优化土豆剥皮率节省百万经费、算法配货提升80%销量

大数据文摘出品

眼下AI大热，而有一家企业早就意识到AI与机器学习已经不再是一家企业可有可无的优势项目，而是一项必备的能力，这家企业就是百事集团。

作为拥有百事可乐、佳得乐、纯果乐、立顿、乐事薯片、桂格这些知名品牌的食品饮料公司，百事在全球200多个国家售卖产品，去年收入高达647亿美元。同时，百事正在以多种方式玩转机器人、AI与机器学习。

送零食的机器人

有一群六轮移动送货机器人，正在太平洋大学内投递百事旗下的健康零食饮料（HelloGoodness系列），如SunChips、Baked Lay’s、bubly sparkling water等。这些自动送货机器人叫做Snackbot，它们是百事集团与Robby Technologies的合作研发成果。学生们先在通过手机app下单购买零食，然后送货机器人就会将购买的食物送到目的地，支持校园内50多个地点，一律包邮。这款送货机器人充一次电能跑20英里，而且得益于配备的前车灯和全六轮驱动，夜间、雨天或是人行道它都可畅行无阻。

百事集团通过调研发现，大学生的时间都很紧张，便设计出了Snackbot来满足他们需求，在一个学校里三到五台这样的机器人就够用了。

机器学习助力生产制造

乐事薯片(百事旗下品牌)的生产工厂在机器学习的帮助下也获益良多。比如在乐事薯片加工系统中，会采用激光“打击”薯片，然后采集返回的声音来判断薯片纹理。这里用到了机器学习算法分析声音信号来判断薯片纹理，以实现自动化质检。

继这个案例之后，百事的高级研发工程师Shameer Mirza发现，机器学习在工厂生产过程优化上大有可为。后来，他设计了一种基于机器视觉的机器学习模型，用于预测正在被加工的土豆的重量。这可给公司节约了一大笔成本，有了它就无须再在生产线(光在美国地区就有35条生产线)上另外花30万元买称重元件了。Mirza设计的系统里仅用到了摄像头和机器学习模型，再加上一些数据，没有额外费用。

更多项目开发中

还有一个仍在开发中的项目：估算土豆在经过剥皮工序后的剥皮率。有了这个数据，乐事团队就能利用它优化土豆剥皮系统。据估计，这个项目如果成功，光在美国就能为公司每年省下至少100万的费用。

百事集团今年还将为其内部研发人员推出一项关于及高级机器学习和计算机视觉的培训课，通过增强其研发团队应用该技术的能力，不断提升生产设备利用率。

Vera为招聘提速

有一次，百事集团的HR小姐姐们为在两个月内给一个俄罗斯工厂招250个工作岗位，她们使用了机器人Vera对销售、司机等应聘者进行电话初面。Vera由俄罗斯的一家初创公司Stafory所设计，它能在9个小时内面试1500个应聘者，而如果由人来完成至少需要9周。

借助Amazon、Google、Microsoft、Yandex(俄罗斯科技公司)的高级语音识别软件，Vera就能对那些应聘叉车工、工厂工人、销售员等岗位的应聘者进行电话或视频面试。Vera不但可以通过扫描简历判断出应聘者是否有对应岗位所需的经验，还能通过分析应聘者的应答继续提问并给出回应。它还能给出电话面试的评分为后续面试提供参考。目前看来，在机器人帮助下招聘进来的大部分员工质量都挺好，但是HR专员在这项技术上还是存有疑虑。所以这项技术目前应用的最大困难是如何提高人类对之信任度。

内部技术平台Ada

Ada提出一种名为“增强智能”的理念，即将人类思想与算法相结合。百事希望通过这种理念来加速机器的学习能力。Ada平台能将百事采集到的大量数据汇总起来，并让这些数据充分发挥价值。最终，公司会在运营的各个方面用到Ada，包括创新设计、用户分析、定价策略等。

百事集团将这些数据用到了产品开发、销售、市场营销等方面。例如，他们利用社交媒体预测工具，将企业自有的数据和消费者公开的对话内容信息相结合，来决定新品的投放。目前，平台刚刚起步，百事正在从所拥有的数据中发现关键信息，并随之作出相应动作进行调整。随着接入平台里的数据增多，百事会更加清晰地判断市场趋势及自己的市场定位。

PepWorx：大数据分析平台

百事集团还应用基于云的数据分析平台PepWorx进行数据分析，推荐出零售商最需备货的商品、商品的最佳摆放位置、最佳促销方案。例如，在桂格推出其早餐燕麦粥的时候，就利用该平台从美国1.1亿家庭中筛选出最可能购买该产品的2400万个家庭，然后找到这些家庭最常去的购物场所，到现场进行促销以吸引顾客。像这种对数据的合理使用以发现市场的做法，在产品首推的12个月内帮助其提升了80%的销量。