nieuws

Automatisering verhelpt fouten in allergenendata (video)

Voedselveiligheid & Kwaliteit

Automatisering verhelpt fouten in allergenendata (video)

Het automatiseren en koppelen van grondstof-, receptuur- en labelbeheer en het juist invullen van datavelden in de veel gebruikte databases kan het aantal fouten in het vermelden van allergenen op etiketten sterk reduceren, zo bleek tijdens de Praktijkdag Allergenen die VMT in samenwerking met Allergenen Consultancy begin februari organiseerde.

Veruit de meeste (52%) recalls vanwege allergenen worden veroorzaakt door fouten in de informatie over grondstoffen, juiste recepturen en of correcte verpakking, aldus Marjan van Ravenhorst van Allergenen Consultancy. “Wil je snel en accuraat kunnen werken dan ontkomt je niet aan het automatiseren hiervan; eigenlijk is dat een must.” In de praktijk ziet zij dat nog veel fabrikanten met losse bestandjes, vaak nog met excell sheets werken.

Veel fouten in alle databases

Foute informatie bij de fabrikant, betekent automatisch dat ook in de databases tal van fouten staan.  Daarnaast is het verkeerd of niet invullen van gegevens in databases een veel voorkomende fout. “In alle zes databases waaruit wij informatie halen voor onze in januari gelanceerde Kies ik Gezond? app, treffen we te veel fouten aan”, aldus Wieke van der Vossen van het Voedingscentrum. Zij doelde daarmee op GS1 Datasource (A-merken), SIM (Jumbo en SuperUnie), PS in foodservice (groothandel), Brandbank (productfoto’s), Albert Heijn en het VC zelf.

Exacte cijfers wilde Van der Vossen niet geven, ook niet per databron, maar de data zijn dermate slecht dat het Voedingscentrum besloot voorlopig geen informatie over allergenen in hun app op te nemen.

Verkeerd invoeren

Jeroen Dokter van GS1 Nederland gaf inzicht in de problemen waar hun DataSource mee kampt. Circa 1.700 leveranciers voeren 240.000 levensmiddelen en drogisterij producten met etiketinformatie over allergenen, ingrediënten en nutriënten in. Deze data worden door circa 80 afnemers in Nederland gebruikt. Een verkeerd of niet ingevoerd dataveld heeft dus een enorme reikwijdte.

Vandaar dat GS1 via het project DatakwaliTijd 2.0 er veel aan is geleden de data betrouwbaarder te  maken. Daarvoor is de Allergenenchecker ontwikkeld. Deze bootst als het ware de consument na die de informatie op een etiket leest. GS1 controleert dus niet of de informatie op het etiket overeenkomt met de inhoud van de verpakking; fabrikanten zouden dat wel kunne/moeten doen.

Systeemcontrole

Dokter verwacht veel van systeemcontroles zoals de Allergenenchecker geheel automatisch verricht. Deze software tool leest de relevante informatie op het etiket en gaat na of daar allergenen in zijn genoemd en of deze in het juiste invoerveld staan vermeld. Dat is dus lang niet altijd het geval.

Soms vergeet een fabrikant ‘gewoon’ het allergeen te vermelden, zelfs als een product bijvoorbeeld pindakaas heet. Een andere veelgemaakte fout is dat de fabrikant wel het suballergeen (tarwe, hazelnoten) vermeldt, maar vergeet het hoofdallergeen (gluten, noten) in te vullen. Een derde veel voorkomende fout is dat wel een kruisbesmettingen op etiket staat vermeld als ‘kan bevatten’, terwijl de allergeen wordt ingevoerd als ‘Bevat’.

Betrouwbaarheid 97%

Ook de Allergenenchecker is (nog) niet honderd procent betrouwbaarbaar. “Als de Allergenenchecker aangeeft dat een product een allergeen bevat, dan klopt dat in 97% van de gevallen ook zo leren fysieke productcontroles”, vertelde Dokter. “Dat betekent dat als iedere fabrikant zijn data blind zou aanpassen aan hetgeen de Allergenenchecker rapporteert, zouden we een hele stap kunnen maken in het verbeteren van de datakwaliteit. Aan de hand van terugkoppeling van fabrikanten over hun resultaten maken we hen duidelijk dat hun gegevens niet up-to-date zijn en kunnen we anderzijds de Allergiechecker verfijnen en nauwkeuriger maken.”

Geraffineerde sojaolie en kippeneiwit

Dokter gaf enkele voorbeelden waar de consument, maar ook het algoritme van de Allergiechecker moeite mee heeft. Volledig geraffineerde sojaolie is daar een voorbeeld van. “Je hebt daar best veel kennis voor nodig om te kunnen zeggen of daarin nog allergenen aanwezig zijn of niet.” En ander voorbeeld is kippeneiwit. “Van de helft van de benaderde fabrikanten krijgen we terug dat het om eiwit van kippen gaat, van de andere helft dat het ei-eiwit betreft. We nemen daarom geen actie als de Allergenenchecker kippeneiwit aangeeft en hopen dat de fabrikant het goed heeft ingevuld.” Tot slot heeft het algoritme moeite met complexe bijzinnen op het etiket. “Meestal begrijp de consument dit gemakkelijker.”

Dokter nodigde de aanwezigen uit de rapporten van de Allergenenchecker te controleren en de interne processen waarmee data worden gegenereerd te controleren en degenen die de data invoeren te helpen bij het nauwkeuriger invoeren van data.

 

Reageer op dit artikel