Искусственный интеллект играет все более важную роль в современных технологиях и бизнес-процессах, включая увеличение производительности труда. Внедрение ИИ на производстве может принести множество возможностей. В статье директор компании ИРИС, Петр Заборцев, рассказывает о том, как им удалось применить рекомендательную систему менеджмента производительности на заводе и что из этого вышло.
Создание РСМП
Создание рекомендательной системы менеджмента производительности (РСМП) связано со стремлением оптимизировать рабочие процессы и повысить производительность труда на предприятиях:
“Всё началось с осознания того, что технологический прогресс и искусственный интеллект могут сделать революцию в управлении производством. Но вместо того, чтобы заменять человека на предприятиях, мы решили разработать систему, которая могла бы расширить возможности человека.
В основе проекта лежат принципы бережливого производства. Главной целью этого подхода является сокращение в работе действий, которые не приносят ценности. Всю работу на производстве можно свести к набору сценариев поведения или паттернов. Одни могут увеличивать производительность, а другие тормозить ее. Мы разработали систему, которая при помощи видеонаблюдения способна анализировать эти сценарии поведений и отличать эффективные от вредных.”
Какие возникли трудности
“Одной из основных сложностей для команды ИРИС стала обработка и анализ больших объемов данных, полученных с помощью видеонаблюдения на производстве. Поток работ, действий и операций на предприятии представлял собой огромный объем информации, который нужно было обработать и анализировать. Необходимо было разработать методы и алгоритмы для распознавания и классификации этих данных.
В процессе разработки проекта около года ушло на то, чтобы определить, какие конкретные задачи будут выполнять нейросети и какие результаты от них можно получить. Создание всего остального, включая настройку нейросетей, их обучение и другие этапы, заняло гораздо меньше времени.“
Каких результатов удалось достичь
В течение определенного времени камеры наблюдения фиксировали на заводе «ЖБ-Энерго» часто повторяющиеся паттерны, а сверточные нейросети проводили видеоаналитику. Затем РСМП рассчитала, какие из паттернов и сколько раз повторялись во время смен с высокой и низкой результативностью. В результате система смогла создать на основе этих данных цифровую модель производственной системы с помощью автоэнкодера и генеративно-состязательных алгоритмов и выработать рекомендации.
Результаты этого проекта превзошли ожидания: производительность труда на заводе «ЖБ-Энерго» выросла на 47% всего за 4 месяца без дополнительных инвестиций в оборудование и персонал. РСМП продемонстрировала свой потенциал в увеличении производительности и повышении эффективности производства. Если до применения системы в среднем удавалось выпускать от 110 до 115 единиц за смену, то после средний показатель достиг от 160 до 170. Удовлетворенность рабочего коллектива также повысилась. Сотрудники отметили, что работа на производстве стала более слаженной. Также благодаря росту выпуска работникам подняли зарплату.
На такую оптимизацию рабочих процессов человеку понадобилось бы несколько лет. ИИ решил же эту задачу за несколько месяцев. Пилотный проект с заводом «ЖБ-Энерго» был первым шагом в реализации РСМП. Сейчас ИРИС предлагает компаниям поучаствовать в проекте и бесплатно внедрить систему на производстве. Оплату ожидают только в случае, если рост производительности труда достигнет минимум 20%.