Нейросетевая видеоаналитика на рыбоперерабатывающем производстве

33
views

Приобретение дорогостоящего оборудования и инвестиции в современное программное обеспечение зачастую не приводят к росту производительности труда, т.к. ключевым препятствием на пути прогресса остаются люди. Можно заменить станок, но подход персонала к работе не изменится по щелчку пальцев. К сожалению, индустрия переработки рыбы не является исключением, однако на выручку приходит искусственный интеллект, нейросетевые технологии. В рамках данного кейса вы узнаете о аозможностях нейросетевой видеоаналитики, применительно к рыбоперерабатывающим производствам.

Суть проблемы

Потенциальный заказчик по данному кейсу — это стандартное производство по рыбопереработке полного цикла: от поступившей рыбы до готовых консервов, коктейлей из морепродуктов и рыбных снеков.

Проблематика жанного клиента заключалась в поиске возможных вариантов для автоматизации учета. Как следствие, уменьшение издержек на содержание среднего менеджмента (контрольно-ревизионной группы, счетоводов, старших смен и КРГ), т.е. речь здесь идет о сокращении персонала, который не задействован в производстве, но при этом осуществляет функции “сквозного” и выборочного контроля. Эти задачи эффективно решаются нейросетевыми методами с помощью систем машинного зрения.

Особенности внедрения

Интеграция — это процесс между подписанием договора и передачей клиенту готового решения.

При этом обучение нейросетевых роботов, настройка личного кабинета для заказчика, в котором можно из любой точки мира контролировать работу своего предприятия, занимает в 3-4 раза меньшее время, чем то, что касается вопросов согласования: спецификаций, оборудования, мест его установки, точности метрик контроля и договора. Причем,  длительность этого периода обусловлена принятыми на предприятии заказчика процедурами согласования.

Сам же процесс внедрения, обычно занимает меньше двух месяцев и состоит из нескольких этапов.

Этап обследования. На данном этапе определяется возможность использования текущей системы видеонаблюдения (СВН) компании для внедрения нейросетевой видеоаналитики. Задача заключается в том, чтобы сделать простой вывод — можно ли задействовать существующую СВН, нужно ли ее менять или частично обновлять. Например, регистратор подходит, а камеру нужно заменить и т.д. На руки клиент получает спецификацию со списком необходимого оборудования, если все-таки требуется его модернизация. Однако, в большинстве случаев удается использовать ту систему, которая уже имеется на предприятии.

Этап обучения роботов. Этап подготовки обучения робота, который взаимодействует с видеосистемой объекта, определяя происходящее на видео. После чего робот начинает “понимать”, что на видео так, а что не так, на основании чего генерируются соответствующие отчеты. Результат — заказчик в удобном виде получает информацию обо всех нарушениях с видео подтверждением каждого события.

Этап интеграции с внутренними учетными системами заказчика, например, со складской системой. Интеграция необходима только с теми кейсами, где требуется синхронизация с данными системы учета. Например, в учетной системе заказчика фиксируется, сколько на конвейер поступило тонн еще не разделанной рыбы и сколько вышло с конвейера уже в виде филе, что требуется пересчитать. Важно пояснить, что в учетную систему клиента при интеграции вмешательства не происходит, а организуется защищенное соединение, которое через буфер позволяет обмениваться заранее согласованной информацией. Такой подход является лучшей практикой не только с точки зрения надежности и скорости реализации, но и с точки зрения информационной безопасности для компании клиента. Однако, создание таких буферов требует подключения квалифицированных специалистов со стороны заказчика.

Какие задачи решила видеоаналитика

Все задачи так или иначе связаны с бизнес-процессами компании. Чем точнее эти бизнес-процессы определены, тем проще системе выявлять отклонения. На рыбоперерабатывающем предприятии нейросетевая видеоаналитика может закрыть следующие задачи:

1. Контроль узлов мойки: подсчет вымытой тары

Подобные пищевые производства, которые получают исходное сырье в виде мясной или рыбной продукции, сталкиваются с обязательным процессом — мытье тары. Тара может быть разная (огромные бочки, ведра, небольшие ящики) и в зависимости от вида тары у сдельных работников начисляется соответствующая заработная плата.

Без внедрения системы, данные о фактическом количестве вымытой тары получаются от исполнителей, что приводит к намеренным и не намеренным искажениям. После внедрения нейросетевой видеоаналитики заказчик будет получать данные по выработке сотрудников с точностью более 98%. Все данные подтверждаются нарезкой соответствующего видеоряда, которым при случае можно воспользоваться.

По результатам эксплуатации подобных систем обвчно выявляется завышение фонда заработной платы более чем на 40%. Обратим внимание, что данный модуль может быть реализован с учетом выполнения 99,9% пожеланий клиента за три-пять недель.

2. Подсчет количества продукции, прошедшей по конвейеру

В данном случае считается любой тип продукции: филе/рыба на пиках; нарезанных филе, порции рыбы на подложке. Реализация данного типа контроля позволяет заказчику получать точные данные о количестве произведенной за смену продукции. Более углубленный контроль произведенной продукции каждым сотрудником в смене дает возможность предприятию в том числе:
  • планировать сырье и загрузку конвейера;
  • справедливо начислять зарплату;
  • повышать производительность персонала за счет обучения, замены, мотивации.

Более того, сотрудники, понимая, что их заработная плата зависит исключительно от их действий, и что теперь на предприятии внедрена автоматизированная система контроля, будут повышать свою выработку.

3. Контроль соблюдения дисциплины

Система производит фиксацию времени прихода и ухода персонала, время нахождения на рабочем месте, что также повышает дисциплину и влияет на производительность. По итогом внедрения можно сократить ряд штатных единиц в лице счетоводов и контролеров качества.

Сложности внедрения нейросетевой видеоаналитики в рыбоперерабатывающей отрасли

Что касается специфики отрасли, отметим наличие так называемых разборных линий. Сборка-разборка линий характерна именно для рыбного производства.

Суть в том, что типовое производство оснащено большим количеством легких конвейерных линий, которые примерно раз в месяц полностью разбираются на помывку, после чего собираются обратно. Соответственно, первая сборка после мойки и… все оборудование собралось не там, где оно было первоначально (на метр вправо-влево или изменилась конфигурация). Выход из данной ситуации заключается в нанесении на пол ключевых отметок, которые определяют, как линии должны собираться после каждой мойки.

Среди дополнительных гюансов можно выжедить то, что в цехах повышена влажность, с большим количеством пара и конденсата, что влияет на размещение камер видеонаблюдения и требует учета.

СХОЖИЕ СТАТЬИБОЛЬШЕ ОТ АВТОРА