Georgios Kodros: ‘AI kan package-testing efficiënter maken’

Kodros begon met de constatering dat testen onmisbaar blijft. ‘Wat je ook ontwikkelt, je kunt alleen aantonen dat iets echt een verpakking ís door het te testen’, zei hij. Volgens hem levert AI in package-testing een driedubbel voordeel op. Het eerste voordeel ligt in technologische innovatie. Het toepassen van nieuwe technologieën zoals geautomatiseerd testen en intelligente analysemethoden maakt het testproces verfijnder.
Daarnaast ziet hij een duidelijk duurzaamheidsvoordeel. ‘Door slim te testen kunnen we verpakkingen maken die minder materiaal gebruiken, minder afval opleveren en veiliger presteren in de keten’, lichtte hij toe. Het derde voordeel is economisch: efficiëntere processen leiden tot kortere doorlooptijden en kostenbesparing.

Efficiënter, voorspellend en nauwkeuriger

Verschillende aspecten van het testproces lenen zich goed voor AI-toepassingen. Zo noemde Kodros de mogelijkheid om het gebruik van testapparatuur te optimaliseren en datasets sneller te analyseren. ‘AI kan het voortraject van testen deels vervangen door simulaties. Dat verkort de tijd tot een eerste beoordeling en maakt het proces efficiënter.’

Ook bij kwaliteitscontrole is volgens hem al veel mogelijk. Hij wees op bestaande systemen die met beeldanalyse microscopische defecten opsporen, bijvoorbeeld in farmaceutische verpakkingen. ‘We kunnen miljoenen vials in seconden scannen en precies aangeven welke niet voldoen. AI ondersteunt daarnaast bij compliancecontrole, door regelgeving automatisch te matchen met testresultaten.’

Een ander gebied waar Kodros potentie ziet, is real-time monitoring. Slimme sensoren in verpakkingen leveren data op over transport en opslag. ‘Door die informatie te analyseren, kunnen we inzicht krijgen in zwakke punten in het ontwerp en verbeteringen doorvoeren.’

Concrete toepassingen in food en pharma

Kodros illustreerde zijn verhaal met verschillende voorbeelden uit de praktijk. Zo werkt Nestlé met AI-systemen om nieuwe, hoogwaardige biologisch afbreekbare barrièrematerialen te identificeren. Coca-Cola en DS Smith combineren AI en IoT-sensoren om kartonnen drankverpakkingen tijdens transport te monitoren, met minder schade en afval als resultaat. Een ander voorbeeld is de ontwikkeling van de Nitro Square Bottle, waarbij AI hielp om sterkte en materiaalgebruik in balans te brengen.

Farmaceutische toepassingen zijn volgens hem nog verder ontwikkeld. Zo inspecteert een Amerikaans bedrijf met een AI-visionsysteem honderden miljoenen labels per jaar. Fedegari Autoclavi koppelt materiaaleigenschappen aan sterilisatieprocessen, wat de betrouwbaarheid van verpakkingen voor steriele geneesmiddelen vergroot. ‘Pharma lijkt als eerste de volledige impact van AI in testen te ervaren’, merkte Kodros op.

Een inkijkje in Labthink’s eigen ontwikkelingen

Kodros gaf ook een voorbeeld uit zijn eigen organisatie. Labthink brengt binnenkort een nieuwe tester voor residu-bepaling op de markt, bedoeld voor food en pharma. Dit apparaat automatiseert vrijwel het hele proces, dat nu nog handmatig en tijdrovend is. ‘We gaan van één tot twee weken testtijd naar twee dagen’, vertelde hij. Ook het personeelsverbruik daalt van vier naar één laborant.

Volgens hem zit de echte vernieuwing in de manier waarop AI in de tester wordt ingezet. ‘Bepaalde stappen konden altijd alleen door het menselijke oog worden gecontroleerd. Nu is het systeem getraind om te herkennen wanneer iets afwijkt. Dan verlengt het automatisch de testcyclus of wijst het een monster af.’ Hij ziet dit als een van de eerste concrete voorbeelden waarbij AI echt actief ingrijpt in het testproces zelf.

Vooruitkijken: naar autonome test- en productielijnen

Waar leidt deze ontwikkeling volgens Kodros uiteindelijk toe? Hij verwacht dat AI zowel het ontwerp als de risicobeoordeling van verpakkingen steeds meer gaat sturen. Systemen kunnen ongeschikte ontwerpen vroeg in het traject uitsluiten, waardoor fysieke tests efficiënter worden ingezet. Visiontechnologie en smart packaging gaan daarnaast volgens hem een vaste plek krijgen in het testen van houdbaarheid en productveiligheid.

Op de langere termijn voorziet hij zelfs volledig autonome lijnen. ‘Het is geen belofte, maar een educated guess: rond 2035 zouden we best eens autonome, door AI aangestuurde verpakkingssystemen kunnen zien.’ Daarmee zou het testen volledig geïntegreerd raken in het productie-ecosysteem.

AI in package-testing

Kodros sloot af met een boodschap die volgens hem de kern raakt. ‘AI in package-testing gaat niet alleen over efficiëntie’, zei hij. ‘Het gaat over duurzaamheid, veiligheid en vertrouwen.’
In zijn ogen staat de sector aan het begin van een transformatie waarin kunstmatige intelligentie een vaste waarde wordt binnen het testen en kwalificeren van verpakkingen.