Tyson Foods migliora l'efficienza con la visione artificiale e il machine learning grazie ai servizi AWS

In qualità di azienda alimentare tra le più grandi del mondo e leader riconosciuta nel settore delle proteine, Tyson Foods Inc. (Tyson Foods) lavora milioni di chili di cibo ogni settimana. Per via della scala della sua produzione, Tyson Foods ha bisogno che i suoi stabilimenti siano efficienti e che la qualità del cibo rimanga elevata. I processi manuali, come il conteggio dell'inventario e l'ispezione manuale dei macchinari, richiedono tempo prezioso ai dipendenti e non offrono informazioni quasi in tempo reale su larga scala.

Tyson Foods utilizzava già soluzioni di visione artificiale (CV) per potenziare i processi dispendiosi in termini di tempo, ma l'azienda desiderava incorporare la CV basata sul machine learning (ML) per ridurre i costi e la complessità dell'implementazione della CV, migliorandone al tempo stesso l'efficienza operativa. Tyson Foods si è rivolta ad Amazon Web Services (AWS) per aggiungere rapidamente il ML alle proprie soluzioni di CV nelle linee di produzione per aumentare l'efficienza e ottenere risparmi sui costi nei propri stabilimenti.

Tyson Foods produce carne di manzo, maiale, pollo e cibi pronti in oltre 100 stabilimenti in tutto il mondo. Nel 2021, circa il 20 percento del pollo, del manzo e del maiale degli Stati Uniti proveniva dagli stabilimenti di Tyson Foods.

Tyson Foods ha avviato una migrazione al cloud AWS dai data center nel 2018. Durante questa migrazione al cloud, Tyson Foods ha notato come il negozio Amazon Go stava automatizzando il processo di pagamento e le esperienze di acquisto al dettaglio utilizzando telecamere e CV. La CV è un processo che prevede l'acquisizione, l'elaborazione e l'analisi di immagini e video in modo che le macchine possano acquisire informazioni significative e contestuali dal mondo fisico. Questa tecnologia nel negozio Amazon Go ha ispirato il team tecnologico emergente dell'azienda ad adottare soluzioni CV simili per affrontare le sfide e aumentare l'efficienza del proprio processo di produzione. Per via della scala della produzione negli stabilimenti Tyson Foods, i processi di ispezione manuali possono essere molto dispendiosi in termini di tempo e creare colli di bottiglia. Tyson Foods ha sviluppato con successo una soluzione CV iniziale per potenziare questi processi di ispezione manuale, ma sapeva che l'implementazione del ML avrebbe aumentato l'efficienza e ridotto la complessità in misura ancora maggiore. L'azienda si è rivolta ad AWS per ricevere assistenza nell'implementazione di soluzioni CV con tecnologia ML per la gestione dell'inventario e l'individuazione degli errori di identificazione dei trasportatori di prodotti.

Tyson Foods ha la capacità di lavorare 40 milioni di polli alla settimana e si affida a misurazioni accurate dell'inventario negli stabilimenti per evadere gli ordini dei clienti. A causa della scala della produzione, le tecniche manuali per il conteggio delle vaschette di pollo che superano le misure di controllo qualità non sono sufficientemente accurate. Strategie alternative come il monitoraggio del peso orario totale di produzione per scaffale non forniscono immediatamente i dati, impedendo così ai membri del team di intervenire quasi in tempo reale. Nel 2021, Tyson Foods ha collaborato con il Laboratorio delle soluzioni Amazon Machine Learning (Laboratorio delle soluzioni ML Amazon), che instaura una collaborazione tra il team di un'organizzazione ed esperti di ML per addestrare un modello di rilevamento di oggetti utilizzando Amazon SageMaker con un'infrastruttura completamente gestita, strumenti e flussi di lavoro per sviluppare, addestrare e implementare modelli ML per qualsiasi caso d'uso. Questo modello rileva e conta automaticamente le vaschette di pollo dalle trasmissioni video delle linee di produzione mentre i dipendenti li caricano sui carrelli. Utilizzando AWS Panorama, una raccolta di dispositivi ML e un Software Development Kit che porta la CV nelle telecamere on-premise, l'azienda è riuscita a implementare questo modello a livello di edge per analizzare i video in millisecondi. Con questa soluzione CV, i supervisori della produzione di pollame ricevono informazioni quasi in tempo reale sulla quantità della produzione, evitando sia la sottoproduzione che la sovrapproduzione durante il turno.

Per migliorare un altro caso d'uso con la CV con tecnologia ML, Tyson Foods ha sviluppato una soluzione per identificare i perni in plastica difettosi che sostengono i trasportatori di prodotto nei propri stabilimenti di produzione di pollame. In precedenza, i dipendenti dovevano ispezionare manualmente quasi 8.000 perni per ogni linea in ogni turno perché potevano verificarsi problemi di sicurezza o tempi di inattività non pianificati se un perno fosse caduto. Questo processo di ispezione richiedeva attenzione al dettaglio e tempo prezioso degli operatori. Per automatizzare il processo, Tyson Foods si è rivolta ad Amazon Lookout per Vision, un servizio ML che utilizza la CV per individuare difetti nei prodotti su larga scala. Grazie a Lookout per Vision, l'azienda ha creato un modello ML personalizzato per analizzare le immagini e individuare anomalie, senza bisogno di competenze di ML. Tyson Foods ha implementato il modello a livello di edge su un dispositivo AWS Panorama, utilizzato dalle organizzazioni per collegare le telecamere ed elaborare diverse applicazioni CV su diverse trasmissioni video in contemporanea, in modo che i dipendenti vengano allertati subito quando un trasportatore di prodotti ha bisogno di manutenzione se il modello identifica anomalie. Con questa soluzione, i membri del team non devono più trascorre circa un'ora per turno per ogni linea a ispezionare i trasportatori dei prodotti, e ciò porta l'azienda a risparmiare 15.000 ore di lavoro qualificato all'anno in un singolo stabilimento.

Tyson Foods intende continuare a utilizzare gli stessi processi fondamentali per sviluppare soluzioni CV con tecnologia ML che soddisfino le esigenze di produzione e automatizzino una parte maggiore dell'attività. Utilizzando i servizi AWS, l'azienda sta ora sviluppando soluzioni più velocemente e continua a ottimizzare i processi. "Queste soluzioni ci aiutano a utilizzare esattamente le risorse di cui abbiamo bisogno comprendendo la vera domanda e ottimizzando l'inventario in modo da poter pianificare e ridurre efficacemente gli sprechi", afferma Barret Miller, Senior Manager dell'Emerging Technology Team di Tyson Foods.