PepsiCo използва AI, за да създаде интелигентна система за наблюдение, която подобрява последователността на Cheetos

За нетренираното око (и уста) Cheetos Snack е Cheetos Snack. Но дори и упоритите любители на закуски може да не осъзнаят дължината, до която инженерите отиват, за да гарантират, че всяка хапка има оптималната криза, лекота и форма.

PepsiCo, чието подразделение Frito-Lay прави Cheetos и други обичани марки като Tostitos и Doritos, иска по-ефективен начин за последователно производство на Cheetos с подходящите атрибути, като същевременно намалява отпадъците.

За да постигне тази цел, PepsiCo разработи AI решение, задвижвано от Microsoft Project Bonsai, което наблюдава и настройва своите екструдери, оборудването, което произвежда Cheetos.

Сложният екструдер беше идеален тестов случай: Няколко входа и спецификации, включително съотношението царевично брашно към водата и скоростта на режещия инструмент, си взаимодействат, за да създадат идеални характеристики на Cheetos Snack.

Решението Project Bonsai вече се е доказало в пилотен завод, където технологията върши добра работа за независимо регулиране на екструдера, за да поддържа качеството и последователността на продукта.

Шон Айхенлауб, старши главен инженер в PepsiCo:

„Това е бъдещето на контрола на процесите.“

„Използваме автоматизация, базирана на AI, за да подобрим последователността на нашите продукти.“

PepsiCo изгради система за компютърно зрение, която непрекъснато следи атрибутите на Cheetos.

Данни за качества като плътност и дължина се подават към решението на Project Bonsai, което прави корекции, за да приведе продукта в спецификация.

Този подход намалява времето, необходимо за коригиране на несъответствия, и позволява на операторите да се съсредоточат върху части от линията, които изискват човешки опит.

Кевин Лин, асоцииран главен инженер в PepsiCo:

„Проектът Bonsai ни позволява да използваме технология за нещата, които прави най-добре, а нашите служители за нещата, които правят най-добре.“

„Двамата се допълват и досега сме виждали страхотни резултати.“

PepsiCo се подготвя да използва разтвора в производствено предприятие и проучва как да използва разтвора с други продукти, включително процеса на производство на тортила чип.

Дениз Лефевр, старши вицепрезидент на научноизследователската и развойна дейност на Global Foods в PepsiCo:

„Иновациите са ключова съставка за нашия успех в PepsiCo и ни помага да доставяме вълнуващи нови продукти, технологични постижения и дори нови начини на работа - каквото и да е необходимо, за да гарантираме, че продължаваме да привличаме усмивки на нашите потребители всеки ден.

„Cheetos, една от най-обичаните ни марки за милиарди долари, се произвеждат в 22 страни и се предлагат в повече от 50 вкуса.“

„Технологията Project Bonsai ни помага да гарантираме, че всяка закуска Cheetos е перфектна и сме развълнувани от нейния потенциал. Това е само началото."

Иновация на фабричния етаж

Продукт извън спецификацията не може да бъде продаден, което води до загуба на ресурси, време и пари. По-голямата последователност помага на PepsiCo да поддържа висококачествени продукти, като същевременно увеличава производителността.

Като част от усилията на компанията за дигитална трансформация, PepsiCo започна да проучва как да приложи следващото поколение AI в собствените си операции преди няколко години.

Проектът Bonsai упълномощи експертите на компанията да обучат агента за изкуствен интелект да работи успешно в сложна среда.

Дилън Диас, главен изпълнителен директор на Neal Analytics, който си партнира с PepsiCo и Microsoft по проекта:

„Microsoft Project Bonsai предлага мощен подход към автономното проектиране и внедряване на системата.“

„Проектът обединява комбинация от технологии, приложни умения за моделиране и експертни знания, за да създаде иновации на фабричния етаж.“

Обучението на алгоритъм на живо в завода беше просто невъзможно - PepsiCo не можеше да рискува решение за изкуствен интелект, компрометиращо безопасността или производствения график. Това е една от причините решението Project Bonsai първо да се учи в среда, внимателно изработена за симулиране на линията на екструдера.

Разработчиците са работили с оператори, за да създадат отново условията и реакциите, които работниците виждат в реалния живот. Колкото по-близо е симулаторът до реалната линия, толкова по-малко корекции ще трябва да направи екипът, преди решението да може да работи в централата.

Джейсън Стемлер, технически ръководител на проекти в Neal Analytics, който е работил по пилотния проект на PepsiCo:

„Експертите по предмета ни дават общ преглед на това как всъщност протича процесът в завода.“

„Те ни помагат да го разберем на всяка стъпка, за да можем да изградим симулатор, който да възпроизвежда екструзионната линия възможно най-близо.“

Обратната връзка засилва обучението

И вместо да позволят на решение за изкуствен интелект да се научи какво да прави, а не да прави само чрез проби и грешки, както прави конвенционалното машинно обучение, обучението с подсилване изгражда положителна и отрицателна обратна връзка. Разликата между двата подхода може да се сравни с това да се научим да караме колело.

