Držíme krok v oboru bezpečnosti

UMĚLÁ INTELIGENCE

Doba, kdy se kamerové systémy využívaly pouze k monitorování potřebných prostor, či k hlídání perimetru je nenávratně pryč. Dnes je možné využívat efektivnější nástroje, které pomáhají k účinnějšímu a automatizovanému vyhodnocování scén. Systém využívá potenciál umělé inteligence a vytrénováním hluboké neuronové sítě dokážeme řešit téměř každý Váš problém.

Aplikace používá speciální hluboké neuronové sítě pro analýzu videa. Jedná se o aplikaci umělé inteligence na video v nejrůznějších rozlišeních za účelem včasné detekce a rozpoznání zájmových jevů počínaje narušením perimetru osobou až po složité směrové detekce či analýzu jiných objektů a jevů.

KONTROLA KVALITY

Umělá inteligence je nástroj pro pokročilé řízení kvality nebo diagnostiku strojů, která využívá strojové vidění a hluboké neuronové sítě. Ideální pro rozpoznávání obrazu, videa, zvuku nebo vibrací. Neuronové sítě zde jsou učeny podobně jako lidé podle příkladů (vzorů), podle nichž později reagují na podněty ze skutečného světa. Jejich výhodou je schopnost generalizace / zevšeobecňování z naučených poznatků, které pak dokážou aplikovat i při podmínkách odlišných od těch, pod kterými byly natrénovány.
Systém tak může provádět detekci povrchových vad materiálů ze statických fotek nebo z videa, kde lze hledat i závislosti ve vývoji videa, pro potřeby kontroly kvality, selekce dílů, či kontroly výrobních procesů. Pro tyto účely se systém dodává i jako kompletní celek s kamerami, osvětlením a počítačem.  Dále je možné rozšíření o měření rozměrů ve 2D nebo 3D.
Systém primárního učení před ostrým nasazením do provozu probíhá podle vzorů, které označuje uživatel ve webovém prohlížeči a definují se tak typy vad, jež se mají detekovat. Toto hlavní učení probíhá mimo cílovou výrobní linku na výkonném serveru.
Následně lze systém v provozu doučovat postupným přidáním nových vzorů. V případě výskytu nové vady tak uživatel pouze označí nové obrázky a nechá systém automaticky přetrénovat. Vše tedy probíhá na pouze uživatelské bázi při běhu výrobní linky bez nutnosti programování.

ČTYŘI VÝSLEDKY STROJOVÉHO UČENÍ A PŘÍNOSY PRO VÝROBCE

1. Prediktivní detekce poruch a generování alarmů mohou být pro společnost jednou z nejvýznamnějších oblastí úspor nákladů. Pokud má dojít k výpadku výrobní linky, může být nákladově mnohem efektivnější ji včas odstavit a provést údržbu než ji odstavit uprostřed výrobního procesu. Předvídání poruch a generování alarmů na základě algoritmů může ušetřit spoustu peněz.
2. Další oblíbenou oblastí je optimalizace procesů. Obvykle probíhá tak, že systém poskytuje doporučení pro nastavení žádaných hodnot a regulovaných veličin pro systémy. Existují dva hlavní typy optimalizace procesů: otevřená a uzavřená smyčka. Optimalizace v otevřené smyčce zahrnuje interakci s uživatelem, kdy systém může doporučit změny k optimalizaci procesu a technik nebo jiný odborník tato doporučení přezkoumá a rozhodne, zda je použije. Optimalizace v uzavřené smyčce zcela vylučuje zásahy člověka a doporučení pro ladění se aplikují automaticky.
3. Detekce anomálií zjišťuje odchylky od běžných provozních podmínek. To může poskytnout přehled o tom, kdy proces neprobíhá optimálně, nebo někdy může předpovědět špatný průběh výroby nebo chyby zařízení. Tyto systémy obvykle poskytují číslo, které udává, jak blízko je proces normálním provozním podmínkám. Výsledky lze považovat za další „senzor“ a výsledky algoritmu detekce anomálií lze použít k čemukoli od upozornění na abnormální stav až po zastavení procesu. Ačkoli je detekce anomálií podobná prediktivní detekci poruch a generování alarmů, poskytuje spíše informace o tom, jak si proces vede právě teď, než aby předpovídala, jak si povede v budoucnu.
4. Analýza vad se obvykle provádí pomocí algoritmů rozpoznávání obrazu a může být velmi užitečná pro klasifikaci dílů a odhalování abnormalit.

KONTROLA BEZPEČNOSTI

V této chvíli umíme zvýšit bezpečnost pracovníků ve třech interně vyzkoušený scénářích. Tato řešení postupně nasazujeme v pilotních projektech v průmyslových firmách.

• Zastavení stroje, pokud se schyluje k úrazu. 

Náš systém dokáže odlišit lidské tělo nebo jeho část od zpracovávaného materiálu, jiných strojů atd. V případě, že například lidská ruka směřuje do části stroje, kde by došlo k jejímu úrazu, stroj zastavíme. Toto je naše původní myšlenka, a proto byla tato funkce hotová jako první. Rozhovory v průmyslových podnicích nás opakovaně směřovaly na další dva scénáře:

• Autorizace pracovníků při obsluze zařízení. 

Software umí rozpoznat jednotlivé osoby a povolit (nebo nepovolit) jim obsluhu stroje, nebo může konkrétním lidem zpřístupnit jen některé jeho funkce. S tímto požadavkem jsme se setkali ve dvou firmách. Jedna chtěla zajistit, aby vysokozdvižný vozík mohl obsluhovat jen pracovník s příslušným oprávněním. Ve druhé chtěli, aby CNC stroj umožnil servisnímu technikovi, poté co se autorizuje, otevřít stroj za chodu a seřizovat jej. Oba scénáře mají samozřejmě více způsobů řešení. Ale bylo nám řečeno, že ten nejjednodušší, zamykání stroje klíčkem, je v praxi v podstatě nepoužitelný, protože zaměstnanci obvykle z praktických důvodů nechávají klíče zasunuté ve stroji.

• Kontrolu osobních ochranných prostředků 

– bezpečnostní helmy, vesty, roušky atd. I v tomto případě se může stroj spustit jen pracovníkovi, který je náležitě vybaven. Setkali jsme se ale s mnohem méně náročným požadavkem. Kontrolovat, jestli ochranné pomůcky nosí noční směna (kdy není přítomen management firmy) a pořizovat záznamy přestupků.