WG Tech Solutions réduit les violations de sécurité de 28 % avec Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Apprends comment WG Tech Solutions a réussi à réduire les violations de sécurité dans la fabrication de 28 % en exploitant Ultralytics YOLO et l'accélérateur d'IA d'Axelera
Suivre et améliorer les opérations de fabrication industrielle peut s'avérer difficile, surtout parce que de nombreux processus sont encore manuels. Ce manque de visibilité sur les opérations entraîne souvent des inefficacités cachées, comme des goulots d'étranglement et une sous-utilisation de la main-d'œuvre, qui sont difficiles à repérer.
Par exemple, les contrôles de sécurité et de conformité, comme s'assurer que les travailleurs portent l'équipement de protection individuelle (EPI) approprié ou que les matériaux sont manipulés et empilés correctement, sont souvent effectués manuellement, ce qui rend les violations faciles à manquer dans des environnements au rythme rapide.
Pour combler ces lacunes, WG Tech Solutions a développé WGDeepInsight, une plateforme d'analyse vidéo propulsée par l'IA pour la surveillance continue. En analysant les flux vidéo en direct à l'aide de modèles de computer vision tels que les Ultralytics YOLO models, la plateforme offre une visibilité en temps réel sur les opérations, aidant les équipes à observer, analyser et améliorer leurs processus de fabrication.
Améliorer la productivité et la sécurité en usine grâce à l'IA visuelle#
WG Tech Solutions est une entreprise d'Edge AI axée sur la création de systèmes intelligents pour des environnements réels. Ils développent des solutions d'IA de bout en bout qui combinent du matériel personnalisé, des modèles d'IA et des logiciels d'application, ce qui permet aux organisations de surveiller, d'analyser et d'améliorer les opérations directement à la périphérie (edge).
Basée en Inde, l'entreprise travaille dans plusieurs secteurs tels que la fabrication, l'automobile, l'agriculture et les systèmes médicaux, où des informations en temps réel et une intelligence sur site sont essentielles.
Sa plateforme principale, WGDeepInsight, est conçue pour offrir une visibilité en temps réel sur les opérations grâce à l'analyse vidéo basée sur l'IA. Elle alimente des cas d'utilisation dans les domaines de la sécurité, de la surveillance, de la conformité de sécurité et du contrôle qualité, permettant aux utilisateurs de surveiller les activités, de détecter les problèmes et d'améliorer les flux de travail directement à la périphérie.
En combinant des modèles de computer vision avec les capacités de l'intelligence artificielle des objets (AIoT), WGDeepInsight permet aux fabricants de suivre les activités, de surveiller la conformité et d'améliorer la visibilité opérationnelle dans les environnements d'usine.
Pourquoi la visibilité diminue-t-elle dans les opérations d'usine ?#
La surveillance des opérations d'usine à grande échelle nécessite une visibilité constante, mais les environnements de production réels rendent cela loin d'être simple. Les activités peuvent varier d'un poste à l'autre, les travailleurs gèrent généralement différentes tâches tout au long de la journée et les conditions peuvent changer dans les installations d'usine distribuées.
Dans de nombreux cas, les équipes d'usine s'appuient encore sur l'observation manuelle et les contrôles sur le terrain pour suivre les flux de travail. Bien que ces méthodes traditionnelles puissent fournir une supervision de base, elles limitent la compréhension de la manière dont le travail est réellement effectué.
En d'autres termes, capturer des données chronométriques précises et objectives est complexe. Ce manque de données devient encore plus critique lorsque la sûreté et la sécurité sont en jeu. Des problèmes tels que le non-respect des EPI, l'accès non autorisé ou incorrect material handling peuvent facilement passer inaperçus, et des réponses tardives compliquent la prévention des récidives.
Par exemple, WG Tech Solutions a travaillé avec un important fabricant de conception originale (ODM) exploitant plusieurs sites d'usine confrontés à des contraintes similaires. La plupart des processus d'assemblage de l'ODM étaient encore manuels, donc la surveillance de la productivité, de la sécurité et de la conformité reposait largement sur des contrôles visuels.
Pour optimiser la productivité et la conformité en matière de sécurité, l'ODM avait besoin d'une approche plus structurée pour capturer des données fiables sur le temps et les mouvements, suivre la conformité aux procédures opérationnelles standard (SOP) sur les postes et détecter les violations de sécurité.
Ils avaient également besoin d'un moyen plus efficace de fournir des commentaires en temps réel aux bonnes équipes. Sans automatisation, la mise à l'échelle de ce niveau de visibilité restait une préoccupation majeure.
Surveillance d'usine plus intelligente et conformité avec les modèles Ultralytics YOLO#
WG Tech Solutions intègre les modèles Ultralytics YOLO dans sa plateforme WGDeepInsight pour permettre des computer vision tasks clés telles que la détection d'objets, le suivi d'objets et la segmentation d'instances. En appliquant ces modèles aux flux vidéo en direct, la plateforme permet aux équipes de surveiller en continu les opérations, de capturer des données chronométriques précises et d'identifier les inefficacités en temps réel.
Cette approche a été appliquée lors d'un déploiement chez le leader ODM mentionné précédemment. WGDeepInsight a été mis en œuvre via une configuration hybride, avec des accélérateurs d'IA Axelera Metis déployés sur les postes de travail et dans l'ensemble de l'environnement informatique de l'usine, le SDK Voyager simplifiant le déploiement en périphérie à grande échelle.
Les capacités de vision des modèles Ultralytics YOLO ont été utilisées pour surveiller les opérations sur les postes de travail, suivre le respect des SOP et détecter les violations de sécurité telles que la non-conformité aux EPI, l'accès non autorisé et les matériaux mal empilés.
