程度、及び特性、例えば、単位面積又は単位体積当たりの気泡数、及び平均気泡サイズ（例えば、直径、半径、体積等）、及び／又は気泡頻度を示すメトリックのうちの１つ又は複数を決定するための処理を含んでよい。そのようなメトリックは、例えば、図２に関連して説明した例にしたがって定義されてよい。
[0053] ＭＬＰ３０５はまた、他のプロセスセンサ（ＯＰＳ）３９９からもフィードバック入力を受信してよく、ＯＰＳ３９９は、例えば、原料水分又は湿度センサ、原料供給速度センサ、プロセス流量センサ、プロセス流圧センサ、プロセス温度センサ、プロセス湿度又は水分センサ、及びシステム２００によって行われるプロセスの他の態様を測定するために設けられた他のタイプのセンサであってよい。ＭＬＰ３０５は、その機械学習プロセスにおいて、ＤＦＭサブシステム３１２及び／又はＩＦＭサブシステム３１４からの入力並びにＯＰＳ３９９からの入力を利用してよい。特定の実施形態では、ＤＦＭサブシステム３１２及び／又はＩＦＭサブシステム３１４からの入力は、好ましくは、ＭＬＰ３０５によって行われる機械学習プロセスをガイドする又は強いるために、他の入力よりも優先されるか又は重み付けされる。特定の好ましい実施形態では、これは、ＭＬＰ３０５によって行われる機械学習プロセスの有効性を有利なことに加速し、改善すると考えられる。
[0054] ＭＬＰ３０５は、ＤＦＭサブシステム３１２及び／又はＩＦＭサブシステム３１４からの入力並びにＯＰＳ３９９からの様々な入力の組合せを利用してよい。ＯＰＳ３９９からの入力は、モータ動作パラメータ（例えば、モータトルク、消費電力、モータ電流、及びモータ電圧）、押出機の異なる位置からの圧力及び温度測定値、温度制御ループの熱出力負荷、冷却ダイからの温度測定値、冷却ダイ熱交換器における冷却流体の流量及び温度変化、水及び油の流量や乾燥供給原料の供給速度を含む押出機供給からの測定値並びに利用可能なときは乾燥供給原料の含水率のインジケーション、加工ラインに沿った混合物の水分測定値、タンパク質変性及び架橋の程度を示す分析又は粘弾性挙動の分析などの製品特徴に関連するオンライン又はオフラインで得られる測定値、及び／又はＯＰＳ３９９からの他の入力を含んでよい。
[0055] ＭＬＰ３０５は、いくつかの目的のために制御モデル又は他の制御構成要素を生成、維持、及び更新するために利用されてよい。特定の実施形態では、ＭＬＰ３０５に関連付けられた制御モデル又は他の制御構成要素は、正常動作状態からのプロセスの動作状態の偏移及び異常を検出し、検出された偏移及び異常の根本原因を確立し、プロセスを正常動作状態に戻すための制御アクションを提供し（直接実行又はオペレータへの提案のいずれか）、より高い生産速度、改善された製品品質、改善された動作安定性を含むがこれらに限定されない基準に基づいて、現在の動作状態よりも望ましい新しい動作状態を決定し、例えば、遷移のための最小時間又は仕様外製品の最小量を含む条件を満たしながら動作状態をある状態から別の状態に遷移させるための制御アクションを提供してよい。
[0056] 特定の実施形態では、ＭＬＰ３０５に関連付けられた制御モデル又は他の制御構成要素は、タンパク質変性及び調理／架橋の程度を加工された混合物の滞留時間及び押出機への熱エネルギー入力並びに押出機内の推定温度レベルに関連させる数学モデルを利用し、供給速度によって補償されるモータトルク及びモータ消費電力を加工された混合物の粘度に関連させる数学モデルを利用してよい。特定の実施形態では、ＭＬＰ３０５に関連付けられた制御モデル又は他の制御構成要素は、繊維配向の程度、繊維長、又は気泡若しくは溶融領域の存在などの製品バルク特性を、プロセス混合物流量によって補償されるダイ入口におけるプロセス混合物温度と冷却速度とに基づいて決定されるダイ内の推定温度プロファイル及びタンパク質変性の速度に関連させる数学モデルを利用してよい。特定の実施形態では、ＭＬＰ３０５に関連付けられた制御モデル又は他の制御構成要素は、前述の数学モデルのうちの１つ又は複数及び１つ又は複数の追加モデルを含む、組み合わせた数学モデルを利用してよい。
[0057] 図４を参照すると、システム２００の複数のプロセス動作に対する感知サブシステム２２５の例示的な実装形態４００の特定の態様を示す概略図が例示されている。システム２００の例示されたプロセス動作は、押出プロセス機械（例えば、押出プロセス機械２１２）を用いて行われるプロセス動作の例であるプロセス動作Ｐ１～Ｐｎを含む。プロセス動作Ｐ１は、原料添加Ｉ１（例えば、原料２０６のうちの１つ又は複数の添加）を含み、１つ又は複数のプロセス設定（例えば、プロセス設定２１０のうちの１つ又は複数）を使用して決定される１つ又は複数のプロセス制御入力Ｃ１によって制御される。プロセス動作Ｐ１は、他のプロセス入力（例えば、ＯＰＳ入力３９９）を提供するように構成されたプロセスセンサの例である１つ又は複数のセンサＳ１ａ．．．Ｓ１ｎによってモニタリングされる。１つ又は複数のセンサＳ１ａ．．．Ｓ１ｎは、連続的なセンサ出力又は離散的なセンサ出力を提供するように構成されてよい。同様に、プロセス制御入力Ｃ１は、連続的な制御入力又は離散的な制御入力として決定され、提供されてよい。
[0058] プロセス動作Ｐｎは、原料添加Ｉｎ（例えば、原料２０６のうちの１つ又は複数の添加）を含み、１つ又は複数のプロセス設定（例えば、プロセス設定２１０のうちの１つ又は複数の追加）を使用して決定されてよい１つ又は複数のプロセス制御入力Ｃｎによって制御される。プロセス動作Ｐｎは、他のプロセス入力（例えば、ＯＰＳ入力３９９）を提供するように構成されたプロセスセンサの例である１つ又は複数のセンサＳｎａ．．．Ｓｎｎによってモニタリングされる。表記「ｎ」によって示されているとき、実装形態４００は、図４に例示されていない複数の追加のプロセス動作を更に含む場合がある。１つ又は複数のセンサＳｎａ．．．Ｓｎｎは、連続的なセンサ出力又は離散的なセンサ出力を提供するように構成されてよい。同様に、プロセス制御入力Ｃｎは、連続的な制御入力又は離散的な制御入力として決定され、提供されてよい。
[0059] システム２００の例示されたプロセス動作は、自動後加工機器（例えば、自動後加工機器２２４）を用いて行われるプロセス動作の例である後加工動作Ｐｐｐを含む。後加工動作Ｐｐｐは、１つ又は複数の後プロセス設定（例えば、後プロセス設定２１１のうちの１つ又は複数）を使用して決定される１つ又は複数の後加工制御入力Ｃｐｐによって制御される。後プロセス動作Ｐｐｐは、他のプロセス入力（例えば、ＯＰＳ入力３９９）を提供するように構成されたプロセスセンサの例である１つ又は複数のセンサＳｐｐａ．．．Ｓｐｐｎによってモニタリングされる。１つ又は複数のセンサＳｐｐａ．．．Ｓｐｐｎは、連続的なセンサ出力又は離散的なセンサ出力を提供するように構成されてよい。同様に、１つ又は複数の後加工制御入力Ｃｐｐは、連続的な制御入力又は離散的な制御入力として決定され、提供されてよい。
