WG Tech Solutions s’appuie sur Ultralytics YOLO pour détecter en temps réel les infractions en usine, réduire de 28 % les incidents de sécurité et améliorer la conformité.
Le suivi et l’amélioration des opérations de fabrication industrielle peuvent s’avérer difficiles, d’autant que de nombreux processus restent manuels. Ce manque de visibilité sur les opérations entraîne souvent des inefficacités cachées, comme des goulots d’étranglement et une main-d’œuvre sous-utilisée, difficiles à repérer.
Par exemple, les contrôles de sécurité et de conformité, comme vérifier que les travailleurs portent un équipement de protection individuelle (PPE) adapté ou que les matériaux sont manipulés et empilés correctement, sont souvent effectués manuellement. Les infractions passent alors facilement inaperçues dans les environnements où tout va vite.
Pour combler ces lacunes, WG Tech Solutions a développé WGDeepInsight, une plateforme d’analyse vidéo alimentée par l’IA pour assurer une surveillance continue. En analysant les flux vidéo en direct à l’aide de modèles de vision par ordinateur, comme les modèles Ultralytics YOLO, la plateforme offre une visibilité opérationnelle en temps réel et aide 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 spécialisée dans l’IA en périphérie qui se consacre à la création de systèmes intelligents pour des environnements réels. Elle développe des solutions d’IA de bout en bout associant du matériel personnalisé, des modèles d’IA et des logiciels applicatifs. Les organisations peuvent ainsi surveiller, analyser et améliorer leurs opérations directement en périphérie.
Basée en Inde, l’entreprise intervient dans plusieurs secteurs, notamment la fabrication, l’automobile, l’agriculture et les systèmes médicaux, où les informations en temps réel et l’intelligence sur site sont essentielles.
Sa plateforme principale, WGDeepInsight, est conçue pour offrir une visibilité opérationnelle en temps réel grâce à l’analyse vidéo alimentée par l’IA. Elle prend en charge des cas d’usage liés à la sécurité, à la vidéosurveillance, à la conformité en matière de sécurité et au contrôle qualité, permettant aux utilisateurs de surveiller les activités, de détecter les problèmes 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 suivre les activités, de surveiller la conformité et d’améliorer la visibilité opérationnelle dans l’ensemble de leurs usines.
Pourquoi la visibilité fait défaut dans les opérations en usine#
La surveillance des opérations d’usine à grande échelle exige une visibilité constante, mais les environnements de production réels compliquent considérablement cette tâche. Les activités varient selon les postes, les travailleurs effectuent généralement différentes tâches au cours de la journée et les conditions peuvent changer d’une usine à l’autre dans des configurations réparties.
Dans bien des cas, les équipes d’usine s’appuient encore sur l’observation manuelle et les contrôles sur le terrain pour suivre les flux de travail. Ces méthodes traditionnelles assurent une supervision de base, mais elles limitent la compréhension de la façon dont le travail est réellement effectué.
Autrement dit, il est difficile de recueillir des données précises et impartiales sur le temps et les mouvements. Ce manque de données est encore plus problématique lorsque la sécurité et la sûreté sont en jeu. Les problèmes liés au non-respect des règles concernant les PPE, aux accès non autorisés ou à la manutention incorrecte des matériaux peuvent facilement passer inaperçus, et les interventions tardives compliquent la prévention de nouvelles infractions.
Par exemple, WG Tech Solutions a travaillé avec un grand fabricant concepteur d’origine (ODM) exploitant plusieurs usines et confronté à des contraintes similaires. La plupart des processus d’assemblage de l’ODM étaient encore manuels ; la surveillance de la productivité, de la sécurité et de la conformité reposait donc largement sur des contrôles visuels.
Pour optimiser la productivité et le respect des règles de sécurité, l’ODM avait besoin d’une approche plus structurée pour recueillir des données fiables sur le temps et les mouvements, suivre le respect des procédures opératoires normalisées (SOP) dans les différents postes et détecter les infractions en matière de sécurité et de sûreté.
L’entreprise avait également besoin d’un moyen plus efficace de transmettre des retours en temps réel aux équipes concernées. Sans automatisation, déployer ce niveau de visibilité à grande échelle restait une préoccupation majeure.
Une surveillance et une conformité plus intelligentes en usine grâce aux modèles Ultralytics YOLO#
WG Tech Solutions intègre les modèles Ultralytics YOLO à sa plateforme WGDeepInsight pour prendre en charge des tâches clés de vision par ordinateur, comme la détection et le suivi d’objets ainsi que la segmentation d’instances. Appliqués aux flux vidéo en direct, ces modèles permettent aux équipes de surveiller les opérations en continu, de recueillir des données précises sur le temps et les mouvements et de repérer les inefficacités en temps réel.
Cette approche a été mise en œuvre lors d’un déploiement chez le grand ODM mentionné précédemment. WGDeepInsight a été déployé selon une configuration hybride, avec des accélérateurs d’IA Axelera Metis installés aux postes de travail et dans l’environnement informatique de l’usine ; le Voyager SDK a simplifié le déploiement en périphérie à grande échelle.
