На молочных производствах имеется ряд важных вопросов, которые могут быть решены с помощью машинного зрения: 1) Понимание точных данных по выпуску каждой производственной линии в единицу времени. 2) Контроль закрытия дверей холодильных шкафов и ворот олоных складов. Сюда относятся следующие задачи:
1. Подсчет выпуска продукции каждой производственной линии. На каждом заводе имеется определенное количество производственных линий, которые выпускают разные молочные продукты. Внедрение системы видеоаналитики позволяет получать точные данные по выпуску в единицу времени каждой из этих линий.
2. Контроль дверей холодильных шкафов и ворот (сохранение холода). Этот модуль направлен на контроль соблюдения правил сотрудниками. Ворота холодильного оборудования должны быть закрыты за исключением времени, которое необходимо на проведение технологических операций. Нарушение данного правила приводит к потерям энергоресурсов и может стать причиной появления бракованной продукции. Например, если в холодильниках низкоградусного хранения температура составляет -20 градусов, на складе — 0 градусов, а на улице — +30, то в случае открытых ворот появляются две проблемы: a) система охлаждения будет работать на износ, что приведет к дополнительным расходам; b) возникает риск порчи продукции, что также приведет к расходам предприятия.
3. Контроль наличия персонала в момент перехода продукции с производства на склад. Дело в том, что когда коробки с продукцией поступали на склад, иногда там никто их не встречает, поэтому процесс формирования паллет не начинался.
В результате, на молочном производстве выделяются следующие типовые задачи для реализации с помощью машинного зрения:
- Интенсификация производственных линий за счет получения точных данных по выпуску произведенной продукции на линиях, в том числе фиксирование индивидуальной выработки по сотрудникам, отслеживания простоев линий и брака продукции;
- Контроль нахождения сотрудников на рабочих местах и функциональных зонах, включая время прихода/ухода/перерывы;
- Контроль ворот на утечку холода;
- Контроль склада, включая: нахождение сотрудников на рабочих местах; контроль отгружаемого товара со склада; контроль комплектования погрузочных мест, сверка с данными WMS-системы.
Интенсификация производственных линий
Начнем с главного вопроса, который касался интенсификации производственных линий. Если объяснять просто, то речь идет о следующем — любая линия имеет проектную мощность. Например, она рассчитана на выпуск 100 единиц в час. Представим, что по каким-то причинам компания выпускает 50 единиц продукции вместо 100. При этом можно выпускать 50, потому что больше и не требуется, а можно выпускать 50, потому что нет сырья или отсутствует упаковка, или линия вышла из строя, или персонал долго меняет упаковку. Так вот, суть задачи по интенсификации производственных линий заключается в том, чтобы дать возможность производственной площадке работать на ее максимальной производительности.
Cуть задачи по интенсификации производственных линий заключается в том, чтобы дать возможность производственной площадке работать на ее максимальной производительности.
Производственная линия включает множество процессов и представляет собой последовательный конвейер, который начинается от сырья до упаковки и различных операций с этой упаковкой (например, нанесение знака “Честный знак”, заворачивания, пакетирования и т.д.). При этом не всегда требуется контролировать весь производственный процесс целиком. Условно, в случае выхода продукции из автомата, который создает пакетирование в брикет, контроль в двух точках, например, в складской зоне и зоне приема с линии — этого достаточно, чтобы решить 90% задач.
Подобные точки контроля определяются совместно с заказчиком. В этом суть рабочего взаимодействия — мы выслушиваем заказчика, общаемся с производственниками, с менеджментом. Выясняем, где они видят слабые места, с которыми до этого времени они боролись и пытались контролировать, но происходило это избирательно или ситуативно. В процессе нашего исследования мы можем сделать выводы, что на самом деле проблемное место не здесь, а в другом месте линии, поэтому предлагаем контролировать его.