[0060] 実装形態４００は、直接繊維性質測定（ＤＦＭ）サブシステム及び間接繊維性質測定（ＩＦＭ）サブシステム（例えば、ＤＦＭ３１２及び／又はＩＦＭ３１４）の一方又は両方を含み、これらの各々又は両方は、押出ダイ２２０に関連付けられた１つ又は複数のプロセス動作又は後加工動作Ｐｐｐを測定するように構成されてよい。ＤＦＭ及び／又はＩＦＭサブシステムは、属性及び特徴を含み、それぞれＤＦＭ３１２及び／又はＩＦＭ３１４にしたがって構成され、実装されてよい。したがって、実装形態４００は、ＤＦＭ及び／又はＩＦＭからの入力並びに他のプロセスセンサからの入力を、監視機械知能制御システムの機械学習構成要素（例えば、ＳＭＩＣＳ２０４のＭＬＰ３０５）に提供するように構成された実装形態の一例であることを理解されたい。
[0061] システム２００、実装形態３００、及び／又は実装形態４００は、本開示に係るいくつかの方法を実施する際に利用されてよいことを理解されたい。１つの例示的な方法は、代替肉製品（例えば、代替肉製品２２６）を生産するように（実装形態３００、実装形態４００、及び／又は他の実装形態に係る）システム２００を動作させることを備える。１つの例示的な方法は、代替肉製品のレシピを決定するように（実装形態３００、実装形態４００、及び／又は他の実装形態に係る）システム２００を動作させることを備える。１つの例示的な方法は、代替肉製品の審美的及び物理的特性を制御又は最適化するように（実装形態３００、実装形態４００、及び／又は他の実装形態に係る）システム２００を動作させることを備える。
[0062] 図５を参照すると、図２のシステム又は代替タンパク質ベースの代替肉を生産するための別の例示的なシステムに関連して実装又は利用されてよい制御システム５００の例示的な実装形態の特定の態様を示す概略図が例示されている。制御システム５００は、オンライン制御装置５１０及び被制御システム５３０を含む。オンライン制御装置５１０は、製品特徴コントローラ５１２及びメルトコントローラ（melt controller）５１４を含む。オンライン制御装置５１０は、ＥＰＣＳ２０３又は別の電子プロセス制御システムの構成要素の一部又は全部を備えてよく、追加的又は代替的に、ＳＭＩＣＳ２０４又は他の監視機械知能制御システムの構成要素の一部又は全部を備えてもよい。被制御システム５３０は、湿式押出プロセス機械２１２又は別の湿式プロセス押出機械の制御可能構成要素の一部又は全部を備えてよい、材料前加工、押出機、及び押出ダイ冷却構成要素５３２（構成要素５３２と呼ぶときもある）と、自動後加工機器２２４又は他の後加工機器の構成要素の一部又は全部を備えてよい、後加工構成要素５３４とを含む。
[0063] 制御システム５００は、メルトコントローラ５１４及び構成要素５３２を含む内側フィードバックループと、製品特徴コントローラ５１２及び後加工構成要素５３４を含む外側フィードバックループとを備える階層的多層閉ループ形態で構成される。内側フィードバックループにおいて、メルトコントローラ５１４は、プロセス制御出力５２３を構成要素５３２に提供し、プロセス測定フィードバック５２２が、構成要素５３２からメルトコントローラ５１４に提供される。外側フィードバックループにおいて、製品特徴コントローラ５１２は、メルト特徴基準５１３をメルトコントローラ５１４に提供し、後加工基準５１５を後加工構成要素５３４に提供する。製品特徴コントローラ５１２はまた、ＤＰＦＩ３０２又は他の製品特徴基準を備えてよい製品特徴基準５０２を受信する。製品特徴コントローラ５１２はまた、構成要素５３２を通過する押出物５３３の測定値又は感知された特性（そのような測定値又は感知された特性は、押出物が押出ダイに入る前から押出物が押出ダイを出る後まで延在する範囲にわたってありうる）、後加工構成要素５３４内の１つ又は複数の箇所又は位置における後加工済み製品、及び／又は最終的な代替肉製品２２６に関する製品特徴測定値を受信する。
[0064] メルトコントローラ５１４は、好ましくは、粘度及び弾性ひずみなど、押出プロセスメルトの流動学的特徴を調節するように構成され、そのように動作可能である。そのようなメルト特徴の制御は、押出機の妨害されない動作並びに最終製品の品質及び特徴を提供するのに有用であってよい。そのようなメルト特徴は、自然由来の製品における避けられない多くの場合未知の変動、又は材料準備及び貯蔵の異なる環境条件から生じる、投入されたタンパク粉末の変動する特性などの、システムにおけるいくつかの起こりうる外乱及び変動に敏感であり、それらによって影響を受ける場合がある。そのため、メルトコントローラ５１４は、押出機の目詰まり、押出物の不十分な物理的一貫性、又は不十分な繊維生成などの状況を回避するように構成される。
[0065] メルトコントローラ５１４は、感知サブシステム２２５又は他の感知システム若しくは構成要素のうちの１つ又は複数によって提供される測定値などのシステム測定値から得られるメルト特徴の推定値を利用してよい。いくつかの形態では、そのような測定値は、ダイ後の押出物ではなくむしろ、１つ又は複数の前加工ステップで、押出機で、及び押出ダイの初めで排他的に又は主に収集されてよい。この技法は、押出ダイが、著しい輸送遅延を導入する場合がある、大部分が受動的な要素（全体的な冷却速度のみが制御可能であり又は調節される）を備える実施形態において好ましい場合がある。プロセス制御出力５２３は、押出機スクリュー速度、投入流量、及び押出ゾーンの温度設定点などの、押出システムアクチュエータのためのコマンド、変数、又は他の制御パラメータを備えてよい。いくつかの形態では、押出ダイ開口部の動的開口制御も企図される。
[0066] 更に、機械学習構成要素又はモデルによって特定されてよい動的システムモデルと、機械学習構成要素又はモデルによって特定されてよいプロセス測定値とメルト特徴との間の関数関係とに基づいて、多変数制御問題及び解法が決定されてよいことが企図される。このような多変数制御問題及び解法は、いくつかの形態をとってよい。例えば、システムが弱く結合されている場合、適切な補償機構を有する古典的な単一入力単一出力制御を利用することができる。システム変数が強く結合されている場合、線形二次レギュレータ又はモデル予測制御などの方法を利用することができる。
[0067] 次に、いくつかの例示的な実施形態について更に説明する。第１の例示的な実施形態は、システムであり、本システムは、タンパク粉末、油、及び水を含む複数の原料を受け取り、混合し、押出ダイに搬送するように構成された湿式押出プロセス機械と、押出ダイに押し込まれ、通過し、押出ダイから吐出される押出ダイ混合物を生産するのに有効な複数のプロセス設定を使用して湿式押出機械を制御するように構成された電子プロセス制御システム（ＥＰＣＳ）とを備える。本システムは、押出ダイ混合物の１つ又は複数の物理的繊維性質パラメータを直接測定するように構成された直接繊維性質測定（ＤＦＭ）サブシステムと、押出ダイ混合物に関連する１つ又は複数の押出プロセスパラメータを測定するように構成された間接繊維性質測定（ＩＦＭ）サブシステムとのうちの少なくとも１つと動作的に結合された監視機械知能制御システム（ＳＭＩＣＳ）を備える。ＳＭＩＣＳは、１つ又は複数の物理的繊維性質パラメータ及び１つ又は複数の押出プロセスパラメータのうちの少なくとも１つに応答して、複数のプロセス設定のうちの１つ又は複数を修正するように構成されている。
[0068] 第２の例示的な実施形態は、第１の例示的な実施形態の特徴を備えるシステムであり、ＤＦＭサブシステムは、光センサシステム、機械力センサシステム、及び音波センサシステムのうちの１つ又は複数を備える。
