Аналоговый человек – новый ресурс в цифровом предприятии
Антон Полевщиков, 03/03/20
Многие производители высокотехнологичных систем озадачены решением задач с цифровизацией технологических процессов и железок. А что делать с людьми? Ведь человек – самый ценный ресурс, но как анализировать его деятельность? Сегодня в этом отлично помогает искусственный интеллект. Уже есть немало практических примеров использования ИИ-технологий и средств видеонаблюдения для повышения эффективности бизнеса и безопасности современного предприятия в условиях всеобщей цифровизации. Они будут интересны операционным менеджерам, руководителям служб безопасности и охраны труда, технологам, а также системным интеграторам, которые работают с производственными предприятиями.
Свежие данные от аналитического агентства IDC показывают, что рынок искусственного интеллекта в России составляет 139 млн долларов. Цифра сама по себе уже достаточно весомая, но еще интереснее выглядят темпы роста инвестиций во внедрение технологий, построенных на базе искусственного интеллекта: в ближайшие два года они будут ежегодно расти на 30%.
Что важно в применении этих технологий на производстве с точки зрения конечного заказчика и бизнеса? Как показывает отчет, в 84% случаев это стремление повысить производительность труда самих сотрудников, в 81% – снизить затраты и повысить производительность ключевых бизнес-процессов.
Вывод: рынок понимает важность таких решений и готов их внедрять. Именно это нужно знать компаниям и производителям, работающим в области систем видеонаблюдения и видеоанализа.
Постепенно вы как реальный человек будете интересовать мир все меньше и меньше, а значение вашего цифрового аватара, наоборот, станет неуклонно повышаться, поскольку он очень многое о вас сможет сказать. Всех будет интересовать ваша цифровая копия, которая хранится на облаках, а не вы.
Герман Греф, президент и председатель правления Сбербанка России
Цели диджитализации
Если опустить гуманистическую сторону, то понятно, что для эффективности бизнеса человек рассматривается как ресурс, и с этим ресурсом на реальном производстве нужно что-то делать. И здесь встает несколько задач.
Повышение производительности труда сотрудников
Для многих заказчиков важно для построения бизнес-процессов хотя бы собрать информацию о том, кто и как работает на производстве, особенно на больших предприятиях. То есть нужно понимать, как передвигаются люди, насколько оптимально они решают рабочие задачи и выполняют технологические процессы, написанные на бумаге. Ведь одно дело – написать и смоделировать процесс, а другое – проконтролировать и понять, насколько правильно он выполняется.
Снижение рисков на предприятии
Как показывает практика, человеческий фактор всегда присутствует, недостаточно только дать распоряжения, что можно делать, а что нельзя. Людей необходимо контролировать, так как нарушения техники безопасности и технологических процессов приводят к огромным убыткам. Несмотря на огромные инвестиции, которые вкладываются в оптимизацию производства, они могут быть обесценены халатностью.
Увеличение прибыли
Конечная цель внедрения любой технологии – это увеличение прибыльности производства. По мнению экспертов, внедрять автоматизированные решения нужно было еще вчера, сегодня уже поздно.
Тем не менее есть технологии внедрение которых происходит относительно быстро и без крупных инфраструктурных вложений. Если производство уже роботизировано, то машины умеют взаимодействовать с ИТ-инфраструктурой предприятия и с них можно снять информацию по датчикам, то у людей нет никаких интерфейсов. А значит, их действия не всегда можно понять и сложно контролировать.
Как диджитализировать людей?
Какие способы внедряются на производствах для более эффективной работы с людьми? Наиболее распространенный – надеть на человека некое устройство, которое будет контролировать его передвижения. Например, каски, спецодежду с датчиками, которые передают информацию о том, как люди передвигаются и какие совершают действия. Но на практике это далеко не панацея. При тестировании таких касок сотрудники быстро поняли, что происходит и за что их штрафуют, и просто повесили каски на собак, которые бегали по стройке, имитируя движение. И хотя эта технология достаточно эффективная, но от человеческого фактора никуда не денешься. И такое решение не дает полной картины действий человека.
Используются и другие, более радикальные, методы. Например, вживление чипов. В России пока прецедентов не так много, но попыток сделать аналогового человека цифровым с каждым днем все больше и больше.
Если отказаться от идеи что-то надевать на человека или вживлять, то самый простой, безболезненный и достаточно эффективный способ понять, чем занимаются люди – смотреть на них и распознавать их действия, используя технологии видеоанализа.
Видеоанализ позволяет по изображению и внешнему виду человека достаточно точно понять, как он передвигается, что он делает и что это вообще за человек. Более того, можно создавать уникальные детекторы под характерные позы, принимаемые во время выполнения технологических процессов, или контролировать траектории передвижения по территории объекта.
IoT-экосистема
Для сбора информации о действиях человека используется распределенная инфраструктура, включающие в себя видеокамеры, регистраторы, которые уже на борту умеют анализировать действия людей и объектов, применяя различные алгоритмы на базе нейронных сетей. Причем эти алгоритмы можно совмещать с детекцией какого-либо технологического процесса, события и т.д.
В рамках такой универсальной платформы, которая работает прямо на борту видеокамеры, можно запускать как заранее созданный алгоритм, так и дообучать его под конкретные задачи на объекте.
Сфера применения подобных платформ ничем не ограничивается, их можно использовать на предприятиях разного масштаба и разного назначения. Кроме того, с точки зрения коммуникаций и встраивания в общую инфраструктуру объекта платформа построена по IoT-принципу (самодостаточное устройство, которое подключается к сети и работает как датчик). Камера может записывать метаданные и видеоконтент как на себя, так и на внешнюю систему хранения данных, обеспечивая полную децентрализацию системы. Каждое из устройств является самостоятельным датчиком, который решает свою определенную задачу.
Облачные технологии в этом случае используются не для обработки "тяжелых" видеопотоков, а для быстрой аналитики с метаданными, чтобы собрать все данные с множества датчиков и правильно их интерпретировать.
Реальные внедрения
Приведем ряд примеров использования таких платформ для решения самых разных задач, благодаря которым конечные заказчики и компании-интеграторы получают огромные возможности для наращивания, модернизации и улучшения конкретных параметров производительности.
Охрана труда, техника безопасности, нахождение людей в опасной зоне
Задача безопасности людей на производственном объекте встает часто. При ее решении с помощью видеоаналитики наиболее важным является точность классификации объектов: нейронную сеть учат понимать, что на картинке именно человек, который находится в данный момент времени в опасном месте, где он не должен находиться. При этом другие объекты не должны вызывать ложных срабатываний. Если у человека нет надетой на голове каски как средства защиты, это вызывает в системе событие, которое в дальнейшем инициирует организационные выводы и действия.
Есть и другие нестандартные кейсы. Например, на одном из предприятий требовалось, чтобы люди, которые поднимаются и спускаются по лестнице, обязательно держались за перила. Технологии видеоанализа позволили нарисовать контур самих перил и характерный угол наклона руки человека, идущего по лестнице. Если руки на перилах не было, значит, он не соблюдал технику безопасности.
"Интеллектуальные здания: возвращение к истокам" читать >>>
Существуют алгоритмы, способные предупредить о более опасных ситуациях: возгорании или задымлении и наличии людей в этой зоне. В определенных условиях они могут сигнализировать гораздо раньше классических систем пожарной сигнализации. Также важной может быть детекция лежащего человека, возможно ему стало плохо, и требуется помощь, а может он просто прилег отдохнуть.
Наличие сигнального жилета, каски на голове, спецобуви и других средств индивидуальной защиты – одна из самых распространенных задач. По ним уже есть предобученные и настроенные детекторы, которые можно дообучать прямо на живом объекте и устанавливать на различные устройства обработки видеопотоков – на камеру, видеорегистратор либо сервер.
Производственные процессы
Нейросети могут использоваться даже в столовых, которые часто находятся на территории объекта. Например, в одном из кейсов нейросеть учили различать тарелки. Следующим этапом было различение самих продуктов.
Также нейросети определяют нахождение не более одного человека в выбранной зоне.
Анализ покупателей
Видеоанализ позволяет экспериментировать с самыми разными маркетинговыми задачами, например:
- подсчет людей на входе/выходе из определенной зоны;
- детекция очереди, и определение ее длины;
- анализ действий покупателя на кассе с информацией о транзакциях кассового терминала и синхронизацией с видеоизображением);
- подсчет и анализ действий людей у витрины (например, позволяет понять, повернута ли голова человека в сторону витрины, сколько времени он на нее смотрел и др.).
Анализ нестандартного поведения человека
Фиксация перепрыгивания либо подлаза под турникетом – еще одна нетривиальная задача, которая эффективно решается с помощью видеоанализа. По характерному положению рук и ног человека можно понять, что он совершает подлаз.
Другой пример: в одном из банков детектировались моменты, когда человек присел, так как при попытке взрыва банкомата или залива газа человек обычно садится. Так детектировалось начало тревожной ситуации.
Распознавание и поиск лиц
Современные алгоритмы видеоанализа – достаточно эффективный инструмент для точной идентификации людей как в потоке, так и при единичном проходе через турникет на проходной предприятия.
Эффект в цифрах
Чтобы принять решение о внедрении технологии на объекте, заказчику нужно не просто понимать, что она работает, а видеть результаты этой работы в цифрах, собрать статистику обнаружения нужного события. Самый верный подход в этом случае – организовать пилотные испытания на реальном объекте.
Внедрение технологий видеоанализа – процесс непростой. Зачастую нейронную сеть нужно обучать с нуля либо переобучать, необходимы аппаратные ресурсы – камеры, устройства записи, чтобы собрать видеоматериал с объекта и на его основании дообучить нейросеть под конкретную задачу. По результатам пилотных испытаний, когда заказчик видит, что поставленная задача успешно решается, он уже начинает считать бюджет, сколько будет стоить внедрение системы.
На практике именно такой подход – "пилотные испытания – кастомизация – обучение детекторов под задачу" – оказывается наиболее эффективным и для производителей решений, и для пользователей.