Il monitoraggio manuale rendeva lento e inaffidabile il rilevamento, da parte dei produttori, delle violazioni delle procedure operative standard (SOP), della sicurezza e della protezione all'interno dello stabilimento.
WG Tech Solutions utilizzaYOLO Ultralytics YOLO detect in tempo reale le violazioni detect , riducendo gli incidenti sul lavoro del 28% e migliorando la conformità alle norme.
Monitorare e migliorare le operazioni di produzione industriale può rivelarsi complesso, soprattutto perché molti processi sono ancora gestiti manualmente. Questa mancanza di visibilità sulle operazioni porta spesso a inefficienze nascoste, come colli di bottiglia e sottoutilizzo della manodopera, che sono difficili da individuare.
Ad esempio, i controlli di sicurezza e conformità, come verificare che i lavoratori indossino i dispositivi di protezione individuale (DPI) adeguati o che i materiali vengano movimentati e impilati correttamente, vengono spesso effettuati manualmente, rendendo facile trascurare eventuali violazioni in ambienti in cui il ritmo di lavoro è frenetico.
Per colmare queste lacune, WG Tech Solutions ha sviluppato WGDeepInsight, una piattaforma di analisi video basata sull'intelligenza artificiale per il monitoraggio continuo. Analizzando i flussi video in diretta tramite modelli di visione artificiale come YOLO Ultralytics , la piattaforma offre una visibilità in tempo reale sulle operazioni, aiutando i team a osservare, analizzare e migliorare i propri processi produttivi.
WG Tech Solutions è un'azienda specializzata nell'intelligenza artificiale (AI) per l'edge computing, impegnata nella realizzazione di sistemi intelligenti per ambienti reali. Sviluppa soluzioni AI end-to-end che combinano hardware personalizzato, modelli di intelligenza artificiale e software applicativo, consentendo alle organizzazioni di monitorare, analizzare e migliorare le operazioni direttamente in ambiente edge.
Con sede in India, l'azienda opera in diversi settori, quali quello manifatturiero, automobilistico, agricolo e dei sistemi medici, in cui le informazioni in tempo reale e l'analisi dei dati sul campo sono fondamentali.
La sua piattaforma principale, WGDeepInsight, è progettata per garantire una visibilità in tempo reale sulle operazioni grazie all'analisi video basata sull'intelligenza artificiale. Trova applicazione in ambiti quali la sicurezza, la sorveglianza, la conformità alle norme di sicurezza e il controllo qualità, consentendo agli utenti di monitorare le attività, detect e ottimizzare i flussi di lavoro direttamente sul campo.
Grazie alla combinazione di modelli di visione artificiale e funzionalità di intelligenza artificiale delle cose (AIoT), WGDeepInsight consente ai produttori di track , verificare la conformità e migliorare la visibilità operativa in tutti gli ambienti di produzione.
Il monitoraggio delle operazioni di fabbrica su larga scala richiede una visibilità costante, ma gli ambienti di produzione reali rendono questo obiettivo tutt'altro che semplice. Le attività possono variare da una postazione all'altra, gli operai svolgono in genere mansioni diverse nel corso della giornata e le condizioni possono cambiare all'interno di impianti distribuiti.
In molti casi, i team di produzione continuano ad affidarsi all'osservazione manuale e ai controlli sul campo per track . Sebbene tali metodi tradizionali possano garantire un controllo di base, limitano la comprensione di come il lavoro venga effettivamente svolto.
In altre parole, raccogliere dati precisi e imparziali sui tempi e sui movimenti è un compito arduo. Questa carenza di dati diventa ancora più critica quando sono in gioco la sicurezza e la protezione. Problemi quali il mancato rispetto delle norme in materia di DPI, gli accessi non autorizzati o la movimentazione errata dei materiali possono facilmente sfuggire all'attenzione, e le risposte tardive rendono più difficile prevenire il ripetersi delle violazioni.
Ad esempio, WG Tech Solutions ha collaborato con un importante produttore di design originale (ODM) che gestisce diversi stabilimenti e che doveva affrontare difficoltà simili. La maggior parte dei processi di assemblaggio dell’ODM era ancora manuale, pertanto il monitoraggio della produttività, della sicurezza e della conformità si basava in gran parte su controlli visivi.
Per ottimizzare la produttività e garantire il rispetto delle norme di sicurezza, l'ODM necessitava di un approccio più strutturato per acquisire dati affidabili relativi ai tempi e ai movimenti, track il rispetto delle procedure operative track (SOP) in tutte le postazioni e detect eventuali violazioni detect e protezione.
Avevano inoltre bisogno di un modo più efficace per fornire un feedback in tempo reale ai team interessati. Senza l'automazione, garantire questo livello di visibilità su larga scala rimaneva una preoccupazione fondamentale.
WG Tech Solutions integraYOLO Ultralytics nella propria piattaforma WGDeepInsight per consentire l'esecuzione di attività chiave di visione artificiale quali il rilevamento e il tracciamento di oggetti, nonché la segmentazione di istanze. Applicando questi modelli ai flussi video in diretta, la piattaforma consente ai team di monitorare costantemente le operazioni, acquisire dati precisi su tempi e movimenti e individuare le inefficienze in tempo reale.
Questo approccio è stato applicato in un progetto di implementazione con il principale ODM citato in precedenza. WGDeepInsight è stato implementato utilizzando una configurazione ibrida, con gli acceleratori AI Axelera Metis distribuiti sulle workstation e in tutto l'ambiente IT dello stabilimento, mentre l'SDK Voyager ha ottimizzato l'implementazione edge su larga scala.
Le funzionalità di visione artificialeYOLO Ultralytics sono state utilizzate per monitorare le operazioni nelle diverse postazioni dello stabilimento, track delle procedure operative standard (SOP) e detect violazioni detect e protezione, quali il mancato utilizzo dei dispositivi di protezione individuale (DPI), gli accessi non autorizzati e l'accatastamento improprio dei materiali.
A tal fine, sono stati raccolti dati video da diverse postazioni di lavoro nell'arco di tre settimane e annotati tramite un'interfaccia proprietaria. Questo set di dati è stato utilizzato per addestrare e ottimizzareYOLO Ultralytics , tra cui Ultralytics YOLO11 e Ultralytics YOLOv8, pensati appositamente per l'ambiente industriale.
I modelli sono stati ulteriormente perfezionati grazie all'integrazione di logiche di inferenza, alla messa a punto dei parametri e all'applicazione di tecniche di ottimizzazione, al fine di garantire prestazioni affidabili in condizioni reali. Una volta implementata, la piattaforma ha consentito il monitoraggio in tempo reale e il rilevamento automatico delle violazioni, fornendo una visibilità coerente e basata sui dati delle operazioni.
Per WG Tech Solutions,YOLO Ultralytics hanno costituito una solida base per lo sviluppo di soluzioni di visione artificiale in grado di adattarsi rapidamente a diversi scenari applicativi in ambito industriale. La loro capacità di garantire un'elaborazione ad alte prestazioni in locale li ha resi una scelta ottimale per gli impianti di produzione su larga scala, dove la bassa latenza e il monitoraggio continuo sono fondamentali.
YOLO Ultralytics offrivano inoltre flessibilità in termini di vari formati di esportazione per l'implementazione, tra cui ONNX, PyTorch e NCNN. Ciò ha reso più semplice la loro integrazione sia con i dispositivi edge che con i sistemi centralizzati per un'architettura ibrida.
Nel complesso, grazie all'utilizzoYOLO Ultralytics , WG Tech Solutions è riuscita a fornire soluzioni su misura in tempi più rapidi, garantendo al contempo prestazioni affidabili in contesti industriali su larga scala.
GrazieYOLO Ultralytics , la piattaforma WGDeepInsight di WG Tech Solutions garantisce il monitoraggio e l'analisi continui delle operazioni di fabbrica, migliorando la sicurezza, la conformità e la visibilità operativa.
Nel caso del principale ODM, le violazioni delle norme di sicurezza sul lavoro sono diminuite del 28%. Gli avvisi in tempo reale, elaborati direttamente sui dispositivi con bassa latenza, hanno consentito tempi di risposta più rapidi e una riduzione dei problemi ricorrenti, garantendo un'applicazione più coerente dei protocolli di sicurezza in tutto lo stabilimento.
La piattaforma ha monitorato il rispetto delle procedure operative standard (SOP) in tutte le stazioni e ha segnalato le violazioni man mano che si verificavano. Ha inoltre individuato problemi quali l'uso scorretto dei dispositivi di protezione individuale (DPI), accessi non autorizzati, sovraffollamento e fasi di processo saltate o eseguite in modo errato.
Ad esempio, nei flussi di lavoro relativi alla movimentazione dei vassoi, il sistema verificava se gli articoli fossero stati prelevati e posizionati correttamente e se ogni fase seguisse la sequenza richiesta, segnalando eventuali scostamenti lungo il percorso.
Inoltre, il sistema è stato esteso ad altre procedure operative e di sicurezza. Nelle sale di monitoraggio delle telecamere a circuito chiuso, il sistema rilevava in tempo reale la presenza del personale e attivava degli allarmi qualora il numero di addetti scendesse al di sotto delle soglie previste.
Nel contempo, nell'ambito dei flussi di lavoro relativi al controllo qualità, ha verificato le sequenze di processo, ha rafforzato l'uso degli strumenti specificati e ha monitorato il tempo impiegato per ciascuna attività, segnalando eventuali scostamenti al fine di garantire il rispetto di standard uniformi.
Nel corso del tempo, queste informazioni hanno permesso di individuare con maggiore chiarezza i punti deboli dei processi e hanno favorito l'adozione di misure correttive attraverso una formazione mirata.
I meccanismi di allerta e feedback sono stati personalizzati in base alle esigenze dei clienti, con un'integrazione flessibile nei flussi di lavoro esistenti dello stabilimento. Le notifiche sono state inviate tramite canali quali e-mail, sistemi di messaggistica e dashboard basate sui ruoli, garantendo che le informazioni rilevanti raggiungessero i team competenti in tempo reale.
Ciò ha inoltre garantito il rispetto costante delle procedure fondamentali, come l'utilizzo degli strumenti corretti e il mantenimento di livelli minimi di personale nelle aree controllate. In definitiva, le operazioni quotidiane sono diventate più uniformi, rafforzando la conformità in tutto lo stabilimento.
Con l'evoluzione dell'automazione industriale, la visione artificiale sta assumendo un ruolo centrale nel migliorare la visibilità e l'uniformità delle operazioni manuali. PersonalizzandoYOLO Ultralytics , WG Tech Solutions intende estendere la propria piattaforma WGDeepInsight a nuovi ambienti produttivi e flussi di lavoro.
Ciò consente di gestire casi d'uso che spaziano dal monitoraggio della sicurezza e della protezione ai controlli a livello di processo in ambito produttivo. In combinazione con l'implementazione edge, l'analisi in tempo reale e gli acceleratori AI edge Axelera Metis , offre un monitoraggio scalabile e informazioni operative coerenti in tutti gli ambienti di produzione.
Stai valutando l'uso dell'IA visiva per i tuoi flussi di lavoro operativi? Dai un'occhiata al nostro repository GitHub e alle opzioni di licenza per iniziare a utilizzareYOLO Ultralytics . Scopri le applicazioni dell'IA nel settore sanitario e dell'IA visiva nel settore manifatturiero, nonché gli acceleratori di IA edge come Axelera AI Export and Deployment | Ultralytics
I modelli Ultralytics YOLO sono architetture di visione artificiale sviluppate per analizzare i dati visivi provenienti da immagini e video. Questi modelli possono essere addestrati per compiti quali il rilevamento di oggetti, la classificazione, la stima della posa, il tracciamento e la segmentazione di istanzeUltralytics
Ultralytics YOLO11 è l'ultima versione dei nostri modelli di computer vision. Come le versioni precedenti, supporta tutti i compiti di computer vision che la comunità di Vision AI ha imparato ad apprezzare con YOLOv8. Il nuovo YOLO11, tuttavia, è dotato di maggiori prestazioni e precisione, che lo rendono uno strumento potente e l'alleato perfetto per le sfide del mondo reale.
Il modello che scegli di utilizzare dipende dai requisiti specifici del tuo progetto. È fondamentale tenere conto di fattori quali prestazioni, accuratezza ed esigenze di implementazione. Ecco una rapida panoramica:
I repositoryYOLO Ultralytics , come YOLOv5 e YOLO11, sono distribuiti di default sotto la licenza AGPL-3.0 . Questa licenza, approvata dall'OSI, è pensata per gli studenti, i ricercatori e gli appassionati. Questa licenza approvata dall'OSI è pensata per studenti, ricercatori e appassionati, promuove la collaborazione aperta e richiede che qualsiasi software che utilizzi componenti AGPL-3.0 sia anche open-sourced. Sebbene garantisca trasparenza e promuova l'innovazione, potrebbe non essere in linea con i casi d'uso commerciali.
Se il vostro progetto prevede l'incorporazione del software e dei modelli di intelligenza artificiale Ultralytics in prodotti o servizi commerciali e desiderate aggirare i requisiti di open-source della licenza AGPL-3.0, la licenza Enterprise è l'ideale.
I vantaggi della Licenza Enterprise includono:
Per garantire un'integrazione perfetta ed evitare i vincoli della AGPL-3.0 , richiedete una licenza Ultralytics Enterprise utilizzando l'apposito modulo. Il nostro team vi aiuterà a personalizzare la licenza in base alle vostre esigenze specifiche.
Inizia il tuo viaggio con il futuro del machine learning
