Tyson Foods Meningkatkan Efisiensi dengan Penglihatan Komputer dan Machine Learning Menggunakan Layanan AWS

Sebagai salah satu perusahaan makanan terbesar di dunia dan pemimpin terkemuka dalam bidang dunia protein, Tyson Foods Inc. (Tyson Foods) mengolah jutaan pon makanan setiap minggunya. Karena skala produksinya, Tyson Foods ingin agar fasilitas mereka lebih efisien dengan tetap menjaga kualitas makanan yang tinggi. Proses manual, seperti penghitungan inventaris dan inspeksi mesin, memakan waktu karyawan yang berharga dan tidak menawarkan wawasan yang mendekati waktu nyata dalam skala besar.

Tyson Foods telah menggunakan solusi penglihatan komputer (CV) untuk mengefisienkan proses yang memakan waktu, tetapi perusahaan ingin menggunakan CV yang didukung oleh machine learning (ML) untuk mengurangi biaya dan rumitnya mengimplementasi CV sekaligus meningkatkan efisiensi operasional. Tyson Foods mempertimbangkan Amazon Web Services (AWS) agar dapat dengan cepat menambahkan ML ke solusi CV mereka di lini produksi untuk meningkatkan efisiensi dan merealisasikan penghematan biaya di fasilitas mereka.

Tyson Foods memproduksi daging sapi, babi, ayam, dan makanan siap santap di lebih dari 100 fasilitas di seluruh dunia. Di Amerika Serikat, diperkirakan sebesar 20 persen daging ayam, sapi, dan babi di negara tersebut berasal dari fasilitas Tyson Foods pada tahun 2021.

Tyson Foods memulai migrasi cloud dari pusat data ke AWS pada tahun 2018. Selama migrasi cloud ini, Tyson Foods melihat cara toko Amazon Go mengotomatiskan pengalaman checkout dan ritel dengan menggunakan kamera dan CV. CV adalah proses yang melibatkan pengambilan, pemrosesan, dan analisis gambar serta video sehingga mesin dapat mengekstrak informasi kontekstual yang bermakna dari dunia fisik. Teknologi di toko Amazon Go tersebut menginspirasi tim teknologi perusahaan yang sedang berkembang ini untuk mengejar solusi CV yang serupa untuk mengatasi tantangan dan meningkatkan efisiensi dalam proses produksinya. Karena skala produksi yang ada di fasilitas Tyson Foods, proses inspeksi manual dapat memakan waktu dan menyebabkan hambatan. Tyson Foods berhasil mengembangkan solusi CV awal untuk membantu proses inspeksi manual tersebut, tetapi perusahaan sadar bahwa mengimplementasikan ML dapat meningkatkan efisiensi dan mengurangi kompleksitas secara lebih signifikan. Perusahaan ini kemudian menghubungi AWS agar dapat memperoleh dukungan dengan mengimplementasikan solusi CV yang didukung oleh ML untuk manajemen inventaris dan identifikasi kegagalan pengangkut produk.

Tyson Foods memiliki kapasitas untuk mengolah 40 juta ayam per minggu, dan perusahaan ini mengandalkan langkah-langkah inventaris yang akurat di fasilitas untuk memenuhi pesanan pelanggan. Karena skala produksinya, teknik manual untuk menghitung baki ayam yang lulus uji kualitas menjadi tidak cukup akurat. Strategi alternatif, seperti memantau berat total produksi per rak per jam, tidak memberikan data secara langsung, sehingga anggota tim tidak dapat mengambil tindakan mendekati waktu nyata. Pada tahun 2021, Tyson Foods berkolaborasi dengan Amazon Machine Learning Solutions Lab (Amazon ML Solutions Lab), yang menggabungkan tim organisasi dengan ahli ML, untuk melatih model deteksi objek menggunakan Amazon SageMaker dengan infrastruktur, alat, dan alur kerja terkelola penuh guna membangun, melatih, serta melakukan deployment model ML untuk kasus penggunaan apa pun. Model ini secara otomatis mendeteksi dan menghitung baki ayam melalui streaming video dari lini produksi saat karyawan memuatnya ke troli. Dengan AWS Panorama, yang merupakan sekumpulan perangkat ML dan kit pengembangan perangkat lunak yang membawa CV ke kamera on-premise, perusahaan dapat melakukan deployment model ini di edge untuk menganalisis video dalam hitungan milidetik. Dengan solusi CV ini, supervisor produksi unggas menerima wawasan yang mendekati waktu nyata terkait kuantitas produksi, sehingga menghindari kekurangan dan kelebihan produksi selama sif.

Untuk meningkatkan kasus penggunaan lain dengan CV yang didukung oleh ML, Tyson Foods mengembangkan solusi untuk mengidentifikasi pin plastik rusak yang menahan pengangkut produk di fasilitas produksi unggasnya. Sebelumnya, karyawan perlu menginspeksi secara manual hampir 8.000 pin per baris pada setiap sif karena masalah keselamatan atau waktu henti yang tidak terencana dapat terjadi jika pin jatuh dari tempatnya. Proses inspeksi ini membutuhkan ketelitian dan waktu operator yang berharga. Untuk mengotomatiskan proses tersebut, Tyson Foods beralih ke Amazon Lookout for Vision, sebuah layanan ML yang menggunakan CV untuk menemukan cacat produk pada objek dalam skala besar. Dengan Lookout for Vision, perusahaan ini membuat model ML kustom untuk menganalisis gambar dan mendeteksi anomali, tanpa memerlukan keahlian ML. Tyson Foods melakukan deployment model di edge pada Peralatan AWS Panorama, yang dapat digunakan oleh perusahaan untuk menghubungkan banyak kamera dan memproses beberapa aplikasi CV pada beberapa streaming video secara bersamaan, sehingga karyawannya akan segera mendapatkan informasi bahwa pengangkut produk memerlukan pemeliharaan ketika model mengidentifikasi anomali. Dengan solusi ini, anggota tim tidak perlu lagi menghabiskan waktu sekitar 1 jam per sif per lini untuk menginspeksi pengangkut produk, sehingga perusahaan dapat menghemat 15.000 jam tenaga kerja terampil setiap tahun di satu fasilitas. 

Tyson Foods berencana akan terus menggunakan proses dasar yang sama untuk mengembangkan solusi CV yang didukung oleh ML yang memenuhi kebutuhan produksi dan mengotomatiskan lebih banyak bisnis. Dengan menggunakan layanan AWS, perusahaan ini sekarang dapat mengembangkan solusi dengan lebih cepat dan terus mengoptimalkan proses. “Solusi ini membantu kami menggunakan semua yang dibutuhkan secara tepat dengan memahami permintaan sebenarnya dan mengoptimalkan inventaris, sehingga kami dapat merencanakan serta mengurangi limbah secara efektif,” tutur Barret Miller, senior manager tim emerging technology di Tyson Foods.