Одна из важнейших задач руководителя производства — это использование оборудования с максимальной эффективностью. Несмотря на то, что современные производственные линии неплохо автоматизированы, в них отсутствует важный функциональный элемент — автоматическая фиксация отклонений в бизнес-процессах и рабочих регламентах. Именно эта информация дает наглядное представление о том, когда и сколько работает линия, когда она была остановлена и по каким причинам. Прозрачность подобной информации позволяет руководству не только своевременно реагировать на отклонения от плана, но и принимать взвешенные управленческие решения, оптимизируя рабочий план производства.
Пример начала пилотного проекта
Преположим, что необходимо внедрить систему для контроля производственной линии по покраске деталей. Здесь требутеся решение ряда проблем, связанных с поиском причин отклонения от плана по выпуску деталей, причин простоя линии. Все эти проблемы находятся в поле зрения головного офиса, который располагался в другом регионе относительно производства. Соответственно, весь контроль осуществляется по факту полученных отчетов о невыполнении производственного плана.
Задача и конечная цель заказчика вполне понятны — это полноценная и эффективная автоматизация соответствующего контроля с помощью видеоаналитики.
Основной подход к внедрению системы
При внедрении видеоаналитики на покрасочной линии следует вначале сформулироать глобальную задачу, которая заключается в том, чтобы научить роботов распознавать, какие детали заезжают в покрасочную камеру, сколько деталей заехало конкретной позиции, правильно ли они подвешены и ряд других моментов.
При этом понимая, что номенклатура деталей доходит до нескольких десятков тысяч — дифференцировать их возможно, но на это уйдет очень много времени и подобных решений в России на данный момент нет, а в мире их крайне мало. Но сложность заключалась не в этом. Практически это реализуемо, но будет очень долго (возможно, несколько лет) и очень дорого (миллионы) для заказчика.
С другой стороны, затяжные проекты сопровождаются бюрократией со стороны клиента и превращаются в “долгострой”. Поэтому здесь оптимален подход, когда глобальные задачи декомпозируются на подзадачи, с выбиром для первоначальной реализации наиболее приоритетных.
Интеграция проекта
Интеграция — рабочий процесс между подписанием договора и передачей готового решения клиенту. Одной из особенностей применяемого здест подхода является прозрачность этого процесса благодаря детальным регламентам и описаниям.
Если говорить упрощенно, то в результате интеграции заказчик должен разместить у себя на объекте определенные камеры в определенныз местах. С этой целью запрашивается видео участка или, в случае, когда у заказчика уже установлены свои камеры видеонаблюдения, то высылаются видеозаписи с этих камер.
После получения видео формулируются технические требования к установке видеокамер, определяющие их местоположение и направление съемки. Также готовится список оборудования и описание того как оно должно быть подключено.
Обычно оборудование включает камеры, свитч, регистратор, диск и прокидку от камер до регистратора, от регистратора до выхода в интернет.
Какие задачи решает систма в рамках пилотного проекта
-
Определяется факт простоя конвейера. Простоем считается интервал, который превышает время, указанное заказчиком.
-
Определяется причина простоя. Такими причинами могут быть: 1) Работа с крупногабаритными позициями; 2) Смена краски в покрасочной камере; 3) Наличие одного маляра вместо двух; 4) Подготовка линии;
-
Определяются иные нарушения, требующие объяснения от старшего смены.
Таким образом система позволяет оперативно и без существенных затрат времени проводить сквозную проверку работы конвейерной линии (100% операций), исполнение персоналом регламента работы, устанавливать тип нарушений, а также агрегировать данную информацию в виде отчета для клиента.
В результате заказчик получает рабочий инструментарий дистанционной проверки, на который проверяющий (сотрудник качества или менеджер по качеству) тратит не более 10 минут в день. За это время он получает полную и объективную картину с видео подтверждениями всего происходящего. И это вместо рутинного и многочасового анализа бесконечных отчетов и постоянных созвонов с производством.
Итогом внедрения такого пилотного проекта являются две позиции:
- Возрастает производительность покрасочной линии при сопоставимом количестве траверс, прошедших через покрасочную камеру. Проще говоря, маляры красят большее количество деталей. При этом выявляется ряд нарушений с завесом, что обычно увидеть невозможно. Также определяются простои по банальным причинам внутреннего снабжения, например, простои из-за отсутствия краски. Производительность при этом вызрастает как минмум на 10%, что в рамках производства выливается в серьезные суммы.
- Высвобождаются кадровые ресурсы. Например, контроллеру качества после внедрения тратит несколько минут, чтобы выявить причину проблемы на производстве, вместо одной проверки в течние целого рабочего дня.
- Обязательное условие для видеоаналитики — наличие регламентов у компании. Регламенты — это то, что планируется контролировать. Логично, если в компании либо нет регламентов, либо они есть, но о них сотрудники знать не знают, либо эти регламенты писались еще со времен царя Панька, то контролировать просто ничего. Ведь, чтобы выявить нарушение, где-то должно быть обозначено, как делать правильно. На нашем опыте достаточно часто случается, когда только в процессе внедрения видеоаналитики собственник узнает, что регламенты в его компании просто мертвые. В таких случаях внедрение ставится на паузу, а собственник разбирается с внутренними процессами компании: составляет/обновляет регламенты, доводит их до сведения сотрудников.
- Контролю видеоаналитики не подлежат уникальные нарушения. Нейросеть контролирует только повторяющиеся процессы. Если нарушение происходит раз в год или еще реже, то нейросеть контролировать его не сможет.
- Видеоаналитика не решает вопросы, связанные с проверкой качества продукта. Например, нейросеть не определит дефекты покраски: наличие потеков, проколов, потускнений и т.д. Но при этом нейросетью блестяще решаются любые вопросы, связанные с выявлением отклонения, которое можно визуально идентифицировать и сопоставить с правильным образцом (с регламентом).
