खतरनाक उद्योग: हम आपको देख रहे हैं, %उपयोगकर्ता नाम% (वीडियो विश्लेषण)

एक साथी बिना हेलमेट के है, दूसरा बिना दस्ताने के है।

उत्पादन में कई बहुत अच्छे कैमरे नहीं हैं, जिन पर सबसे अधिक ध्यान देने वाली दादी-नानी नहीं दिखती हैं। अधिक सटीक रूप से, वे वहां एकरसता से पागल हो जाते हैं और हमेशा घटनाओं को नहीं देखते हैं। फिर वे धीरे-धीरे कॉल करते हैं, और यदि यह खतरनाक क्षेत्र में प्रवेश कर रहा था, तो कभी-कभी वर्कशॉप को कॉल करने का कोई मतलब नहीं होता है, आप सीधे कर्मचारी के रिश्तेदारों के पास जा सकते हैं।

प्रगति उस बिंदु पर पहुंच गई है जहां रोबोट सब कुछ देख सकता है और इसका उल्लंघन करने वाले को कोड़े मार सकता है। उदाहरण के लिए, एसएमएस द्वारा याद दिलाकर, सायरन में हल्का करंट प्रवाहित करके, कंपन द्वारा, एक गंदी चीख़ द्वारा, तेज़ रोशनी की चमक से, या बस प्रबंधक को बताकर।

विशेष रूप से:

• बिना हेलमेट के लोगों को पहचानना बहुत आसान है। यहां तक ​​कि गंजे भी. अगर हम किसी व्यक्ति को बिना हेलमेट के देखते थे, तो ऑपरेटर या वर्कशॉप मैनेजर को तत्काल अलर्ट भेजा जाता था।
• खतरनाक उद्योगों में चश्मे और दस्ताने, बेल्ट हार्नेस (हालाँकि हम अभी केवल कैरबिनर को देख रहे हैं), रिफ्लेक्टिव वेस्ट, रेस्पिरेटर, हेयर कैप और अन्य पीपीई के लिए भी यही बात लागू होती है। अब सिस्टम को 20 प्रकार के सिज़ोव को पहचानने के लिए प्रशिक्षित किया गया है।
• आप साइट पर मौजूद लोगों की सटीक गिनती कर सकते हैं और ध्यान रख सकते हैं कि उनमें से कब और कितने लोग वहां थे।
• जब कोई व्यक्ति खतरनाक क्षेत्र में प्रवेश करता है तो आप अलार्म बजा सकते हैं, और इस क्षेत्र को इस तथ्य के आधार पर कॉन्फ़िगर किया जा सकता है कि मशीनें चालू और बंद होती हैं।

और इसी तरह। सबसे सरल उदाहरण ईंट बनाने वालों और कंक्रीट डालने वालों के हेलमेट के रंग के आधार पर उनके रंग में अंतर करना है। रोबोट की मदद के लिए. आख़िरकार, बिना रंग भेदभाव वाले समाज में रहने का कोई उद्देश्य नहीं है।

कैसे वे एक निर्माण स्थल पर चोरी करते हैं

एक प्रकार की सामान्य चोरी तब होती है जब एक ठेकेदार ने साइट पर 100 श्रमिकों को लाने का वादा किया था, लेकिन वास्तव में 40-45 श्रमिकों को लाया। और घर बन रहा है और बन रहा है. फिर भी, कोई भी वास्तव में उनकी सही-सही गिनती नहीं कर सकता। जैसा कि प्रसिद्ध चुटकुले में है: यदि कोई भालू किसी निर्माण स्थल पर बस जाए और लोगों को खा जाए, तो किसी का ध्यान नहीं जाएगा। इसी तरह, सामान्य ठेकेदार के पास कर्मचारियों को नियंत्रित करने का कोई तरीका नहीं है। अधिक सटीक रूप से, भले ही आप एसीएस का उपयोग करें, फिर भी वह धोखा खा जाएगा, जैसे टर्मिनेटर बिल्ली के बारे में इस पोस्ट में.

आमतौर पर निर्माण स्थलों पर कोई एक्सेस कंट्रोल सिस्टम नहीं होते हैं या वे केवल प्रवेश द्वार पर होते हैं।

हम अत्यधिक विकसित सभ्यताओं के साथ अनुभवों का आदान-प्रदान करने गए और देखा कि प्रत्येक पेशे (अधिक सटीक रूप से, भूमिका) का अपना हेलमेट रंग होता है। यहां राजमिस्त्री ईंटें बिछाते हैं - उनके पास नीले हेलमेट होते हैं, ईंटें डालने वाले कंक्रीट डालते हैं - उनके पास हरी ईंटें होती हैं, हर तरह के स्मार्ट लोग घूमते हैं - उनके पास पीली ईंटें होती हैं, इसलिए आपको उनके सामने दो बार "कू" करना होगा। और इसी तरह।

और प्रत्येक भूमिका का बहुत आसानी से पता लगाने के लिए यह सब आवश्यक है। सुविधा में कई दर्जन काफी सस्ते कैमरे हैं जो 320x200 जैसा कुछ रंग उत्पन्न करते हैं। वास्तविक समय में श्रमिकों की गिनती उनके हेलमेट द्वारा की जाती है, और प्रत्येक कैमरे को एक विशिष्ट निर्माण स्थल सौंपा जाता है। परिणामस्वरूप, दिन के अंत में, ज़ोन के अनुसार शेड्यूल रिकॉर्ड करने के लिए एनालिटिक्स में यह सब एक साथ जोड़ दिया जाता है: किसने, कितनी मात्रा में और किस क्षेत्र में काम किया।

सामान्य तौर पर, हमने अनुभव को अपनाया है। जब हम इसे करीब से देख रहे थे, तभी तंत्रिका नेटवर्क बहुत आगे बढ़ गए और कई नए डिटेक्टर सामने आए। कुछ साल पहले वे काफी मनमौजी और अस्थिर थे, लेकिन अब वे आपको सबसे दिलचस्प स्थितियों को बहुत सटीक रूप से पकड़ने की अनुमति देते हैं। कम से कम प्रसंस्करण गति के कारण, डिटेक्टर अक्सर व्यक्तिगत फ्रेम पर गलतियाँ करते हैं, लेकिन कोण में मामूली बदलाव के साथ वीडियो स्ट्रीम पर हमें एक उत्कृष्ट व्यावहारिक परिणाम मिलता है।

अगर मैं दूसरा हेलमेट अपनी बेल्ट पर रख लूं तो क्या होगा?

सबसे पहले हमने सीखा कि एक कार्यकर्ता दो कठोर टोपियाँ प्राप्त कर सकता है और उनमें से एक को अपने बट पर रख सकता है। अब हमारे पास एक साथ दो डिटेक्टर हैं: एक कंकाल की खोज करना और इस कंकाल के शीर्ष से मेल खाने के लिए एक रंग स्थान का निर्धारण करना, और समकालिक रूप से चलती वस्तुओं की खोज करना। दूसरी विधि का पता लगाना आसान हो गया: उदाहरण के लिए, जिस व्यक्ति के बट पर हेलमेट है, उसका इस हेलमेट द्वारा लगभग कभी भी निरीक्षण नहीं किया जाता है। क्योंकि ऐसा करने के लिए आपको अपना सिर घुमाना होगा। और इस हलचल का बहुत आसानी से पता चल जाता है. अधिक सटीक रूप से, हम नहीं जानते कि वास्तव में वहां क्या पाया गया है (यह एक तंत्रिका नेटवर्क है), लेकिन यह बहुत तेज़ी से सीखता है और उल्लंघनकर्ताओं को पकड़ता है, कोई कह सकता है, उनकी चाल से।

हम एक व्यक्ति का एक मॉडल बना रहे हैं।

फिर हम वास्तविक समय में एक हीट मैप बनाते हैं और दिन के अंत में रिपोर्ट देते हैं।

तदनुसार, उसी सिद्धांत का उपयोग करके - एक तंत्रिका नेटवर्क को प्रशिक्षित करके - निम्नलिखित का आसानी से पता लगाया जा सकता है:

• हेलमेट।
• स्नान वस्त्र।
• बनियान।
• जूते।
• चिपके हुए बाल.
• सुरक्षा कैरबिनर.
• श्वासयंत्र।
• सुरक्षात्मक चश्मा।
• जैकेट को सही ढंग से पहनना (विद्युत उपकरणों के लिए महत्वपूर्ण: इससे उत्पादन के दौरान मशीन कक्ष में झटका लग सकता है)।
• बड़े उपकरणों को परिधि के बाहर ले जाना।

कुल मिलाकर, 29 डिटेक्टरों का परीक्षण पहले ही किया जा चुका है। एकमात्र मुद्दा यह है कि चूंकि हम रसायन विज्ञान या खनन जैसे खतरनाक उद्योगों में काम करते हैं, इसलिए दस्ताने के प्रकार की आवश्यकता होती है। उदाहरण के लिए, लंबा और छोटा। इस मामले में, उन्हें अलग-अलग रंगों का होना चाहिए: वीडियो कैमरे का उपयोग करके आस्तीन के नीचे की लंबाई निर्धारित करना बहुत मुश्किल है।

लेकिन यहां अक्सर चूहों के मामले सामने आते रहते थे. हमारे पास एक अलग चूहा डिटेक्टर नहीं है, लेकिन हमारे पास उन वस्तुओं के लिए एक डिटेक्टर है जो मशीन के संचालन में बाधा डालती हैं:

और क्या पता लगाया जा रहा है?

हमने रासायनिक संयंत्रों, खनन उद्योग, परमाणु उद्योग और निर्माण स्थलों पर डिटेक्टरों का परीक्षण किया है। यह पता चला कि थोड़े से प्रयास से आप कई और आवश्यकताओं को हल कर सकते हैं जो पहले उन्हीं दादी-नानी द्वारा हल की गई थीं, जो खराब रिज़ॉल्यूशन और खराब फ्रेम दर के माध्यम से तस्वीर में कुछ देखने की कोशिश कर रही थीं। विशेष रूप से:

• चूँकि हम अभी भी प्रत्येक कार्यकर्ता का कंकाल मॉडल बना रहे हैं, इसलिए गिरने का पता लगाया जा सकता है। यदि यह गिरता है, तो आप तुरंत उस मशीन को रोक सकते हैं जिसके बगल में यह स्थित है (पायलट कार्यान्वयन में ऐसा कोई एकीकरण नहीं था, बस अलार्म थे)। ठीक है, यदि आपके पास IoT है।
• बेशक, खतरनाक क्षेत्रों में होना। यह बहुत आसान, बहुत सटीक और सभी के लिए बहुत उपयोगी है। धातुकर्म उद्यमों में, लोग उबलते स्टील के बर्तनों के बगल में काम करते हैं; यह स्टील को सख्त करने के लिए उपयोगी है, लेकिन कभी-कभी गलत तरफ थोड़ा खड़ा होना खतरनाक होता है। विभिन्न घटकों और उपकरणों के संचालन को ध्यान में रखते हुए, आप इन खतरनाक को बदल सकते हैं क्षेत्र, उनके लिए एक कार्यक्रम निर्धारित करें, इत्यादि।
• पीपीई की उपस्थिति के बारे में एक और बहुत उपयोगी डिटेक्टर कर्मचारियों की जिम्मेदारी पर नज़र रखता है और जाँचता है कि वे खतरे में तो नहीं हैं। यहां दादी हिसाब-किताब का काम बहुत जिम्मेदारी से करती हैं और अपने लिए जरूरी सभी पीपीई पहनती हैं। प्रशंसनीय!

