Leveraging IoT data for accurate temperature forecasting in the food and beverage industry

Abstract

У секторі громадського харчуваня підтримка оптимальних температурних умов має вирішальне значення для забезпечення якості та безпеки продукції. Поява Інтернету речей (IoT) дала змогу здійснювати моніторинг температури в режимі реального часу за допомогою сенсорних мереж, надаючи велику кількість даних, які можна використовувати для прогнозної аналітики. У цьому дослідженні запропоновано метод аналізу даних ІоТ та прогнозування температури на основі цих даних. Метод спеціально адаптовано до специфіки операційної динаміки сектору громадського харчуваня. Використовуючи експоненційне згладжування у поєднанні із елементами машинного навчання, автори створили алгоритм, здатний надавати точні прогнози температури для підтримки проактивного прийняття рішень.In the food and beverage industry, maintaining optimal temperature conditions is crucial for ensuring product quality and safety. The advent of the Internet of Things (IoT) has enabled real-time temperature monitoring through sensor networks, providing a wealth of data that can be harnessed for predictive analytics. This study presents a robust method for analyzing and forecasting IoT temperature data, specifically tailored to the operational dynamics of the food and beverage sector. By leveraging exponential smoothing techniques and a learning approach, we aim to present an algorithm capable of delivering accurate temperature forecasts to support proactive decision-making.