AI และการวิเคราะห์วิดีโอใน HSE: เส้นทางจากแนวคิดสู่การเปิดตัวด้วยตนเอง

ปัญญาประดิษฐ์ใน HSE: จากแนวคิดสู่ระบบที่ใช้งานได้จริง

การนำระบบแมชชีนวิชันและปัญญาประดิษฐ์มาใช้ใน HSE มักถูกมองว่าเป็นกระบวนการที่มีราคาแพงและซับซ้อน ซึ่งเข้าถึงได้เฉพาะองค์กรขนาดใหญ่เท่านั้น อย่างไรก็ตาม เทคโนโลยีสมัยใหม่ช่วยให้สามารถดำเนินโครงการดังกล่าวได้โดยใช้ผู้เชี่ยวชาญภายในองค์กร Ivan Maksimov ผู้เชี่ยวชาญด้าน HSE ของบริษัท Qummy แบ่งปันประสบการณ์จริงในการสร้างและเปิดตัวระบบวิเคราะห์วิดีโอในโรงงานผลิตอาหารโดยใช้โซลูชัน open-source

เบื้องหลังการนำมาใช้: ทำไมจึงต้องมีการควบคุมอัตโนมัติ

การผลิตอาหารมีมาตรฐานด้านสุขอนามัยและข้อกำหนดด้านความปลอดภัยที่เข้มงวด วิทยากรได้วิเคราะห์ปัญหาหลักที่ผลักดันให้บริษัทต้องควบคุมแบบอัตโนมัติ:

• การละเมิดกฎการสวมใส่ชุดสุขอนามัย: พนักงานมักลืมสวมถุงมือ หมวก หรือเปลี่ยนรองเท้าเมื่อเดินข้ามระหว่างโซนสะอาดและโซนสกปรก
• การกระทำที่ไม่ได้รับอนุญาตกับอุปกรณ์: ความพยายามในการซ่อมแซมด้วยตนเองหรือแทรกแซงการทำงานของเครื่องจักรที่เปิดอยู่โดยไม่มีคุณสมบัติที่เหมาะสม
• ผู้บริหารใช้เวลามากเกินไป: ผู้จัดการระดับต้นต้องใช้เวลาทำงานส่วนใหญ่ไปกับการตรวจสอบด้วยสายตาเพื่อให้แน่ใจว่ามีการปฏิบัติตามกฎ

การเลือกเทคโนโลยี: โมเดล open-source MoonDream

แทนที่จะซื้อโซลูชันเชิงพาณิชย์ที่มีราคาแพง บริษัทเลือกเส้นทางการพัฒนาด้วยตนเองโดยใช้โมเดลภาษาแบบเปิด MoonDream ในการนำเสนอได้มีการพิจารณาฟังก์ชันการทำงานของระบบนี้อย่างละเอียด:

• การวิเคราะห์สตรีมวิดีโอแบบเรียลไทม์: โมเดลสามารถวิเคราะห์ภาพแบบเฟรมต่อเฟรมและตรวจจับรูปแบบที่กำหนดไว้ (การไม่สวม PPE, ควัน, คนล้ม)
• ความยืดหยุ่นในการเรียนรู้: ระบบได้รับการฝึกฝนจากภาพถ่ายและวิดีโอจริงจากโรงงาน ซึ่งช่วยให้สามารถปรับให้เข้ากับเงื่อนไขเฉพาะของแต่ละองค์กรได้
• ความคุ้มค่า: การใช้ผลิตภัณฑ์ open-source บนเซิร์ฟเวอร์ของบริษัทเองช่วยลดต้นทุนด้านใบอนุญาตและพื้นที่เก็บข้อมูลบนคลาวด์

ขั้นตอนการดำเนินการ: จากการฝึกอบรมเบื้องต้นสู่การใช้งานเชิงอุตสาหกรรม

กระบวนการนำไปใช้ใช้เวลาหลายเดือนและประกอบด้วยขั้นตอนตามลำดับดังนี้:

• การฝึกอบรมเบื้องต้นด้วยข้อมูลจำลอง: การสร้างโมเดลพื้นฐานสำหรับการจดจำไฟ ควัน การสวมหน้ากาก ถุงมือ และหมวก
• การฝึกอบรมด้วยสตรีมวิดีโอจริง: การปรับโมเดลให้เข้ากับสภาพแวดล้อมการผลิตเฉพาะ การแก้ไขข้อผิดพลาดและการแจ้งเตือนที่ผิดพลาด
• การตั้งค่าระบบแจ้งเตือน: การพัฒนาบอท Telegram เพื่อแจ้งให้ผู้จัดการโรงงานทราบทันทีเกี่ยวกับการละเมิดที่ตรวจพบ พร้อมระบุวันที่ เวลา และสถานที่

ผลลัพธ์ของการนำไปใช้และการทำงานกับพนักงาน

ในช่วงทดลองใช้งาน ระบบตรวจพบความไม่สอดคล้องมากกว่า 2,700 รายการ โดยมีสัดส่วนการแจ้งเตือนที่ผิดพลาดลดลงเหลือ 5% วิทยากรแสดงตัวอย่างว่าระบบอัตโนมัติส่งผลต่อวัฒนธรรมความปลอดภัยอย่างไร:

• การเพิ่มวินัยในตนเอง: จำนวนการละเมิดกฎการสวมใส่ชุดสุขอนามัยลดลงอย่างมาก
• การลดการบาดเจ็บเล็กน้อย: มีการบันทึกว่าจำนวนการบาดเจ็บเล็กน้อยลดลงเมื่อเทียบกับช่วงเวลาเดียวกันของปีที่แล้ว
• แรงจูงใจเชิงบวก: แทนที่จะลงโทษสำหรับการละเมิด บริษัทได้นำระบบการให้รางวัลแก่พนักงานที่ไม่ละเมิดกฎความปลอดภัยมาใช้

สิ่งที่คุณจะได้เรียนรู้จากสัมมนาผ่านเว็บนี้:

• วิธีปรับใช้ระบบวิเคราะห์วิดีโอโดยใช้โซลูชัน open-source ฟรี
• โครงข่ายประสาทเทียมต้องผ่านขั้นตอนการฝึกอบรมใดบ้างเพื่อให้ทำงานได้อย่างถูกต้องในการผลิต
• วิธีตั้งค่าการแจ้งเตือนผู้บริหารอย่างรวดเร็วเกี่ยวกับการละเมิดผ่าน Telegram
• วิธีเอาชนะการต่อต้านของพนักงานเมื่อนำระบบควบคุมแบบเบ็ดเสร็จมาใช้
• ข้อกำหนดทางเทคนิคสำหรับกล้องเพื่อให้การวิเคราะห์วิดีโอทำงานได้อย่างมีประสิทธิภาพคืออะไร