Fig 1. Un exemple de modèles Ultralytics YOLO utilisés pour détecter des boîtes empilées de manière irrégulière.
Pour soutenir cette démarche, des données vidéo ont été collectées sur plusieurs postes de travail pendant une période de trois semaines et annotées à l'aide d'une interface propriétaire. Ce jeu de données a servi à entraîner et à affiner les modèles Ultralytics YOLO, notamment Ultralytics YOLO11 et Ultralytics YOLOv8, adaptés à l'environnement de l'usine.
Les modèles ont été améliorés avec une logique d'inférence supplémentaire, un réglage des paramètres et des techniques d'optimisation pour garantir des performances fiables dans des conditions réelles. Une fois déployée, la plateforme a permis une surveillance en temps réel et une détection automatisée des violations, offrant une visibilité cohérente et basée sur les données sur les opérations.
Pourquoi choisir les modèles Ultralytics YOLO ?#
Pour WG Tech Solutions, les modèles Ultralytics YOLO ont constitué une base solide pour créer des computer vision solutions rapidement adaptables à différents cas d'usage en usine. Leur capacité à offrir une inférence haute performance en périphérie en a fait une excellente option pour les configurations de fabrication à grande échelle, où une faible latence et une surveillance continue sont essentielles.
Les modèles Ultralytics YOLO ont également offert une grande flexibilité à travers divers formats d'exportation pour le déploiement, notamment ONNX, PyTorch et NCNN. Cela a facilité leur intégration à la fois avec des appareils de périphérie et des systèmes centralisés pour une architecture hybride.
Dans l'ensemble, en utilisant les modèles Ultralytics YOLO, WG Tech Solutions a pu fournir des solutions personnalisées plus rapidement tout en maintenant des performances fiables dans les environnements d'usine à grande échelle.
WGDeepInsight a réduit les violations des travailleurs de 28 % avec Ultralytics YOLO#
En utilisant les modèles Ultralytics YOLO, la plateforme WGDeepInsight de WG Tech Solutions fournit une surveillance et une analyse continues des opérations d'usine, améliorant la sécurité, la conformité et la visibilité opérationnelle.
Dans le cas du grand ODM, les violations de sécurité des travailleurs ont diminué de 28 %. Les alertes en temps réel, traitées sur l'appareil avec une faible latence, ont conduit à des temps de réponse plus rapides et à moins de problèmes répétitifs, ce qui a permis une application plus cohérente des protocoles de sécurité dans tout l'atelier.
La plateforme a suivi le respect des SOP sur les postes et a signalé les violations au fur et à mesure qu'elles se produisaient. Elle a également identifié des problèmes tels que l'utilisation incorrecte des EPI, l'accès non autorisé, le surpeuplement et les étapes de processus manquantes ou incorrectes.
Par exemple, dans les flux de travail de manipulation des plateaux, elle a vérifié si les articles étaient ramassés et placés correctement et si chaque étape suivait la séquence requise, signalant toute déviation en cours de route.
Fig 2. Les modèles Ultralytics YOLO aidant à détecter la manipulation de plateaux à une seule main.
En plus de cela, cela s'est étendu à d'autres flux de travail opérationnels et de sécurité. Dans les salles de surveillance CCTV, le système a suivi la présence du personnel en temps réel et a déclenché des alertes si les niveaux de personnel tombaient en dessous des seuils requis.
Pendant ce temps, dans les flux de travail de contrôle qualité, il a vérifié les séquences de processus, renforcé l'utilisation des outils spécifiés et surveillé le temps passé par tâche, signalant toute déviation pour maintenir des normes cohérentes.
Au fil du temps, ces informations visuelles ont permis une visibilité plus claire sur les endroits où les processus échouaient et ont soutenu les actions correctives par le biais d'une formation ciblée.
Les mécanismes d'alerte et de rétroaction ont été adaptés aux exigences des clients, avec une intégration flexible dans les flux de travail d'usine existants. Les notifications ont été transmises par des canaux tels que le courrier électronique, les systèmes de messagerie et les tableaux de bord basés sur les rôles, garantissant que les informations pertinentes atteignaient les équipes appropriées en temps réel.
Cela a également permis de s'assurer que les procédures critiques étaient suivies de manière cohérente, comme l'utilisation des bons outils et le maintien des niveaux de personnel minimaux dans les zones contrôlées. En fin de compte, les opérations quotidiennes sont devenues plus cohérentes, renforçant la conformité dans tout l'atelier.
Étendre la surveillance en temps réel dans les environnements d'usine#
À mesure que l'automatisation industrielle évolue, le computer vision devient central pour améliorer la visibilité et la cohérence des opérations manuelles. En personnalisant les modèles Ultralytics YOLO, WG Tech Solutions prévoit d'étendre sa plateforme WGDeepInsight à de nouveaux environnements d'usine et flux de travail.
Cela prend en charge des cas d'usage allant de la surveillance de la sécurité à des contrôles au niveau des processus sur le plancher de l'usine. Combiné à un déploiement en périphérie, à des analyses en temps réel et aux accélérateurs d'IA en périphérie Axelera Metis, cela offre une surveillance évolutive et des informations opérationnelles cohérentes dans tous les environnements de fabrication.
Tu explores la vision par ordinateur pour tes flux de travail opérationnels ? Consulte notre GitHub repository et nos licensing options pour démarrer avec les modèles Ultralytics YOLO. Découvre des applications telles que AI in healthcare et vision AI in manufacturing, ainsi que les accélérateurs d'IA en périphérie comme Axelera AI Export and Deployment | Ultralytics Docs.