[0069] 第３の例示的な実施形態は、第２の例示的な実施形態の特徴を備えるシステムであり、ＤＦＭサブシステムは、少なくとも光センサシステムを備え、光センサシステムは、押出ダイ混合物のデジタル画像を生成し、デジタル画像をＳＭＩＣＳに提供するように構成されている。
[0070] 第４の例示的な実施形態は、第２の例示的な実施形態の特徴を備えるシステムであり、ＤＦＭサブシステムは、少なくとも音波センサシステムを備え、音波センサシステムは、押出ダイ混合物のデジタル画像を生成し、デジタル画像をＳＭＩＣＳに提供するように構成されている。
[0071] 第５の例示的な実施形態は、第３の例示的な実施形態又は第４の例示的な実施形態の特徴を備えるシステムであり、ＳＭＩＣＳは、押出ダイ混合物の画像から物理的繊維性質パラメータを決定するためにデジタル画像を更に処理するように構成されている。
[0072] 第６の例示的な実施形態は、第５の例示的な実施形態の特徴を備えるシステムであり、物理的繊維性質パラメータは、押出ダイ混合物の画像を処理することから決定される、繊維サイズメトリック、繊維配向メトリック、繊維配列メトリック、繊維交絡メトリック、繊維間距離メトリック、捻れ力メトリック、及び密度のうちの１つ又は複数を備える。
[0073] 第７の例示的な実施形態は、第３の例示的な実施形態又は第４の例示的な実施形態の特徴を備えるシステムであり、ＳＭＩＣＳは、デジタル画像を物理的繊維性質パラメータのうちの少なくとも１つとして利用するように構成されている。
[0074] 第８の例示的な実施形態は、第２の例示的な実施形態の特徴を備えるシステムであり、ＤＦＭサブシステムは、少なくとも機械力センサシステムを備え、機械力センサシステムは、押出ダイ混合物の張力メトリック、圧縮力メトリック、捻れ力メトリック、及び密度メトリックのうちの１つ又は複数を測定するように構成されている。
[0075] 第９の例示的な実施形態は、第２の例示的な実施形態の特徴を備えるシステムであり、ＤＦＭサブシステムは、光センサシステム、機械力センサシステム、及び音波センサシステムのうちの２つ以上を備える。
[0076] 第１０の例示的な実施形態は、第１～第９の例示的な実施形態のいずれかの特徴を備えるシステムであり、ＩＦＭサブシステムは、１つ又は複数の押出プロセスパラメータを測定するように構成された１つ又は複数のセンサを含む。
[0077] 第１１の例示的な実施形態は、第１０の例示的な実施形態の特徴を備えるシステムであり、１つ又は複数の押出プロセスパラメータは、押出ダイ混合物の流量、押出ダイ混合物の流圧、押出ダイ混合物の温度、及び押出ダイ混合物の含水率若しくは特性のうちの１つ又は複数を備える。
[0078] 第１２の例示的な実施形態は、第１～第１１の例示的な実施形態のいずれかの特徴を備えるシステムであり、ＳＭＩＣＳは、オペレータから所望の製品データ入力を受信することと、ＤＦＭサブシステム及びＩＦＭサブシステムのうちの少なくとも１つからフィードバック入力を受信することと、複数のプロセス設定のうちの１つ又は複数と所望の製品データ入力との間の１つ又は複数の制御関係を特定するために機械学習アルゴリズムを実行することと、複数のプロセス設定のうちの１つ又は複数を修正するために１つ又は複数の制御関係を利用することと、を含む、機械学習プロセスなどの機械知能プロセスを行うように構成されている。第１２の例示的な実施形態の特定の形態では、他の機械意思決定、計算エンジン、又は他の機械知能構成要素、例えば、古典的制御、モデル予測制御、ＰＩＤ制御、多変数制御、最適化ベースの制御のうちの１つ又は複数などが、機械学習アルゴリズムに加えて又はその代替として使用されてよい。
[0079] 第１３の例示的な実施形態は、第１２の例示的な実施形態の特徴を備えるシステムであり、機械学習アルゴリズムは、深層学習アルゴリズム、教師あり学習アルゴリズム、及び強化学習アルゴリズムのうちの少なくとも１つを備える。
[0080] 第１４の例示的な実施形態は、第１～第１３の例示的な実施形態のいずれかの特徴を備えるシステムであり、湿式押出機械は、全長に沿って延在する押出通路に回転可能に配設された少なくとも１つのモータ駆動スクリューと、押出通路にタンパク粉末を導入するように構成された粉末供給機と、押出通路に水を添加するように構成された水供給機と、押出通路に油を添加するように構成された油供給機と、スクリュー押出機に結合され、かつ押出通路の全長に沿った１つ又は複数の位置を選択可能に加熱するように構成された加熱システムと、を備える。
[0081] 第１５の例示的な実施形態は、第１～第１４の例示的な実施形態のいずれかの特徴を備えるシステムであり、ＥＰＣＳ及びＳＭＩＣＳのうちの少なくとも１つの１つ又は複数の構成要素は、階層的多層閉ループ制御システムの構成要素を備える。
[0082] 第１６の例示的な実施形態は、第１５の例示的な実施形態の特徴を備えるシステムであり、階層的多層閉ループ制御システムは、メルトコントローラを含む内側フィードバックループと、製品特徴コントローラを含む外側フィードバックループとを含む。
[0083] 第１７の例示的な実施形態は、第１６の例示的な実施形態の特徴を備えるシステムであり、内側フィードバックループにおいて、メルトコントローラは、１つ又は複数の押出システム構成要素にプロセス制御出力を提供し、押出システムに関連付けられた１つ又は複数の感知システムからプロセス測定フィードバックを受信する。
[0084] 第１８の例示的な実施形態は、第１～第１７の例示的な実施形態のいずれかの特徴を備えるシステムであり、外側フィードバックループにおいて、製品特徴コントローラは、メルトコントローラにメルト特徴基準を提供し、１つ又は複数の後加工システム構成要素に後加工基準を提供する。
[0085] 第１９の例示的な実施形態は、第１～第１８の例示的な実施形態のいずれかの特徴を備えるシステムであり、ＳＭＩＣＳは、ＤＦＭサブシステム及びＩＦＭサブシステムの両方から入力を受信し、これらの入力を、特定の形態では深層学習アルゴリズム、教師あり学習アルゴリズム、及び強化学習アルゴリズムのうちの１つ又は複数を備えてよい、機械学習プロセスにおいて利用する。
[0086] 第２０の例示的な実施形態は、代替肉製品を生産することと、代替肉製品レシピを決定することと、代替肉製品の審美的及び物理的特性を制御することとのうちの少なくとも１つを行うように、第１～第１９の例示的な実施形態のいずれかのシステムを動作させることを備える方法である。
[0087] 第２１の例示的な実施形態は、押出ダイ混合物の１つ又は複数の物理的繊維性質パラメータを直接測定するように構成された直接繊維性質測定（ＤＦＭ）サブシステムと、押出ダイ混合物に関連する１つ又は複数の押出プロセスパラメータを測定するように構成された間接繊維性質測定（ＩＦＭ）サブシステムとのうちの少なくとも１つと動作的に結合された監視機械知能制御システム（ＳＭＩＣＳ）を備える装置である。ＳＭＩＣＳは、１つ又は複数の物理的繊維性質パラメータ及び１つ又は複数の押出プロセスパラメータのうちの少なくとも１つに応答して、複数のプロセス設定のうちの１つ又は複数を修正するように構成されている。
[0088] 第２２の例示的な実施形態は、第２１の例示的な実施形態の特徴を含む装置であり、ＳＭＩＣＳは、湿式押出プロセス機械と組み合わせて提供される。
[0089] 第２３の例示的な実施形態は、第２２の例示的な実施形態の特徴を含む装置であり、湿式押出プロセス機械は、タンパク粉末、油、及び水を含む複数の原料を受け取り、混合し、押出ダイに搬送するように構成されている。
[0090] 第２４の例示的な実施形態は、第２１～第２２の例示的な実施形態のいずれかの特徴を含む装置であり、ＳＭＩＣＳは、電子プロセス制御システム（ＥＰＣＳ）と組み合わせて提供される。
[0091] 第２５の例示的な実施形態は、第２４の例示的な実施形態の特徴を含む装置であり、ＥＰＣＳは、押出ダイに押し込まれ、通過し、押出ダイから吐出される押出ダイ混合物を生産するのに有効な複数のプロセス設定を使用して湿式押出機械を制御するように構成されている。
[0092] 第２６の例示的な実施形態は、代替肉製品を生産することと、代替肉製品レシピを決定することと、代替肉製品の審美的及び物理的特性を制御することとのうちの少なくとも１つを行うように、第２１～第２５の例示的な実施形態のいずれかの装置を動作させることを備える方法である。
[0093] 本開示の例示的な実施形態について、図面及び前述の説明において詳細に例示及び説明してきたが、これらは例示的なものであって特徴を限定するものではないと考えられるべきであり、特定の例示的な実施形態のみについて図示及び説明したこと、並びに請求項に記載の発明の要旨の範囲内に入るすべての変更及び修正が保護されることが望ましいことが理解される。上記の説明で利用された「好ましい」、「好ましくは」、「好まれる」、又は「より好ましい」などの語の使用は、そのように記載された特徴がより望ましい場合があることを示しているが、それにもかかわらずそれが必要でない場合があり、それを欠く実施形態が、以下に続く特許請求の範囲によって定義される、本発明の範囲内にあるものとして企図することができることを理解されたい。特許請求の範囲を読む際に、「１つの（a）」、「１つの（an）」、「少なくとも１つの」、又は「少なくとも一部分」などの語を使用しているとき、請求項中にそうでないことが明記されていない限り、請求項を１つの項目のみに限定する意図はないことが意図される。「少なくとも一部分」及び／又は「一部分」という文言を使用するとき、その項目は、そうでないことが明記されていない限り、その項目の一部分及び／又は全体を含むことができる。
ここに、出願当初の特許請求の範囲の記載事項を付記する。
［１］ 複数の原料を受け取り、混合し、押出ダイに搬送するように構成された湿式押出プロセス機械と、前記複数の原料は、タンパク粉末、油、及び水を含み、
前記押出ダイに押し込まれ、通過し、前記押出ダイから吐出される押出ダイ混合物を生産するのに有効な複数のプロセス設定を使用して前記湿式押出プロセス機械を制御するように構成された電子プロセス制御システム（ＥＰＣＳ）と、
を備えるシステムにおいて、
前記システムが、前記押出ダイ混合物の１つ又は複数の物理的繊維性質パラメータを直接測定するように構成された直接繊維性質測定（ＤＦＭ）サブシステムと、前記押出ダイ混合物に関連する１つ又は複数の押出プロセスパラメータを測定するように構成された間接繊維性質測定（ＩＦＭ）サブシステムとのうちの少なくとも１つと動作的に結合された監視機械知能制御システム（ＳＭＩＣＳ）を備え、
前記ＳＭＩＣＳが、前記１つ又は複数の物理的繊維性質パラメータ及び前記１つ又は複数の押出プロセスパラメータのうちの少なくとも１つに応答して、前記複数のプロセス設定のうちの１つ又は複数を修正するように構成されていることを特徴とする、システム。
［２］ 前記ＤＦＭサブシステムは、光センサシステム、機械力センサシステム、及び音波センサシステムのうちの１つ又は複数を備える、［１］に記載のシステム。
［３］ 前記ＤＦＭサブシステムは、少なくとも前記光センサシステムを備え、前記光センサシステムは、前記押出ダイ混合物のデジタル画像を生成し、前記デジタル画像を前記ＳＭＩＣＳに提供するように構成されている、［２］に記載のシステム。
［４］ 前記ＤＦＭサブシステムは、少なくとも前記音波センサシステムを備え、前記音波センサシステムは、前記押出ダイ混合物のデジタル画像を生成し、前記デジタル画像を前記ＳＭＩＣＳに提供するように構成されている、［２］に記載のシステム。
［５］ 前記ＳＭＩＣＳは、前記押出ダイ混合物の前記デジタル画像から前記物理的繊維性質パラメータを決定するために前記デジタル画像を更に処理するように構成されている、［３］又は［４］に記載のシステム。
［６］ 前記物理的繊維性質パラメータは、前記押出ダイ混合物の前記デジタル画像を処理することから決定される、繊維サイズメトリック、繊維配向メトリック、繊維配列メトリック、繊維交絡メトリック、繊維間距離メトリック、捻れ力メトリック、及び密度のうちの１つ又は複数を備える、［５］に記載のシステム。
［７］ 前記ＳＭＩＣＳは、前記デジタル画像を前記物理的繊維性質パラメータのうちの少なくとも１つとして利用するように構成されている、［３］又は［４］に記載のシステム。
［８］ 前記ＤＦＭサブシステムは、少なくとも前記機械力センサシステムを備え、前記機械力センサシステムは、前記押出ダイ混合物の張力メトリック、圧縮力メトリック、捻れ力メトリック、及び密度メトリックのうちの１つ又は複数を測定するように構成されている、［２］に記載のシステム。
［９］ 前記ＤＦＭサブシステムは、前記光センサシステム、前記機械力センサシステム、及び前記音波センサシステムのうちの２つ以上を備える、［２］に記載のシステム。
［１０］ 前記ＩＦＭサブシステムは、前記１つ又は複数の押出プロセスパラメータを測定するように構成された１つ又は複数のセンサを含む、［１］～［９］のいずれか一項に記載のシステム。
［１１］ 前記１つ又は複数の押出プロセスパラメータは、前記押出ダイ混合物の流量、前記押出ダイ混合物の流圧、前記押出ダイ混合物の温度、及び前記押出ダイ混合物の含水率若しくは特性のうちの１つ又は複数を備える、［１０］に記載のシステム。
［１２］ 前記ＳＭＩＣＳは、
オペレータから所望の製品データ入力を受信することと、
前記ＤＦＭサブシステム及び前記ＩＦＭサブシステムのうちの少なくとも１つからフィードバック入力を受信することと、
前記複数のプロセス設定のうちの１つ又は複数と前記所望の製品データ入力との間の１つ又は複数の制御関係を特定するために機械学習アルゴリズムを実行することと、
前記複数のプロセス設定のうちの１つ又は複数を修正するために前記１つ又は複数の制御関係を利用することと、
を含む、機械学習プロセスを行うように構成されている、［１］～［１１］のいずれか一項に記載のシステム。
［１３］ 前記機械学習アルゴリズムは、深層学習アルゴリズム、教師あり学習アルゴリズム、及び強化学習アルゴリズムのうちの少なくとも１つを備える、［１２］に記載のシステム。
［１４］ 前記湿式押出プロセス機械は、
全長に沿って延在する押出通路に回転可能に配設された少なくとも１つのモータ駆動スクリューと、
前記押出通路に前記タンパク粉末を導入するように構成された粉末供給機と、
前記押出通路に前記水を添加するように構成された水供給機と、
前記押出通路に前記油を添加するように構成された油供給機と、
スクリュー押出機と結合され、かつ前記押出通路の前記全長に沿った１つ又は複数の位置を選択可能に加熱するように構成された加熱システムと、