Результаты внедрения
- Сокращение транзакционных издержек на учет — это первый результат, который получает любая компания от интенсификации производственных линий. До этого учет осуществлялся либо ручным способом (человеческим просчетом), либо по съемке данных с автомата, который не в состоянии определить даже тип продукции. Соответственно, эти данные были зачастую либо не актуальны, либо не точны. Таким образом руководство предприятия физически не могло получать объективную картину для принятия решений. Более того, с одной точки автомат мог показать одно значение выпуска продукции, а с другой — сколько принято продукции на склад. И эти данные могли существенно расходится без понимания причин подобной нестыковки.
- Перестроить процесс планирования производства. Это стало возможным в ходе понимания реальной картины работы производственных линий. Эта информация соотносится с производительностью линии, и позволяет руководству компании перестроить процесс планирования более эффективно.
- Выявить причины длинных пауз между выпуском (разрывы) и сократить их. Например, паузы могут возникнуть из-за несвоевременной замены упаковки или из-за несвоевременной реакции персонала на остановку конвейера. Или когда происходит смена продукции и требуется перенастройка линии, например, на бутылку другого размера. Как правило, управление производством в курсе о подобной проблематике, но не в курсе о масштабе и повторяемости.
- Выявление дефектной упаковки. Видеоаналитика, распознавая тип продукции, в том числе может распознавать так называемый крупно-узловой брак. Например, на производственной линии есть участок с автоматом, который наклеивает этикетку на упаковку. Если автомат по какой-то причине не выполнит свою задачу и не нанесет этикетку, то система об этом сообщит. При этом нужно понимать, что если какой-либо дефект визуально не распознается (например, упаковка творога двигается по производственной линии без содержимого), то видеоаналитика уже не спасет.
Контроль нахождения сотрудников на рабочих местах и функциональных зонах
Автоматизированный с помощью машинного зрения контроль обеспечивает автоматизированное отслеживание соблюдения персоналом регламентов. Благодаря только этой функции можно закрыть очень многие проблемные места любого предприятия. Здесь нужно обозначить, если только считать продукцию, распознавать ее на линии и распознавать простои, то мы можем получить информацию про линию. В тоже время контроль покажет, как к этим процедурам относятся люди, т.е. насколько ошибки соблюдения регламентов оказывают влияние на эту производительность.
Простой пример — замена упаковки в автомате. Процесс замены упаковки в автомате согласно регламенту должен происходить в течение 5 минут, а по факту ее меняли по полчаса. Соответственно, в течение 25 происходит простой линии. Благодаря видеоаналитики можно легко отследить количество таких простоев в день и разобраться в причинах такого простоя: отсутствие упаковки, отсутствие персонала и так далее. Согласитесь, получив подобную статистику за определенный период (день, неделю, месяц), можно эффективно бороться с причинами.
Таких примеров много: заторы на линии, которые возникают по разным причинам (пачка некорректно сформировалась или в определенном месте линии происходит застревание продукции и т.д.). Все это может привести к блокировке линии или к тому, что продукция просто начнет вываливаться. Вопрос в количестве таких застреваний и скорости реакции персонала на них — на этот вопрос видеоаналитика дает ответ.
Работу персонала видеоаналитика оценивает еще и с точки зрения индивидуальной выработки. Например, на участках формирования, на которых вручную формируются коробки. Кто-то упаковывает 20 банок в час, а кто-то делает 100, а кто-то в принципе отсутствует на линии. В этом случае сама линия сработала правильно, только продукцию не отгрузили, так как она скопилась на месте упаковщика. Но, главное, производственный менеджмент теперь сможет увидеть эту ситуацию и принять решение, как с этой ситуацией справиться. Наша задача сделать так, чтобы система подсветила ровно те проблемы, которые важны для управления.
Наша задача сделать так, чтобы система подсветила ровно те проблемы, которые важны для управления.
Отслеживание выполнения регламента контроллером производственной линии
Остановимся еще на одном примере, как система осуществляет контроль на молочном производстве. Например, после молока 2,5% жирности происходит смена продукции на молоко 3,2%. Согласно регламенту, любая смена продукции на линии должна сопровождаться определенными действиями контроллера. Его задача заключается в том, чтобы убедиться, что оборудование после смены продукции работает правильно. Для этого он должен подойти к линии и снять первые 4 бутылки, поочередно их взвесить и т.д.
Но наш опыт показывает, что данные действия производятся далеко не всегда, а значит руководство должно знать о подобных нарушениях. Благодаря тому, что видеоаналитика позволяет идентифицировать персонал (например, по цвету формы), она покажет, подходил ли офицер контроля после смены товарной позиции (SKU) и совершал ли необходимые действия в полном объеме (например, проверил 4 бутылки вместо 3 или 2).
Системный подход, который возможен только благодаря внедрению видеоаналитики, позволяет эффективно скорректировать регламент или процесс, или увидеть, что кто-то не выполняет свои обязанности. В этом случае возникает вопрос к конкретному персоналу.
Контроль ворот на утечку холода
Сохранение холода, о котором мы говорили выше, также относится к задачам контроля, который направлен на соблюдение регламентов. Речь идет о необходимости немедленного закрытия ворот при низком температурном хранении между зонами с высокой разницей температур. Когда в одной зоне, например, -20, а в соседней — 0, и не происходит никаких производственных процессов, ворота должны быть закрытыми.
Если у вас стоит обычная камера, то руководитель, конечно, может увидеть открытые ворота, но вот дальше начинается игра в кошки мышки: на любой уточняющий вопрос о причине открытия ворот, руководство получает ответ: “Происходит выгрузка или загрузка холодильника”. И что вы будете делать в этом случае?
Как правило, для сохранения холода используются герконовые датчики. Задача этих датчиков — фиксировать время, при котором ворота остаются открытыми. Но при этом герконовые датчики не могут определить, в каком случае ворота открыты по уважительной причине, а в каком — халатность персонала. Таким образом, де-факто герконовые датчики для предприятия не несут никакой полезной информации для принятия управленческих решений.
Система же видеоаналитики позволяет автоматизированно увидеть, сколько времени были открыты ворота, двери или ролеты, и при этом отследить факт производственных процессов в этот момент (езда, ходьба внутрь с рохлей, с паллетами, с бутылками, с товаром), или их отсутствие.
Контроль требований СанПиНа
Одной из возможностей системы контроля с помощью машинного зрения является проверка соблюдения регламентов СанПиН. Следует отметить, что для пищевых производств этот вопрос очень актуален. Например, для осуществления контроля санитарных пропускников.
Речь идет о специальных пропускниках, которые предназначены для соблюдения персоналом личной гигиены (мытье рук, ног и так далее). Помывка происходит в специальном автомате, который открывается в том случае, если человек к нему просто подошел. Получается, что сотруднику не обязательно мыть руки, достаточно только постоять рядом или нажать на кнопку пропуска. Но, согласитесь, для пищевого производства это недопустимо.
Система контроля позволяет отслеживать соблюдение персоналом правил личной гигиены, контролируя сотни людей, которые проходят-выходят с пропускников. Система обязательно подскажет, если кто-то из персонала решит обойти эти правила.
Еще один момент, который также успешно решает система контроля — это отслеживание применения средств индивидуальной защиты (перчатки, маски, головные уборы и так далее).
Контроль работы склада
Контроль нахождения сотрудников на рабочих местах
У каждого предприятия есть особенности внутренней производственной логистики, т.е. внутреннего склада производства. В данном случае речь идет о процессе, когда сформированная продукция после конвейерных линий попадает на склад производства.
Как показала практика внедрения на конкретных предприятиях основная проблема здесь заключается в том, что на стыке перехода из чистой зоны в складскую (буферную) на стороне склада возникают разные нестандартные ситуации: например, продукция упала на пол, или продукция скапливается и ее некому принять. Этот участок является крайне важным, так как речь идет о зоне разграничения логистов и производственников. Так как при пересечении продукции ворот, она попадает в зону ответственности склада, то есть в зону ответственности логистики. Суть проблемы в том, что часто данные того, что приняли логисты, и того, что выпустило производство, не соответствуют друг другу.
Система контроля покажет причину проблемы, например: отсутствие персонала на стороне склада или его медленная работа, или персонал физически не успевает выполнять регламент, и так далее. После внедрения видеоаналитики на основе системы машинного зрения в результате управленческих решений все эти ситуации как правило исключают.
Как показывает практика, вывают ситуации, когда видеоаналитика показывает, что регламент действительно не выполним. Например, у компании 10 линий и один кладовщик. Задача которого осматривать каждый паллет с каждой линии. Физически он не может это сделать, а по регламенту должен. В таком случае нужно либо менять регламент, либо ставить дополнительные посты кладовщиков, либо еще что-то применять. Это бывает редко, но бывает, и видеоаналитика это показывает.
Контроль отгружаемого товара со склада
Представьте себе склад с большим количеством ворот, к которым постоянно подъезжают грузовики. И в этот момент начинается погрузка паллет, предусмотренная логистической службой. Так вот система видеоаналитики позволяет сократить или полностью избежать логистических ошибок. Речь идет о такой ошибке, как погрузка некорректного количества мест. Например, должно погрузиться 10 паллет, а погрузилось 9 или 11. В этой ситуации может и не быть злого умысла, но в любом случае это ошибка логистического процесса.
Видеоаналитика, синхронизируясь с учетной системой склада, понимает, что, например, на воротах №3 в данный момент должны отгрузить 22 паллета. При этом паллетом может быть даже поддон, на котором одна банка — для системы это все равно паллет, одно место. Таким образом видеоаналитика сообщает логистам о любой ошибке — отгрузили больше или меньше.
Контроль комплектования погрузочных мест
Есть еще одна интересная зона на складе, которую берет под контроль видеоаналитика с помощью машинного зрения. Речь идет о зоне комплектования.
Представьте определенное место на складе, где находится 500 маленьких бутылочек одной позиции, 400 коробок с другой и т.д. Сотрудник, комплектуя заказ, отбирает нужное количество требуемых позиций: 5 коробок со сметаной, 10 коробок с йогуртом, и так далее. После сборки заказ пакуется и отправляется покупателю. А покупатель во время приемки сообщает о недостаче, например, не хватает 2 коробки со сметаной и 6 пачек с йогуртом.
В этом случае на складе молочного производства начинается мучительный разбор, когда и в какое время была допущена ошибка. Но если на складе используется видеоаналитика с помощью машинного зрения, то этот процесс сокращается до нескольких кликов компьютерной мыши. Логисты вводят номер заказа, после чего видеоаналитика покажет момент комплектования конкретного заказа. Таким образом процесс поиска для логистов превращается в рабочий момент.
Этапы интеграции системы видеоаналитики на основе машинного зрения
Регламент работы по внедрению системы состоит из 8 этапов:
- Постановка задачи от клиента. Как правило, данный этап является нашей совместной работой с заказчиком. Разумеется, изначально мы выслушиваем проблему клиента, после чего предлагаем идеи, исходя из возможностей видеоаналитики и накопленного опыта.
- Подготовка коммерческого предложения. В коммерческом предложении указывается стоимость самой системы, стоимость ее эксплуатации, необходимое оборудование, которое потребуется, и места его размещения.
- Обследование. Обследование чаще проводится дистанционно на основании видео от заказчика, но в ряде случаев, как это было с “Золотыми Лугами”, мы выезжаем на производство.
- Подготовка технической спецификации со списком оборудования (какие камеры и где должны располагаться (ТЗ));
- Шефмонтаж оборудования. Монтаж осуществляется подрядчиками компании заказчика. При этом наши специалисты дистанционно выявляют неточности, если оборудование установлено не в соответствии с ТЗ. Все это производится оперативно, пока монтажники находятся еще на объекте.
- Обучение нейронной сети. На этом этапе мы запускаем систему, обучаем модели, готовим сценарии.
- Передача доступов к системе клиенту для ознакомления. На этом этапе возможны незначительные изменения в значениях, количество параметров, но не в сути происходящего.
- Завершения проекта. После утверждения, система полностью передается в эксплуатацию.
Все этапы, как правило, занимают от 4 до 8 недель.
Обращайтесь к нам за более детальными консультациями для подготовки вашей системы.
