पेप्सिको एक बुद्धिमान निगरानी प्रणाली बनाने के लिए AI का लाभ उठाती है जो चीटोस की स्थिरता में सुधार करती है

अप्रशिक्षित आंख (और मुंह) के लिए, चेतोस स्नैक एक चेतोस स्नैक है। लेकिन यहां तक ​​कि डाई-हार्ड स्नैक प्रेमियों को यह महसूस नहीं हो सकता है कि इंजीनियरों को यह सुनिश्चित करने के लिए जाना जाता है कि प्रत्येक काटने के लिए इष्टतम क्रंच, लपट और आकार क्या है।

पेप्सीको, जिसका फ्रिटो-ले डिवीजन चीटोस और टोस्टिटोस और डोरिटोस जैसे अन्य प्रिय ब्रांड बनाता है, कचरे को कम करते हुए उचित विशेषताओं के साथ लगातार चीटो का निर्माण करने के लिए अधिक कुशल तरीका चाहता था।

इस लक्ष्य को पूरा करने के लिए, पेप्सिको ने माइक्रोसॉफ्ट प्रोजेक्ट बोन्साई द्वारा संचालित एक एआई समाधान विकसित किया जो चीटोस का उत्पादन करने वाले उपकरण, अपने एक्सट्रूज़र की निगरानी और समायोजन करता है।

जटिल एक्सट्रूडर एक आदर्श परीक्षण मामला था: पानी के लिए कॉर्नमील के अनुपात और काटने के उपकरण की गति सहित कई इनपुट और विनिर्देश, आदर्श चीटो स्नैक विशेषताओं को बनाने के लिए बातचीत करते हैं।

प्रोजेक्ट बोन्साई समाधान ने अब खुद को एक पायलट संयंत्र में साबित कर दिया है, जहां उत्पाद की गुणवत्ता और स्थिरता को बनाए रखने के लिए प्रौद्योगिकी स्वतंत्र रूप से एक्सट्रूडर को समायोजित करने का अच्छा काम करती है।

PepsiCo में सीनियर प्रिंसिपल इंजीनियर सीन ईचेनबूब:

"यह प्रक्रिया नियंत्रण के लिए भविष्य है।"

"हम अपने उत्पादों की स्थिरता में सुधार के लिए AI- आधारित स्वचालन का उपयोग कर रहे हैं।"

पेप्सिको ने एक कंप्यूटर विज़न सिस्टम का निर्माण किया जो लगातार चीटोस विशेषताओं की निगरानी करता है।

घनत्व और लंबाई जैसे गुणों के बारे में डेटा प्रोजेक्ट बोनसाई समाधान को खिलाया जाता है, जो उत्पाद को कल्पना के भीतर लाने के लिए समायोजन करता है।

यह दृष्टिकोण विसंगतियों को सही करने में लगने वाले समय को कम करता है और ऑपरेटरों को मानव विशेषज्ञता की आवश्यकता वाली रेखा के हिस्सों पर ध्यान केंद्रित करने की अनुमति देता है।

केविन लिन, पेप्सिको के एसोसिएट प्रिंसिपल इंजीनियर:

"प्रोजेक्ट बोनसाई हमें उन चीजों के लिए प्रौद्योगिकी का उपयोग करने की अनुमति देता है जो यह सबसे अच्छा करती हैं और हमारे कर्मचारी उन चीजों के लिए करते हैं जो वे सबसे अच्छा करते हैं।"

"दोनों एक-दूसरे के पूरक हैं और अब तक, हमने शानदार परिणाम देखे हैं।"

पेप्सिको एक उत्पादन संयंत्र में समाधान का उपयोग करने और टॉर्टिला चिप निर्माण प्रक्रिया सहित अन्य उत्पादों के साथ समाधान का उपयोग करने की खोज करने की तैयारी कर रहा है।

पेप्सीको में वैश्विक खाद्य पदार्थ अनुसंधान एवं विकास के वरिष्ठ उपाध्यक्ष डेनिस लेफ्वेवर:

"पेप्सीको में हमारी सफलता में नवाचार एक महत्वपूर्ण घटक है और हमें रोमांचक नए उत्पादों, प्रौद्योगिकी प्रगति और यहां तक ​​कि काम करने के नए तरीके प्रदान करने में मदद करता है - जो कुछ भी यह सुनिश्चित करने के लिए हम हर दिन अपने उपभोक्ताओं के लिए मुस्कुराहट लाना जारी रखते हैं।"

