百事可乐利用AI创建智能监控系统以提高Cheetos的一致性

对未经训练的眼睛（和嘴巴）来说，Cheetos小吃就是Cheetos小吃。 但是，即使是死忠的零食爱好者也可能不会意识到工程师要确保每一口都具有最佳的酥脆度，轻盈度和形状的长度。

百事可乐公司的Frito-Lay部门负责制造Cheetos和其他最受欢迎的品牌，如Tostitos和Doritos，它希望采用一种更有效的方法来始终如一地生产具有适当属性的Cheetos，同时减少浪费。

为了实现这一目标，百事可乐公司开发了一种由Microsoft Project Bonsai提供支持的AI解决方案，该解决方案可以监控和调整其挤出机（生产奇多的设备）。

复杂的挤出机是理想的测试用例：多种输入和规格（包括玉米面与水的比例以及切削工具的速度）相互影响，以创建理想的Cheetos Snack特性。

盆景项目解决方案现已在中试工厂得到证明，该技术在独立调节挤出机以保持产品质量和一致性方面做得很好。

百事可乐公司（PepsiCo）的高级总工程师肖恩·艾辛劳布：

“这是过程控制的未来。”

“我们正在使用基于AI的自动化来提高产品的一致性。”

百事可乐建立了一个计算机视觉系统，该系统可以连续监视Cheetos属性。

有关质量（例如密度和长度）的数据将馈送到Project Bonsai解决方案，该解决方案会进行调整以使产品符合规格。

这种方法减少了纠正不一致所花费的时间，并使操作员可以将精力集中在需要人员专门知识的生产线上。

百事可乐公司副总工程师Kevin Lin：

“盆景计划使我们能够将技术用于最擅长的事情，并将员工用于他们最擅长的事情。”

“两者相得益彰，到目前为止，我们已经看到了不错的成绩。”

百事可乐正准备在生产工厂中使用该解决方案，并探索如何将该解决方案与其他产品一起使用，包括玉米饼芯片的制造过程。

百事可乐全球食品研发高级副总裁Denise Lefebvre：

“创新是百事可乐成功的关键要素，它可以帮助我们交付令人振奋的新产品，技术进步，甚至是新的工作方式，以确保我们每天继续为消费者带来微笑。”

“ Cheetos是我们最受欢迎的十亿美元品牌之一，在22个国家/地区生产，并提供50多种口味。”

“盆景计划技术可以帮助我们确保每款奇多零食都是完美的，我们对其潜力感到兴奋。 这仅仅是个开始。”

工厂创新

不合规格的产品无法出售，这会浪费资源，时间和金钱。 更高的一致性有助于百事可乐在保持最大产量的同时保持高质量的产品。

作为公司数字化转型工作的一部分，百事可乐公司几年前开始研究如何将下一代AI应用于自己的业务。

盆景计划授权该公司的专家培训AI代理在复杂环境中的成功运行。

Neal Analytics的首席执行官Dylan Dias与该项目的百事可乐和微软合作：

“ Microsoft盆景项目为自主系统的设计和实现提供了一种强大的方法。”

“该项目融合了技术，应用建模技能和主题专业知识的组合，以在工厂现场进行创新。”

在工厂中实时培训算法是不可行的，百事可乐公司不会冒损害安全性或生产进度的AI解决方案的风险。 这就是Project Bonsai解决方案首先在经过精心设计以模拟挤出机生产线的环境中学习的原因之一。

开发人员与操作员一起重新创建了工人在现实生活中看到的条件和反应。 仿真器离实际生产线越近，团队需要做出的调整就越少，解决方案才能在工厂中运行。

Neal Analytics的技术项目经理Jayson Stemmler（曾参与百事可乐的试点项目）：

“主题专家为我们提供了该过程在工厂中实际工作方式的概述。”

“他们帮助我们理解了生产的每个步骤，因此我们可以构建一个模拟器来尽可能接近地复制挤出生产线。”

反馈加强学习

强化学习不仅可以让AI解决方案像传统的机器学习一样通过反复试验来学习做什么和不做什么，还可以建立正面和负面的反馈。 两种方法之间的差异可以与学习骑自行车相比较。

如果您留在自己的设备上，您可能会想出如何平衡，踩踏板和操纵的方法。 但是，如果有人在那里为您做的正确的事情加油鼓劲，并指出您的错误，那么您会学得更快-膝盖的皮肤更少。

Jayson Stemmler：

“当平台达到我们所追求的Cheetos质量时，它将获得最佳回报。”

“通过这种方式，强化学习算法可以在模拟过程中学习做什么和不做什么。”

强化学习意味着即使在模拟器中没有遇到的情况下，解决方案也可以最终提出建议。

Jayson Stemmler：

“此解决方案的理解是，“对一件事情进行调整，以及多项调整之间的相互作用，可能会产生下游影响。”

“通过深度强化学习，可以更轻松地捕获这些复杂的关系，这就是为什么该解决方案比传统模型更健壮并且能够更好地学习的原因。”

从仿真开始的另一个好处是该解决方案可以在30秒内仿真一天的运行。

该算法可以在很短的时间内学习到导致定义的质量参数的各种调整组合。开发解决方案的团队还在Azure云中同时运行了多个模拟，从而进一步加快了流程。

根据专家的指导，开发人员还制定了安全必要的规则。 例如，该解决方案逐步调整控制，例如螺钉将玉米粉推过模具的速度，因为突然改变速度可能会损坏机器。

团队还编写了代码，以防止解决方案根据建议的组合调整是否会阻塞机器。

这些安全控制是操作员对设计这种解决方案至关重要的原因之一。

自治系统解决方案吸收了大量研究材料并在模拟中表现良好后，就该看看它在测试工厂中的表现了。

人工智能在行动

为了制作出理想的Cheetos Snack，该解决方案需要一些不理想的例子-并且需要知道在这种情况下该怎么做。

挤出机生产线设备齐全，非常适合开发和测试自主系统解决方案。 操作员一直在手动运行它，这使开发人员有机会从头开始构建解决方案，而不是在其他软件之上。

AI解决方案具有推荐模式和闭环控制模式。 在这两种模式下，计算机视觉系统都会连续测量Cheetos的质量。

在推荐模式下，如果产品超出规格，则AI将警告操作员，并在仪表板上显示不理想的属性以及纠正它的建议。 操作员可以按一个按钮进行任何或所有建议的调整。

在控制模式下，唯一的区别是AI解决方案跳过了推荐步骤并独立地调整了挤出机生产线规格。

该公司期望运行此智能控制系统将使产品更快地返回可接受的属性。

在当前的挤出机生产线中，操作员会按定义的时间间隔手动测量产品属性。 如果Cheetos超出规格，则操作员会根据准则或经验进行调整，以使产品恢复到可接受的质量。

问题：不经常采样意味着该生产线可能会长时间生产不合规格的Cheetos，而没人意识到。

盆景计划解决方案将使用传感器监控长度和堆积密度等特性，从而几乎连续监控产品，这样一来，产品就会在超出规定范围时就知道了。

此外，Project Bonsai解决方案是从公司最熟练的操作员那里学到的，他们在解决方案的培训过程中担任主题专家。

Jayson Stemmler：

“通过这种方式，大脑可以封装最佳操作员的知识和技能，然后通过其他设施加以运用。”

致力于独立的AI解决方案

借助Project Bonsai平台，百事可乐将其在食品制造方面的专业知识转化为可适应不断变化的环境的AI解决方案。

最终，百事可乐旨在让该AI解决方案自主运行。 通过授权它连续和独立地监控产品并调整挤出机生产线，该公司期望始终保持Cheetos的质量并提高产量。

迪伦·迪亚斯（Dylan Dias）：

“随着我们不断完善智能代理并最终在全球工厂和其他行业中大规模部署该解决方案，我们对与Microsoft和百事可乐的合作感到兴奋。

百事可乐公司将继续微调AI解决方案，同时准备将其扩展到测试工厂之外，并探索其他用例。

肖恩·艾兴劳（Sean Eichenlaub）：

“这条挤出线是我们的原理证明。”

“现在，我们已经了解了Bonsai项目可以使用一种产品做什么，我们渴望找到改善整个公司和产品线流程的方法。”