Membangun bisnis hebat dengan kekuatan Cloud

Realisasi peralatan inspeksi AI generasi mendatang dengan Kewpie + Brain Pad

Berbeda dengan produk industri, di dunia bahan makanan dengan fluktuasi individu besar , perusahaan kami harus mengandalkan tenaga manusia untuk melakukan inspeksi dan memilah produk yang sempurna/tidak cacat maupun yang cacat, yang merupakan beban besar. Dalam keadaan seperti ini, Kewpie Corporation memutuskan pada Oktober tahun lalu pengembangan sistem inspeksi bahan baku yang memanfaatkan kecerdasan buatan (AI) sepenuhnya dan menjadikannya sebagai topik besar. Di sini, kami bertanya kepada empat orang pemimpin utama yang menangani pengembangan tentang upaya tersebut.

Didirikan pada tahun 1919 sebagai Food Industry Co, Ltd. memulai produksi "Kewpie Mayonnaise" pada tahun 1925. Nama perusahaannya berubah menjadi "Kewpie Corporation" pada tahun 1957. Saat ini terdapat 55 perusahaan dalam Kewpie Corporation, yang diantaranya berada di luar negeri yang memiliki pangkalan di Cina, Asia Tenggara, Amerika Serikat, dan lain-lain. (Per November 2016). Pesan perusahaan adalah "Cinta ada di atas meja makan."

Produk yang baik tidak dapat dihasilkan kecuali bahan-bahannya tidak hanya aman tetapi juga terjamin.


Tidak hanya menekankan "keamanan" tetapi juga bahan baku "terjamin" bukan merupakan jaminan untuk menghasilkan produk yang baik. Kewpie Co., Ltd. telah mendukung diet masyarakat Jepang selama hampir 100 tahun, termasuk dalam hal berpakaian, berbagai bumbu, makanan bayi, dan makanan perawatan, dengan "Kewpie Mayonnaise" yang dikenal di bagian depan buku ini. Pemikiran bahwa perusahaan seperti itu dapat dihargai sampai sekarang adalah bahwa produk yang baik hanya dapat diproduksi dari bahan baku yang baik. Proyek ini baru saja dimulai dari sini, kata Wakil Manajer Umum Bapak Takeshi Sugano, yang bertanggung jawab atas pengembangan teknologi generasi mendatang di kantor pusat produksi perusahaan .

"Jadi, bagaimana sebenarnya bahan baku yang baik"? Pertama-tama, bahan baku yang kami simpan di tempat pertama semuanya aman dan diproduksi oleh produsen yang terpercaya. Tetapi, saya pikir hal itu saja tidak cukup. Misalnya, jika makanan bayi, bercampur dengan kentang yang tidak berbahaya, tetapi kentang itu memiliki warna agak gelap ,tentu saja seorang ibu akan merasa khawatir. Mungkin makanan ini "aman" tetapi membuat konsumen " tidak merasa nyaman / khawatir untuk mengonsumsinya”. (Bapak Hino)

Sejauh ini, Kewpie telah secara visual mendeteksi dan mengeluarkan bahan baku seperti tersebut dan diinspeksi langsung oleh staf pabrik. Di pabrik Kewpie Tosu tempat Toei Kewpie dimana Bapak Taihei Mukai berpartisipasi dalam proyek ini sebagai perwakilan lapangan yang mempekerjakan 30 hingga 40 orang, atau sekitar 25% dari staf, terlibat dalam inspeksi ini. Para staff melindungi kualitas produk Kewpie dengan menggunakan strategi.

“Pabrik Tosu memeriksa semua bahan baku sekitar 4-5 ton per hari, yang merupakan beban kerja berat.

Karena inspeksi membutuhkan tidak hanya tingkat keterampilan tertentu saja, tidak mudah untuk mendapatkan pekerja yang terampil. Akibatnya, hal ini merupakan hambatan besar dalam produksi, seperti tidak dapat meningkatkan produksi seperti yang diharapkan. Secara alami, kita berkali-kali memeriksa apakah kegiatan ini tidak dapat dimekanisasikan , tetapi dengan visi mesin, yang telah menjadi bahan pokok di masa lalu, kami harus menetapkan definisi penyortiran untuk setiap item, baik dalam hal akurasi dan biaya. Hal ini tidak realistis. Bagaimana pun, Pabrik Tosu sendiri menangani sekitar 400 jenis bahan makanan, dan ribuan jenis lainnya di seluruh perusahaannya". (Bapak Mukai)


Dalam keadaan seperti ini, Bapak Sugano menggunakan AI, yang dapat dipelajarinya sendiri dan dapat meningkatkan akurasi pekerjaannya. Saya pikir saya bisa menyelesaikan masalah ini. Saya mulai belajar secara khusus musim panas lalu. Kami memeriksa puluhan teknologi AI, termasuk institusi yang berspesialisasi dalam penelitian AI.

Akibatnya, di bidang analisis gambar, kami sampai pada kesimpulan bahwa Google TensorFlow, yang telah menarik banyak perhatian di bidang ini sejak awal dan sudah memiliki banyak prestasi, adalah yang terbaik”. (Pak Konno)

Bapak Sugano segera meminta pendapat dari Google. Sebagai mitra pengembangan yang andal, kami diperkenalkan ke Brain Pad, Inc., yang menawarkan rekam jejak besar dalam dukungan pengembangan AI. Namun, bahkan untuk perusahaan seperti itu, untuk mewujudkan cita-cita Kewpie bukanlah hal yang mudah.