"चीटो, हमारे सबसे प्रिय बिलियन-डॉलर ब्रांडों में से एक, 22 देशों में उत्पादित किए जाते हैं और 50 से अधिक स्वादों में आते हैं।"

“प्रोजेक्ट बोनसाई तकनीक हमें यह सुनिश्चित करने में मदद करती है कि प्रत्येक चीटोस स्नैक एकदम सही है, और हम इसकी क्षमता के बारे में उत्साहित हैं। ये तो बस शुरुआत है।"

कारखाने के फर्श पर नवाचार

एक आउट-ऑफ-स्पेक उत्पाद बेचा नहीं जा सकता है, जो व्यर्थ संसाधनों, समय और धन की ओर जाता है। ग्रेटर स्थिरता से पेप्सिको को थ्रूपुट को अधिकतम करते हुए उच्च गुणवत्ता वाले उत्पादों को बनाए रखने में मदद मिलती है।

कंपनी के डिजिटल परिवर्तन प्रयासों के एक हिस्से के रूप में, पेप्सिको ने जांच शुरू की कि कुछ साल पहले एआई की अगली पीढ़ी को अपने स्वयं के संचालन में कैसे लागू किया जाए।

प्रोजेक्ट बोनसाई ने कंपनी के विशेषज्ञों को जटिल वातावरण में सफलतापूर्वक संचालन के लिए एआई एजेंट को प्रशिक्षित करने का अधिकार दिया।

नील एनालिटिक्स के सीईओ डायलन डायस, जिन्होंने परियोजना पर पेप्सिको और माइक्रोसॉफ्ट के साथ भागीदारी की:

"Microsoft प्रोजेक्ट बोनसाई स्वायत्त प्रणाली के डिजाइन और कार्यान्वयन के लिए एक शक्तिशाली दृष्टिकोण प्रदान करता है।"

"परियोजना ने प्रौद्योगिकी के मिश्रण को एक साथ लाया, मॉडलिंग कौशल और कारखाने के फर्श पर नवाचार बनाने के लिए विषय वस्तु विशेषज्ञता को लागू किया।"

प्लांट में एक एल्गोरिथ्म का प्रशिक्षण बस संभव नहीं था - पेप्सिको सुरक्षा या उत्पादन अनुसूची से समझौता करते हुए एआई समाधान का जोखिम नहीं उठा सकता था। यही कारण है कि प्रोजेक्ट बोन्साई समाधान पहले एक वातावरण में सीखता है जिसे एक्सट्रूडर लाइन का अनुकरण करने के लिए सावधानीपूर्वक तैयार किया गया है।

डेवलपर्स ने वास्तविक जीवन में श्रमिकों और परिस्थितियों को फिर से बनाने के लिए ऑपरेटरों के साथ काम किया। सिम्युलेटर वास्तविक लाइन के करीब है, कम समायोजन टीम को संयंत्र में काम करने से पहले बनाने की आवश्यकता होगी।

जेप्सन स्टीमर, नील एनालिटिक्स के एक तकनीकी प्रोजेक्ट मैनेजर हैं जिन्होंने पेप्सिको पायलट प्रोजेक्ट पर काम किया है:

"विषय वस्तु विशेषज्ञ हमें इस बात का अवलोकन देते हैं कि प्रक्रिया वास्तव में संयंत्र में कैसे काम करती है।"

"वे हमें रास्ते के हर चरण को समझने में मदद करते हैं ताकि हम बाहर निकालना लाइन को यथासंभव बारीकी से दोहराने के लिए एक सिम्युलेटर का निर्माण कर सकें।"

प्रतिक्रिया सीखने को पुष्ट करती है

और एआई सॉल्यूशन सीखने के बजाय केवल ट्रायल और एरर के द्वारा क्या करना है और क्या नहीं करना है, जैसा कि पारंपरिक मशीन लर्निंग करता है, सुदृढीकरण सीखने से सकारात्मक और नकारात्मक प्रतिक्रिया का निर्माण होता है। बाइक चलाना सीखने के लिए दोनों दृष्टिकोणों के बीच अंतर की तुलना की जा सकती है।