を備える、［１］～［１３］のいずれか一項に記載のシステム。
［１５］ ［１］～［１４］のいずれか一項に記載のシステムを動作させることを備える方法であって、前記方法は、代替肉製品を生産することと、代替肉製品レシピを決定することと、代替肉製品の審美的及び物理的特性を制御することとのうちの少なくとも１つを含む、方法。
ここに、出願当初の特許請求の範囲の記載事項を付記する。
［１］ 複数の原料を受け取り、混合し、押出ダイに搬送するように構成された湿式押出プロセス機械と、前記複数の原料は、タンパク粉末、油、及び水を含み、
前記押出ダイに押し込まれ、通過し、前記押出ダイから吐出される押出ダイ混合物を生産するのに有効な複数のプロセス設定を使用して前記湿式押出プロセス機械を制御するように構成された電子プロセス制御システム（ＥＰＣＳ）と、
を備えるシステムにおいて、
前記システムが、前記押出ダイ混合物の１つ又は複数の物理的繊維性質パラメータを直接測定するように構成された直接繊維性質測定（ＤＦＭ）サブシステムと、前記押出ダイ混合物に関連する１つ又は複数の押出プロセスパラメータを測定するように構成された間接繊維性質測定（ＩＦＭ）サブシステムとのうちの少なくとも１つと動作的に結合された監視機械知能制御システム（ＳＭＩＣＳ）を備え、
前記ＳＭＩＣＳが、前記１つ又は複数の物理的繊維性質パラメータ及び前記１つ又は複数の押出プロセスパラメータのうちの少なくとも１つに応答して、前記複数のプロセス設定のうちの１つ又は複数を修正するように構成されていることを特徴とする、システム。
［２］ 前記ＤＦＭサブシステムは、光センサシステム、機械力センサシステム、及び音波センサシステムのうちの１つ又は複数を備える、［１］に記載のシステム。
［３］ 前記ＤＦＭサブシステムは、少なくとも前記光センサシステムを備え、前記光センサシステムは、前記押出ダイ混合物のデジタル画像を生成し、前記デジタル画像を前記ＳＭＩＣＳに提供するように構成されている、［２］に記載のシステム。
［４］ 前記ＤＦＭサブシステムは、少なくとも前記音波センサシステムを備え、前記音波センサシステムは、前記押出ダイ混合物のデジタル画像を生成し、前記デジタル画像を前記ＳＭＩＣＳに提供するように構成されている、［２］に記載のシステム。
［５］ 前記ＳＭＩＣＳは、前記押出ダイ混合物の前記デジタル画像から前記物理的繊維性質パラメータを決定するために前記デジタル画像を更に処理するように構成されている、［３］又は［４］に記載のシステム。
［６］ 前記物理的繊維性質パラメータは、前記押出ダイ混合物の前記デジタル画像を処理することから決定される、繊維サイズメトリック、繊維配向メトリック、繊維配列メトリック、繊維交絡メトリック、繊維間距離メトリック、捻れ力メトリック、及び密度のうちの１つ又は複数を備える、［５］に記載のシステム。
［７］ 前記ＳＭＩＣＳは、前記デジタル画像を前記物理的繊維性質パラメータのうちの少なくとも１つとして利用するように構成されている、［３］又は［４］に記載のシステム。
［８］ 前記ＤＦＭサブシステムは、少なくとも前記機械力センサシステムを備え、前記機械力センサシステムは、前記押出ダイ混合物の張力メトリック、圧縮力メトリック、捻れ力メトリック、及び密度メトリックのうちの１つ又は複数を測定するように構成されている、［２］に記載のシステム。
［９］ 前記ＤＦＭサブシステムは、前記光センサシステム、前記機械力センサシステム、及び前記音波センサシステムのうちの２つ以上を備える、［２］に記載のシステム。
［１０］ 前記ＩＦＭサブシステムは、前記１つ又は複数の押出プロセスパラメータを測定するように構成された１つ又は複数のセンサを含む、［１］～［９］のいずれか一項に記載のシステム。
［１１］ 前記１つ又は複数の押出プロセスパラメータは、前記押出ダイ混合物の流量、前記押出ダイ混合物の流圧、前記押出ダイ混合物の温度、及び前記押出ダイ混合物の含水率若しくは特性のうちの１つ又は複数を備える、［１０］に記載のシステム。
［１２］ 前記ＳＭＩＣＳは、
オペレータから所望の製品データ入力を受信することと、
前記ＤＦＭサブシステム及び前記ＩＦＭサブシステムのうちの少なくとも１つからフィードバック入力を受信することと、
前記複数のプロセス設定のうちの１つ又は複数と前記所望の製品データ入力との間の１つ又は複数の制御関係を特定するために機械学習アルゴリズムを実行することと、
前記複数のプロセス設定のうちの１つ又は複数を修正するために前記１つ又は複数の制御関係を利用することと、
を含む、機械学習プロセスを行うように構成されている、［１］～［１１］のいずれか一項に記載のシステム。
［１３］ 前記機械学習アルゴリズムは、深層学習アルゴリズム、教師あり学習アルゴリズム、及び強化学習アルゴリズムのうちの少なくとも１つを備える、［１２］に記載のシステム。
［１４］ 前記湿式押出プロセス機械は、
全長に沿って延在する押出通路に回転可能に配設された少なくとも１つのモータ駆動スクリューと、
前記押出通路に前記タンパク粉末を導入するように構成された粉末供給機と、
前記押出通路に前記水を添加するように構成された水供給機と、
前記押出通路に前記油を添加するように構成された油供給機と、
スクリュー押出機と結合され、かつ前記押出通路の前記全長に沿った１つ又は複数の位置を選択可能に加熱するように構成された加熱システムと、
を備える、［１］～［１３］のいずれか一項に記載のシステム。
［１５］ ［１］～［１４］のいずれか一項に記載のシステムを動作させることを備える方法であって、前記方法は、代替肉製品を生産することと、代替肉製品レシピを決定することと、代替肉製品の審美的及び物理的特性を制御することとのうちの少なくとも１つを含む、方法。
Claims (16)
- 複数の原料を受け取り、混合し、押出ダイに搬送するように構成された湿式押出プロセス機械と、前記複数の原料は、タンパク粉末、油、及び水を含み、
前記押出ダイに押し込まれ、通過し、前記押出ダイから吐出される押出ダイ混合物を生産するのに有効な複数のプロセス設定を使用して前記湿式押出プロセス機械を制御するように構成された電子プロセス制御システム（ＥＰＣＳ）と、
を備えるシステムにおいて、
前記システムが、前記押出ダイ混合物の１つ又は複数の物理的繊維性質パラメータを直接測定するように構成された直接繊維性質測定（ＤＦＭ）サブシステムと、前記押出ダイ混合物に関連する１つ又は複数の押出プロセスパラメータを測定するように構成された間接繊維性質測定（ＩＦＭ）サブシステムとのうちの少なくとも１つと動作的に結合された監視機械知能制御システム（ＳＭＩＣＳ）を備え、
前記ＳＭＩＣＳが、前記１つ又は複数の物理的繊維性質パラメータ及び前記１つ又は複数の押出プロセスパラメータのうちの少なくとも１つに応答して、前記複数のプロセス設定のうちの１つ又は複数を修正するように構成されることを特徴とする、システム。 - 前記ＤＦＭサブシステム及び前記ＩＦＭサブシステムと、
前記ＤＦＭサブシステム及び前記ＩＦＭサブシステムと動作的に結合された前記ＳＭＩＣＳと
を備え、