"Kami telah mengembangkan berbagai sistem untuk mendeteksi produk yang cacat dalam proses pembuatan, tetapi Kewpie memiliki standar inspeksi yang lebih ketat daripada dalam semua kasus sebelumnya, dan salah satu rintangannya adalah meningkatkan akurasi inspeksi. Dan itu harus dilakukan untuk bahan baku yang harus digerakan dengan kecepatan tinggi pada belt conveyor/ban berjalan. Kombinasi ketepatan dan kecepatan juga menjadi tantangan bagi kami. (Bapak. Shimoda, Divisi Pengembangan Teknologi & Perangkat Lunak, Brainpad Inc.)


Meningkatkan "kemampuan di tempat" dengan memanfaatkan AI.

Tidak hanya menekankan "keamanan" tetapi juga bahan baku "terjamin" bukanlah merupakan jaminan untuk menghasilkan produk yang baik. Kewpie Co., Ltd. telah mendukung diet masyarakat Jepang selama hampir 100 tahun, termasuk dalam hal berpakaian, berbagai bumbu, makanan bayi, dan makanan perawatan, dengan "Kewpie Mayonnaise" yang dikenal di bagian depan buku ini. Pemikiran bahwa perusahaan seperti itu dapat dihargai sampai sekarang adalah bahwa produk yang baik hanya dapat diproduksi dari bahan baku yang baik. Proyek ini baru saja dimulai dari sini, kata wakil Manajer Umum Takeshi Sugano, yang bertanggung jawab atas pengembangan teknologi generasi mendatang di kantor pusat produksi perusahaan . (Bapak Shikiichi)

"Terobosan besar di sini adalah bahwa AI tidak digunakan sebagai" penggolong "untuk menentukan jawaban yang benar atau salah; sebaliknya, ia mempelajari karakteristik produk yang tidak cacat, dan jika tidak, AI memainkan produk yang buruk, dan tidak normal , Pendekatan Deteksi, yang memungkinkan akurasi dan kecepatan tinggi dicapai hanya dengan mempelajari hanya data berkualitas baik. (Untuk mencapai akurasi tinggi sebagai penggolong, Penting untuk mempelajari banyak data tentang produk yang rusak. (Bapak Shimoda)

Pengembangan telah stabil berkat bantuan Brainpad. Kami akan melakukan proof-of-concept (POC) sekitar bulan November, dan mulai merancang konsep berdasarkan POC pada akhir tahun. Sebuah prototipe selesai pada bulan Februari, dan akan dimulai pada awal April. Kami akan membawanya ke Pabrik Tosu dan melakukan percobaan demonstrasi disana. Pada saat itu, saya diizinkan untuk memeriksa bahan baku yang dicampur dengan produk cacat yang telah saya hapus secara manual. Hal ini menunjukkan bahwa akurasi dan hasilnya sangat baik.Di masa mendatang, kami berencana untuk menyelesaikan beberapa masalah yang telah diklarifikasi dalam percobaan dan mempercepat peningkatan penyelesaian. Tentu saja "masa depan" sudah dirancang , tetapi mari kita buat ini tetap menjadi rahasia kali ini". (Pak Ogino)

Di masa depan, perusahaan juga berencana untuk menjual sistem inspeksi ini kepada perusahaan mitra seperti produsen bahan baku. Mengenai hal itu, Bapak Takashi Tamura, yang bertanggung jawab atas aspek pemasaran proyek ini, dan kepala perencanaan pabrik Kewpie Aroma Plant, mengatakan sebagai berikut :

“Sistem inspeksi yang ada yang diwakili oleh visi mesin alat berat mahal, membutuhkan banyak ruang untuk pemasangan, dan tidak cocok untuk pemasangan karena tidak cocok untuk aplikasi.Dalam keadaan seperti itu, pasti ada kebutuhan besar untuk mekanisme inspeksi serbaguna yang memanfaatkan AI. Saya masih fokus hanya pada kentang dadu ( diced-potatoes) sekarang, tetapi di masa depan saya ingin dapat memperluas ke wilayah lain seperti biji-bijian dan telur ayam yang berbeda dimana saya bertanggung jawab untuk membelinya secara rutin”. (Tn. Tamura)


Bapak Ogino menekankan bahwa apa yang tidak ingin kita salah pahami dalam upaya ini adalah bahwa tujuan otomatisasi menggunakan AI bukan untuk mengurangi personil dan biaya. "Sebaliknya, tujuan memanfaatkan AI adalah untuk mengaktifkan orang. Tujuan sebenarnya adalah untuk meningkatkan" kemampuan di tempat "dengan menggunakan manusia × AI, bukan manusia → AI. Pertama-tama, sistem inspeksi yang baru dikembangkan secara umum untuk menghilangkan produk yang cacat, dan kami percaya bahwa staf yang terampil dapat memainkan kebocoran dari sana dan meningkatkan produktivitas. Kenyataannya, respons staf lapangan yang bekerja sama dengan eksperimen demonstrasi sangat positif. Tampaknya dia berharap bahwa menyerahkan tugas-tugas sederhana ke sistem akan memungkinkannya melakukan pekerjaan yang lebih berkualitas. (Bapak. Ogino)