Tyson Foods が AWS サービスを利用したコンピュータビジョンと機械学習で効率を向上

世界最大級の食品会社の 1 社であり、プロテインの分野におけるリーダー企業として知られる Tyson Foods Inc. (Tyson Foods) は、毎週数百万ポンドの食品を加工しています。Tyson Foods は生産規模が大きいため、食品の質を高く維持しつつ効率的な設備が必要です。在庫のカウントや機械の検査などの手動プロセスでは、従業員の貴重な時間が犠牲になり、ほぼリアルタイムのインサイトを大規模に得ることができません。

Tyson Foods は、時間のかかるプロセスを強化するために既にコンピュータビジョン (CV) ソリューションを利用していましたが、機械学習 (ML) を活用した CV を組み込んで、業務効率を向上させながら CV 実装のコストと複雑さを軽減したいと考えていました。Tyson Foods は、生産ラインにおける CV ソリューションに ML を迅速に追加して、効率を高め、施設のコスト削減を実現するために、Amazon Web Services (AWS) に目を向けました。

Tyson Foods は、世界中の 100 を超える施設において、牛肉、豚肉、鶏肉、調理済み食品を生産しています。米国では、2021 年に国内の鶏肉、牛肉、豚肉の 20% が Tyson Foods の施設から供給されたと推定されています。

Tyson Foods は、2018 年にデータセンターから AWS へのクラウド移行を開始しました。このクラウド移行中、Tyson Foods は、Amazon Go ストアがカメラと CV を使用してチェックアウトおよび小売エクスペリエンスを自動化する方法を知りました。CV は、機械が物理的な世界から意味のある、コンテキストに沿った情報を抽出できるように、画像や動画を取得、処理、分析するプロセスです。Amazon Go ストアのこのテクノロジーに着想を得た同社の Emerging Technology Team は、課題に対処し、生産プロセスの効率を向上させるために類似の CV ソリューションの利用を検討することにしました。Tyson Foods の施設では生産規模が大きいため、手動の検査プロセスには時間がかかり、ボトルネックが生じる可能性があります。Tyson Foods は、これらの手動検査プロセスを強化するための初期 CV ソリューションの開発に成功しましたが、ML を実装することでさらに効率が向上し、複雑さが軽減されることを認識していました。同社は、在庫の管理と製品搬送機の障害の特定のために、ML を活用した CV ソリューションの実装に関するサポートを受けようと、AWS に問い合わせました。

Tyson Foods は週に 4,000 万羽の鶏を加工する能力を備えており、顧客の注文に対応するために施設内の正確な在庫測定に依拠しています。同社の生産規模の大きさから、品質保証基準に合格する鶏肉トレイを手動でカウントする手法は十分に正確ではありません。ラックごとの生産物の総重量を 1 時間ごとにモニタリングするなどの代替戦略では、データをすぐに得ることができないため、チームメンバーはほぼリアルタイムで行動を起こすことができません。2021 年、Tyson Foods は、組織のチームと ML エキスパートを 1 組にする Amazon Machine Learning Solutions Lab (Amazon ML Solutions Lab) と協力しました。この協力では、フルマネージド型のインフラストラクチャ、ツール、ワークフローであらゆるユースケース向けに ML モデルを構築、トレーニング、デプロイする Amazon SageMaker を使用して、オブジェクト検出モデルをトレーニングしました。このモデルは、従業員がカートに鶏肉を積み込むときに、生産ラインからの動画ストリームに含まれている鶏肉のトレイを自動的に検出してカウントします。オンプレミスのカメラで CV を利用できるようにするソフトウェア開発キットと ML デバイスのコレクションである AWS Panorama を利用することで、同社はこのモデルをエッジでデプロイし、ミリ秒単位で動画を分析することができました。この CV ソリューションを利用すると、家禽生産監督者は、生産量に関するほぼリアルタイムのインサイトを受け取り、シフト中に生産不足と過剰生産のどちらも発生しないようにできます。

ML を活用した CV の別のユースケースを改善するために、Tyson Foods は、家禽生産施設内で製品搬送機を所定の位置に保持するプラスチックピンのうち、欠陥のあるものを特定するソリューションを開発しました。以前は、ピンが所定の位置から外れると安全上の問題や計画外のダウンタイムが発生する可能性があるため、従業員は毎回のシフトでラインごとに約 8,000 本のピンを手動で検査する必要がありました。この検査プロセスには細心の注意とオペレーターの貴重な時間が必要でした。このプロセスを自動化するために、Tyson Foods は、CV を利用してオブジェクトの製品欠陥を大規模に特定する ML サービスである Amazon Lookout for Vision に目を向けました。 Lookout for Vision を利用して、同社は ML の専門知識を必要とせずに、画像を分析して異常を検出するためのカスタム ML モデルを作成しました。Tyson Foods は、エッジで AWS Panorama Appliance にモデルをデプロイしました。組織はこれを利用してカメラを接続し、複数の動画ストリームで複数の CV アプリケーションを同時に処理できるため、モデルが異常を特定すると、製品搬送機にメンテナンスが必要であることが従業員にすぐに通知されます。このソリューションを利用すると、チームメンバーは毎回のシフトでラインごとに推定 1 時間を製品搬送機の検査に費やす必要がなくなるため、同社は熟練労働者の労働時間を 1 つの施設で年間 15,000 時間節約できます。

Tyson Foods は、引き続き同じ基本プロセスを利用し、ML を活用した CV ソリューションを開発して、生産ニーズに対応しつつ、ビジネスのより多くの側面を自動化していく予定です。同社は現在、AWS サービスを利用してソリューションの開発をより迅速に進めており、プロセスの最適化を継続しています。「これらのソリューションは、当社が効果的に計画を立てて無駄を削減できるように、真の需要の理解と在庫の最適化によって、必要なものを正確に利用するのに役立ちます」と Tyson Foods の Emerging Technology Team の Senior Manager である Barret Miller 氏は述べています。