Les capacités de vision des modèles Ultralytics YOLO ont été utilisées pour surveiller les opérations aux différents postes de l’usine, suivre le respect des procédures opérationnelles normalisées (SOPs) et détecter les infractions aux règles de sécurité, comme le non-respect des exigences en matière d’EPI (PPE), les accès non autorisés et l’empilement incorrect des matériaux.
Fig. 1. Exemple d’utilisation des modèles Ultralytics YOLO pour détecter des boîtes empilées de manière irrégulière.
Pour ce faire, des données vidéo ont été collectées à plusieurs postes de travail sur une période de trois semaines, puis annotées à l’aide d’une interface propriétaire. Cet ensemble de données a servi à entraîner et à affiner les modèles Ultralytics YOLO, notamment Ultralytics YOLO11 et Ultralytics YOLOv8, adaptés au contexte de l’usine.
Les modèles ont ensuite été améliorés grâce à une logique d’inférence supplémentaire, 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 une visibilité constante et fondée sur les données des opérations.
Pourquoi choisir les modèles Ultralytics YOLO ?#
Pour WG Tech Solutions, les modèles Ultralytics YOLO ont constitué une base solide pour créer des solutions de vision par ordinateur rapidement adaptables à différents cas d’usage en usine. Leur capacité à offrir une inférence performante en périphérie en faisait une excellente option pour les installations de fabrication à grande échelle, où une faible latence et une surveillance continue sont essentielles.
Les modèles Ultralytics YOLO offraient également une grande flexibilité grâce aux différents formats d’exportation disponibles pour le déploiement, notamment ONNX, PyTorch et NCNN. Leur intégration aux appareils en périphérie comme aux systèmes centralisés s’en est trouvée facilitée, permettant une architecture hybride.
Dans l’ensemble, en utilisant les modèles Ultralytics YOLO, WG Tech Solutions a pu fournir plus rapidement des solutions personnalisées tout en maintenant des performances fiables dans des environnements industriels à grande échelle.
WGDeepInsight réduit de 28 % les infractions commises par les employés grâce à Ultralytics YOLO#
Grâce aux modèles Ultralytics YOLO, la plateforme WGDeepInsight de WG Tech Solutions surveille et analyse en continu les opérations de l’usine, améliorant ainsi la sécurité, la conformité et la visibilité opérationnelle.
Dans le cas de ce grand ODM, les infractions aux règles de sécurité commises par les employés ont diminué de 28 %. Les alertes en temps réel, traitées sur l’appareil avec une faible latence, ont accéléré les interventions et réduit les récidives, assurant une application plus cohérente des protocoles de sécurité dans toute l’usine.
La plateforme suivait le respect des SOPs à chaque poste et signalait les infractions dès qu’elles survenaient. Elle détectait également les problèmes tels que le port incorrect des EPI (PPE), les accès non autorisés, la surpopulation et les étapes de processus omises ou mal exécutées.
Par exemple, dans les opérations de manutention des plateaux, elle vérifiait si les articles étaient correctement pris et déposés et si chaque étape respectait l’ordre requis, en signalant tout écart au passage.
Fig. 2. Les modèles Ultralytics YOLO contribuent à détecter la manipulation de plateaux d’une seule main.
La plateforme a également été étendue à d’autres flux de travail opérationnels et de sécurité. Dans les salles de vidéosurveillance, le système suivait en temps réel la présence du personnel et déclenchait des alertes si les effectifs passaient sous les seuils requis.
Dans les processus d’inspection qualité, il vérifiait l’ordre des étapes, veillait à l’utilisation des outils spécifiés et surveillait le temps consacré à chaque tâche, en signalant tout écart afin de maintenir des normes cohérentes.
Au fil du temps, ces informations issues de la vision ont permis de mieux voir où les processus échouaient et ont favorisé 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 exigences des clients et intégrés de manière flexible aux flux de travail existants de l’usine. Les notifications étaient envoyées par différents canaux, comme les e-mails, les systèmes de messagerie et les tableaux de bord par rôle, afin que les équipes concernées reçoivent les informations pertinentes en temps réel.
La plateforme a également permis de veiller au respect systématique des procédures critiques, comme l’utilisation des bons outils et le maintien d’effectifs minimaux dans les zones contrôlées. Au final, les opérations quotidiennes sont devenues plus cohérentes, renforçant la conformité dans toute l’usine.
Étendre la surveillance en temps réel à différents environnements industriels#
À mesure que l’automatisation industrielle évolue, la vision par ordinateur joue un rôle 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 industriels et flux de travail.
Cette solution répond à des cas d’usage allant de la surveillance de la sécurité aux vérifications des processus sur le site de production. Associée au déploiement en périphérie, à l’analyse en temps réel et aux accélérateurs d’IA en périphérie Axelera Metis, elle fournit une surveillance évolutive et des informations opérationnelles cohérentes dans les environnements de fabrication.
Tu explores les possibilités de l’IA visuelle pour tes processus opérationnels ? Consulte notre dépôt GitHub et nos options de licence pour commencer à utiliser les modèles Ultralytics YOLO. Découvre des applications comme l’IA dans la santé et l’IA visuelle dans l’industrie manufacturière, ainsi que des accélérateurs d’IA en périphérie comme Axelera AI Export and Deployment | Ultralytics Docs.