व्यवहार नियंत्रण लागू करना बहुत आसान था - चाहे कर्मचारी सो रहा हो या नहीं। जब हम यह सब परीक्षण कर रहे थे, तो नियम "इस क्षेत्र में हरे हेलमेट में एक व्यक्ति होना चाहिए" से लेकर "इस क्षेत्र में हरे हेलमेट में एक व्यक्ति को चलना चाहिए" तक विकसित हुए। अब तक केवल एक ही बुद्धिमान व्यक्ति हुआ है जिसने चिप का पता लगाया और पंखा चालू किया, लेकिन इसे भी ठीक करना आसान हो गया।

रसायनज्ञों के लिए भाप और धुएं के सभी प्रकार के जेट को रिकॉर्ड करना बहुत महत्वपूर्ण था। तेल उद्योग में - पाइपों की अखंडता. आग आम तौर पर एक मानक डिटेक्टर है। बंद हैचों की भी जांच होती है।

भूली हुई बातों का पता भी इसी तरह चलता है. हमने कुछ साल पहले एक स्टेशन पर इसका परीक्षण किया था, वहां बड़ी संख्या में घटनाओं के कारण इसका कोई मतलब नहीं रह गया था। लेकिन कारखानों में, विशेषकर रासायनिक कारखानों में, साफ-सुथरे क्षेत्र में चीजों की निगरानी करना बहुत सुविधाजनक होता है।

दिलचस्प बात यह है कि हम कैमरा क्षेत्र में उपकरणों की रीडिंग सीधे वीडियो एनालिटिक्स से पढ़ सकते हैं। यह उन्हीं रसायनज्ञों के लिए प्रासंगिक है जिनके उत्पादन परिसरों में उच्च खतरा वर्ग है। किसी भी परिवर्तन, जैसे सेंसर को बदलना, का अर्थ है परियोजना का पुन: समन्वयन। यह लंबा, महंगा और दर्दनाक है। अधिक सटीक रूप से, यह लंबा, महंगा और दर्दनाक है। इसलिए, इंटरनेट ऑफ थिंग्स उनके लिए देर से आएगा। अब वे मीटरों पर वीडियो निगरानी चाहते हैं और डेटा पढ़ते हैं, तुरंत उन पर प्रतिक्रिया देते हैं और अप्रत्याशित और किसी का ध्यान नहीं जाने वाले उपकरण विफलता के कारण होने वाले नुकसान को कम करते हैं। वर्तमान मीटर डेटा के आधार पर, आप उद्यम का एक डिजिटल ट्विन बना सकते हैं, पूर्वानुमानित रखरखाव और मरम्मत लागू कर सकते हैं, लेकिन यह एक पूरी तरह से अलग कहानी है... हमारे पास पहले से ही नियंत्रण है: अब हम डेटा की समग्रता के आधार पर सक्रिय विश्लेषण लिख रहे हैं। और अलग से - एक बैटरी प्रतिस्थापन पूर्वानुमान मॉड्यूल।

एक और अविश्वसनीय बात - यह पता चला कि अन्न भंडार में और कुचल पत्थर जैसी सामग्री के भंडारण में, आप 3-4 कोणों से ढेर को शूट कर सकते हैं और इसके किनारों को निर्धारित कर सकते हैं। और किनारों को निर्धारित करने के बाद, 1% तक की त्रुटि के साथ अनाज या सामग्री की मात्रा दें।

आखिरी डिटेक्टर जिसके बारे में हमने लिखा था वह ड्राइवर की थकान की निगरानी कर रहा था, जैसे "सिर हिलाना", जम्हाई लेना और पलक झपकाने की आवृत्ति। यह एचडी कैमरों के लिए है जहां आंखें दिखाई देती हैं। सबसे अधिक संभावना है, इसे नियंत्रण कक्षों में स्थापित किया जाएगा। लेकिन मुख्य जरूरत खदानों के लिए बेलाज़ और कामाज़ ट्रकों की है। कभी-कभी कारें वहां गिर जाती हैं, इसलिए अब खनन स्थल पर उन्हें ड्राइवर को नियंत्रित करने के लिए कुछ न कुछ लेकर आने के लिए मजबूर होना पड़ता है। रोबोट दादी से बेहतर है.

