HSEにおけるAIとビデオ分析：アイデアから自社導入までの道のり

HSEにおける人工知能：アイデアから稼働するシステムまで

HSEにおけるマシンビジョンや人工知能システムの導入は、大企業にしかできない高価で複雑なプロセスだと考えられがちです。しかし、現代のテクノロジーを活用すれば、社内の専門スタッフだけでこのようなプロジェクトを実現することが可能です。Qummy社のHSEスペシャリストであるイワン・マクシモフ氏が、オープンソースソリューションを使用して食品工場でビデオ分析システムを構築・導入した実践的な経験を共有します。

導入の背景：なぜ自動管理が必要になったのか

食品製造には厳格な衛生基準と安全要件があります。講演者は、企業が管理の自動化に踏み切るきっかけとなった主な課題について解説します：

• 衛生服の着用ルールの違反：従業員が清潔なエリアと汚染エリアを移動する際に、手袋や帽子の着用、または靴の履き替えを頻繁に忘れていました。
• 機器に対する不正な操作：適切な資格を持たないまま、稼働中の機械を自分で修理しようとしたり、操作に介入したりする試みがありました。
• 管理者の多大な時間的コスト：現場の管理者は、ルールの遵守を目視で確認するために労働時間の大部分を費やさなければなりませんでした。

技術の選択：オープンソースモデル「MoonDream」

高価な商用ソリューションを購入する代わりに、同社はオープンソースの言語モデルであるMoonDreamをベースにした自社開発の道を選びました。講演では、このシステムの機能について詳しく説明されています：

• リアルタイムのビデオストリーム分析：モデルは画像をフレームごとに分析し、指定されたパターン（PPEの未着用、発煙、人の転倒など）を検出できます。
• 学習の柔軟性：システムは工場の実際の写真やビデオを使用してトレーニングされるため、特定の企業の特殊な条件に適応させることができます。
• 経済性：自社のサーバーでオープンソース製品を使用することで、ライセンスやクラウドストレージのコストを排除できます。

導入のステップ：事前学習から本番稼働まで

導入プロセスには数か月を要し、以下の段階的なステップが含まれました：

• 人工データによる事前学習：火災、発煙、マスク、手袋、帽子の着用を認識するためのベースモデルの作成。
• 実際のビデオストリームでのトレーニング：特定の製造現場の条件へのモデルの適応、エラーや誤検知の修正。
• 通知システムの設定：検出された違反について、日付、時間、場所を指定して工場の管理者に迅速に通知するTelegramボットの開発。

導入の成果と従業員への対応

試験運用の期間中に、システムは2700件以上の不適合を検出し、誤検知の割合は5%にまで減少しました。講演者は、自動化が安全文化にどのような影響を与えたかを実例を交えて示します：

• 自己規律の向上：衛生服の着用ルール違反の数が大幅に減少しました。
• 微小災害の減少：前年同期と比較して、微小災害の件数が減少したことが記録されています。
• ポジティブなモチベーション：違反に対する罰則の代わりに、安全ルールを遵守している従業員に対する報酬システムを導入しました。

このウェビナーで学べること：

• 無料のオープンソースソリューションを使用してビデオ分析システムを展開する方法。
• 製造現場で正しく機能するために、ニューラルネットワークが経るべき学習ステップ。
• Telegramを通じて違反について管理者に迅速に通知する方法。
• 完全な監視システムを導入する際の従業員の抵抗をどのように克服するか。
• ビデオ分析を効果的に機能させるためのカメラの技術的要件。