蛋制品公司应用人工智能技术实现价值增长.docx

《蛋制品公司应用人工智能技术实现价值增长.docx》由会员分享，可在线阅读，更多相关《蛋制品公司应用人工智能技术实现价值增长.docx（8页珍藏版）》请在第壹文秘上搜索。

1、蛋制品公司应用人工智能技术实现价值增长本文通过分享Rembrandt公司的蛋品业务流程转型案例, 展示了通过计算机视觉与人工智能(AI)技术的结合应用如 何为企业创造巨大价值。成立21年，总部位于美国爱荷华州斯皮里特湖畔的 Rembrandt蛋品公司历经了业务迅猛增长和2015年禽流感 带来的重创后，一直为重新成为性价比最高的蛋制品供应商 而努力运营着。公司现任CFO兼IT副总裁Greg Hoggard于 2019年加入Rembrandt公司，他发现：“在业务大规模增长 期间，企业试图为所有客户提供他们想要的产品，这种做法 是很有吸引力的。但这样一来，Rembrandt公司就开始有些 失去重点

2、了。随着公司投资于各种卫星设施，物流优势受到 削弱，供应链变得松弛，整个企业的资源分配效率低下J第一阶段：关注财务准确度与管理会计作业成本法爱荷华州的Rembrandt公司厂区有600万只母鸡，每日 产蛋量超过500万个。这些鸡蛋被传送到主传送带上，进行 清洗、破蛋、分离、巴氏杀菌与加工。虽然这一连续化生产 线让Rembrandt公司以极具竞争力的价格生产蛋制品和富含 有机氮的肥料，但是在HOggard接手时，他发现这一生产流 程在好几个方面的管理都很复杂。首先，Rembrandt公司最初是采用模拟计数器来计算母 鸡产下的所有鸡蛋，即当有东西通过传感器时便会记作一个 鸡蛋。该厂区有20个鸡棚，

3、每个鸡棚有80台模拟计数器， 计数之后，鸡蛋数会记录在企业资源规划（EnterPriSe Resource Planning, ERP）系统中。如今，这些模拟系统在 蛋品行业的应用非常普遍，其安装维护成本高达数百万美元, 重要的问题在于：计数器容易出错。Rembrandt公司还必须给鸡蛋称重，因为没有两个鸡蛋 是一样重的，但显然不可能对农场的每个鸡蛋手动称重。为 估算鸡蛋重量，Rembrandt公司每天都会进行容重检测。员 工随机挑选360个鸡蛋（一箱），在移动秤上称重，并将每个 鸡棚里被检测鸡蛋（箱）的容重取平均数，记录在ERP系统 中。鸡蛋（箱）的容重乘以模拟计数器统计的箱数，得出每 个鸡

4、棚每天的带壳蛋总重量（磅）。鸡棚产出率则用带壳蛋总 重量除以总饲料消耗量（磅）计算得出。最后，产下的每个鸡蛋会通过传送带系统进入清洗机和 破蛋机，打破后再分离为蛋清（蛋白）和蛋黄。蛋壳丢弃后， 蛋清和蛋黄要经过流量计的计算，并由此得出顺利从鸡棚到 破蛋机之后的蛋液总重量（磅）。破壳设备产出率是用流量计 计量的蛋液总重量除以鸡棚的带壳蛋总重量计算得出。这个集数学、科学与假设于一体的，每天都在重复的流 程似乎产生了不错的效果。虽然不确定损失发生在哪里，不 过可以从局部推测出答案。即便如此，有机生命体仍不可避 免地呈现出多样性。企业可以采取很多措施来尽可能减少变 化，但要准确跟踪记录产蛋量仍是一个挑

5、战。要想设计出一 种能够可靠地计量与跟踪蛋产量、让流程井然有序的方式, 需要创造性地运用假设或数据。探索改进流程，聚焦于指标与数据自然变化和复杂的数据收集流程，使得测量得出的工厂 产出效率与实际财务绩效之间仍存在较大差异。Rembrandt 公司的管理层确信问题在于标准成本不准确。Hoggard及其 团队着力于实施作业成本法，并持续推进供应链的改进和开 展时间研究。他们验证了物料清单，以确保物料被正确使用； 计算了产量和设备综合效率，基于此计算人工、可变成本和 固定制造费用吸收率；验证或更新在ERP系统中的标准；每 日跟踪实际产量与标准之间的差异，并向管理层汇报结果, 这也是成本会计的任务。同

