PepsiCoはAIを活用して、Cheetosの一貫性を向上させるインテリジェントな監視システムを作成します

訓練されていない目（と口）には、チートススナックはチートススナックにしか見えません。しかし、熱心なスナック愛好家でさえ、一口ごとに最高の歯ごたえ、軽さ、そして形を実現するために、エンジニアがどれほどの努力を払っているかに気づいていないかもしれません。

チートスやトスティトス、ドリトスなどの人気ブランドを製造するフリトレー部門を持つペプシコは、廃棄物を削減しながら適切な特性を持つチートスを一貫して製造するより効率的な方法を求めていました。

この目標を達成するために、ペプシコは、チートスを製造する装置である押出機を監視および調整する、Microsoft Project Bonsai を活用した AI ソリューションを開発しました。

複雑な押し出し機は理想的なテストケースでした。コーンミールと水の比率や切断ツールの速度など、複数の入力と仕様が相互作用して、理想的なチートス スナックの特性を生み出します。

プロジェクト Bonsai のソリューションは、現在パイロット プラントでその性能が実証されており、この技術により、製品の品質と一貫性を維持するために押出機を独立して調整する優れた機能が実現されています。

ペプシコ社のシニアプリンシパルエンジニア、ショーン・アイヒェンラウブ氏はこう語る。

「これがプロセス制御の未来です。」

「当社では、製品の一貫性を向上させるために AI ベースの自動化を活用しています。」

ペプシコは、チートスの特性を継続的に監視するコンピューター ビジョン システムを構築しました。

密度や長さなどの品質に関するデータは Project Bonsai ソリューションに送信され、製品が仕様範囲内になるように調整されます。

このアプローチにより、不一致を修正するのにかかる時間が短縮され、オペレーターは人間の専門知識を必要とするラインの部分に集中できるようになります。

ペプシコの副主席エンジニア、ケビン・リン氏：

「Project Bonsai により、テクノロジーを最も得意とする分野に活用し、従業員を最も得意とする分野に活用できるようになります。」

「この2つは互いに補完し合い、これまでのところ素晴らしい成果が出ています。」

ペプシコ社は、このソリューションを生産工場で使用する準備をしており、トルティーヤチップの製造プロセスを含む他の製品でこのソリューションを使用する方法を検討しています。

ペプシコのグローバル食品研究開発担当上級副社長、デニス・ルフェーブル氏：

「イノベーションはペプシコの成功の重要な要素であり、刺激的な新製品、技術の進歩、さらには新しい働き方を実現するのに役立っています。毎日、消費者に笑顔を届け続けるために必要なことは何でもイノベーションによって実現しています。」

「チートスは、当社の最も愛されている22億ドル規模のブランドの一つで、50か国で生産され、XNUMX種類以上のフレーバーがあります。」

「Project Bonsaiの技術は、チートススナック一つ一つが完璧な仕上がりになるよう尽力して​​おり、その可能性に期待しています。これはまだ始まりに過ぎません。」

工場現場におけるイノベーション

規格外の製品は販売できず、資源、時間、そして費用の無駄につながります。ペプシコは、製品の一貫性を高めることで、高品質な製品を維持しながら、生産能力を最大化することに成功しています。

ペプシコは数年前から、デジタル変革の取り組みの一環として、自社の業務に次世代 AI を適用する方法の調査を始めました。

プロジェクト Bonsai により、同社の専門家は AI エージェントをトレーニングして複雑な環境で正常に動作できるようにできるようになりました。

このプロジェクトでペプシコおよびマイクロソフトと提携したニール・アナリティクスのCEO、ディラン・ディアス氏は次のように述べている。

「Microsoft Project Bonsai は、自律システムの設計と実装に対する強力なアプローチを提供します。」

「このプロジェクトでは、テクノロジー、応用モデリングスキル、専門知識を組み合わせて、工場の現場でイノベーションを生み出しました。」

工場内でアルゴリズムをライブトレーニングすることは、単純に不可能でした。ペプシコは、AIソリューションによって安全性や生産スケジュールが損なわれるリスクを冒すことができませんでした。これが、Project Bonsaiソリューションが、押出機ラインをシミュレートするために綿密に構築された環境で最初に学習を行う理由の一つです。

開発者はオペレーターと協力し、作業員が実際に目にする状況や反応を再現しました。シミュレーターが実際のラインに近いほど、ソリューションを工場で稼働させる前にチームが行う調整が少なくなります。

PepsiCo のパイロット プロジェクトに携わった Neal Analytics のテクニカル プロジェクト マネージャー、Jayson Stemmler 氏は次のように述べています。

「各分野の専門家が、工場内でプロセスが実際にどのように機能しているかの概要を教えてくれます。」

「彼らは私たちがあらゆる段階で理解するのを助けてくれるので、できるだけ押し出しラインを忠実に再現するシミュレーターを構築することができます。」

フィードバックは学習を強化する

従来の機械学習のように、AIソリューションが試行錯誤だけで何をすべきか、何をすべきでないかを学ぶのではなく、強化学習では正のフィードバックと負のフィードバックを構築します。この2つのアプローチの違いは、自転車の乗り方を学ぶことに例えることができます。

