ایک کامریڈ بغیر ہیلمٹ کے، دوسرا دستانے کے بغیر۔
پیداوار میں بہت سارے اچھے کیمرے نہیں ہیں، جن میں سب سے زیادہ توجہ دینے والی دادی نظر نہیں آتیں۔ مزید واضح طور پر، وہ صرف ایکریت سے پاگل ہو جاتے ہیں اور ہمیشہ واقعات کو نہیں دیکھتے ہیں. پھر وہ آہستہ آہستہ فون کرتے ہیں، اور اگر یہ خطرناک زون میں داخل ہو رہا ہے، تو کبھی کبھی ورکشاپ کو فون کرنے کا کوئی فائدہ نہیں ہے، آپ براہ راست کارکن کے رشتہ داروں کے پاس جا سکتے ہیں.
ترقی اس مقام پر پہنچ گئی ہے جہاں ایک روبوٹ سب کچھ دیکھ سکتا ہے اور جو بھی اس کی خلاف ورزی کرتا ہے اسے کوڑے مار سکتا ہے۔ مثال کے طور پر، ایس ایم ایس کے ذریعے یاد دلانے سے، سائرن پر کرنٹ کے ہلکے خارج ہونے سے، کمپن کے ذریعے، ایک گندی سسکی کے ذریعے، روشن روشنی کی چمک کے ذریعے، یا صرف مینیجر کو بتا کر۔
خاص طور پر:
- بغیر ہیلمٹ کے لوگوں کو پہچاننا بہت آسان ہے۔ یہاں تک کہ گنجے بھی۔ اگر ہم نے بغیر ہیلمٹ کے کسی شخص کو دیکھا تو آپریٹر یا ورکشاپ مینیجر کو فوری الرٹ بھیج دیا گیا۔
- خطرناک صنعتوں میں چشموں اور دستانے، بیلٹ ہارنس (حالانکہ ہم ابھی صرف کارابینر کو ہی دیکھ رہے ہیں)، عکاس واسکٹ، ریسپیریٹرز، ہیئر کیپس اور دیگر پی پی ای کے لیے بھی یہی ہے۔ اب سسٹم کو 20 اقسام کے سیزوف کو پہچاننے کی تربیت دی گئی ہے۔
- آپ سائٹ پر موجود لوگوں کو درست طریقے سے گن سکتے ہیں اور اس بات کو بھی مدنظر رکھ سکتے ہیں کہ ان میں سے کب اور کتنے لوگ موجود تھے۔
- جب کوئی شخص خطرناک زون میں داخل ہوتا ہے تو آپ خطرے کی گھنٹی بجا سکتے ہیں، اور اس زون کو مشینوں کے شروع اور رکنے کی بنیاد پر ترتیب دیا جا سکتا ہے۔
اور اسی طرح. سب سے آسان مثال اینٹوں اور کنکریٹ ڈالنے والوں کے ہیلمٹ کے رنگ کی بنیاد پر رنگوں کی تفریق ہے۔ روبوٹ کی مدد کے لیے۔ سب کے بعد، رنگ کی تفریق کے بغیر معاشرے میں رہنے کا کوئی مقصد نہیں ہے۔
وہ کس طرح تعمیراتی سائٹ پر چوری کرتے ہیں۔
عام چوری کی ایک قسم وہ ہے جب ایک ٹھیکیدار نے سائٹ پر 100 کارکنوں کو لانے کا وعدہ کیا تھا، لیکن حقیقت میں 40-45 لایا تھا۔ اور گھر بنایا جا رہا ہے۔ پھر بھی، کوئی بھی ان کو حقیقت میں درست طریقے سے شمار نہیں کر سکتا۔ جیسا کہ مشہور لطیفے میں ہے: اگر ریچھ کسی تعمیراتی جگہ پر بس جائے اور لوگوں کو کھا جائے تو کوئی بھی اس پر توجہ نہیں دے گا۔ اسی طرح عام ٹھیکیدار کے پاس عملے کو کنٹرول کرنے کا کوئی طریقہ نہیں ہے۔ مزید واضح طور پر، یہاں تک کہ اگر آپ ACS استعمال کرتے ہیں، تب بھی وہ دھوکہ کھا جائے گا، .