यदि आप अपने स्वयं के उपकरणों के लिए छोड़ दिए जाते हैं, तो आप संभवतः यह पता लगाएंगे कि संतुलन, पेडल और स्टीयर कैसे करें लेकिन अगर कोई वहाँ है जो आप सही कर रहे हैं और अपनी गलतियों को इंगित करने के लिए खुश हैं, तो आप तेजी से सीखेंगे - और कम चमड़ी वाले घुटनों के साथ।

जेसन स्टेमलर:

"जब मंच चीटोस के उन गुणों तक पहुँचता है, जिनके लिए हम लक्ष्य बना रहे हैं, तो यह इष्टतम इनाम प्राप्त करता है।"

"इस तरह, सुदृढीकरण सीखने का एल्गोरिथ्म सीखता है कि एक सिमुलेशन में अभी भी क्या करना है और क्या नहीं करना है।"

सुदृढीकरण सीखने का अर्थ है कि समाधान अंततः उन परिस्थितियों में भी सिफारिशें कर सकता है जो एक सिम्युलेटर में मुठभेड़ नहीं हुई थीं।

जेसन स्टेमलर:

"यह समाधान समझ में आता है कि" एक चीज़ के लिए एक समायोजन, और कई समायोजन के बीच बातचीत, बहाव प्रभाव पड़ सकता है। "

"इन जटिल संबंधों को गहन सुदृढीकरण सीखने द्वारा आसानी से पकड़ लिया जाता है, यही वजह है कि यह समाधान अधिक मजबूत है और पारंपरिक मॉडल की तुलना में बेहतर सीखने में सक्षम है।"

सिमुलेशन के साथ शुरू करने का एक और लाभ यह है कि समाधान 30 सेकंड में एक दिन के रन का अनुकरण कर सकता है।

एल्गोरिथ्म समायोजन के विभिन्न संयोजनों को सीखता है जो समय के एक अंश में परिभाषित गुणवत्ता मापदंडों का नेतृत्व करते हैं। समाधान विकसित करने वाली टीम ने एज़्योर क्लाउड में एक साथ कई सिमुलेशन भी चलाए, जिससे प्रक्रिया में तेजी आई।

विशेषज्ञों के मार्गदर्शन के आधार पर, डेवलपर्स ने सुरक्षा के लिए आवश्यक नियमों को भी प्रोग्राम किया। उदाहरण के लिए, समाधान वृद्धिशील रूप से नियंत्रणों को समायोजित करता है जैसे कि दर एक पेंच मर के माध्यम से कॉर्नमील को धक्का देता है, क्योंकि दर में परिवर्तन भी अचानक मशीन को नुकसान पहुंचा सकता है।

टीम ने कोड भी लिखा है जो एक सुझाव पर कार्रवाई से समाधान को रोकता है अगर समायोजन का संयोजन मशीन को जाम कर सकता है।

ये सुरक्षा नियंत्रण एक और कारण हैं ऑपरेटर इस तरह के समाधान को डिजाइन करने के लिए महत्वपूर्ण हैं।

एक बार स्वायत्त प्रणाली समाधान ने अध्ययन सामग्री को बहुत अवशोषित कर लिया था और सिमुलेशन के भीतर अच्छा प्रदर्शन कर रहा था, यह देखने का समय था कि यह एक परीक्षण संयंत्र में कैसे हुआ।

एक्शन में ए.आई.

एक आदर्श चेटोस स्नैक बनाने के लिए, समाधान को उन आदर्शों की आवश्यकता थी जो आदर्श नहीं थे - और उन मामलों में क्या करना है, यह जानने की आवश्यकता है।

एक्सट्रूडर लाइन एक स्वायत्त प्रणाली समाधान के विकास और परीक्षण के लिए स्व-निहित और अच्छी तरह से अनुकूल है। ऑपरेटर्स इसे मैन्युअल रूप से चला रहे थे, जिससे डेवलपर्स को अन्य सॉफ़्टवेयर के शीर्ष के बजाय, खरोंच से समाधान बनाने का अवसर मिला।

एआई समाधान में एक सिफारिश मोड और एक बंद लूप नियंत्रण मोड है। दोनों मोड में, एक कंप्यूटर विजन सिस्टम लगातार चीटोस की गुणवत्ता को मापता है।

