KI und Videoanalyse im HSE: Von der Idee zum Start in Eigenregie

Künstliche Intelligenz im HSE: Von der Idee zum funktionierenden System

Die Einführung von Machine-Vision- und KI-Systemen im HSE wird oft als teurer und komplexer Prozess wahrgenommen, der nur großen Konzernen vorbehalten ist. Moderne Technologien ermöglichen es jedoch, solche Projekte mit internen Spezialisten umzusetzen. Ivan Maksimov, HSE-Spezialist bei Qummy, teilt seine praktischen Erfahrungen bei der Entwicklung und Einführung eines Videoanalysesystems in der Lebensmittelproduktion unter Verwendung von Open-Source-Lösungen.

Voraussetzungen für die Einführung: Warum eine automatisierte Kontrolle erforderlich war

Die Lebensmittelproduktion unterliegt strengen Hygiene- und Sicherheitsanforderungen. Der Referent analysiert die Hauptprobleme, die das Unternehmen zur Automatisierung der Kontrolle veranlasst haben:

• Verstoß gegen die Vorschriften zum Tragen von Hygienekleidung: Die Mitarbeiter vergaßen regelmäßig, Handschuhe oder Hauben anzuziehen oder beim Wechsel zwischen sauberen und schmutzigen Bereichen die Schuhe zu wechseln.
• Unbefugte Handlungen an Geräten: Versuche von eigenständigen Reparaturen oder Eingriffe in laufende Maschinen ohne entsprechende Qualifikation.
• Hoher Zeitaufwand für Führungskräfte: Die Linienmanager mussten einen erheblichen Teil ihrer Arbeitszeit für die visuelle Kontrolle der Einhaltung von Vorschriften aufwenden.

Technologieauswahl: Das Open-Source-Modell MoonDream

Anstatt teure kommerzielle Lösungen zu kaufen, entschied sich das Unternehmen für eine Eigenentwicklung auf Basis des offenen Sprachmodells MoonDream. Der Vortrag beleuchtet detailliert die Funktionen dieses Systems:

• Echtzeit-Analyse des Videostreams: Das Modell kann Bilder Bild für Bild analysieren und vordefinierte Muster erkennen (fehlende PSA, Rauchentwicklung, Sturz einer Person).
• Flexibilität beim Training: Das System wird mit realen Fotos und Videos aus der Produktion trainiert, wodurch es an die spezifischen Bedingungen des jeweiligen Unternehmens angepasst werden kann.
• Wirtschaftlichkeit: Die Nutzung eines Open-Source-Produkts auf den firmeneigenen Servern eliminiert die Kosten für Lizenzen und Cloud-Speicher.

Umsetzungsphasen: Vom Pre-Training bis zum produktiven Betrieb

Der Einführungsprozess dauerte mehrere Monate und umfasste folgende aufeinanderfolgende Schritte:

• Pre-Training mit künstlichen Daten: Erstellung von Basismodellen zur Erkennung von Feuer, Rauch, Masken, Handschuhen und Kopfbedeckungen.
• Training mit realem Videostream: Anpassung des Modells an die Bedingungen der spezifischen Produktion, Korrektur von Fehlern und Fehlalarmen.
• Einrichtung des Benachrichtigungssystems: Entwicklung eines Telegram-Bots zur schnellen Information der Abteilungsleiter über festgestellte Verstöße mit Angabe von Datum, Uhrzeit und Ort.

Ergebnisse der Einführung und Arbeit mit dem Personal

Während der Pilotphase deckte das System mehr als 2700 Abweichungen auf, wobei die Fehlerquote auf 5 % gesenkt wurde. Der Referent zeigt an einem Beispiel, wie sich die Automatisierung auf die Sicherheitskultur ausgewirkt hat:

• Erhöhung der Selbstdisziplin: Die Anzahl der Verstöße gegen die Vorschriften zum Tragen von Hygienekleidung ist deutlich gesunken.
• Rückgang von Mikrotraumata: Im Vergleich zum Vorjahreszeitraum wurde ein Rückgang der Mikrotraumata verzeichnet.
• Positive Motivation: Anstelle von Strafen für Verstöße führte das Unternehmen ein Belohnungssystem für Mitarbeiter ein, die keine Abweichungen von den Sicherheitsregeln zulassen.

Was Sie in diesem Webinar lernen werden:

• Wie implementiert man ein Videoanalysesystem auf Basis kostenloser Open-Source-Lösungen?
• Welche Trainingsphasen muss ein neuronales Netz durchlaufen, um in der Produktion korrekt zu funktionieren?
• Wie richtet man eine schnelle Benachrichtigung von Führungskräften über Verstöße via Telegram ein?
• Wie überwindet man den Widerstand des Personals bei der Einführung von Systemen zur umfassenden Kontrolle?
• Welche technischen Anforderungen werden an Kameras für eine effektive Videoanalyse gestellt?