WG Tech Solutions, Ultralytics YOLO ve Axelera AI Hızlandırıcı ile güvenlik ihlallerini %28 azaltıyor

Endüstriyel üretim operasyonlarını takip etmek ve iyileştirmek, özellikle süreçlerin çoğu hala manuel olduğu için zorlu olabilir. Operasyonlara dair bu görünürlük eksikliği, genellikle darboğazlar ve verimsiz iş gücü kullanımı gibi tespit edilmesi güç gizli verimsizliklere yol açar.

Örneğin, çalışanların uygun kişisel koruyucu ekipman (PPE) giymesini sağlamak veya malzemelerin doğru şekilde taşınıp istiflendiğini doğrulamak gibi güvenlik ve uyumluluk kontrolleri genellikle manuel olarak yapılır; bu da hızlı tempolu ortamlarda ihlallerin gözden kaçmasını kolaylaştırır.

Bu boşlukları doldurmak için WG Tech Solutions, sürekli izleme için yapay zeka destekli bir video analitiği platformu olan WGDeepInsight'ı geliştirdi. Platform, bilgisayarlı görü modelleri gibi Ultralytics YOLO modellerini kullanarak canlı video akışlarını analiz eder ve operasyonlara gerçek zamanlı görünürlük sağlayarak ekiplerin üretim süreçlerini gözlemlemelerine, analiz etmelerine ve iyileştirmelerine yardımcı olur.

Link to this sectionGörüntü tabanlı yapay zeka kullanarak fabrika üretkenliğini ve güvenliğini artırma#

WG Tech Solutions, gerçek dünya ortamları için akıllı sistemler geliştirmeye odaklanmış bir uç yapay zeka şirketidir. Kurumların operasyonları doğrudan uç noktada izlemelerini, analiz etmelerini ve iyileştirmelerini sağlayan özel donanım, yapay zeka modelleri ve uygulama yazılımlarını birleştiren uçtan uca yapay zeka çözümleri geliştirirler.

Merkezi Hindistan'da bulunan şirket, gerçek zamanlı içgörülerin ve yerinde zekanın kritik olduğu üretim, otomotiv, tarım ve tıbbi sistemler gibi birçok farklı sektörde çalışmaktadır.

Temel platformu WGDeepInsight, yapay zeka destekli video analitiği aracılığıyla operasyonlara gerçek zamanlı görünürlük sağlamak üzere tasarlanmıştır. Güvenlik, gözetim, güvenlik uyumluluğu ve kalite denetimi gibi kullanım durumlarına güç vererek kullanıcıların faaliyetleri izlemesine, sorunları tespit etmesine ve iş akışlarını doğrudan uç noktada iyileştirmesine olanak tanır.

Bilgisayarlı görü modellerini nesnelerin yapay zekası (AIoT) yetenekleriyle birleştiren WGDeepInsight, üreticilerin fabrika ortamlarında faaliyetleri takip etmesini, uyumluluğu izlemesini ve operasyonel görünürlüğü artırmasını mümkün kılar.

Link to this sectionFabrika operasyonlarında görünürlük neden azalır?#

Fabrika operasyonlarını ölçekli bir şekilde izlemek tutarlı bir görünürlük gerektirir, ancak gerçek üretim ortamları bunu yapmayı oldukça zorlaştırır. Faaliyetler istasyonlar arasında değişebilir, çalışanlar gün boyunca genellikle farklı görevleri yerine getirir ve koşullar dağıtık fabrika düzenlerinde değişkenlik gösterebilir.

Birçok durumda fabrika ekipleri, iş akışlarını takip etmek için hala manuel gözleme ve yerinde kontrollere güvenmektedir. Bu tür geleneksel yöntemler temel bir denetim sağlasa da, işin fiilen nasıl yapıldığına dair içgörüleri sınırlar.

Başka bir deyişle, doğru ve tarafsız zaman ve hareket verileri yakalamak zordur. Güvenlik ve emniyet söz konusu olduğunda bu veri eksikliği daha kritik hale gelir. PPE uyumsuzluğu, yetkisiz erişim veya hatalı malzeme taşıma gibi sorunlar kolayca gözden kaçabilir ve gecikmeli yanıtlar, tekrar eden ihlalleri önlemeyi zorlaştırır.

Örneğin WG Tech Solutions, benzer kısıtlamalarla karşı karşıya olan ve birden fazla fabrika tesisi işleten önde gelen bir özgün tasarım üreticisi (ODM) ile çalıştı. ODM'nin montaj süreçlerinin çoğu hala manueldi, bu nedenle üretkenliği, güvenliği ve uyumluluğu izlemek büyük ölçüde görsel kontrollere dayanıyordu.

