Չվարժված աչքի (և բերանի) համար Cheetos խորտիկը Cheetos խորտիկ է: Բայց նույնիսկ խորտիկների համառ սիրահարները կարող են չհասկանալ, թե որքան երկար են ինժեներները՝ ապահովելու համար, որ յուրաքանչյուր խայթոցն ունենա օպտիմալ ճռճռոց, թեթևություն և ձև:
PepsiCo-ն, որի Frito-Lay ստորաբաժանումը արտադրում է Cheetos-ը և այլ սիրելի ապրանքանիշեր, ինչպիսիք են Tostitos-ը և Doritos-ը, ցանկանում էր ավելի արդյունավետ միջոց ստեղծել համապատասխան հատկանիշներով Cheetos-ն՝ միաժամանակ նվազեցնելով թափոնները:
Այս նպատակին հասնելու համար PepsiCo-ն մշակել է AI լուծում, որն աշխատում է Microsoft Project Bonsai-ի կողմից, որը վերահսկում և կարգավորում է իր էքստրուդատորները՝ Cheetos-ն արտադրող սարքավորումը:
Կոմպլեքս էքստրուդերը իդեալական փորձարկման դեպք էր. մի քանի մուտքեր և բնութագրեր, ներառյալ եգիպտացորենի ալյուրի և ջրի հարաբերակցությունը և կտրող գործիքի արագությունը, փոխազդում են՝ ստեղծելու Cheetos Snack-ի իդեալական բնութագրերը:
Project Bonsai լուծումն այժմ իրեն ապացուցել է փորձնական գործարանում, որտեղ տեխնոլոգիան լավ աշխատանք է կատարում՝ ինքնուրույն կարգավորելով էքստրուդերը՝ արտադրանքի որակն ու հետևողականությունը պահպանելու համար:
Շոն Էյխենլաուբ, PepsiCo-ի ավագ գլխավոր ինժեներ.
«Սա գործընթացների վերահսկման ապագան է»:
«Մենք օգտագործում ենք AI-ի վրա հիմնված ավտոմատացում՝ մեր արտադրանքի հետևողականությունը բարելավելու համար»:
PepsiCo-ն ստեղծել է համակարգչային տեսողության համակարգ, որը մշտապես վերահսկում է Cheetos-ի հատկանիշները:
Որակի մասին տվյալները, ինչպիսիք են խտությունը և երկարությունը, փոխանցվում են Project Bonsai լուծույթին, որը ճշգրտումներ է կատարում՝ արտադրանքը սպեկտրի սահմաններում բերելու համար:
Այս մոտեցումը նվազեցնում է անհամապատասխանությունները շտկելու համար պահանջվող ժամանակը և թույլ է տալիս օպերատորներին կենտրոնանալ գծի այն մասերի վրա, որոնք պահանջում են մարդկային փորձ:
Քևին Լին, PepsiCo-ի գլխավոր ինժեներ.
«Project Bonsai-ն թույլ է տալիս մեզ օգտագործել տեխնոլոգիան այն ամենի համար, ինչ նա անում է լավագույնս, իսկ մեր աշխատակիցներին՝ այն բաների համար, որոնք նրանք լավագույնս են անում»:
«Երկուսը լրացնում են միմյանց, և մինչ այժմ մենք հիանալի արդյունքներ ենք տեսել»:
PepsiCo-ն պատրաստվում է օգտագործել լուծումը արտադրական գործարանում և ուսումնասիրել, թե ինչպես օգտագործել լուծումը այլ ապրանքների, այդ թվում՝ տորտիլայի չիպերի արտադրության գործընթացում:
Denise Lefebvre, Global Foods R&D PepsiCo-ի ավագ փոխնախագահ.
