過去的20年來，我們看到釀造技術有了長足的進步，並且開始採用自動化技術。這種對於糖化效率的重視有助於提高原料的產量、節省各批次的週期時間，以及提高所有規模釀造商的品質。
您可能已經在經營一座現代自動化釀酒廠，可以確實按照程式的設計營運。不過，這樣就足夠了嗎？是要推動不斷進步，還是告訴您怎樣才能更上層樓？
一旦可靠且成熟的自動化系統準備就緒，利用製程分析的功能便是糖化效率的下一個關鍵。
例如，您目前的系統是否有提供儀表板和報告紀錄，可讓您輕鬆比較各批次？應該要有。因為得知您釀酒廠中資料點，可讓您監測現在和過去的製程並做出改善。可見性也可以讓作業人員放下剪貼板，並且減少依賴對會放慢速度的人工計算。
收集和分析您整體作業的資料不見得是個浩大的工程，而是智慧釀造。從觀察您當下的製程開始、找出最大的瓶頸，然後優先解決這些問題。在您成功之後，隨時都可以擴大規模。
發酵程序為代表有機會實現更高批次效率的其中一個部分。此外，您越清楚瞭解和越能妥善控制時間、溫度、球化和冷卻能力等變數，就能改善發酵程序。
您已經知道特定配方的一般發酵設定，例如啤酒設定在18°C下放置10天。這些變數會受到溫度控制、冷卻時間、填充量和主要發酵時間的設定點所影響，這些都是依照先前使用的配方，因此您可以繼續沿用。
不過，如果您可以在更短的時間內達到這些目標呢？預測性分析適用於任何規模的作業，都能找出並輕鬆實現未發揮的效率。
或許您的配方是要批次靜置發酵10天，才能達到預期的柏拉圖糖度。不過實際上只要發酵8天，仍可獲得相同的酒精濃度和口感。人工監測可能無法準確辨識這項趨勢，但持續觀察趨勢資料的分析可以提醒您這2天的配方變化，可能會對容量和整體糖化效率造成骨牌效應。
還有許多其他機會(從碾磨到加工槽)可以改善資料導向的製程，以及去除啤酒生產的浪費。觀察發酵和過濾是更明顯的出發點。不過我們發現，釀酒廠也會因為其他的分析獲益(例如，效用)。
部分釀酒廠更為成熟，而且正在尋找下一個尚未發掘的糖化效率。具有影響力的其他趨勢包括永續發展的釀造工作，卻在製程時使用大量的水量和熱量，還希望可以成為良好的企業公民。
對此領域更深入的見解可能會有重大影響。請思考其中的意義。您是否知道您的CIP (定位洗滌法)程序會用掉多少水量和熱量？透過分析時間、溫度和流量資料，可以減少沖洗和滅菌的時間與溫度，並且可以在不影響品質的情況下大幅減少使用的水量和熱量。
業界仍在持續探索製程分析的用途。目前更高糖化效率的願景已實現。單就骨牌效應來看，即使製程中的任何步驟只節省五分鐘，都會影響到全年度各個批次和每次的釀造。
因為這是許多釀酒商的未知領域，所以和適當的合作夥伴合作非常重要。請考慮可提供從感測器到軟體層以及分析的套裝解決方案。另外，當然也要考慮釀造及其他製程密集型產業的豐富專業知識。
現在的自動化釀酒廠在我們的持續檢視和分析之下，總是會發現全新的領域。但是我們想要聽聽您的意見！請讓我們瞭解您最大的挑戰，讓我們可以研究對您作業最重要的解決方案。
已發佈 2019年5月10日
為您推薦
