На любом серьёзном производстве проследить за всеми процессами с помощью обычного видеонаблюдения физически невозможно. Любые попытки это сделать приведут или к формализму, или к огромному штату контролеров, которые все равно не дадут точный результат из-за банального человеческого фактора. И только с появлением нейросетевой аналитики данная задача решается. Здесь мы рассмотрим вариант внедрения видеоаналитики на основе машинного зрения на хлебокомбинатах.
Типичные проблемы предприятий данной отрасли
Рассмотрим общие проблемы, которые озвучиваются всеми предприятиями отрасли хлебопроизводства. Их можно разделить на несколько групп.
1. Расчет реальной себестоимости. Глобальная задача хлебокомбинатов — это оперативное определение себестоимости продукции, которое приходит от понимания реальных потерь на производственных линиях. Причем, подобные потери могут происходить на разных участках и по разным причинам: допустили ошибки в рецептуре, неверно выставили режим печи и т.п. В результате большая часть брака в системе учета предприятия даже не отражается, а по факту у компании возникают серьезные потери.
2. Учет объема выпускаемой продукции. Зачастую данные выпускаемой продукции, указанные в системе учета предприятия, не соответствуют фактическому объему. В принципе, эта проблема ярко выражена во всей пищевой отрасли и хлебокомбинаты не стали исключением. Это связано с тем, что ручной подсчет огромного количества единиц в принципе не может быть точным.
Думаем, не стоит объяснять, насколько важно использовать объективные данные в своей управленческой системе, в которой производится списание и расчет сырья. Это серьезный вопрос прозрачности учета. Для эффективного управления требуется реальный инструмент, благодаря которому можно получать более оперативные и точные данные, что невозможно обеспечить ручным подсчетом. Более того, имея такой инструмент можно освободить ряд сотрудников для более важной работы.
3. Фиксация случаев простоя производственных линий. К еще одной общей проблеме хлебокомбинатов относится выявление причин простоя линии. Ситуация аналогичная другим отраслям: условно производственная линия выпускает 60 тонн единиц, а по паспорту должна выпускать 100. Очевидно, что линия простаивала. Однако вопрос в том, что привело к данному простою? Была поломка или не подвезли сырье, а может это плановая остановка, которая была обусловлена производственным процессом? Снова требуется инструмент, который позволит получать оперативные данные по подобным ситуациям. Ведь только эта информация даст возможность менеджменту определять узкие места в производстве и своевременно влиять на них.
Как видеоаналитика сокращает издержки и за счет чего она позволяет увеличить объем выпускаемой продукции
Как и в других отраслях промышленности, результат работы видеоаналитики достигается за счет сегментарного контроля различных участков производства. В случае с производством хлебобулочных изделий речь идет о следующих этапах контроля:
- подготовка теста и отправка заготовок в печь;
- выход готовой продукции из печи;
- упаковка и фасовка готовой продукции.
На каждом из этих участков могут происходить различного рода ситуации, влияющие на эффективность всего производства: простои линии, появление бракованной продукции, наличие нужного количества линейного персонала и т.д.
1. Точный подсчет продукции, в том числе бракованной
Видеоаналитика на основе системы машинного зрения ведет учет заготовок под продукцию до печи, и учет продукции после выхода из печи (в том числе, например, фиксируются слипшиеся батоны).
Особое внимание уделяется упаковочным линиям, продукция которых будет относиться к учету склада готовой продукции. При этом на каждой линии упаковки происходит не только подсчет единиц, но и идентификация вида изделия. Другими словами, система определяет вид хлеба и его количество.
Разумеется, у любого хлебокомбината есть определенный процент допустимого брака. Задача, которую помогает решать нейросетевая видеоаналитика — это своевременное отслеживание количество такого брака. Ведь когда брак выходит за рамки допустимого, требуется понимание причин происходящего для свовременного принятие управленческих решений, пока процент брака не станет критическим.
2. Работа линейного персонала
На этапе упаковки и фасовки готовой продукции многое зависит от того, присутствует ли на линии необходимое количество работников. Понимание, сколько было задействовано людей в определенный момент времени и на какой объем работы, является ключевым в управлении трудозатратами. Например, при управлении в ручном режиме, руководство может считать, что персонала в компании не хватает, а фактическая причина может быть в том, что персонал просто не вышел на смену в нужном количестве. Или обратная ситуация — выведено больше людей, чем нужно. В результате работает один, остальные бьют баклуши и получают зарплату.
