Tyson Foods, AWS 서비스를 사용한 컴퓨터 비전 및 기계 학습으로 효율성 향상

세계 최대 식품 회사 중 하나이자 단백질 식품 부문의 리더로 인정받는 Tyson Foods Inc. (Tyson Foods)는 매주 수백만 파운드의 식품을 가공합니다. Tyson Foods는 생산 규모 때문에 높은 식품 품질을 유지하면서 시설을 효율적으로 운영해야 합니다. 재고 계산 및 기계 검사와 같은 수동 프로세스는 직원의 귀중한 시간을 낭비하며 실시간에 가까운 인사이트를 대규모로 제공하지 못합니다.

Tyson Foods는 이미 컴퓨터 비전(CV) 솔루션을 사용하여 시간이 많이 걸리는 프로세스를 보강하고 있었지만, 기계 학습(ML) 기반 CV를 통합하여 CV 구현에 드는 비용과 복잡성을 줄이면서 운영 효율성을 개선하고자 했습니다. Tyson Foods는 Amazon Web Services(AWS)를 통해 생산 라인의 CV 솔루션에 ML을 빠르게 추가하여 효율성을 높이고 시설의 비용을 절감할 수 있는 방법을 모색했습니다.

Tyson Foods는 전 세계 100개 이상의 시설에서 소고기, 돼지고기, 닭고기 및 가공 식품을 생산합니다. 2021년에 미국 내 닭고기, 소고기, 돼지고기의 약 20%가 Tyson Foods 시설에서 생산된 것으로 추정됩니다.

Tyson Foods는 2018년에 데이터 센터에서 AWS로의 클라우드 마이그레이션을 시작했습니다. 이 클라우드 마이그레이션 과정에서 Tyson Foods는 Amazon Go 스토어에서 카메라와 CV를 사용하여 결제 및 소매 경험을 자동화하는 방법을 확인했습니다. CV는 기계가 물리적 환경에서 의미 있고 상황에 맞는 정보를 추출할 수 있도록 이미지와 비디오를 캡처, 처리 및 분석하는 프로세스입니다. 회사의 Emerging Technology Team은 Amazon Go 스토어의 이 기술에서 영감을 얻어 당면 과제를 해결하고 생산 공정의 효율을 높일 수 있는 유사한 CV 솔루션을 모색하게 되었습니다. Tyson Foods 시설의 생산 규모로 인해 수동 검사 프로세스는 시간 소모적이고 병목 현상을 야기할 수 있습니다. Tyson Foods는 이러한 수동 검사 프로세스를 보강하기 위한 초기 CV 솔루션을 성공적으로 개발했지만 ML을 구현하면 효율성을 높이고 복잡성을 더욱 줄일 수 있다는 것을 알았습니다. 회사는 재고 관리 및 제품 수송 수단의 고장 식별을 위한 ML 기반 CV 솔루션 구현에서 지원을 받기 위해 AWS에 접촉했습니다.

Tyson Foods는 주당 4,000만 마리의 닭을 가공할 수 있는 역량을 갖추고 있으며, 시설의 정확한 재고 측정에 의존하여 고객 주문을 처리합니다. 생산 규모가 크기 때문에 품질 보증 조치를 통과한 치킨 트레이의 수를 세는 방식의 수동 기법은 충분히 정확하지 않습니다. 각 랙의 시간당 총 생산량을 모니터링하는 것과 같은 대체 전략은 데이터를 즉시 제공하지 않으므로 거의 실시간으로 조치를 취하는 것이 불가능합니다. 2021년에 Tyson Foods는 ML 전문가를 연결해 주는 Amazon Machine Learning Solutions Lab(Amazon ML Solutions Lab)과의 협력 아래 모든 사용 사례에 대한 ML 모델의 구축, 훈련 및 배포를 위한 완전관리형 인프라, 도구 및 워크플로를 갖춘 Amazon SageMaker를 사용하여 객체 감지 모델을 훈련했습니다. 이 모델은 치킨 트레이가 카트에 적재될 때 생산 라인의 비디오 스트림에 있는 치킨 트레이를 자동으로 감지하고 수를 계산합니다. 회사는 ML 디바이스 컬렉션인 AWS Panorama와 CV를 온프레미스 카메라에 적용하는 소프트웨어 개발 키트를 사용하여 이 모델을 엣지에 배포함으로써 밀리초 단위로 비디오를 분석할 수 있었습니다. 이 CV 솔루션을 통해 가금류 생산 감독관은 생산량을 거의 실시간으로 파악하여 교대 근무 중 생산 부족 및 과잉 생산을 피할 수 있습니다.

ML 기반 CV의 또 다른 사용 사례를 개선하기 위해 Tyson Foods는 가금류 생산 시설에서 제품 수송 수단을 제자리에 유지하는 플라스틱 핀의 결함을 식별하는 솔루션을 개발했습니다. 이전에는 매 교대마다 라인당 약 8,000개의 핀을 수동으로 검사해야 했습니다. 핀이 제자리에 없으면 안전 문제나 예상치 못한 가동 중단이 발생할 수 있었기 때문입니다. 이 검사 프로세스에는 세부 사항에 주의를 기울여야 했기 때문에 작업자가 귀중한 시간을 할애해야 했습니다. 프로세스를 자동화하기 위해 Tyson Foods는 CV를 사용하여 대규모로 객체의 제품 결함을 찾아내는 ML 서비스인 Amazon Lookout for Vision을 선택했습니다. 회사는 Lookout for Vision을 사용하여 ML 전문 지식 없이도 이미지를 분석하고 이상을 감지할 수 있는 맞춤형 ML 모델을 만들었습니다. Tyson Foods는 카메라를 연결하고 여러 비디오 스트림에서 여러 CV 애플리케이션을 동시에 처리하는 데 사용할 수 있는 AWS Panorama Appliance의 엣지에 모델을 배포했습니다. 모델은 이상 징후가 식별되면 제품 수송 수단에 유지 관리가 필요하다는 사실을 직원에게 즉시 알려줍니다. 이 솔루션을 사용하면 더 이상 제품 수송 수단을 검사하는 데 교대 근무당 약 1시간을 소비하지 않아도 되므로 단일 시설에서 연간 1만 5,000시간의 숙련된 노동력이 절약됩니다.

Tyson Foods는 계속해서 동일한 기반 프로세스를 사용하여 생산 요구 사항을 해결하고 더 많은 비즈니스를 자동화하는 ML 기반 CV 솔루션을 개발할 계획입니다. 회사는 이제 AWS 서비스를 사용하여 솔루션을 더 빠르게 개발하고 프로세스를 지속적으로 최적화하고 있습니다. Tyson Foods의 Emerging Technology Team의 Senior Manager인 Barret Miller는 “이들 솔루션은 실제 수요를 파악하고 재고를 최적화하여 필요한 만큼 사용함으로써 효과적으로 계획하고 낭비를 줄이는 데 도움이 됩니다”라고 말합니다.