Cómo Hershey ahorró $500,000 por cada 1 % de mejora en la eficiencia en la fabricación de Twizzlers usando IoT
Conozca cómo Hershey aprovecha IoT, computación en la nube, aprendizaje automático y big data para estandarizar la producción en sus fábricas sin contratar científicos de datos.
El Internet de las cosas (IoT) es bueno para la optimización empresarial, pero puede ser malo para los amantes de los dulces. Los Twizzlers, y eventualmente otros dulces de Hershey como las tazas de mantequilla de maní de Reese, seguirán reduciéndose a medida que Hershey agrega sensores IoT a sus instalaciones de fabricación de dulces para hacer que el proceso sea más eficiente a través del aprendizaje automático.
Hershey, que fabrica Twizzlers y otras 79 marcas de dulces, comenzó a utilizar el aprendizaje automático y el análisis predictivo a partir de una línea de fábrica de Twizzlers. Hershey usa Microsoft Azure para aprovechar los algoritmos para mejorar los procesos de fabricación.
«Pudimos aprovechar algoritmos preconstruidos dentro de Azure para conectar todo el aprendizaje automático. Realmente pudimos construirlo sin científicos de datos», dijo George Lenhart, gerente senior de productividad avanzada y colaboración en Industry of Things World USA en San Diego, California.
Si te preguntas cuál es la comida favorita de Lenhart, son los Twizzlers, rollos de regaliz rellenos de limón, que dice que son «como unicornios» porque son muy raros.
VER: Cómo implementar IA y aprendizaje automático (función ZDNet)
El motivo del cambio de tamaño es que agregar sensores al tanque que contiene el Twizzler de 14,000 lb permite una mejor regulación de la temperatura y otros factores. Como resultado, Hershey puede ser más preciso y ya no necesita hacer sus dulces un poco más grandes de lo que se indica en el paquete para garantizar que cumplan con las pautas de tamaño legal.
«A medida que mejoremos en esto, obtendrás menos tazas de mantequilla de maní de Reese. Tengo que darte 2 onzas. No puedo darte 1.99 onzas, así que te daré 2.19 onzas. Antes de darte dulces, predeciríamos cuál sería el peso», dijo Lenhart.
Más cobertura de IA de lectura obligada
Se vierten Twizzlers calientes en la parte superior del frasco gigante y los dulces se escurren por el fondo del frasco. Al agregar sensores IoT para monitorear la temperatura de los Twizzlers calientes en cada tanque, la compañía aprendió algo nuevo sobre sus dulces.
«Descubrimos que no era solo un tanque de almacenamiento. El regaliz llega a una temperatura en la que envejece un poco, no como el vino, pero se enfría un poco. Se convierte en algo vivo, que son 14,000 libras de regaliz . Cuando se le puso el regaliz nuevo, estaba demasiado caliente y empezó la mutación”, dijo. Cuando el regaliz está demasiado caliente, se vuelve aguado y los Twizzlers no pesan tanto como deberían.
Hay 22 sensores en la tina de cocción que evalúan la temperatura cada segundo mientras el regaliz está en el tanque. «Aquí están los 60 millones de puntos de datos que estoy usando para entrenar una máquina basada en esta matriz para ver qué fallará», dijo.
En un lote de 14,000 galones, ajustar las dimensiones un 1 por ciento para acercar los Twizzlers al peso exacto ahorró $500,000, dijo Lenhart. «Eso es azúcar y harina [for Twizzlers]¿Imaginas cuando aplicábamos la misma filosofía al chocolate? Dado que el chocolate es más caro que el azúcar y la harina, los ahorros serán aún mayores, dijo.
Lenhart dijo que la compañía puede usar el sensor para predecir mejor el peso neto del producto final. Y, a medida que mejoren en la predicción del peso neto a través del aprendizaje automático, Hershey podrá predecir mejor el tamaño de sus productos y acercarse al peso exacto que necesita cada producto.
Los sensores también mostraron que cuando la cantidad de Twizzlers en el tanque de almacenamiento alcanzaba cierto punto, había más cambios de tamaño. La solución fue simple: el tanque se reprogramó para que la cantidad de Twizzlers no volviera a alcanzar ese nivel problemático. «Pero no lo sabíamos hasta que miramos los sensores. Simplemente lo descubrimos porque teníamos esta visibilidad, y me di cuenta de que esto tenía algo que ver con eso», dijo.
Comenzar un proyecto IoT también es un logro. Lenhardt dijo que escuchó cuatro «no» de los ejecutivos antes de que finalmente obtuviera un «sí».
«Tengo que ser más alto que las personas en cuyos centros de costos voy a influir. El primero es el CIO», bromea diciendo que debería comenzar con el CIO. «No puedes detenerte en el primer ‘no'».
Lenhart dice que ha hablado con otras 20 empresas sobre la transformación digital que está haciendo en Hershey, y la pregunta primordial siempre es «¿cómo uso los datos que tengo?»
Cualquiera que busque comenzar a usar el aprendizaje automático en su empresa debe seguir estos ocho pasos para aprovechar los datos, dice:
- Identificar sensores: encuentre tantos sensores como sea posible
- Extraer datos: extrae datos del repositorio/historiador
- Datos limpios: datos limpios para el análisis
- Buscar valores atípicos – Buscar valores atípicos mediante diagramas de caja
- Datos vinculados: use herramientas como PowerBI para mostrar qué sensores están funcionando
- tiempo de entrenamiento: comience a entrenar su máquina y realice pruebas
- Cree servicios web: necesarios para analizar datos en tiempo real
- Bucle cerrado: envío de datos de control a la fábrica a través de una ruta segura
Tres conclusiones para los lectores de Tecnopedia:
- Hershey usa sensores IoT y algoritmos de Microsoft Azure para el aprendizaje automático para aumentar la productividad de la línea de producción de dulces de Twizzler.
- En un tanque de 14,000 libras, Twizzlers ahorró $500,000 por cada 1% de cambio de tamaño.
- Hay 22 sensores en cada tanque Twizzler, que recopilan 60 millones de puntos de datos.
Ver también:
