Tyson Foods améliore son efficacité grâce à la vision par ordinateur et au machine learning avec les services AWS

En tant que l'une des plus grandes entreprises alimentaires au monde et leader reconnu dans le domaine des protéines, Tyson Foods Inc. (Tyson Foods) transforme des millions de kilogrammes de nourriture chaque semaine. En raison de l'ampleur de sa production, Tyson Foods a besoin que ses installations soient efficaces tout en maintenant une qualité alimentaire élevée. Les processus manuels, tels que le comptage des stocks et les inspections des machines, font perdre un temps précieux aux employés et ne fournissent pas d'informations en temps quasi réel à grande échelle.

Tyson Foods utilisait déjà des solutions de vision par ordinateur pour renforcer les processus fastidieux, mais l'entreprise souhaitait intégrer une vision par ordinateur basée sur le machine learning (ML) afin de réduire le coût et la complexité de la mise en œuvre de cette technologie, tout en améliorant l'efficacité opérationnelle. Tyson Foods s'est tournée vers Amazon Web Services (AWS) pour ajouter rapidement le ML à ses solutions de vision par ordinateur sur les chaînes de production afin d'accroître l'efficacité et de réaliser des économies dans ses installations.

Tyson Foods produit du bœuf, du porc, du poulet et des plats préparés dans plus de 100 installations dans le monde entier. Aux États-Unis, environ 20 % du poulet, du bœuf et du porc du pays provenaient des installations de Tyson Foods en 2021.

Tyson Foods a entamé une migration vers le cloud depuis des centres de données vers AWS en 2018. Au cours de cette migration vers le cloud, Tyson Foods a constaté comment les boutiques Amazon Go automatisaient les expériences de paiement et de vente au détail à l'aide de caméras et de vision par ordinateur. La vision par ordinateur est un processus qui consiste à capturer, traiter et analyser des images et des vidéos afin que les machines puissent extraire des informations contextuelles significatives du monde physique. Cette technologie utilisée dans les boutiques Amazon Go a incité l'équipe technologique émergente de l'entreprise à rechercher des solutions de vision par ordinateur similaires afin de relever les défis et d'accroître l'efficacité de ses processus de production. En raison de l'ampleur de la production dans les installations de Tyson Foods, les processus d'inspection manuels peuvent prendre du temps et créer des goulots d'étranglement. Tyson Foods a développé avec succès une première solution de vision par ordinateur pour améliorer ces processus d'inspection manuelle, mais elle savait que la mise en œuvre du ML augmenterait l'efficacité et réduirait encore la complexité. La société a contacté AWS pour obtenir de l'aide concernant la mise en œuvre de solutions de vision par ordinateur basées sur le ML pour la gestion des stocks et l'identification des défaillances des supports de produits.

Tyson Foods a la capacité de transformer 40 millions de poulets par semaine, et l'entreprise s'appuie sur des mesures précises des stocks dans ses installations pour traiter les commandes des clients. En raison de l'ampleur de la production, les techniques manuelles de comptage des plateaux de poulet conformes aux mesures d'assurance qualité ne sont pas suffisamment précises. D'autres stratégies, telles que le suivi du poids total horaire de production par rack, ne fournissent pas de données immédiatement, ce qui empêche les membres de l'équipe d'agir en temps quasi réel. En 2021, Tyson Foods a collaboré avec l'Amazon Machine Learning Solutions Lab (Amazon ML Solutions Lab), qui associe l'équipe d'une organisation à des experts du ML, pour entraîner un modèle de détection d'objets à l'aide d'Amazon SageMaker avec une infrastructure, des outils et des flux de travail entièrement gérés pour créer, entraîner et déployer des modèles de ML pour tous les cas d'utilisation. Ce modèle détecte et compte automatiquement les plateaux de poulet sur les flux vidéo des chaînes de production lorsque les employés les chargent sur des chariots. À l'aide d'AWS Panorama, d'un ensemble d'appareils de ML et d'un kit de développement logiciel qui intègre la vision par ordinateur aux caméras sur site, l'entreprise a pu déployer ce modèle à la périphérie pour analyser des vidéos en quelques millisecondes. Grâce à cette solution de vision par ordinateur, les superviseurs de la production de volaille reçoivent des informations en temps quasi réel sur la quantité de production, évitant ainsi à la fois la sous-production et la surproduction pendant le quart de travail.

Pour améliorer un autre cas d'utilisation de la vision par ordinateur basée sur le ML, Tyson Foods a développé une solution permettant d'identifier les goupilles en plastique défectueuses qui maintiennent les supports de produits en place dans ses installations de production de volaille. Les employés devaient auparavant inspecter manuellement près de 8 000 goupilles par ligne à chaque quart de travail, car des problèmes de sécurité ou des temps d'arrêt imprévus pouvaient survenir si une goupille se déplaçait. Ce processus d'inspection exigeait une attention particulière aux détails et un temps précieux de la part de l'opérateur. Pour automatiser le processus, Tyson Foods s'est tournée vers Amazon Lookout for Vision, un service de ML qui utilise la vision par ordinateur pour détecter les défauts des produits sur des objets à grande échelle. À l'aide de Lookout for Vision, l'entreprise a créé un modèle de ML personnalisé pour analyser les images et détecter les anomalies, sans avoir besoin d'expertise en ML. Tyson Foods a déployé le modèle à la périphérie sur un appareil AWS Panorama, que les entreprises peuvent utiliser pour connecter des caméras et traiter simultanément plusieurs applications de vision par ordinateur sur plusieurs flux vidéo, afin que ses employés soient immédiatement informés qu'un support de produits a besoin d'une maintenance lorsque le modèle identifie des anomalies. Grâce à cette solution, les membres de l'équipe n'ont plus besoin de passer environ 1 heure par quart de travail et par ligne à inspecter les supports de produits, ce qui peut permettre à l'entreprise d'économiser 15 000 heures de main-d'œuvre qualifiée par an dans une seule installation. 

Tyson Foods prévoit de continuer à utiliser les mêmes processus de base pour développer des solutions de vision par ordinateur basées sur le ML qui répondent aux besoins de production et automatisent une plus grande partie de l'activité. Grâce aux services AWS, l'entreprise développe désormais des solutions plus rapidement et continue d'optimiser ses processus. « Ces solutions nous aident à utiliser exactement ce dont nous avons besoin en comprenant la demande réelle et en optimisant les stocks afin de pouvoir planifier et réduire efficacement le gaspillage », affirme Barret Miller, Senior Manager of the Emerging Technology Team chez Tyson Foods.