品客洋芋片製造商AI數位孿生技術 波蘭廠廢料減少13%

Kellanova花費四年時間與500萬美元訓練AI模型製作出完美的品客洋芋片，重塑工廠數位孿生技術。

一個由AI驅動的Kellanova品客洋芋片波蘭生產線數位孿生模型，讓廢料減少13%、品質提升10%，顯示這項已有多年歷史的製造技術正隨著新的AI投資加速規模化。

「每一批馬鈴薯原料都會有所不同，」西門子管理委員會成員暨數位工業執行長Cedrik Neike表示。「無論輸入如何變化，我們都能確保品客洋芋片的口感完全符合您的期望。」

這項計畫歷時四年打造，投資金額介於400萬至500萬美元之間，生產線上的感測器每秒鐘從200個數據點蒐集資料。這些數據輸入一個AI模型，執行即時模擬以預測每片洋芋片的成品結果，並建議機台調整以因應原料變異——從麵粉顆粒大小到馬鈴薯的採收地點皆涵蓋在內。

該系統目前已在波蘭庫特諾工廠的一條生產線上運行，Kellanova回報投資報酬率超過40%。系統將於2027年擴展至比利時及美國生產線，此為西門子與Nvidia攜手將數位孿生技術導入工廠車間的一環。

對Kellanova工程資深總監Jan Laenen而言，目標很單純：每一片從生產線出廠的酥脆鹹香洋芋片都必須一模一樣——相同的酥脆口感、相同的風味、相同馬鞍形狀的金黃薄片。不能有破損的麵團，也不能有卡在油炸鍋裡的黏稠洋芋片。「我們要做出完美的洋芋片，」他表示。

該系統的運作方式是建立麵團在生產線上流動的即時數位版本。新型感測器與即時機台數據能捕捉原料的微小變異，例如麵粉的顆粒大小。一個運行在工廠內西門子工業邊緣設備平台上的AI模型負責處理數據並提出調整建議——例如調整配方中的油或水量——在批次出錯之前及時修正。

超過200個參數共同形塑「完美品客洋芋片」的標準，從麵團濕度到馬鈴薯的採收地點皆然。即使是來自同一供應商的馬鈴薯也會因季節而產生差異，這意味著麵團始終在變化。「不同的麵團可能意味著不同的質地，這會對下游產生影響，」西門子資深專案經理Francesco Ielmini表示。

過去，「麵團師傅」依靠目視與手感調整機器，抓起生產線上的麵團進行拉伸，或稱量剛出油鍋的洋芋片重量。如今AI模型即時完成這項工作，當本地調整不足以應對時，系統會升級至能存取更多歷史數據的大型雲端模型。兩者均採用傳統機器學習而非生成式AI。

數位孿生從3D模型邁向即時生產

品客洋芋片專案是數位孿生這項存在多年的概念開始在製造業規模化的最新跡象。Gartner首席分析師Evan Brown表示，五年前數位孿生剛開始受到關注時，通常只是附加數據標籤的3D模型。如今它們更接近即時運作，並提供AI驅動的生產優化建議。

西門子表示已參與火箭、電池與微晶片的數位孿生開發，而Nvidia則在工廠模擬技術上投入巨資。Brown指出，下一步是賦予AI自主權限自行調整機器設定——不過包括Kellanova在內的大多數公司仍傾向由人工做出這些決策。

這項投資的意義

Kellanova每年在波蘭、比利時及田納西州傑克遜三座工廠生產7.05億磅品客洋芋片。去年底，該公司被私有零食製造商Mars收購，Mars現負責美國市場的洋芋片製造；在歐洲，兩家企業仍並肩營運。

波蘭專案實現品質提升10%、廢料減少13%，並在400萬至500萬美元的投資上取得超過40%的投資報酬率。Kellanova計畫於2027年將系統擴展至比利時及美國生產線，目標是最終覆蓋所有生產線。Laenen表示，該模型最終可處理多種馬鈴薯、玉米與稻米品種，利用這些變異性仍能生產出相同的洋芋片。

對投資人而言，該專案顯示工業軟體正成為更大的營收驅動力。西門子的數位工業部門——銷售該專案背後的邊緣平台與AI工具——是這家德國企業集團的核心成長引擎，而Nvidia進軍數位孿生領域則使其業務超越數據中心晶片。在中個位數百萬美元投資上取得超過40%的報酬率，為製造商提供了一個投資AI的具體商業案例，這項論點可望加速食品、汽車與電子工廠的採用。

本文僅供參考之用，不構成投資建議。