6、时，Rembrandt公司用高端的科里奥利质量流量计取 代了破蛋设备中的传统流量计。新型流量计专门为精确测量 夹杂气泡的黏性液体而设计，如鸡蛋清或冰淇淋之类的黏性 液体。在校准和检修这些流量计后，Rembrandt公司对在破 蛋设备中生产并交付给食品生产部门的蛋液量的准确度相 当有信心。此时出现了一个大问题。安装新的流量计后，公司发现 所产的带壳蛋重量出现严重错报。流量计刚刚经过校准和准 确度确证，为什么会影响所产带壳蛋重量的测量呢？为了找 出原因，会计部门追踪了现有系统中的所有数据。调查发现， 已编码进入现有系统的一项假设造成了破蛋机82%的产出率, 这似乎是2015年为应对禽流感危机而采取

7、的措施。该代码 随后被删除，Rembrandt公司又重新使用模拟计数器和容重 检测来推算带壳蛋重量，结果导致破蛋设备的产出率比先前 报告的低很多。这实际上更贴近真实情况，但没人愿意相信。 之后，运营经理、高管和会计人员持续数月意见不统一。你可能听说过这句话：“你无法管理你不能计量的东西”, 反之亦然：你无法计量你管理不了的东西。在RenIbrandt公 司的案例中，经营者们都确信自己在为公司竭尽所能。毕竟， 按照计分卡的标准衡量，成本节省高达上百万美元，已经达 成甚至超额完成目标了。然而，Rembrandt公司在财务管理 上仍旧困难重重。第二阶段：人工智能创新管理与计算机视觉技术Hoggard

8、在参加IMA管理会计师协会的2019年全球年会 后找到了一些解决公司问题的思路。圆桌午餐会期间，他坐 在数据科学家Daniel SnIith旁边，两人互加了职场社交平 台领英好友，随后Hoggard又参加了 Smith关于“如何使用Python构建区块链”的讲座。在观看Smith揭秘人工智能面 部识别软件的视频时，Hoggard找到了灵感。他邀请Smith协 助为Rembrandt公司设计解决方案。Hoggard清晰地意识到： “如果相机可以计算和识别人脸，那肯定可以用来计算鸡蛋 数量工Hoggard与Smith开始了人工智能技术的应用合作，在 企业中运用人工智能技术的第一步是证明技术有效，即

9、“概 念验证”。但同等重要的是，迈向持续性组织变革（技术或其 他方面）的第一步是改变领导文化。在危机时期，管理者通常会放弃构建或维护基于流程的 可持续解决方案，而选择临时的“捷径”来渡过难关。 Rembrandt公司在2015年禽流感期间就犯了这个错：不使用 正常流程，忽视数据治理，为当前利益牺牲未来利益。但危机过后，企业会面临选择：在设计和实施新流程时, 是否要为了延续原有流程而继续当前记录方式导致延长生 产力方面的损失？还是让员工尽快解决问题，使企业重新开 始盈利？技术负债周期尽管有人可能会争辩说现代商业的大多数解决方案都 是技术性的，人们每天都在思考着如何借用未来的时间来 节省现在的时间

10、，其结果就是试图加速技术解决方案的开发 而产生了技术负债的积累。因此，当公司为顺利按时交付而 采用次优解决方案（如修理打滑的皮带而未记录修理方法） 时，技术负债就会累积起来，这便需要额外的资源去应对。 在这种情况下，当问题再次出现时，必须重新确定解决方案。 因此，为支持先前的次优方案（即“捷径”），而累积的额外 时间和精力被称为技术负债的利息。随着因技术负债及其利息而损失的资源呈周期性扩大, 感知到生产力下降（即便资源过度分配）的员工也会士气低 落。而士气低落会导致人员流失，工作量增加一这甚至会带 来更多的技术负债，这便是所谓的紧缩文化（CrUnCh Culture）o概念验证尽管强大的深度学