Ако сте оставени на собствените си устройства, вероятно ще разберете как да балансирате, да педалите и да управлявате. Но ако някой е там, за да развесели това, което правите правилно и да посочи грешките си, ще се научите по-бързо - и с по-малко обелени колене.

Джейсън Стемлер:

„Когато платформата достигне качествата на Cheetos, към които се стремим, тя получава оптималната награда.“

„По този начин алгоритъмът за засилване научава какво да прави и какво да не прави, докато все още е в симулация.“

Подсилващото обучение означава, че решението в крайна сметка може да дава препоръки дори при условия, които не е срещнало в симулатор.

Джейсън Стемлер:

„Това решение разбира, че„ извършването на корекция на едно нещо и взаимодействието между множество корекции може да има последствия надолу по веригата “.

„Тези сложни взаимоотношения се улавят по-лесно чрез задълбочено обучение за подсилване, поради което това решение е по-стабилно и може да се учи по-добре от традиционния модел.“

Друго предимство при започване на симулация е, че решението може да симулира бягане на ден за 30 секунди.

Алгоритъмът научава различните комбинации от корекции, които водят до дефинираните параметри на качеството за малка част от времето. Екипът, разработващ решението, също изпълнява множество симулации едновременно в облака на Azure, допълнително ускорявайки процеса.

Въз основа на насоки от експерти, разработчиците също така програмират правила, необходими за безопасността. Например, разтворът постепенно регулира контроли, като например скоростта, която винтът прокарва царевично брашно през матрицата, тъй като прекалено рязката промяна на скоростта може да повреди машината.

Екипът също написа код, който пречи на решението да действа по предложение, ако комбинацията от настройки може да задръсти машината.

Тези контроли за безопасност са още една причина операторите да са от решаващо значение за проектирането на такова решение.

След като автономното системно решение пое много изобилие от учебни материали и се представи добре в рамките на симулацията, беше време да видим как се справи в тестова инсталация.

AI в действие

За да се направи идеална закуска Cheetos, решението се нуждае от примери за това, което не е идеално - и трябва да знае какво да прави в тези случаи.

Екструдерната линия е автономна и подходяща за разработване и тестване на автономно системно решение. Операторите са го изпълнявали ръчно, което дава възможност на разработчиците да създават решението от нулата, вместо върху друг софтуер.

Решението за ИИ има препоръчителен режим и режим на управление със затворен цикъл. И в двата режима система за компютърно зрение непрекъснато измерва качеството на Cheetos.

В препоръчителен режим AI ще предупреди оператор, ако продуктът се отклони от спецификациите, показвайки на арматурното табло атрибутите, които не са идеални, както и препоръка за коригирането му. Операторът може да натисне бутон, за да направи някакви или всички препоръчани корекции.

В режима на управление единствената разлика е, че решението за изкуствен интелект прескача стъпката на препоръката и настройва независимо спецификациите на екструдерната линия.

Компанията очаква, че пускането на тази интелигентна система за контрол ще върне продукта по-бързо на приемливи атрибути.

В текущата линия на екструдера операторите измерват атрибутите на продукта ръчно на определени интервали. Ако Cheetos са извън спецификациите, операторът прави корекции въз основа на насоки или опит, за да върне продукта до приемливо качество.

Проблемът: рядкото вземане на проби означава, че линията може да произвежда извън спецификациите Cheetos за по-дълъг период от време, без никой да осъзнава това.

Решението Project Bonsai ще наблюдава продукта почти непрекъснато, като използва сензори за наблюдение на характеристики като дължина и обемна плътност. По този начин то знае, щом продуктът се отклони извън определен диапазон.

Също така, решението Project Bonsai се научи от най-квалифицираните оператори на компанията, които са работили като експерти по темата по време на обучението по решението.

Джейсън Стемлер:

„По този начин мозъкът може да капсулира знанията и уменията на най-добрите оператори, след което да ги приложи чрез други съоръжения.“

Работа за независимо решение за ИИ

С платформата Project Bonsai PepsiCo превръща своя опит в производството на храни в AI решение, което се адаптира към променящата се среда.

В крайна сметка PepsiCo се стреми да остави това решение за изкуствен интелект да работи автономно. Чрез упълномощаването му да наблюдава продукта и да регулира екструдерната линия непрекъснато и независимо, компанията очаква постоянно да поддържа качеството на Cheetos и да произвежда повече производителност.

Дилън Диас:

„Развълнувани сме от нашето партньорство с Microsoft и PepsiCo, докато напредваме, за да усъвършенстваме интелигентния агент и в крайна сметка да внедрим решението, мащабно, във фабрики и други индустрии по света.“

PepsiCo ще продължи да прецизира AI решението, докато се подготвя да го разшири отвъд тестовата инсталация и проучва други случаи на употреба.

Шон Айхенлауб:

„Тази екструзионна линия беше нашето принципно доказателство.“

„След като видяхме какво може да направи Project Bonsai с един продукт, ние сме нетърпеливи да намерим начини за подобряване на процесите в цялата компания и продуктова линия.“