सिफारिश मोड में, एआई एक ऑपरेटर को चेतावनी देगा यदि उत्पाद कल्पना से बाहर निकलता है, तो एक उपकरण पैनल पर प्रदर्शित होने वाली विशेषताएँ जो आदर्श नहीं हैं और साथ ही इसे सही करने की सिफारिश भी करती हैं। ऑपरेटर किसी भी या सभी अनुशंसित समायोजन करने के लिए एक बटन पुश कर सकता है।

नियंत्रण मोड में, एकमात्र अंतर यह है कि AI समाधान अनुशंसा कदम को छोड़ देता है और एक्सट्रूडर लाइन विनिर्देशों को स्वतंत्र रूप से समायोजित करता है।

कंपनी को उम्मीद है कि इस बुद्धिमान नियंत्रण प्रणाली को चलाने से उत्पाद को तेजी से स्वीकार्य गुण वापस आ जाएंगे।

वर्तमान एक्सट्रूजर लाइन में, ऑपरेटर परिभाषित अंतराल पर मैन्युअल रूप से उत्पाद विशेषताओं को मापते हैं। यदि चेटोस कल्पना से बाहर है, तो ऑपरेटर उत्पाद को स्वीकार्य गुणवत्ता में वापस करने के लिए दिशानिर्देश या अनुभव के आधार पर समायोजन करता है।

समस्या: इनफ्रीक्वेंट सैंपलिंग का मतलब यह था कि यह लाइन बिना किसी चीर-फाड़ के लंबे समय तक किसी चीज की कल्पना कर सकती है।

प्रोजेक्ट बोन्साई समाधान लंबाई और बल्क घनत्व जैसे विशेषताओं की देखरेख के लिए सेंसर का उपयोग करते हुए, लगभग लगातार उत्पाद की निगरानी करेगा। वैसे, जैसे ही यह पता चलता है कि उत्पाद एक परिभाषित सीमा से बाहर निकल जाता है।

इसके अलावा, प्रोजेक्ट बोन्साई समाधान कंपनी के सबसे कुशल ऑपरेटरों से सीखा, जिन्होंने समाधान के प्रशिक्षण के दौरान विषय विशेषज्ञ के रूप में काम किया।

जेसन स्टेमलर:

"इस तरह से, मस्तिष्क सर्वश्रेष्ठ ऑपरेटरों के ज्ञान और कौशल को घेर सकता है, फिर अन्य सुविधाओं के माध्यम से लागू करें।"

एक स्वतंत्र AI समाधान की दिशा में काम करना

प्रोजेक्ट बोन्साई मंच के साथ, पेप्सिको एक खाद्य समाधान में अपनी विशेषज्ञता का अनुवाद एक एआई समाधान में कर रहा है जो बदलते वातावरण के लिए अनुकूल है।

अंततः, पेप्सीको का उद्देश्य इस AI समाधान को स्वायत्त रूप से चलाने देना है। उत्पाद को मॉनिटर करने और एक्सट्रूडर लाइन को लगातार और स्वतंत्र रूप से समायोजित करने के लिए इसे सशक्त करने से, कंपनी को चेतोस गुणवत्ता को बनाए रखने और अधिक थ्रूपुट का उत्पादन करने की उम्मीद है।

डायलन डायस:

"हम माइक्रोसॉफ्ट और पेप्सिको के साथ हमारी साझेदारी के बारे में उत्साहित हैं क्योंकि हम बुद्धिमान एजेंट को परिष्कृत करने के लिए आगे बढ़ते हैं और अंततः दुनिया भर के कारखानों और अन्य उद्योगों में, पैमाने पर, समाधान को तैनात करते हैं।"

पेप्सीको परीक्षण संयंत्र से आगे बढ़ाने और अन्य उपयोग के मामलों की खोज करने के लिए तैयार करते समय एआई समाधान को ठीक करना जारी रखेगा।

सीन इचेंलाब:

"यह एक्सट्रूज़न लाइन हमारे सिद्धांत का प्रमाण था।"

"अब जब हमने देखा है कि प्रोजेक्ट बोन्साई एक उत्पाद के साथ क्या कर सकता है, तो हम संपूर्ण उत्पाद और उत्पाद लाइन में प्रक्रियाओं को बेहतर बनाने के तरीके खोजने के लिए उत्सुक हैं।"