عام طور پر تعمیراتی مقامات پر رسائی کے کنٹرول کے نظام نہیں ہوتے ہیں یا وہ صرف داخلی راستے پر ہوتے ہیں۔
ہم انتہائی ترقی یافتہ تہذیبوں کے ساتھ تجربات کا تبادلہ کرنے گئے اور دیکھا کہ ہر پیشہ (زیادہ واضح طور پر، کردار) کا اپنا ہیلمٹ رنگ ہے۔ یہاں اینٹ لگانے والے اینٹیں بچھاتے ہیں - ان کے پاس نیلے رنگ کے ہیلمٹ ہیں، ڈالنے والے کنکریٹ ڈالتے ہیں - ان کے پاس سبز ہیں، ہر طرح کے ہوشیار لوگ گھومتے ہیں - ان کے پاس پیلے رنگ ہیں، لہذا آپ کو ان کے سامنے دو بار "ku" کرنا پڑے گا۔ اور اسی طرح.
اور یہ سب بہت آسانی سے ہر کردار کا پتہ لگانے کے لیے ضروری ہے۔ اس سہولت میں کئی درجن کافی سستے کیمرے ہیں جو 320x200 رنگ کی طرح کچھ تیار کرتے ہیں۔ کارکنوں کو حقیقی وقت میں ان کے ہیلمٹ کے ذریعے شمار کیا جاتا ہے، اور ہر کیمرے کو ایک مخصوص تعمیراتی جگہ تفویض کی جاتی ہے۔ نتیجے کے طور پر، دن کے اختتام پر، زون کے لحاظ سے نظام الاوقات کو ریکارڈ کرنے کے لیے ان تمام چیزوں کو تجزیات میں ایک ساتھ جوڑا جاتا ہے: کس نے کام کیا، کس مقدار میں اور کس علاقے میں۔
عام طور پر، ہم نے تجربہ اپنایا ہے. صرف اس وقت جب ہم اسے قریب سے دیکھ رہے تھے، اعصابی نیٹ ورک بہت آگے بڑھے، اور بہت سے نئے ڈیٹیکٹر نمودار ہوئے۔ صرف چند سال پہلے وہ کافی موجی اور غیر مستحکم تھے، لیکن اب وہ آپ کو انتہائی دلچسپ حالات کو درست طریقے سے پکڑنے کی اجازت دیتے ہیں۔ کم از کم پروسیسنگ کی رفتار کی وجہ سے، ڈٹیکٹر اکثر انفرادی فریموں پر غلطیاں کرتے ہیں، لیکن زاویہ میں معمولی تبدیلیوں کے ساتھ ویڈیو سٹریم پر ہمیں ایک بہترین عملی نتیجہ ملتا ہے۔
اگر میں اپنی بیلٹ پر دوسرا ہیلمٹ رکھوں تو کیا ہوگا؟
پہلے ہم نے سیکھا کہ ایک کارکن دو سخت ٹوپیاں لے سکتا ہے اور ان میں سے ایک کو اپنے بٹ پر رکھ سکتا ہے۔ اب ہمارے پاس ایک ہی وقت میں دو ڈٹیکٹر ہیں: ایک کنکال کی تلاش اور اس کنکال کی چوٹی سے ملنے کے لیے رنگ کی جگہ کا تعین کرنا، اور ہم وقت سازی سے حرکت کرنے والی اشیاء کی تلاش۔ دوسرا طریقہ اس کا پتہ لگانا آسان نکلا: مثال کے طور پر، ایک شخص جس کے بٹ پر ہیلمٹ ہے، اس ہیلمٹ سے تقریباً کبھی معائنہ نہیں کیا جاتا۔ کیونکہ ایسا کرنے کے لیے آپ کو اپنے سر کو گھمانے کی ضرورت ہے۔ اور اس حرکت کا بہت آسانی سے پتہ چل جاتا ہے۔ مزید واضح طور پر، ہم نہیں جانتے کہ اصل میں وہاں کیا پتہ چلا ہے (یہ ایک نیورل نیٹ ورک ہے)، لیکن یہ بہت جلد سیکھتا ہے اور خلاف ورزی کرنے والوں کو پکڑتا ہے، کوئی کہہ سکتا ہے، ان کی چال سے۔
ہم ایک شخص کا نمونہ بنا رہے ہیں۔
پھر ہم صرف حقیقی وقت میں گرمی کا نقشہ بناتے ہیں اور دن کے آخر میں رپورٹس بناتے ہیں۔
اس کے مطابق، اسی اصول کو استعمال کرتے ہوئے - ایک عصبی نیٹ ورک کی تربیت کے ذریعے - درج ذیل کا آسانی سے پتہ چل جاتا ہے۔
- ہیلمٹ۔
- لباس۔
- واسکٹ۔
- جوتے
- چپکنے والے بال۔
- حفاظتی کارابینرز۔
- سانس لینے والے۔
- حفاظتی شیشے
- صحیح طریقے سے جیکٹ پہننا (برقی آلات کے لیے اہم: یہ پیداوار کے وقت مشین روم میں جھٹکا لگا سکتا ہے)۔
- بڑے آلات کو فریم سے باہر منتقل کرنا۔
مجموعی طور پر، 29 ڈیٹیکٹر پہلے ہی ٹیسٹ کیے جا چکے ہیں۔ صرف یہ ہے کہ چونکہ ہم خطرناک صنعتوں جیسے کیمسٹری یا کان کنی میں کام کرتے ہیں، اس لیے دستانے کی اقسام کے لیے تقاضے ہوتے ہیں۔ مثال کے طور پر، طویل اور مختصر. اس صورت میں، انہیں مختلف رنگوں کی ضرورت ہے: ویڈیو کیمرے کا استعمال کرتے ہوئے آستین کے نیچے لمبائی کا تعین کرنا بہت مشکل ہے.
لیکن یہاں اکثر چوہوں کے کیس ہوتے تھے۔ ہمارے پاس الگ سے چوہے کا پتہ لگانے والا نہیں ہے، لیکن ہمارے پاس ایسی اشیاء کے لیے ایک ڈیٹیکٹر ہے جو مشین کے کام میں مداخلت کرتے ہیں:
اور کیا پتہ چل رہا ہے؟
ہم نے کیمیکل پلانٹس میں، کان کنی کی صنعت میں، جوہری صنعت میں اور تعمیراتی جگہوں پر ڈیٹیکٹرز کا تجربہ کیا ہے۔ معلوم ہوا کہ تھوڑی سی کوشش سے آپ کئی مزید ضروریات کو حل کر سکتے ہیں جو پہلے انہی دادیوں نے حل کیے تھے، ناقص ریزولوشن اور ناقص فریم ریٹ کے ذریعے تصویر میں کچھ دیکھنے کی دنگ رہ گئی۔ خاص طور پر:
- چونکہ ہم اب بھی ہر کارکن کا کنکال ماڈل بنا رہے ہیں، اس لیے گرنے کا پتہ لگایا جا سکتا ہے۔ اگر یہ گرتا ہے، تو آپ فوری طور پر اس مشین کو روک سکتے ہیں جس کے ساتھ یہ واقع ہے (پائلٹ کے نفاذ میں ایسا کوئی انضمام نہیں تھا، صرف الارم تھے)۔ ٹھیک ہے، اگر آپ کے پاس IoT ہے۔
- یقینا، خطرناک علاقوں میں ہونا۔ یہ بہت آسان، بہت درست اور سب کے لیے بہت مفید ہے۔ میٹالرجیکل انٹرپرائزز میں، لوگ ابلتے ہوئے سٹیل کے برتنوں کے ساتھ کام کرتے ہیں؛ اسٹیل کو سخت کرنا مفید ہے، لیکن بعض اوقات تھوڑا سا غلط طرف کھڑا ہونا خطرناک ہوتا ہے۔ مختلف اجزاء اور آلات کے کام کو مدنظر رکھتے ہوئے، آپ ان خطرناک چیزوں کو تبدیل کر سکتے ہیں۔ زونز، ان کے لیے شیڈول سیٹ کریں، وغیرہ۔
- پی پی ای کی موجودگی کے بارے میں ایک اور بہت مفید ڈیٹیکٹر ملازمین کی ذمہ داری پر نظر رکھتا ہے اور چیک کرتا ہے کہ وہ خطرے میں تو نہیں ہیں۔ یہاں دادی اکاؤنٹنگ کے کام کو بہت ذمہ داری سے کرتی ہیں اور اپنے لیے درکار تمام PPE پہنتی ہیں۔ قابل ستائش!
رویے پر قابو پانا بہت آسان تھا - چاہے ملازم سو رہا تھا یا نہیں۔ جب ہم اس سب کی جانچ کر رہے تھے، قوانین "اس علاقے میں سبز ہیلمٹ میں ایک شخص ہونا چاہیے" سے "اس علاقے میں سبز ہیلمٹ والے شخص کو حرکت میں آنا چاہیے" تک تیار ہوئے۔ اب تک صرف ایک ہی ہوشیار آدمی رہا ہے جس نے چپ کا پتہ لگایا اور پنکھا آن کیا، لیکن یہ بھی ٹھیک کرنا آسان نکلا۔
کیمیا دانوں کے لیے بھاپ اور دھوئیں کے ہر قسم کے جیٹ طیاروں کو ریکارڈ کرنا بہت ضروری تھا۔ تیل کی صنعت میں - پائپ کی سالمیت. آگ عام طور پر ایک معیاری پتہ لگانے والا ہے۔ بند ہیچوں کی بھی جانچ پڑتال ہے۔
بھولی ہوئی چیزوں کا اسی طرح پتہ چل جاتا ہے۔ ہم نے کچھ سال پہلے ایک اسٹیشن پر اس کا تجربہ کیا تھا، وہاں بڑی تعداد میں واقعات کی وجہ سے اس کا کوئی مطلب نہیں ہے۔ لیکن فیکٹریوں میں، خاص طور پر کیمیکل والے، صاف جگہ پر چیزوں کی نگرانی کرنا بہت آسان ہے۔
دلچسپ بات یہ ہے کہ ہم کیمرے کے علاقے میں آلات کی ریڈنگ کو براہ راست ویڈیو اینالیٹکس سے پڑھ سکتے ہیں۔ یہ ان ہی کیمسٹوں کے لیے متعلقہ ہے جن کے پروڈکشن کمپلیکس میں خطرہ کی کلاس زیادہ ہے۔ کسی بھی تبدیلی کا، جیسے سینسر کو تبدیل کرنا، کا مطلب پروجیکٹ کا دوبارہ رابطہ ہے۔ یہ لمبا، مہنگا اور تکلیف دہ ہے۔ مزید واضح طور پر، یہ لمبا، مہنگا اور تکلیف دہ ہے۔ لہذا، چیزوں کا انٹرنیٹ ان کے لئے دیر سے آئے گا. اب وہ میٹروں پر ویڈیو نگرانی اور ڈیٹا کو پڑھنا چاہتے ہیں، ان کا فوری جواب دیں اور غیر متوقع طور پر اور کسی کا دھیان نہ دینے والے آلات کی خرابی کی وجہ سے ہونے والے نقصانات کو کم کریں۔ موجودہ میٹر کے ڈیٹا کی بنیاد پر، آپ انٹرپرائز کا ایک ڈیجیٹل جڑواں بنا سکتے ہیں، پیشین گوئی کی دیکھ بھال اور مرمت کو لاگو کر سکتے ہیں، لیکن یہ بالکل مختلف کہانی ہے... ہمارے پاس پہلے سے ہی کنٹرول ہے: اب ہم ڈیٹا کی مجموعی بنیاد پر فعال تجزیات لکھ رہے ہیں۔ اور الگ سے - بیٹری کی تبدیلی کی پیشن گوئی ماڈیول۔
ایک اور ناقابل یقین چیز - یہ پتہ چلا کہ اناج میں اور کچل پتھر جیسے مواد کے ذخیرہ میں، آپ 3-4 زاویوں سے ایک ڈھیر گولی مار سکتے ہیں اور اس کے کناروں کا تعین کر سکتے ہیں. اور کناروں کا تعین کرنے کے بعد، اناج یا مواد کا حجم 1٪ تک کی غلطی کے ساتھ دیں۔
آخری ڈیٹیکٹر جس کے بارے میں ہم نے لکھا وہ ڈرائیور کی تھکاوٹ کی نگرانی کر رہا تھا، جیسے "ہلنا"، جمائی اور پلک جھپکنے کی فریکوئنسی۔ یہ ایچ ڈی کیمروں کے لیے ہے جہاں آنکھیں نظر آتی ہیں۔ زیادہ امکان ہے کہ اسے کنٹرول رومز میں نصب کیا جائے گا۔ لیکن سب سے بڑی ضرورت کانوں کے لیے BelAZ اور KamAZ ٹرکوں کی ہے۔ بعض اوقات کاریں وہاں گر جاتی ہیں، تو اب کان کنی کے مقام پر وہ ڈرائیور کو قابو کرنے کے لیے کچھ لے کر آنے پر مجبور ہیں۔ روبوٹ دادی سے بہتر ہے۔
کاروں کے بارے میں۔ مثال کے طور پر، تھکاوٹ پر قابو پانے کا موضوع نہ صرف BelAZ، KamAZ اور دیگر MAZ گاڑیاں کار سازوں کے ذریعے فعال طور پر استعمال کیا جاتا ہے۔ مینوفیکچررز پہلے سے ہی عام عام کاروں میں ڈرائیور کی تھکاوٹ سے متعلق وارننگ سسٹم بنا رہے ہیں، لیکن اب تک ان کے پاس کافی آسان حل ہیں جو نشانات اور اسٹیئرنگ وہیل کی حرکت کی نوعیت کے لحاظ سے صرف کار کی پوزیشن کا تجزیہ کرتے ہیں۔ ہم مزید آگے بڑھے اور انسانی رویے کا پتہ لگا، جو بہت زیادہ پیچیدہ ہے۔
ڈرائیور کی نگرانی کا ایک اور معاملہ کار شیئرنگ مشینوں کا استعمال کرتے وقت غلط رویے کا پتہ لگانا ہے۔ آپ بغیر ہاتھ کے فون پر بات نہیں کر سکتے، کھانا، پینا، سگریٹ نوشی، اور بہت کچھ نہیں کر سکتے۔
اوہ، اور ایک آخری چیز۔ اب کئی سالوں سے ہم کیمروں کے درمیان کسی چیز کو ٹریک کرنے میں کامیاب رہے ہیں - جب، مثال کے طور پر، کوئی چیز چوری ہوئی تھی، آپ کو یہ چیک کرنے کی ضرورت ہے کہ کس طرح اور کیسے۔ اگر سہولت پر 100 کیمرے ہیں، تو آپ مواد اٹھانے میں تھک جائیں گے۔ اور پھر سسٹم خود بخود اوشین اور اس کے دوستوں کے بارے میں ایکشن سے بھرپور تھرلر تیار کرے گا۔
دو سال پہلے کے نظام سے کیا فرق ہے؟ اب یہ صرف پہچان نہیں ہے جیسے "سنتری کی جیکٹ میں ایک گنجے آدمی نے ایک سیل چھوڑ دیا اور تقریباً فوراً ہی دوسرے میں داخل ہو گیا"، بلکہ کمرے کا ایک ریاضیاتی ماڈل بنایا گیا ہے، اور اس کی بنیاد پر شے کی حرکت کے بارے میں مفروضے بنائے گئے ہیں۔ یعنی، یہ سب کچھ اوورلیپ والے علاقوں میں کام کرنے لگا اور اندھی جگہوں والی جگہوں پر، بعض اوقات وسیع۔ اور پتہ لگانے والے اب بہت بہتر ہیں، کیونکہ ایسی لائبریریاں ہیں جو چہرے کے حساب سے عمر کا تعین کرتی ہیں۔ ایچ ڈی کیمروں پر آپ "30 سالہ مرد 35 سالہ عورت کے ساتھ" جیسی سمتیں ترتیب دے سکتے ہیں۔
لہذا، شاید 5-7 سالوں میں ہم پیداوار ختم کر کے آپ کے گھر جائیں گے۔ حفاظت کے لئے. یہ آپ کے اپنے مفاد میں ہے، شہریو!
حوالہ جات
- میرا میل - [ای میل محفوظ]
ماخذ: www.habr.com