11、习的图像识别技术解决方案最终会 产生相对来讲最准确的结果，但Rembrandt公司在其新的鸡 蛋计数图像识别流程的第一阶段选择了一种更为传统的图 像分割技术，因为公司的数据存储与处理设施在现场而非云 端。图像分割技术是指将图像分成不同的部分，然后对与目 标计量对象相关的部分进行计量。在Rembrandt公司的案例 中，图像识别将白色圆形目标对象与其他物体区别开，然后 进行统计。具体而言，该流程分为边缘检测和目标检测。边缘检测 用于识别目标对象周围的边界，在更高级的应用程序中也可 用于识别目标对象的大小（例如，基于鸡蛋体积计算鸡蛋产 量），但对于概念验证而言，用一个简单的公式确定像素突 然由亮变

12、暗的位置就足够了。上述变化的阈值是通过数百万 次模型迭代确定的，即“模型校正二目标检测的步骤较多，但实施过程相对简单。首先，基 于模型校正中确定的阈值，将灰度图像设置为黑色或白色。 然后，过滤掉给定尺寸变量（在模型校正中确定）以下的白 色目标对象。尺寸过滤可防止灰尘和水渍等人为图像被识别 为鸡蛋。最后，识别到的目标对象会与检测到的边缘重叠, 在一大片鸡蛋里只要能够被视作单个目标对象的都会被边 缘区分开来。在理想条件下，这一流程（模型）准确度可高 达98%至99%,但在现实条件下并没有那么有效。阴影和强光 阻碍了边缘识别，相机上凝结的水汽可能会被当作一个大鸡 蛋算进去，再加上其他不可避免的情况，

13、导致该模型在实际 应用时的准确度下降到95%左右。95%的准确度仍比原先的解 决方案好得多，但Hoggard和Smith知道这仍有提升的空间。第三阶段：应用深度学习图像分割技术智能系统展示成功的概念验证有助于同领导层就紧缩文化和技 术负债的危害进行更广泛的探讨。一旦整个团队意识到其帮 助企业的个体努力合起来反而会损害企业利益，他们很快就 会达成一致意见，继续推进下一阶段:ViSion 1. 0智能系统。图像识别的下一阶段是提高可变条件下的准确度并确 定每个鸡蛋的重量。要完成如此复杂的任务需要用到深度学 习技术，尤其是RYNN （基于区域的卷积神经网络），这是一 种专门设计用于分割图像和视频中的

14、目标对象并界定其大 小的算法序列。数十张图像经过手工细心标注，其中一些图像包含了数 百个鸡蛋。当新模型开始生成结果时，所有的付出都是值得 的。在任何情况下，其都可以对分散在多个位置的数百个鸡 蛋同时计数。该模型甚至可以在鸡蛋被部分遮挡时预测其大 小，并开始学习在新的环境下识别鸡蛋。最重要的是覆盖每个鸡蛋的掩膜。掩膜表示图像中每个 鸡蛋所占据的区域，由于鸡蛋是垂直对称且总是平放的，鸡 蛋的任何图像显示的都是其最宽和最长的横截面。基于这一 点，就可以通过模型训练来预测每个鸡蛋的重量。收益成果Rembrandt公司花了 一些时间才接受这种新的财务计数 鸡蛋的方法。“我们在制造控制部门找到了一些非常强

15、大的 盟友。 Hoggard说道，“该部门向运营部经理汇报，在争取 运营团队的支持方面发挥了关键作用，尤其是公司的过程控 制主管Adam Hoogeterp,他很快就意识到新方法能够改良其 部门的控制和监控能力。AdanI及控制团队采购了摄像头，并运用3D打印定做安 装支架，Smith,控制团队和IT团队针对鸡蛋计数的算法进 行了测试和故障排除。大约3个月的时间，公司就有了一套 Al摄像系统（后来将其命名为“Vision），鸡蛋计数的准确 度达到97%。ViSion系统通过持续进行深度智能学习，3个 月之后的计数准确度高达99. 8%。”自从启用Vision智能系统以来，破蛋设备的产出率增 加了 6%。对于RenIbrandt这个体量的公司来说，减少6%的废 料相当于每天多生产36万个鸡蛋！