A Tyson Foods melhora a eficiência com visão computacional e machine learning usando os serviços da AWS

Como uma das maiores empresas de alimentos do mundo e líder reconhecida em proteínas, a Tyson Foods Inc. (Tyson Foods) processa milhões de quilos de alimentos por semana. Devido à escala de produção, a Tyson Foods precisa que suas instalações sejam eficientes e, ao mesmo tempo, mantenham a alta qualidade dos alimentos. Processos manuais, como contagem de inventário e inspeções de máquinas, custam um tempo valioso aos funcionários e não oferecem insights em escala em tempo real.

A Tyson Foods já estava usando soluções de visão computacional (CV) para melhorar os processos mais demorados, mas a empresa queria incorporar a CV ao uso de machine learning (ML) a fim de reduzir o custo e a complexidade da implementação da CV e, ao mesmo tempo, melhorar a eficiência operacional. A Tyson Foods recorreu à Amazon Web Services (AWS) para adicionar ML rapidamente às suas soluções de CV nas linhas de produção, visando aumentar a eficiência e reduzir os custos nas instalações.

A Tyson Foods produz carne bovina, suína, frango e alimentos preparados em mais de cem instalações em todo o mundo. Nos Estados Unidos, cerca de 20% dos frangos, bovinos e suínos do país saíram das instalações da Tyson Foods em 2021.

A Tyson Foods iniciou uma migração dos datacenters para a nuvem na AWS em 2018. Durante essa migração para a nuvem, a empresa viu como a loja Amazon Go estava automatizando as experiências de checkout e varejo usando câmeras e CV. CV é um processo que envolve capturar, processar e analisar imagens e vídeos para que as máquinas possam extrair informações contextuais e significativas do mundo físico. Essa tecnologia na loja Amazon Go inspirou a equipe de tecnologia emergente da empresa a buscar soluções de CV semelhantes para enfrentar desafios e aumentar a eficiência dos processos de produção. Devido à escala de produção nas instalações da Tyson Foods, os processos de inspeção manual podem ser demorados e causar gargalos. A Tyson Foods desenvolveu com êxito uma solução inicial de CV para melhorar esses processos de inspeção manual, mas sabia que a implementação de ML aumentaria a eficiência e reduziria ainda mais a complexidade. A empresa procurou a AWS para obter suporte na implementação de soluções de CV baseadas em ML para gerenciamento de inventário e identificação de falhas nos transportadores de produtos.

A Tyson Foods tem capacidade de processar 40 milhões de frangos por semana, e a empresa depende de medições precisas de estoque nas instalações para atender aos pedidos dos clientes. Devido à escala de produção, as técnicas manuais de contagem de bandejas de frango que passam por medidas de garantia de qualidade não são precisas o suficiente. Estratégias alternativas, como monitorar o peso total da produção por hora e por prateleira, não fornecem dados imediatamente, impedindo que os membros da equipe ajam quase em tempo real. Em 2021, a Tyson Foods colaborou com o Laboratório de Soluções do Amazon Machine Learning (Laboratório de Soluções do Amazon ML), que integra a equipe de uma organização aos especialistas em ML, para treinar um modelo de detecção de objetos usando o Amazon SageMaker com infraestrutura, ferramentas e fluxos de trabalho totalmente gerenciados para criar, treinar e implantar modelos de ML para qualquer caso de uso. Esse modelo detecta e conta automaticamente as bandejas de frango por meio de transmissões de vídeo das linhas de produção à medida que os funcionários as carregam nos carrinhos. Usando o AWS Panorama, uma coleção de dispositivos de ML e um kit de desenvolvimento de software que leva CV às câmeras on-premises, a empresa conseguiu implantar esse modelo na borda para analisar o vídeo em milissegundos. Com essa solução de CV, os supervisores de produção de aves recebem informações quase em tempo real sobre a quantidade de produção, evitando a subprodução e a superprodução durante o turno.

Para melhorar outro caso de uso com CV alimentado por ML, a Tyson Foods desenvolveu uma solução para identificar pinos de plástico defeituosos que mantêm os transportadores de produtos no lugar nas instalações de produção de aves. Antes, os funcionários precisavam inspecionar manualmente cerca de oito mil pinos por linha a cada turno, pois problemas de segurança ou tempo de inatividade não planejado poderiam ocorrer se um pino saísse do lugar. Esse processo de inspeção exigia atenção aos detalhes e um valioso tempo do operador. Para automatizar o processo, a Tyson Foods recorreu ao Amazon Lookout for Vision, um serviço de ML que usa CV para identificar defeitos de produtos em objetos em escala. Usando o Lookout for Vision, a empresa criou um modelo de ML personalizado para analisar imagens e detectar anomalias sem precisar de experiência em ML. A Tyson Foods implantou o modelo na borda em um dispositivo do AWS Panorama, que as organizações podem usar para conectar câmeras e processar várias aplicações de CV em vários fluxos de vídeo simultaneamente, para que os funcionários sejam notificados imediatamente de que uma operadora de produtos precisa de manutenção quando o modelo identifica anomalias. Com essa solução, os membros da equipe não precisam mais gastar cerca de 1 hora por turno em cada linha inspecionando os transportadores de produtos, o que pode levar a uma economia de 15 mil horas de mão de obra qualificada anualmente em uma única instalação.

A Tyson Foods planeja continuar usando os mesmos processos fundamentais para desenvolver soluções de CV baseadas em ML que atendam às necessidades de produção e automatizem a maior parte dos negócios. Usando os serviços da AWS, a empresa agora está desenvolvendo soluções com mais rapidez e continua a otimizar os processos. “Essas soluções nos ajudam a usar exatamente o que precisamos, entendendo a verdadeira demanda e otimizando o estoque, permitindo planejar e reduzir o desperdício com eficácia”, relata Barret Miller, gerente sênior da equipe de Tecnologia Emergente da Tyson Foods.