Cheetos più perfetti: come PepsiCo utilizza il Project Bonsai di Microsoft per alzare l'asticella degli snack

Leah Culler17 dicembre 2020

Ho mangiato molti Cheetos nella mia vita. Quindi, quando apro una busta, so esattamente cosa aspettarmi: una croccantezza soddisfacente dall'originale deliziosamente arancione, una leggerezza scioglievole in bocca dal bignè cotto o un sapore quasi troppo piccante (ma in senso buono) fuoco da una qualsiasi delle varietà Flamin' Hot.

Ciò a cui non ho mai pensato molto, però, è quanto lavoro è necessario per creare quel morso giusto. Si scopre che ci sono una serie di input individuali complessi e specifiche dettagliate del prodotto – dal rapporto acqua alla velocità di taglio – che interagiscono per creare ogni snack perfetto. E quella perfezione è fondamentale per PepsiCo, poiché Cheetos è uno dei marchi da miliardi di dollari più amati dell'azienda.

Nel tentativo di aumentare l’efficienza mantenendo coerenza e qualità, PepsiCo ha sviluppato una soluzione AI di Microsoft Project Bonsai. Questa soluzione, che utilizza i dati di un sistema di visione artificiale per fornire raccomandazioni o modifiche ogni volta che un prodotto non rientra nelle specifiche, si è dimostrata valida in un impianto pilota e sarà presto implementata in un impianto di produzione.

Questa è una buona notizia per gli amanti dei Cheetos come me. Ed è un'ottima notizia per l'azienda, che ora sta esplorando altre strade per utilizzare la tecnologia.

"L'innovazione è un ingrediente chiave del nostro successo in PepsiCo e ci aiuta a fornire nuovi entusiasmanti prodotti, progressi tecnologici e persino nuovi modi di lavorare, tutto ciò che serve per garantire che continuiamo a portare sorrisi ai nostri consumatori ogni giorno", ha affermato Denise Lefebvre, Senior Vicepresidente della ricerca e sviluppo di Global Foods presso PepsiCo. “I Cheetos, uno dei nostri marchi più amati da miliardi di dollari, sono prodotti in 22 paesi e sono disponibili in più di 50 gusti. La tecnologia Project Bonsai ci aiuta a garantire che ogni [snack Cheetos] sia perfetto e siamo entusiasti del suo potenziale. Questo è solo l'inizio."

Video Youtube

PepsiCo ha scelto il bignè al forno di Cheetos come primo prodotto di prova per Project Bonsai. I bignè di Cheetos sono realizzati su una macchina chiamata estrusore. Storicamente, un operatore selezionava manualmente alcuni Cheeto che uscivano dall'estrusore a intervalli definiti, controllandone qualità come forma e densità apparente e regolando gli input sull'estrusore se qualcosa non andava.

La soluzione Project Bonsai può monitorare il prodotto quasi continuamente, utilizzando sensori per supervisionare tali qualità. Sa immediatamente se un prodotto esce da un intervallo definito e può formulare raccomandazioni per l'approvazione da parte di un operatore o regolare autonomamente le impostazioni se funziona in modo autonomo.

I risultati iniziali del progetto pilota suggeriscono anche che il “cervello” del Bonsai è in grado di fare un buon lavoro di regolazione indipendente dell’estrusore per mantenere la qualità e la consistenza del prodotto nonostante i disturbi, come i cambi di lotto di farina di mais.

Dylan Dias, CEO di Neal Analytics, che ha collaborato con PepsiCo al progetto pilota, afferma che l'iniziativa è un ottimo esempio di progettazione e implementazione di sistemi autonomi.

“Il progetto ha riunito un potente mix di tecnologia, capacità di modellazione applicata ed esperienza in materia per creare innovazione in fabbrica”, afferma Dias.

Le competenze in materia a cui fa riferimento Dias provengono da operatori esperti e ingegneri PepsiCo, la cui formazione ed esperienza sono state utilizzate dagli sviluppatori per programmare la soluzione AI e creare un ambiente di simulazione per replicare l'estrusore.

Il progetto ha riunito un potente mix di tecnologia, capacità di modellazione applicata ed esperienza in materia per creare innovazione in fabbrica.

Una volta che gli sviluppatori hanno creato il quadro di simulazione, l’algoritmo AI impara attraverso tentativi ed errori, nonché tramite il feedback degli operatori, un processo chiamato apprendimento per rinforzo. Nella simulazione, la soluzione AI può simulare una giornata di corsa in soli 30 secondi.

Ciò significa che la soluzione AI ha facilmente eseguito più simulazioni di quanto un operatore potrebbe vedere in molte vite. E la sua potenza di calcolo gli consente di trovare l’opzione giusta molto più velocemente. Inoltre, ha imparato dagli operatori più qualificati dell'azienda e dagli esperti di Cheetos, quindi monitora le fluttuazioni di qualità e produttività dal massimo livello di esperienza.