«Նորարարությունը PepsiCo-ում մեր հաջողության հիմնական բաղադրիչն է և օգնում է մեզ մատուցել հետաքրքիր նոր ապրանքներ, տեխնոլոգիական առաջընթացներ և նույնիսկ աշխատանքի նոր եղանակներ, ինչ էլ որ պահանջվի, որպեսզի մենք շարունակենք ժպիտներ բերել մեր սպառողներին ամեն օր»:
«Cheetos-ը՝ մեր ամենասիրված միլիարդ դոլար արժողությամբ ապրանքանիշերից մեկը, արտադրվում է 22 երկրներում և ունի ավելի քան 50 համային տեսականի»:
«Project Bonsai տեխնոլոգիան օգնում է մեզ ապահովել, որ յուրաքանչյուր Cheetos խորտիկը կատարյալ է, և մենք ոգևորված ենք դրա ներուժով: Սա միայն սկիզբն է»։
Նորարարություն գործարանի հատակին
Չի կարելի վաճառել արտադրանքը, որը չի համապատասխանում պահանջներին, ինչը հանգեցնում է ռեսուրսների, ժամանակի և փողի վատնմանը: Ավելի մեծ հետևողականությունն օգնում է PepsiCo-ին պահպանել բարձրորակ արտադրանքը՝ միաժամանակ առավելագույնի հասցնելով թողունակությունը:
Որպես ընկերության թվային վերափոխման ջանքերի մի մաս, PepsiCo-ն մի քանի տարի առաջ սկսեց ուսումնասիրել, թե ինչպես կիրառել հաջորդ սերնդի AI-ն իր գործունեության մեջ:
Project Bonsai-ն ընկերության փորձագետներին հնարավորություն է տվել ուսուցանել AI գործակալին բարդ միջավայրում հաջողությամբ աշխատելու համար:
Դիլան Դիասը, Neal Analytics-ի գործադիր տնօրենը, որը համագործակցել է PepsiCo-ի և Microsoft-ի հետ նախագծում.
«Microsoft Project Bonsai-ն առաջարկում է հզոր մոտեցում ինքնավար համակարգի նախագծման և իրականացման համար»:
«Նախագիծը միավորեց տեխնոլոգիաների, կիրառական մոդելավորման հմտությունների և առարկայական փորձի խառնուրդ՝ գործարանի հատակին նորարարություն ստեղծելու համար»:
Գործարանում գործող ալգորիթմի ուսուցումն ուղղակի անիրագործելի էր. PepsiCo-ն չէր կարող վտանգել AI լուծումը, որը վտանգի ենթարկի անվտանգությունը կամ արտադրության ժամանակացույցը: Սա է պատճառներից մեկը, որ Project Bonsai լուծումը նախ սովորում է էքստրուդատորի գիծը մոդելավորելու համար խնամքով ստեղծված միջավայրում:
Մշակողները աշխատել են օպերատորների հետ, որպեսզի վերաստեղծեն այն պայմաններն ու արձագանքները, որոնք աշխատողները տեսնում են իրական կյանքում: Որքան մոտ է սիմուլյատորը իրական գծին, այնքան ավելի քիչ ճշգրտումներ պետք է կատարի թիմին, որպեսզի լուծումը կարողանա գործել գործարանում:
Ջեյսոն Սթեմլերը՝ Neal Analytics-ի տեխնիկական նախագծի ղեկավար, ով աշխատել է PepsiCo փորձնական նախագծի վրա.
«Առարկայական փորձագետները մեզ ակնարկ են տալիս, թե ինչպես է գործընթացը իրականում աշխատում գործարանում»:
«Նրանք օգնում են մեզ հասկանալ դա ամեն քայլափոխի, որպեսզի մենք կարողանանք կառուցել սիմուլյատոր՝ արտամղման գիծը հնարավորինս սերտորեն կրկնելու համար»:
Հետադարձ կապն ուժեղացնում է ուսումը
Եվ ոչ թե թույլ տալ, որ AI լուծումը սովորի, թե ինչ անել և չանել միայն փորձության և սխալի միջոցով, ինչպես դա անում է սովորական մեքենայական ուսուցումը, ամրապնդման ուսուցումը ստեղծում է դրական և բացասական արձագանքներ: Երկու մոտեցումների միջև տարբերությունը կարելի է համեմատել հեծանիվ վարել սովորելու հետ:
Եթե դուք թողնված եք ձեր սեփական ուժերին, հավանաբար կհասկանաք, թե ինչպես հավասարակշռել, ոտնակել և ղեկ վարել: Բայց եթե ինչ-որ մեկը կա, որպեսզի ուրախացնի այն, ինչ դուք անում եք ճիշտ և մատնանշի ձեր սխալները, դուք կսովորեք ավելի արագ և ավելի քիչ ծնկներով:
Ջեյսոն Սթեմլեր.