一人でやると、バランスを取ったり、ペダルを漕いだり、ハンドルを切ったりする方法を、おそらく自分で理解してしまうでしょう。でも、誰かがそばにいて、あなたの正しいやり方を応援し、間違いを指摘してくれると、より早く習得でき、ひざを擦りむくことも少なくなります。

ジェイソン・ステムラー:

「プラットフォームが私たちが目指すチートスの品質に到達すれば、最適な報酬が得られます。」

「このようにして、強化学習アルゴリズムはシミュレーション中に何をすべきか、何をすべきでないかを学習します。」

強化学習とは、ソリューションがシミュレーターで遭遇しなかった状況でも最終的に推奨を行えるようになることを意味します。

ジェイソン・ステムラー:

「このソリューションは、「1つの調整と、複数の調整間の相互作用が下流に影響を及ぼす可能性がある」ことを理解するようになります。」

「これらの複雑な関係は、深層強化学習によってより簡単に捉えることができます。そのため、このソリューションは従来のモデルよりも堅牢で、より優れた学習能力を発揮します。」

シミュレーションから始めるもう 30 つの利点は、ソリューションが XNUMX 日の実行を XNUMX 秒でシミュレートできることです。

アルゴリズムは、定義された品質パラメータにつながるさまざまな調整の組み合わせをわずかな時間で学習します。ソリューションを開発しているチームは、Azure クラウドで複数のシミュレーションを同時に実行し、プロセスをさらに高速化しました。

開発者は専門家の指導に基づき、安全確保に必要なルールもプログラムしました。例えば、このソリューションでは、スクリューがコーンミールをダイに押し込む速度などの制御を段階的に調整します。速度を急激に変化させると機械が損傷する可能性があるためです。

チームはまた、調整の組み合わせによってマシンが動かなくなる可能性がある場合に、ソリューションが提案に基づいて動作しないようにするコードも作成しました。

これらの安全管理は、このようなソリューションの設計においてオペレーターが重要な役割を果たすもう 1 つの理由です。

自律システム ソリューションが十分な学習教材を吸収し、シミュレーション内で適切に機能するようになったら、次はテストプラントでのパフォーマンスを確認するときです。

動作中のAI

理想的なチートス スナックを作るには、何が理想的ではないのかの例と、その場合にどうすればよいかを知ることがソリューションに必要でした。

押出ラインは自己完結型であり、自律システムソリューションの開発とテストに最適です。オペレーターは手動で操作していたため、開発者は他のソフトウェアをベースにするのではなく、ソリューションをゼロから構築することができました。

このAIソリューションには、推奨モードと閉ループ制御モードがあります。どちらのモードでも、コンピュータービジョンシステムがチートスの品質を継続的に測定します。

推奨モードでは、製品が仕様から逸脱した場合、AIがオペレーターに警告を発し、計器パネルに不適切な特性と修正のための推奨事項を表示します。オペレーターはボタンを押すだけで、推奨された調整の一部またはすべてを実行できます。

制御モードでは、唯一の違いは、AI ソリューションが推奨ステップをスキップし、押し出し機ラインの仕様を個別に調整することです。

同社は、このインテリジェント制御システムを稼働させることで、製品がより早く許容可能な特性に戻ることを期待しています。

現在の押出機ラインでは、オペレーターが定められた間隔で製品特性を手動で測定しています。チートスが規格外の場合、オペレーターはガイドラインや経験に基づいて調整を行い、製品を許容品質に戻します。

問題は、サンプル採取の頻度が低いため、誰にも気付かれずに長期間にわたって規格外のチートスが生産される可能性があることだ。

プロジェクト Bonsai ソリューションは、長さや嵩密度などの特性を監視するセンサーを使用して、製品をほぼ継続的に監視します。これにより、製品が定義された範囲から外れるとすぐに認識できます。

また、Project Bonsai ソリューションは、ソリューションのトレーニング中に分野専門家として働いた、社内で最も熟練したオペレーターから学習しました。

ジェイソン・ステムラー:

「このようにして、脳は最高のオペレーターの知識とスキルをカプセル化し、それを他の機能に適用できるようになります。」

独立したAIソリューションに向けて

ペプシコは、Project Bonsai プラットフォームを通じて、食品製造に関する専門知識を、変化する環境に適応する AI ソリューションに変換しています。

ペプシコは最終的に、このAIソリューションを自律的に稼働させることを目指しています。製品を監視し、押出機ラインを継続的にかつ自律的に調整できるようにすることで、チートスの品質を安定的に維持し、生産量を向上させることが期待されています。

ディラン・ディアス：

「マイクロソフトおよびペプシコとのパートナーシップに興奮しています。インテリジェントエージェントを改良し、最終的には世界中の工場やその他の産業に大規模にソリューションを展開していく予定です。」

ペプシコは、AI ソリューションをテスト工場以外にも拡張し、他のユースケースを模索しながら、引き続き微調整を続けていきます。

ショーン・アイケンラウブ:

「この押出ラインは私たちの原理実証でした。」

「Project Bonsai が 1 つの製品で何を実現できるかがわかったので、会社全体と製品ライン全体のプロセスを改善する方法を見つけたいと思っています。」