前記ＳＭＩＣＳが、前記１つ又は複数の物理的繊維性質パラメータ及び前記１つ又は複数の押出プロセスパラメータに応答して、前記複数のプロセス設定のうちの１つ又は複数を修正するように構成される、請求項１に記載のシステム。 - 前記ＤＦＭサブシステムは、光センサシステム、機械力センサシステム、及び音波センサシステムのうちの１つ又は複数を備える、請求項１に記載のシステム。
- 前記ＤＦＭサブシステムは、少なくとも前記光センサシステムを備え、前記光センサシステムは、前記押出ダイ混合物のデジタル画像を生成し、前記デジタル画像を前記ＳＭＩＣＳに提供するように構成されている、請求項３に記載のシステム。
- 前記ＤＦＭサブシステムは、少なくとも前記音波センサシステムを備え、前記音波センサシステムは、前記押出ダイ混合物のデジタル画像を生成し、前記デジタル画像を前記ＳＭＩＣＳに提供するように構成されている、請求項３に記載のシステム。
- 前記ＳＭＩＣＳは、前記押出ダイ混合物の前記デジタル画像から前記物理的繊維性質パラメータを決定するために前記デジタル画像を更に処理するように構成されている、請求項４又は請求項５に記載のシステム。
- 前記物理的繊維性質パラメータは、前記押出ダイ混合物の前記デジタル画像を処理することから決定される、繊維サイズメトリック、繊維配向メトリック、繊維配列メトリック、繊維交絡メトリック、繊維間距離メトリック、捻れ力メトリック、及び密度のうちの１つ又は複数を備える、請求項６に記載のシステム。
- 前記ＳＭＩＣＳは、前記デジタル画像を前記物理的繊維性質パラメータのうちの少なくとも１つとして利用するように構成されている、請求項４又は請求項５に記載のシステム。
- 前記ＤＦＭサブシステムは、少なくとも前記機械力センサシステムを備え、前記機械力センサシステムは、前記押出ダイ混合物の張力メトリック、圧縮力メトリック、捻れ力メトリック、及び密度メトリックのうちの１つ又は複数を測定するように構成されている、請求項３に記載のシステム。
- 前記ＤＦＭサブシステムは、前記光センサシステム、前記機械力センサシステム、及び前記音波センサシステムのうちの２つ以上を備える、請求項３に記載のシステム。
- 前記ＩＦＭサブシステムは、前記１つ又は複数の押出プロセスパラメータを測定するように構成された１つ又は複数のセンサを含む、請求項１～１０のいずれか一項に記載のシステム。
- 前記１つ又は複数の押出プロセスパラメータは、前記押出ダイ混合物の流量、前記押出ダイ混合物の流圧、前記押出ダイ混合物の温度、及び前記押出ダイ混合物の含水率若しくは特性のうちの１つ又は複数を備える、請求項１１に記載のシステム。
- 前記ＳＭＩＣＳは、
オペレータから所望の製品データ入力を受信することと、
前記ＤＦＭサブシステム及び前記ＩＦＭサブシステムのうちの少なくとも１つからフィードバック入力を受信することと、
前記複数のプロセス設定のうちの１つ又は複数と前記所望の製品データ入力との間の１つ又は複数の制御関係を特定するために機械学習アルゴリズムを実行することと、
前記複数のプロセス設定のうちの１つ又は複数を修正するために前記１つ又は複数の制御関係を利用することと、
を含む、機械学習プロセスを行うように構成されている、請求項１～１２のいずれか一項に記載のシステム。 - 前記機械学習アルゴリズムは、深層学習アルゴリズム、教師あり学習アルゴリズム、及び強化学習アルゴリズムのうちの少なくとも１つを備える、請求項１３に記載のシステム。
- 前記湿式押出プロセス機械は、
全長に沿って延在する押出通路に回転可能に配設された少なくとも１つのモータ駆動スクリューと、
前記押出通路に前記タンパク粉末を導入するように構成された粉末供給機と、
前記押出通路に前記水を添加するように構成された水供給機と、
前記押出通路に前記油を添加するように構成された油供給機と、
スクリュー押出機と結合され、かつ前記押出通路の前記全長に沿った１つ又は複数の位置を選択可能に加熱するように構成された加熱システムと、
を備える、請求項１～１４のいずれか一項に記載のシステム。 - 請求項１～１５のいずれか一項に記載のシステムを動作させることを備える方法であって、前記方法は、代替肉製品を生産することと、代替肉製品レシピを決定することと、代替肉製品の審美的及び物理的特性を制御することとのうちの少なくとも１つを含む、方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20186396.6 | 2020-07-17 | ||
| EP20186396.6A EP3939436A1 (en) | 2020-07-17 | 2020-07-17 | Supervisory machine intelligence controls for production of meat substitutes |
| PCT/EP2021/066987 WO2022012879A1 (en) | 2020-07-17 | 2021-06-22 | Supervisory machine intelligence controls for production of meat substitutes |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2023533086A JP2023533086A (ja) | 2023-08-01 |
| JP7421185B2 true JP7421185B2 (ja) | 2024-01-24 |
Family
ID=71943916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2023503192A Active JP7421185B2 (ja) | 2020-07-17 | 2021-06-22 | 代替肉の生産のための監視機械知能制御装置 |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US11812765B2 (ja) |
| EP (1) | EP3939436A1 (ja) |
| JP (1) | JP7421185B2 (ja) |
| KR (1) | KR102640708B1 (ja) |
| CN (1) | CN115955921A (ja) |
| AU (1) | AU2021308389B2 (ja) |
| BR (1) | BR112023000843B1 (ja) |
| CA (1) | CA3186340C (ja) |
| WO (1) | WO2022012879A1 (ja) |
| ZA (1) | ZA202301142B (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11606959B2 (en) * | 2020-11-25 | 2023-03-21 | Seattle Food Tech, Inc. | Continuous process for automated meat analogue production |
| WO2023214058A1 (en) | 2022-05-06 | 2023-11-09 | Planted Foods Ag | Apparatus for processing plant-based proteinaceous food items, set of food items and method of processing |
