Cheetos más perfectos: Cómo PepsiCo usa Project Bonsai de Microsoft para elevar la calidad de los bocadillos

He comido bastantes Cheetos en mi vida. Así que, cuando abro una bolsa, sé justo qué esperar: un satisfactorio crujido del delicioso naranja original, una ligereza que se derrite en tu boca por el hojaldre horneado o el fuego casi demasiado picante (pero en el buen sentido) de cualquiera de las variantes de Flamin’ Hot.

Una mujer sostiene una bolsa de bocadillos, con un Cheetos en su mano. — Unos cuantos Cheetos perfectos (o toda una bolsa) pueden iluminar cualquier temporada.

Sin embargo, algo en lo que no he pensado mucho es en cuánto trabajo se necesita para crear ese bocado perfecto. Resulta que hay una serie de entradas individuales y especificaciones detalladas de producto, desde la proporción de agua hasta la velocidad de corte, que interactúan para crear cada bocadillo perfecto. Y esa perfección es primordial para PepsiCo, ya que Cheetos es una las marcas multimillonarias más queridas de la compañía.

En un esfuerzo por incrementar la eficiencia, a la vez que se mantienen esa consistencia y calidad, PepsiCo ha desarrollado una solución de AI por parte de Microsoft Project Bonsai. Esa solución, que usa datos de un sistema de visión de cómputo para hacer recomendaciones o ajustes cada vez que un producto no cumple con las especificaciones, ha demostrado su eficacia en una planta piloto, y pronto será desplegada en una planta de producción.

Estas son buenas noticias para los amantes de Cheetos como yo. Y son increíbles noticias para la compañía, que ahora explora otras avenidas para usar la tecnología.

“La innovación es un ingrediente clave en nuestro éxito en PepsiCo y nos ayuda a ofrecer nuevos y emocionantes productos, avances tecnológicos e incluso nuevas maneras de trabajar, lo que sea necesario para asegurar que no dejamos de brindar sonrisas a nuestros clientes todos los días”, comentó Denise Lefebvre, vicepresidenta senior de investigación y desarrollo de alimentos globales en PepsiCo. “Cheetos, una de nuestras marcas multimillonarias más queridas, son producidos en 22 países y viene en más de 50 sabores. La tecnología de Project Bonsai nos ayuda a garantizar que cada uno [bocadillo de Cheetos] es perfecto, y estamos emocionados por su potencial. Este es sólo el inicio”.

‘Innovación en la fábrica’

PepsiCo eligió el hojaldre horneado de Cheetos como su primer producto de prueba para Project Bonsai. Los esponjosos Cheetos son fabricados en una máquina llamada extrusora. De manera histórica, un operador seleccionaba de manera manual algunos Cheetos que salían de la extrusora a intervalos definidos, los verificaba en busca de cualidades como forma y densidad aparente y ajustaba las entradas en la extrusora si algo estaba mal.

La solución Project Bonsai puede monitorear el producto casi de manera continua, a través de sensores para supervisar esas cualidades. De inmediato sabe si un producto se sale de un rango definido, e incluso puede hacer recomendaciones para que las apruebe un operador o ajustar la configuración por sí mismo si trabaja de manera autónoma.

Resultados iniciales de la prueba piloto también sugirieron que el “cerebro” de Bonsai puede hacer un buen trabajo de ajustar la extrusora de manera independiente para mantener la calidad y consistencia del producto, a pesar de alteraciones como cambios en el lote de harina de maíz.

Dylan Dias, CEO de Neal Analytics, quien se asoció con PepsiCo en el proyecto piloto, comenta que el esfuerzo es un gran ejemplo del diseño e implementación de un sistema autónomo.

“El proyecto reunió una poderosa mezcla de tecnología, habilidades de modelado aplicadas y una experiencia en la materia para crear innovación en la fábrica”, comentó Días.

La experiencia en la materia a la que Dias se refiere viene de operadores expertos e ingenieros de PepsiCo, cuyo entrenamiento y experiencia fueron utilizados por los desarrolladores para programar la solución de IA y crear un entorno de simulación para replicar a la extrusora.

El proyecto reunió una poderosa mezcla de tecnología, habilidades de modelado aplicadas y una experiencia en la materia para crear innovación en la fábrica

Una vez que los desarrolladores han creado el marco de simulación, el algoritmo de IA aprende a través de prueba y error, así como también de la retroalimentación de los operadores: un proceso llamado aprendizaje de refuerzo. En la simulación, la solución de IA puede simular la ejecución de un día en tan solo 30 segundos.

Esto significa que la solución de IA puede realizar más ejecuciones simuladas de las que un operador podría ver en muchas vidas. Y su poder de cómputo significa que puede encontrar la opción correcta mucho más rápido. Además, aprendió de los operadores y expertos en Cheetos más hábiles de la compañía, por lo que monitorea las fluctuaciones en calidad y productividad a partir del más alto nivel de experiencia.

La solución de IA “puede encapsular el conocimiento y habilidades de los mejores operadores y luego aplicarlo a través de otras instalaciones”, comentó Jayson Stemmler, gerente técnico de proyecto en Neal Analytics, quien trabajó en el proyecto piloto de PepsiCo. “Esta solución revela interacciones y relaciones que pueden no ser intuitivas para los operadores, pero que existen en los datos. Sin el proceso de medición manual, los ingenieros de PepsiCo pueden ser más eficientes con su tiempo y enfocarse en una mayor innovación”.

¿Algunos Cheetos malos?

Después de que la solución pasó algún tiempo en su campo de pruebas de simulación, era el momento de llevarla a una planta de prueba en las instalaciones de Plano de PepsiCo, para ver cómo funcionaba en el mundo real, lo que significaba probarla con algunos Cheetos imperfectos.

“Para desarrollar esta tecnología, necesitamos poder hacer producto que no es tan bueno, para que la IA pueda aprender a llevar ese producto dentro de las especificaciones”, comentó Sean Eichenlaub, ingeniero principal senior en PepsiCo.

A nivel personal, no veo cómo algunos Cheetos pueden “no ser buenos”, pero entiendo que PepsiCo busca la perfección.

Con el sistema de visión de cómputo que monitorea y envía datos de manera continua a la solución de Project Bonsai, cualquier variación de ese ideal puede ser solucionada al instante.

“Con correcciones más rápidas, podemos evitar los problemas potenciales de salir de las especificaciones, como tener que descartar productos, o problemas con el empaque y con el desperdicio”, comentó Eichenlaub.

Yo, por mi parte, estoy a favor de una bolsa llena de Cheetos perfectos. Y mientras la compañía se prepara para utilizar esta solución de Project Bonsai en una planta de producción, también busca utilizarla con otros productos de Frito-Lays, incluidos los aún más complejos chips de tortilla.

Leah Culler edita el blog de IA para negocios y tecnología de Microsoft.

Contenido relacionado: