Annonsørinnhold:

Kristoffer Rabben jobber med AI for Accenture - og digger det.
Kristoffer Rabben jobber med AI for Accenture - og digger det.

Kutter matsvinn med AI:
– Veldig inspirerende

Det startet som en fagkveld hos Accenture, men det løse snakket endte opp i noe helt konkret. Nå er maskinlæring en del av Bamas hverdag i kampen for å kutte matsvinn.

Publisert Sist oppdatert

– Vi gikk fra dialog til testprosjekt, og etter å ha oppnådd kjemperesultater der, har det blitt noe Bama benytter seg av hver dag. Det er veldig inspirerende å ha vært med på hele denne reisen.

Det sier Kristoffer Rabben, manager i konsulentfirmaet Accenture.

Fra hype til konkret

Han har spesialisert seg innenfor teknologi og jobber med å rådgi handel- og industriselskaper. I tillegg leder han AI for denne industrigruppen i Accenture, og det er nettopp det denne historien handler om.

Dette er maskinlæring

Maskinlæring er en spesialisering innenfor kunstig intelligens (AI), der man bruker statistiske metoder for å la datamaskiner finne mønstre i store datamengder. Maskinen lærer seg selv istedenfor å bli programmert.

Hvordan skape verdi med maskinlæring?

– Maskinlæring har gått fra å være en hype via et buzzord og på et mer konseptuelt nivå til å bli stadig mer konkret. Jeg synes det er kjempespennende å se hvordan man faktisk kan anvende AI forretningsmessig, sier Rabben.

Vil hindre matsvinn

Det var også derfor han og Accenture inviterte til fagkveld om maskinlæring tilbake i 2019. Der lot de kundene som var til stede, blant annet frukt- og grønt-giganten Bama, få «hands on» erfaring med teknologien. I tillegg prøvde de å finne eksempler fra industrien der teknologien kunne anvendes, og da kom spørsmålet:

Hvordan kan man bruke maskinlæring til å avdekke dårlig frukt og grønt på et så tidlig stadium som mulig?

Bama hadde fra før av et stort team som kvalitetssjekker og inspiserer varene som kommer inn, og her handler alt om å avdekke dårlig frukt og grønt, slik at det ikke sendes videre ut til butikkene og ender opp som matsvinn. Det er imidlertid ikke alt man klarer å fange opp.

Kristoffer Rabben
Kristoffer Rabben

– Kvalitetssjekkerne gjorde en skjønnsmessig beregning, blant annet basert på hvor varen kom fra, hvilke varer det var snakk om, om det var tidlig eller sent i sesong for varen og hvilken leverandør som sto bak, forklarer Rabben.




Enkle fargekoder

– Vi satte de forskjellige variablene i system og laget en trent maskinlæringsmodell som hadde i oppgave å si noe om sannsynligheten for om en vare hadde god eller dårlig kvalitet idet den kom inn på lageret. I tillegg har Bama temperaturmålere i alle lastebiler de får varer fra, så vi tok også dette med i beregningen, fortsetter han, som hadde det overordnet ansvaret for prosjektet.

Det hele ender opp i noe så enkelt som en maskin som spytter ut en rød, gul eller grønn fargekode. Er den grønn, er varen med stor sannsynlighet fin og det holder med en kjapp sjekk. Får varen fargekoden gul, må man sjekke nøyere, og dersom det blir rødt, må de bruke god tid på inspeksjonen.

– Vi har gitt kvalitetssjekkerne en beslutningshjelper, og på den måten slipper de å gå rundt å huske på alle variablene selv. Menneske og maskin jobber sammen, sier Rabben.

Her ser vi at programvaren har gitt ut en oransje fargekode. Det betyr at det må sjekkes litt ekstra nøye. Foto: Bama
Her ser vi at programvaren har gitt ut en oransje fargekode. Det betyr at det må sjekkes litt ekstra nøye. Foto: Bama

– Sparer tid

Modellen ble først testet ut sommeren 2019, der maskinen fikk i oppgave å ta for seg tomat, salat og agurk, og det klarte den med bravur. Etter å ha blitt skalert opp på høsten, nok en gang med gode resultater, ble modellen tatt i bruk for godt.

– Den er med på å redusere svinnet for Bama og har blitt en modell de bruker hver dag. Bama synes prosjektet var så vellykket at de har ansatt noen for å bygge opp en egen avdeling for kunstig intelligens, sier Rabben.

Personen som ble ansatt av Bama for å lede denne satsningen er Hans Martin Espegren, som var med på Accenture-podcasten Dekryptert (episode sluppet 3. juni - hør den her).

– Det er fortsatt mennesker som kvalitetssjekker, men de kan bruke mer tid på varene som sannsynligvis er dårlige og mindre tid på de som sannsynligvis er gode. Vi sparer tid og finner flere av de dårlige varene, sier Espegren.

– Vær nysgjerrig

Kristoffer Rabbens interesse og nysgjerrighet overfor ny teknologi var avgjørende for at fagkvelden i 2019 utviklet seg til en håndfast modell som Bama nå bruker hver dag. Slike hoder er Accenture hele tiden på jakt etter, og selskapet opplever for tiden en sterk vekst i både Oslo og Trondheim.

Se alle ledige stillinger her!

Jobbe med maskinlæring? Se her!

– Du må være nysgjerrig og interessert, men også anskaffe industrikunnskap. Skal vi være gode rådgivere, må vi kjenne industrien, sier Rabben, og fortsetter:

– Men det er så mange områder å ta tak i, så mange muligheter, og det gjør det hele veldig gøy. I Accenture er du i en kontinuerlig læringsprosess, og vi lærer nye ting hele tiden. Det er veldig gøy, sier han.

Powered by Labrador CMS