«Երբ հարթակը հասնում է Cheetos-ի այն որակներին, որոնց մենք ձգտում ենք, այն ստանում է օպտիմալ պարգև»:
«Այս կերպ, ամրապնդման ուսուցման ալգորիթմը սովորում է, թե ինչ անել և ինչ չանել, մինչ այն դեռ սիմուլյացիայի մեջ է»:
Ամրապնդման ուսուցումը նշանակում է, որ լուծումը, ի վերջո, կարող է առաջարկություններ անել նույնիսկ այն պայմաններում, որոնք չեն հանդիպել սիմուլյատորում:
Ջեյսոն Սթեմլեր.
«Այս լուծումը հասկանում է, որ «մեկ բանի վրա ճշգրտումներ կատարելը և բազմաթիվ ճշգրտումների միջև փոխազդեցությունները կարող են ունենալ ներքևի ազդեցություն»:
«Այս բարդ հարաբերություններն ավելի հեշտությամբ են բացահայտվում խորը ամրապնդման ուսուցմամբ, այդ իսկ պատճառով այս լուծումն ավելի ամուր է և ավելի լավ սովորելու, քան ավանդական մոդելը»:
Մոդելավորումից սկսելու մեկ այլ առավելությունն այն է, որ լուծումը կարող է նմանակել օրվա վազքը 30 վայրկյանում:
Ալգորիթմը սովորում է ճշգրտումների տարբեր համակցությունները, որոնք հանգեցնում են սահմանված որակի պարամետրերին ժամանակի մի մասում: Լուծումը մշակող թիմը նաև միաժամանակ մի քանի սիմուլյացիաներ է իրականացրել Azure ամպի մեջ՝ ավելի արագացնելով գործընթացը:
Փորձագետների ցուցումների հիման վրա մշակողները նաև ծրագրավորել են անվտանգության համար անհրաժեշտ կանոններ: Օրինակ, լուծույթը աստիճանաբար կարգավորում է հսկիչները, ինչպես օրինակ՝ պտուտակով եգիպտացորենի ալյուրը ձուլակի միջով մղելու արագությունը, քանի որ արագության կտրուկ փոփոխությունը կարող է վնասել մեքենան:
Թիմը նաև գրել է կոդ, որը թույլ չի տալիս լուծումը գործել առաջարկի համաձայն, եթե ճշգրտումների համակցությունը կարող է խցանել մեքենան:
Անվտանգության այս հսկողությունը ևս մեկ պատճառ է, որ օպերատորները կարևոր են նման լուծում մշակելու համար:
Երբ ինքնավար համակարգի լուծումը կլանեց մեծ քանակությամբ ուսումնական նյութ և լավ էր աշխատում սիմուլյացիայի շրջանակներում, ժամանակն էր տեսնել, թե ինչպես է այն աշխատում փորձարկման կայանում:
AI-ն գործողության մեջ
Իդեալական Cheetos խորտիկ պատրաստելու համար լուծմանը պետք էին օրինակներ, թե ինչն իդեալական չէր, և պետք էր իմանալ, թե ինչ անել այդ դեպքերում:
Էքստրուդերի գիծը ինքնամփոփ է և հարմար է ինքնավար համակարգի լուծում մշակելու և փորձարկելու համար: Օպերատորներն այն գործարկում էին ձեռքով, ինչը ծրագրավորողներին հնարավորություն տվեց լուծումը կառուցել զրոյից, այլ ոչ թե այլ ծրագրերի վրա:
AI լուծումն ունի առաջարկության ռեժիմ և փակ հանգույցի կառավարման ռեժիմ: Երկու ռեժիմում էլ համակարգչային տեսողության համակարգը շարունակաբար չափում է Cheetos-ի որակը:
Առաջարկության ռեժիմում AI-ն կզգուշացնի օպերատորին, եթե արտադրանքը դուրս է գալիս սպեկտրից՝ գործիքի վահանակի վրա ցուցադրելով այն հատկանիշները, որոնք իդեալական չեն, ինչպես նաև այն ուղղելու առաջարկություն: Օպերատորը կարող է սեղմել կոճակը՝ առաջարկվող ցանկացած կամ բոլոր ճշգրտումները կատարելու համար:
Կառավարման ռեժիմում միակ տարբերությունն այն է, որ AI լուծումը բաց է թողնում առաջարկության քայլը և ինքնուրույն կարգավորում է էքստրուդերի գծի բնութագրերը:
Ընկերությունն ակնկալում է, որ այս խելացի կառավարման համակարգի գործարկումը արտադրանքն ավելի արագ կվերադարձնի ընդունելի հատկանիշներին:
Էքստրուդերի ընթացիկ գծում օպերատորները ձեռքով չափում են արտադրանքի հատկանիշները սահմանված պարբերականությամբ: Եթե Cheetos-ը տեխնիկական բնութագրերից դուրս է, օպերատորը ճշգրտումներ է կատարում ուղեցույցների կամ փորձի հիման վրա՝ արտադրանքը ընդունելի որակի վերադարձնելու համար:
Խնդիրը. Հազվադեպ նմուշառումը նշանակում էր, որ գիծը կարող էր ավելի երկար ժամանակով արտադրել ոչ ստանդարտ Cheetos՝ առանց որևէ մեկի դա գիտակցելու:
Project Bonsai լուծումը գրեթե շարունակաբար կվերահսկի արտադրանքը՝ օգտագործելով սենսորներ՝ վերահսկելու բնութագրերը, ինչպիսիք են երկարությունը և զանգվածային խտությունը: Այդ կերպ, այն գիտի, հենց որ արտադրանքը դուրս գա սահմանված շրջանակից:
Նաև Project Bonsai լուծումը սովորել է ընկերության ամենահմուտ օպերատորներից, ովքեր աշխատել են որպես թեմայի փորձագետներ լուծման վերապատրաստման ընթացքում:
Ջեյսոն Սթեմլեր.
«Այս կերպ ուղեղը կարող է ամփոփել լավագույն օպերատորների գիտելիքներն ու հմտությունը, այնուհետև կիրառել այն այլ հարմարությունների միջոցով»:
Աշխատում է AI-ի անկախ լուծման ուղղությամբ
Project Bonsai պլատֆորմի միջոցով PepsiCo-ն սննդամթերքի արտադրության ոլորտում իր փորձը վերածում է AI լուծման, որը հարմարվում է փոփոխվող միջավայրերին:
Ի վերջո, PepsiCo-ն նպատակ ունի թույլ տալ, որ այս AI լուծումն աշխատի ինքնուրույն: Թույլ տալով նրան վերահսկել արտադրանքը և կարգավորել էքստրուդերի գիծը շարունակաբար և ինքնուրույն, ընկերությունը ակնկալում է հետևողականորեն պահպանել Cheetos-ի որակը և արտադրել ավելի մեծ թողունակություն:
Դիլան Դիաս.
«Մենք ոգևորված ենք Microsoft-ի և PepsiCo-ի հետ մեր համագործակցությամբ, քանի որ մենք առաջ ենք շարժվում կատարելագործելու խելացի գործակալը և, ի վերջո, լուծումը լայնածավալ կիրառելու գործարաններում և այլ ոլորտներում ամբողջ աշխարհում»:
PepsiCo-ն կշարունակի կատարելագործել արհեստական ինտելեկտի լուծումը, մինչ պատրաստվում է ընդլայնել այն փորձարկման գործարանից դուրս և ուսումնասիրել օգտագործման այլ դեպքեր:
Շոն Էյխենլաուբ.
«Այս արտամղման գիծը մեր սկզբունքի ապացույցն էր»:
«Այժմ, երբ մենք տեսանք, թե Project Bonsai-ն ինչ կարող է անել մեկ ապրանքի հետ, մենք ցանկանում ենք գտնել ուղիներ՝ բարելավելու գործընթացները ողջ ընկերության և արտադրանքի գծում»: