IA y análisis de video en HSE: de la idea al lanzamiento con recursos propios

Inteligencia artificial en HSE: de la idea a un sistema funcional

La implementación de sistemas de visión artificial e inteligencia artificial en HSE a menudo se percibe como un proceso costoso y complejo, accesible solo para grandes corporaciones. Sin embargo, las tecnologías modernas permiten realizar este tipo de proyectos con especialistas internos. Ivan Maksimov, especialista en HSE de la empresa Qummy, comparte su experiencia práctica en la creación y lanzamiento de un sistema de análisis de video en la producción de alimentos utilizando soluciones de código abierto (open-source).

Antecedentes de la implementación: por qué se requería un control automatizado

La producción de alimentos tiene normas sanitarias y requisitos de seguridad estrictos. El ponente analiza los principales problemas que impulsaron a la empresa a automatizar el control:

• Incumplimiento de las normas de uso de ropa sanitaria: los trabajadores olvidaban regularmente ponerse guantes, gorros o cambiarse de calzado al pasar entre zonas limpias y sucias.
• Acciones no autorizadas con los equipos: intentos de reparación por cuenta propia o intervención en el funcionamiento de mecanismos encendidos sin la cualificación adecuada.
• Alto gasto de tiempo de los supervisores: los supervisores de línea tenían que dedicar una parte significativa de su tiempo de trabajo al control visual del cumplimiento de las normas.

Elección de la tecnología: modelo open-source MoonDream

En lugar de comprar costosas soluciones comerciales, la empresa optó por el desarrollo propio basado en el modelo de lenguaje abierto MoonDream. En la presentación se examina en detalle la funcionalidad de este sistema:

• Análisis del flujo de video en tiempo real: el modelo es capaz de analizar la imagen fotograma a fotograma e identificar patrones específicos (falta de EPP, humo, caída de una persona).
• Flexibilidad de entrenamiento: el sistema se entrena con fotos y videos reales de la producción, lo que permite adaptarlo a las condiciones específicas de cada empresa.
• Rentabilidad: el uso de un producto open-source en los propios servidores de la empresa elimina los costos de licencias y almacenamiento en la nube.

Etapas de implementación: del preentrenamiento a la operación industrial

El proceso de implementación tomó varios meses e incluyó pasos secuenciales:

• Preentrenamiento con datos artificiales: creación de modelos básicos para el reconocimiento de incendios, humo, presencia de mascarillas, guantes y gorros.
• Entrenamiento con flujo de video real: adaptación del modelo a las condiciones de la producción específica, corrección de errores y falsas alarmas.
• Configuración del sistema de alertas: desarrollo de un bot de Telegram para informar rápidamente a los supervisores de planta sobre las infracciones detectadas, indicando fecha, hora y lugar.

Resultados de la implementación y trabajo con el personal

Durante el período de operación de prueba, el sistema detectó más de 2700 no conformidades, mientras que la tasa de falsas alarmas se redujo al 5%. El ponente muestra con un ejemplo cómo la automatización influyó en la cultura de seguridad:

• Aumento de la autodisciplina: el número de infracciones de las normas de uso de ropa sanitaria disminuyó significativamente.
• Reducción de microtraumatismos: se registró una disminución en el número de microtraumatismos en comparación con el mismo período del año anterior.
• Motivación positiva: en lugar de castigos por infracciones, la empresa implementó un sistema de recompensas para los trabajadores que no se desvían de las normas de seguridad.

Qué aprenderá en este seminario web:

• ¿Cómo desplegar un sistema de análisis de video basado en soluciones open-source gratuitas?
• ¿Qué etapas de entrenamiento debe pasar una red neuronal para funcionar correctamente en la producción?
• ¿Cómo configurar alertas rápidas para los supervisores sobre infracciones a través de Telegram?
• ¿Cómo superar la resistencia del personal al implementar sistemas de control total?
• ¿Cuáles son los requisitos técnicos de las cámaras para el funcionamiento eficaz del análisis de video?