| WO2023244262A1 (en) * | 2022-06-14 | 2023-12-21 | Frito-Lay North America, Inc. | Devices, systems, and methods for virtual bulk density sensing |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016142788A2 (en) | 2015-03-12 | 2016-09-15 | Rodríguez González Aniceto | Vegetable protein products and methods for making the same |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3904775A (en) | 1973-08-22 | 1975-09-09 | Quaker Oats Co | Process for production of a simulated meat product |
| JP2965164B2 (ja) * | 1990-03-12 | 1999-10-18 | 株式会社末広鉄工所 | ２軸エクストルーダ及びそれによる食品，飼料加工方法 |
| DE19518390C2 (de) * | 1995-05-19 | 1999-02-18 | Inofex Gmbh | Verfahren und Schaltungsanordnung zur Steuerung und Regelung eines Antriebssystems für die Verarbeitung eines Rohstoffes, vorzugsweise für Fleischereimaschinen |
| EP0831716A1 (en) * | 1995-05-19 | 1998-04-01 | United Biscuits (Uk) Limited | Improvements in and relating to textured wheat gluten protein products |
| US7029715B2 (en) * | 2000-05-25 | 2006-04-18 | Hdn Development Corporation | Methods and systems for automatically extruding and cutting dough-based products having pre-selected weights |
| FR2827123B1 (fr) * | 2001-07-12 | 2004-06-25 | Clextral | Procede et installation de preparation en continu d'un produit alimentaire retexture |
| US20050214419A1 (en) * | 2004-03-29 | 2005-09-29 | Aberle Rick A | Method and apparatus for providing instantaneous, real-time data for extrusion process control |
| US20050266147A1 (en) * | 2004-05-21 | 2005-12-01 | Curators Of The University Of Missouri Office Of Technology & Special Projects | Method for detecting fiberization of vegetable proteins |
| WO2009005828A1 (en) * | 2007-07-03 | 2009-01-08 | Tenera Technology, Llc | Imaging method for determining meat tenderness |
| US20090155444A1 (en) * | 2007-12-12 | 2009-06-18 | Solae, Llc | Protein Extrudates Comprising Whole Grains |
| ATE544360T1 (de) * | 2008-05-26 | 2012-02-15 | Gumlink As | Kontinuierliche bildung von mittig gefülltem kaugummi |
| US9877498B2 (en) | 2013-08-08 | 2018-01-30 | General Mills, Inc. | System and method for producing an extruded protein product |
| JP6917079B2 (ja) | 2015-11-25 | 2021-08-11 | 株式会社タカゾノテクノロジー | 薬剤供給装置 |
| JP7166248B2 (ja) * | 2016-08-26 | 2022-11-07 | コミティア，インク． | 制御された液状食品または飲料製品を作り出すためのシステム |
-
2020
- 2020-07-17 EP EP20186396.6A patent/EP3939436A1/en active Pending
-
2021
- 2021-06-22 BR BR112023000843-3A patent/BR112023000843B1/pt active IP Right Grant
- 2021-06-22 KR KR1020237005088A patent/KR102640708B1/ko active IP Right Grant
- 2021-06-22 JP JP2023503192A patent/JP7421185B2/ja active Active
- 2021-06-22 WO PCT/EP2021/066987 patent/WO2022012879A1/en active Application Filing
- 2021-06-22 CN CN202180052869.9A patent/CN115955921A/zh active Pending
- 2021-06-22 US US18/005,840 patent/US11812765B2/en active Active
- 2021-06-22 CA CA3186340A patent/CA3186340C/en active Active
- 2021-06-22 AU AU2021308389A patent/AU2021308389B2/en active Active
-
2023
- 2023-01-27 ZA ZA2023/01142A patent/ZA202301142B/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016142788A2 (en) | 2015-03-12 | 2016-09-15 | Rodríguez González Aniceto | Vegetable protein products and methods for making the same |
