JapónAlimentación y restauración2017 – en cursoKewpie
Inspección con IA de patatas en dados para alimentos infantiles
Kewpie entrenó un detector de anomalías con fotos de patatas en buen estado para preseleccionar ingredientes, y el personal sigue revisando cada lote
Problema
Kewpie, un fabricante de alimentos japonés, inspeccionaba a mano todas las materias primas, aproximadamente de 4 a 5 toneladas al día, lo que era lento, exigía personal cualificado y frenaba la producción. La visión artificial convencional necesitaba reglas distintas para cada ingrediente, y una sola planta manejaba más de 400 tipos.
Enfoque
Con la empresa de análisis BrainPad, Kewpie desarrolló un modelo de TensorFlow entrenado con más de 18.000 fotos de patatas en dados en la línea de producción. El equipo lo entrenó solo con patatas en buen estado para que señalara cualquier cosa fuera de lo normal. En abril de 2017 ya funcionaba un prototipo en la planta de Tosu; realizaba una primera retirada de piezas defectuosas, todavía imperfecta, y personal formado inspeccionaba después el resultado.
Cifras clave
Conclusión
La detección de anomalías permitió a Kewpie evitar reunir gran número de muestras defectuosas, que son escasas. El personal siguió inspeccionando cada lote tras la comprobación de la IA.
Categorías
- Tamaño
- Gran empresa
- Función empresarial
- Producción y calidad
- Tipo de innovación
- Innovación de procesos
- Tecnología de IA
- Visión artificial
- Adopción
- Desarrollo conjunto con socios
- Respaldo
- Declaración de la propia empresa
Fuentes
Resúmenes de fuentes
Un responsable de producción de Kewpie dijo que el personal inspeccionaba a mano de 4 a 5 toneladas de ingredientes al día y manejaba más de 400 tipos de ingredientes en una planta. Kewpie y BrainPad desarrollaron un detector de anomalías de TensorFlow entrenado con más de 18.000 fotos de patatas en dados en buen estado. El responsable informó de que en abril había un prototipo en la planta de Tosu con una precisión «casi perfecta», seguido de comprobaciones humanas, y de planes para huevos y cereales.
Engadget informa de que Kewpie y BrainPad entrenaron un sistema de TensorFlow con 18.000 fotos para señalar las patatas en dados defectuosas destinadas a alimentos infantiles. Kewpie describió la precisión como «casi perfecta» sin dar un porcentaje, y los inspectores humanos seguían comprobando el resultado. Engadget señaló que otras empresas que usen la tecnología podrían recortar empleos.
La información completa figura en las fuentes originales.