कारों के बारे में. उदाहरण के लिए, थकान नियंत्रण का विषय न केवल BelAZ, KAMAZ और अन्य MAZ वाहनों द्वारा वाहन निर्माताओं द्वारा सक्रिय रूप से उपयोग किया जाता है। निर्माता पहले से ही सामान्य साधारण कारों में ड्राइवर थकान चेतावनी प्रणाली का निर्माण कर रहे हैं, लेकिन अब तक उनके पास काफी सरल समाधान हैं जो चिह्नों और स्टीयरिंग व्हील आंदोलन की प्रकृति के सापेक्ष केवल कार की स्थिति का विश्लेषण करते हैं। हम आगे बढ़े और मानव व्यवहार का पता लगाया, जो कहीं अधिक जटिल है।

ड्राइवर निगरानी का एक अन्य मामला कार शेयरिंग मशीनों का उपयोग करते समय गलत व्यवहार का पता लगाना है। बिना हाथ खाली किए आप फ़ोन पर बात नहीं कर सकते, खा-पी नहीं सकते, धूम्रपान नहीं कर सकते और भी बहुत कुछ नहीं कर सकते।

और हाँ, एक अंतिम बात। अब कई वर्षों से हम कैमरों के बीच किसी वस्तु को ट्रैक करने में सक्षम हैं - जब, उदाहरण के लिए, कुछ चोरी हो गया था, तो आपको यह जांचने की ज़रूरत है कि किस तरह से और कैसे। यदि सुविधा स्थल पर 100 कैमरे हैं, तो आप सामग्री उठाने में थक जाएंगे। और फिर सिस्टम स्वचालित रूप से ओशन और उसके दोस्तों के बारे में एक एक्शन से भरपूर थ्रिलर तैयार करेगा।

दो साल पहले की व्यवस्था से क्या अंतर है? अब यह सिर्फ "नारंगी जैकेट में एक गंजा आदमी एक कोशिका को छोड़कर तुरंत दूसरे में प्रवेश कर गया" जैसी मान्यता नहीं है, बल्कि कमरे का एक गणितीय मॉडल बनाया गया है, और इसके आधार पर, वस्तु की गति के बारे में परिकल्पनाएं बनाई गई हैं। यानी, यह सब ओवरलैप वाले क्षेत्रों और ब्लाइंड स्पॉट वाले स्थानों, कभी-कभी व्यापक वाले स्थानों पर काम करना शुरू कर दिया। और डिटेक्टर अब बहुत बेहतर हैं, क्योंकि ऐसे पुस्तकालय हैं जो चेहरे से उम्र निर्धारित करते हैं। एचडी कैमरों पर आप "एक 30-वर्षीय पुरुष और एक 35-वर्षीय महिला" जैसी दिशाएं सेट कर सकते हैं।

तो शायद 5-7 साल में हम उत्पादन ख़त्म करके आपके घर चले जायेंगे। सुरक्षा के लिए। यह आपके ही हित में है, नागरिक!

संदर्भों

• जहरीले-आदी भालू के बारे में: एक ऐसे मामले का उदाहरण जहां दादी डिटेक्टरों की तुलना में सस्ती थीं।
• टर्मिनेटर बिल्ली और चेहरे की पहचान के बारे में। महाकाव्य मामला.
• हमने एक गाड़ी को एक फोरमैन से कैसे अलग किया।
• अधिक भिन्न डिटेक्टर.
• मेरा मेल - [ईमेल संरक्षित]

स्रोत: www.habr.com