Also Published As
| Publication number | Publication date |
|---|---|
| US11812765B2 (en) | 2023-11-14 |
| AU2021308389A1 (en) | 2023-03-16 |
| AU2021308389B2 (en) | 2023-12-07 |
| KR20230028809A (ko) | 2023-03-02 |
| US20230225363A1 (en) | 2023-07-20 |
| CA3186340A1 (en) | 2022-01-20 |
| CA3186340C (en) | 2023-06-27 |
| KR102640708B1 (ko) | 2024-02-27 |
| EP3939436A1 (en) | 2022-01-19 |
| BR112023000843A2 (pt) | 2023-02-07 |
| JP2023533086A (ja) | 2023-08-01 |
| CN115955921A (zh) | 2023-04-11 |
| WO2022012879A1 (en) | 2022-01-20 |
| ZA202301142B (en) | 2024-04-24 |
| BR112023000843B1 (pt) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7421185B2 (ja) | 代替肉の生産のための監視機械知能制御装置 | |
| US6760631B1 (en) | Multivariable control method and system without detailed prediction model | |
| Srivastava et al. | Multi-response optimization of fused deposition modelling process parameters of ABS using response surface methodology (RSM)-based desirability analysis | |
| CN104081296B (zh) | 控制生产流程的方法 | |
| US7069255B1 (en) | Method and device for optimising process management and process control in an arrangement for producing farinaceous products | |
| US20220410099A1 (en) | Method and controlling system for controlling polymer viscosity quality | |
| EP3988270A1 (en) | Machine learning method, machine learning device, and machine learning program | |
| Popescu et al. | A new approach to modeling and control of a food extrusion process using artificial neural network and an expert system | |
| Ganjyal et al. | Modeling selected properties of extruded waxy maize cross‐linked starches with neural networks | |
| JP2022161005A (ja) | 食品の品質を管理するための方法および装置並びに当該装置を備える、食品を処理するためのシステム | |
| CN116568141A (zh) | 用于基于多变量预测模型的烘焙过程控制的设备和方法 | |
| Shankar et al. | Prediction of extrudate properties using artificial neural networks | |
| Kristiawan et al. | Extrusion cooking modeling, control, and optimization | |
| US8732103B2 (en) | Process controller having a laboratory data validation model and methods for using the same | |
| CN112666998B (zh) | 一种调控米粉含水率的方法及装置 | |
| CN103064287A (zh) | 一种应用于锥型双螺杆挤出机温度控制的卡尔曼滤波方法 | |
| JP2006262850A (ja) | バター水分制御方法、又はチャーニングシリンダー回転数制御方法及びその装置 | |
| Gilmour et al. | Detection of process abnormality in food extruder using principle component analysis | |
| Ryde | Effective process control | |
| CN112617101A (zh) | 一种用于米粉挤丝的控制方法和装置 | |
| Ekielski et al. | Changes in the parameters of the transfer function of a twin screw extruder | |
| Cárdenas et al. | Modeling and process simulation of a single screw food extruder | |
| Yan | Application of principal component analysis and artificial neural networks in the determination of filler dispersion during polymer extrusion processes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230310 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230310 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230915 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231128 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231227 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7421185 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |