La surveillance manuelle rendait le processus lent et peu fiable pour les fabricants lorsqu'il s'agissait de détecter les infractions aux procédures opérationnelles standard (SOP), aux règles de sécurité et de sûreté dans les ateliers.
WG Tech Solutions utiliseYOLO Ultralytics YOLO detect en temps réel les infractions detect , ce qui a permis de réduire les incidents liés à la sécurité de 28 % et d'améliorer la conformité.
Le suivi et l'optimisation des opérations de production industrielle peuvent s'avérer complexes, d'autant plus que de nombreux processus sont encore effectués manuellement. Ce manque de visibilité sur les opérations entraîne souvent des inefficacités cachées, telles que des goulots d'étranglement et une main-d'œuvre sous-utilisée, qui sont difficiles à détecter.
Par exemple, les contrôles de sécurité et de conformité, comme vérifier que les travailleurs portent un équipement de protection individuelle (EPI) adapté ou que les matériaux sont manipulés et empilés correctement, sont souvent effectués manuellement, ce qui fait qu'il est facile de passer à côté d'infractions dans des environnements où le rythme de travail est soutenu.
Pour combler ces lacunes, WG Tech Solutions a développé WGDeepInsight, une plateforme d'analyse vidéo basée sur l'IA et destinée à la surveillance continue. En analysant les flux vidéo en direct à l'aide de modèles de vision par ordinateur tels que YOLO Ultralytics , la plateforme offre une visibilité en temps réel sur les opérations, aidant ainsi les équipes à observer, analyser et améliorer leurs processus de fabrication.
WG Tech Solutions est une entreprise spécialisée dans l'IA en périphérie qui se consacre à la conception de systèmes intelligents destinés à des environnements réels. Elle développe des solutions d'IA de bout en bout alliant matériel sur mesure, modèles d'IA et logiciels d'application, permettant ainsi aux organisations de surveiller, d'analyser et d'optimiser leurs opérations directement en périphérie.
Basée en Inde, l'entreprise intervient dans de nombreux secteurs, tels que l'industrie manufacturière, l'automobile, l'agriculture et les systèmes médicaux, où les informations en temps réel et les données recueillies sur le terrain sont essentielles.
Sa plateforme principale, WGDeepInsight, est conçue pour offrir une visibilité en temps réel sur les opérations grâce à l'analyse vidéo alimentée par l'IA. Elle prend en charge divers cas d'utilisation dans les domaines de la sécurité, de la surveillance, de la conformité aux normes de sécurité et du contrôle qualité, permettant ainsi aux utilisateurs de surveiller les activités, de detect et d'améliorer les flux de travail directement en périphérie.
En associant des modèles de vision par ordinateur aux capacités de l'intelligence artificielle des objets (AIoT), WGDeepInsight permet aux fabricants de track , de contrôler la conformité et d'améliorer la visibilité opérationnelle dans l'ensemble des environnements industriels.
La surveillance des opérations d'usine à grande échelle nécessite une visibilité constante, mais les environnements de production réels rendent cette tâche tout sauf simple. Les activités peuvent varier d'un poste à l'autre, les employés effectuent généralement des tâches différentes tout au long de la journée, et les conditions peuvent changer d'un site à l'autre dans les usines décentralisées.
Dans de nombreux cas, les équipes en usine s'appuient encore sur l'observation manuelle et les contrôles sur le terrain pour track . Si ces méthodes traditionnelles permettent d'assurer une surveillance de base, elles limitent toutefois la compréhension de la manière dont le travail est réellement effectué.
En d'autres termes, il est difficile de recueillir des données précises et objectives sur les temps et les mouvements. Ce manque de données devient d'autant plus critique lorsqu'il s'agit de sécurité et de sûreté. Des problèmes tels que le non-respect des consignes relatives aux EPI, les accès non autorisés ou la mauvaise manipulation du matériel peuvent facilement passer inaperçus, et des réactions tardives rendent plus difficile la prévention de récidives.
Par exemple, WG Tech Solutions a collaboré avec un important fabricant de conception originale (ODM) exploitant plusieurs sites de production qui se heurtaient à des contraintes similaires. La plupart des processus d'assemblage de cet ODM étant encore manuels, le suivi de la productivité, de la sécurité et de la conformité reposait en grande partie sur des contrôles visuels.
Afin d'optimiser la productivité et le respect des normes de sécurité, l'ODM avait besoin d'une approche plus structurée pour collecter des données fiables sur les temps et les mouvements, track le respect des procédures opérationnelles track (SOP) dans tous les postes de travail et detect les infractions detect et de sûreté.
Ils avaient également besoin d'un moyen plus efficace de transmettre des retours d'information en temps réel aux équipes concernées. Sans automatisation, la mise à l'échelle de ce niveau de visibilité restait une préoccupation majeure.
WG Tech Solutions intègreYOLO Ultralytics à sa plateforme WGDeepInsight afin de permettre la réalisation de tâches clés en vision par ordinateur, telles que la détection d'objets, le suivi d'objets et la segmentation d'instances. En appliquant ces modèles à des flux vidéo en direct, la plateforme permet aux équipes de surveiller en permanence les opérations, de collecter des données précises sur les temps et les mouvements, et d'identifier les inefficacités en temps réel.
Cette approche a été mise en œuvre dans le cadre d'un déploiement chez le leader ODM mentionné précédemment. WGDeepInsight a été déployé selon une configuration hybride, avec des accélérateurs IA Axelera Metis installés sur les postes de travail et dans l'ensemble de l'environnement informatique de l'usine, tandis que le SDK Voyager a permis de rationaliser le déploiement en périphérie à grande échelle.
Les capacités de visionYOLO Ultralytics ont été utilisées pour surveiller les opérations dans les différents postes de l'usine, track des procédures opérationnelles standard (SOP) et detect les infractions detect et de sûreté, telles que le non-respect des consignes relatives aux EPI, les accès non autorisés et l'empilage incorrect des matériaux.
À cette fin, des données vidéo ont été collectées sur plusieurs postes de travail pendant trois semaines, puis annotées à l'aide d'une interface propriétaire. Cet ensemble de données a servi à entraîner et à affinerYOLO Ultralytics , notamment Ultralytics YOLO11 et Ultralytics YOLOv8, adaptés à l'environnement industriel.
Les modèles ont été perfectionnés grâce à l'ajout de logiques d'inférence, au réglage des paramètres et à des techniques d'optimisation, afin de garantir des performances fiables en conditions réelles. Une fois déployée, la plateforme a permis la surveillance en temps réel et la détection automatisée des infractions, offrant ainsi une visibilité cohérente et fondée sur les données sur les opérations.
Pour WG Tech Solutions,YOLO Ultralytics ont constitué une base solide pour le développement de solutions de vision par ordinateur pouvant s'adapter rapidement à différents cas d'utilisation en usine. Leur capacité à fournir une inférence hautement performante en périphérie en a fait un choix idéal pour les installations de production à grande échelle, où la faible latence et la surveillance continue sont essentielles.
YOLO Ultralytics offraient également une grande flexibilité en matière de formats d'exportation pour le déploiement, notamment ONNX, PyTorch et NCNN. Cela a facilité leur intégration à la fois avec des périphériques en périphérie et des systèmes centralisés pour une architecture hybride.
Dans l'ensemble, grâce à l'utilisationYOLO Ultralytics , WG Tech Solutions a pu proposer plus rapidement des solutions sur mesure tout en garantissant des performances fiables dans des environnements industriels à grande échelle.
GrâceYOLO Ultralytics , la plateforme WGDeepInsight de WG Tech Solutions assure une surveillance et une analyse en continu des opérations en usine, améliorant ainsi la sécurité, la conformité et la visibilité opérationnelle.
Dans le cas de ce grand fabricant ODM, les infractions aux règles de sécurité du travail ont diminué de 28 %. Les alertes en temps réel, traitées directement sur les appareils avec un temps de latence réduit, ont permis d'accélérer les temps de réaction et de réduire la fréquence des problèmes récurrents, ce qui s'est traduit par une application plus cohérente des protocoles de sécurité dans l'ensemble de l'usine.
La plateforme a permis de suivre le respect des procédures opérationnelles standard (SOP) dans toutes les stations et de signaler les infractions dès qu'elles se produisaient. Elle a également permis d'identifier des problèmes tels que l'utilisation incorrecte des EPI, les accès non autorisés, la surfréquentation, ainsi que les étapes de processus omises ou mal exécutées.
Par exemple, dans les processus de manutention des plateaux, le système vérifiait si les articles avaient été prélevés et placés correctement et si chaque étape respectait l'ordre requis, en signalant tout écart constaté en cours de route.
De plus, ce système a été étendu à d'autres processus opérationnels et de sécurité. Dans les salles de surveillance par caméra, le système suivait la présence du personnel en temps réel et déclenchait des alertes si les effectifs tombaient en dessous des seuils requis.
Par ailleurs, dans le cadre des processus de contrôle qualité, le système a vérifié l'enchaînement des étapes, encouragé l'utilisation des outils prescrits et suivi le temps consacré à chaque tâche, en signalant tout écart afin de garantir le respect des normes.
Au fil du temps, ces informations ont permis de mieux cerner les points de défaillance des processus et ont facilité la mise en place de mesures correctives grâce à des formations ciblées.
Les mécanismes d'alerte et de retour d'information ont été adaptés aux besoins des clients et intégrés de manière flexible aux flux de travail existants de l'usine. Les notifications ont été transmises par divers canaux, tels que les e-mails, les systèmes de messagerie et les tableaux de bord personnalisés en fonction des rôles, garantissant ainsi que les informations pertinentes parviennent aux équipes concernées en temps réel.
Cela a également permis de garantir le respect systématique des procédures essentielles, telles que l'utilisation des outils appropriés et le maintien d'un effectif minimum dans les zones contrôlées. Au final, les opérations quotidiennes ont gagné en cohérence, ce qui a renforcé la conformité dans l'ensemble de l'usine.
À mesure que l'automatisation industrielle évolue, la vision par ordinateur joue un rôle de plus en plus central pour améliorer la visibilité et la cohérence des opérations manuelles. En personnalisantYOLO Ultralytics , WG Tech Solutions prévoit d'étendre sa plateforme WGDeepInsight à de nouveaux environnements industriels et flux de travail.
Cette solution couvre des cas d'utilisation allant de la surveillance de la sûreté et de la sécurité aux contrôles au niveau des processus dans les ateliers de production. Associée à un déploiement en périphérie, à des analyses en temps réel et aux accélérateurs d'IA en périphérie Axelera Metis , elle offre une surveillance évolutive et des informations opérationnelles cohérentes dans tous les environnements de fabrication.
Vous envisagez d'intégrer l'IA visuelle à vos processus opérationnels ? Consultez notre référentiel GitHub et nos options de licence pour commencer à utiliserYOLO Ultralytics . Découvrez des applications telles que l'IA dans le secteur de la santé et l'IA visuelle dans l'industrie manufacturière, ainsi que les accélérateurs d'IA en périphérie comme l'Axelera AI Export and Deployment | Ultralytics
Les modèlesYOLO d'Ultralytics sont des architectures de vision par ordinateur développées pour analyser des données visuelles à partir d'images et d'entrées vidéo. Ces modèles peuvent être entraînés pour des tâches telles que la détection d'objets, la classification, l'estimation de la pose, le suivi et la segmentation d'instancesUltralytics
Ultralytics YOLO11 est la dernière version de nos modèles de vision par ordinateur. Comme ses versions précédentes, elle prend en charge toutes les tâches de vision par ordinateur que la communauté Vision AI a appris à apprécier dans YOLOv8. Cependant, le nouveau YOLO11 est plus performant et plus précis, ce qui en fait un outil puissant et un allié parfait pour relever les défis industriels du monde réel.
Le modèle que vous choisissez d'utiliser dépend des exigences spécifiques de votre projet. Il est essentiel de prendre en compte des facteurs tels que les performances, la précision et les besoins de déploiement. Voici un aperçu rapide :
Les dépôtsYOLO d'Ultralytics , tels que YOLOv5 et YOLO11, sont distribués par défaut sous la licence AGPL-3.0 Cette licence approuvée par l'OSI est conçue pour les étudiants, les chercheurs et les passionnés. Elle encourage la collaboration ouverte et exige que tout logiciel utilisant des composants AGPL-3.0 soit également mis à disposition en libre accès. Bien que cette licence assure la transparence et favorise l'innovation, elle peut ne pas correspondre aux cas d'utilisation commerciale.
Si votre projet implique l'intégration du logiciel Ultralytics et des modèles d'IA dans des produits ou services commerciaux et que vous souhaitez contourner les exigences d'open-source de l'AGPL-3.0, une Licence Entreprise est idéale.
Les avantages de la licence Enterprise incluent :
Pour garantir une intégration transparente et éviter les contraintes de l'AGPL-3.0 , demandez une licence d'entreprise Ultralytics en utilisant le formulaire prévu à cet effet. Notre équipe vous aidera à adapter la licence à vos besoins spécifiques.
Commencez votre parcours avec l'avenir de l'apprentissage automatique