Таким образом система видеоаналитики позволяет менеджменту определять факт достаточности или избыточности персонала сразу в процессе упаковки продукции. Прозрачность процесса на производстве гарантирует намного большую эффективность управления.
3. Определение причин простоев линии
Учет оборотной тары
После решения изначально поставленных задач, почти всегда у наших партнеров (заказчиков) появляются новые и новые запросы. Причиной этого является ясное понимание возможностей нейросетевой видеоаналитики на основе системы машинного зрения.
Одним из таких запросов стала постановка еще одной задачи отрасли — учет оборотной тары. Речь идет о том, что для отгрузки продукции хлебобулочные предприятия используют ящики определенного типа. Продукция отправляется в магазины и разгружается вместе с этими ящиками. После ящики должны вернуться. Но, как обычно, возникает проблема потерь данной тары, которые обнаруживаются только при инвентаризации. Учитывая, что речь идет о сотнях тысячах ящиках, то вопрос предоставления оперативной и актуальной информации по этому вопросу достаточно важен. На данный момент решение задачи подсчета возвратной тары находится на стадии разработки. Но уверены, что наши аналитики справятся и с этой задачей, не смотря на сложность нюансов организации процесса возврата тары.
Этапы внедрения системы на предприятии
Работая на рынке давно и в разных индустриях, любой процесс интеграции для нас стал стандартным. Заключается он в следующих основных этапах:
1. Постановка задачи. Речь идет о фиксации проблем, которые требуется решить с помощью нейросетевой видеоаналитики. Для лучшего понимания ситуации производство просят прислать скриншоты существующей системы видеонаблюдения (при ее наличии), чтобы визуально увидеть помещение и процессы. Также предлагается сделать дополнительную съемку с обычного телефона, чтобы понять, куда размещать оборудование и где это возможно будет сделать.
2. Подготовка коммерческого предложения. В коммерческом предложении расписывается, сколько будет стоить система, сколько будет стоить ее эксплуатация (подписка), какое оборудование понадобится и где нужно будет его разместить (проект).
3. Пусконаладочные работы. Отметим важный момент, что в большинстве случаев, предприятие может само установить соответствующее оборудование с помощью собственной эксплуатационной службы, что удешевляет работу.
После монтажа предоставляется доступ к оборудованию и видеокамерам для проверки правильности его монтажа. Если размещения камер было выполнено не в соответствии с проектом, то данный момент устраняется.
4. Обучение нейронной сети. В течение 2-3 недель готовится нейросетевая модель, после чего она передается заказчику в виде готовой к эксплуатации системы. В результате этого этапа заказчик получает доступ в интерфейс, проверяет точность работы системы.
Обратим внимание, что, как правило, для реализации внедрения не требуется выезд на объект заказчика. Исключением может быть первое предприятие, в отрасль которого внедряется решение. Все последующие предприятия данной сферы являются стандартными и не требуют выезда специалистов. Все работы происходят дистанционно, что также экономит средства на общую стоимость приобретения системы.
Результаты внедрения видеоаналитики на конкретном примере
Приведем в качестве примера результаты одного из предприятий отрасли. Выпуск готовой продукции одного вида составлял 5 500 единиц изделий (подсчет производился ручным способом). Фактические же данные выпуска составляли 5 200 единиц. То есть данные предоставлялись, мягко говоря, не совсем корректные. Это был лишь один вид продукции и только в одной смене. Суммарно же потери компании составляли десятки тысяч единиц. С другой стороны, были случаи, когда подавались заниженные данные, что связано со списанием заготовок, теста, дрожжей и т.д. Но с внедрением системы видеоаналитики ситуация изменилась — все цифры соответствовали фактическим данным.
Точность данных нейросетевой видеоаналитики составляет 99,7-99,8%. Согласитесь, достижение подобной точности с помощью ручного пересчета просто невозможно, особенно если речь идет об огромном производстве.
Хотите получить такой же инструмент на своем хлебокомбинате? Тогда свяжитесь с нами для того, чтобы узнать как можно решить ваши задачи за счет внедрения аналогичной системы на вашем предприятии.