Üretkenliği ve güvenlik uyumluluğunu optimize etmek için ODM'nin güvenilir zaman ve hareket verilerini yakalamak, istasyonlar arasındaki standart operasyon prosedürü (SOP) uyumluluğunu izlemek ve güvenlik ile emniyet ihlallerini tespit etmek için daha yapılandırılmış bir yaklaşıma ihtiyacı vardı.

Ayrıca doğru ekiplere gerçek zamanlı geri bildirim iletmek için daha etkili bir yola ihtiyaçları vardı. Otomasyon olmadan, bu görünürlük seviyesini ölçeklendirmek önemli bir sorun olmaya devam ediyordu.

Link to this sectionUltralytics YOLO modelleri ile daha akıllı fabrika izleme ve uyumluluk#

WG Tech Solutions, nesne algılama, nesne takibi ve örnek segmentasyonu gibi temel bilgisayarlı görü görevlerini etkinleştirmek için Ultralytics YOLO modellerini WGDeepInsight platformuna entegre ediyor. Bu modelleri canlı video akışlarına uygulayan platform, ekiplerin operasyonları sürekli izlemesine, doğru zaman ve hareket verilerini yakalamasına ve verimsizlikleri gerçek zamanlı olarak tanımlamasına olanak tanıyor.

Bu yaklaşım, daha önce bahsedilen önde gelen ODM ile yapılan bir kurulumda uygulandı. WGDeepInsight, iş istasyonlarında ve fabrika BT ortamında dağıtılan Axelera Metis yapay zeka hızlandırıcıları ve uçta dağıtımı ölçeklendiren Voyager SDK ile hibrit bir kurulum kullanılarak uygulandı.

Ultralytics YOLO modellerinin görüntü yetenekleri, fabrika istasyonlarındaki operasyonları izlemek, SOP'lere uyumu takip etmek ve PPE uyumsuzluğu, yetkisiz erişim ve hatalı istiflenmiş malzemeler gibi güvenlik ve emniyet ihlallerini tespit etmek için kullanıldı.

Şekil 1. Düzensiz istiflenmiş kutuları tespit etmek için kullanılan Ultralytics YOLO modellerine bir örnek.

Bunu desteklemek için video verileri üç haftalık bir süre boyunca birden fazla iş istasyonundan toplandı ve özel bir arayüz kullanılarak etiketlendi. Bu veri seti, fabrika ortamına göre uyarlanmış Ultralytics YOLO11 ve Ultralytics YOLOv8 dahil olmak üzere Ultralytics YOLO modellerini eğitmek ve ince ayar yapmak için kullanıldı.

Modeller, gerçek dünya koşullarında güvenilir performans sağlamak için ek çıkarım mantığı, parametre ayarlama ve optimizasyon teknikleriyle daha da geliştirildi. Dağıtıldıktan sonra platform, gerçek zamanlı izleme ve otomatik ihlal tespiti sağlayarak operasyonlarda tutarlı, veriye dayalı görünürlük sundu.

Link to this sectionNeden Ultralytics YOLO modellerini seçmelisin?#

WG Tech Solutions için Ultralytics YOLO modelleri, farklı fabrika kullanım durumlarına hızlı bir şekilde uyarlanabilecek bilgisayarlı görü çözümleri oluşturmak için güçlü bir temel sağladı. Uç noktada yüksek performanslı çıkarım sunma yetenekleri, düşük gecikme süresinin ve sürekli izlemenin kritik olduğu büyük ölçekli üretim kurulumları için onları harika bir seçenek haline getirdi.

Ultralytics YOLO modelleri ayrıca ONNX, PyTorch ve NCNN dahil olmak üzere dağıtım için çeşitli dışa aktarma formatlarında esneklik sundu. Bu, hibrit bir mimari için onları hem uç cihazlarla hem de merkezi sistemlerle entegre etmeyi kolaylaştırdı.

Genel olarak, Ultralytics YOLO modellerini kullanan WG Tech Solutions, büyük ölçekli fabrika ortamlarında güvenilir performansı korurken özelleştirilmiş çözümleri daha hızlı sunabildi.

Link to this sectionWGDeepInsight, Ultralytics YOLO ile çalışan ihlallerini %28 oranında azalttı#

Ultralytics YOLO modellerini kullanan WG Tech Solutions'ın WGDeepInsight platformu, fabrika operasyonlarının sürekli izlenmesini ve analiz edilmesini sağlayarak güvenliği, uyumluluğu ve operasyonel görünürlüğü artırır.

Önde gelen ODM vakasında, çalışan güvenliği ihlalleri %28 azaldı. Düşük gecikme süresiyle cihaz üzerinde işlenen gerçek zamanlı uyarılar, daha hızlı yanıt sürelerine ve daha az tekrar eden soruna yol açarak fabrika genelinde güvenlik protokollerinin daha tutarlı bir şekilde uygulanmasını sağladı.

Platform, istasyonlar arasındaki SOP uyumunu takip etti ve ihlalleri gerçekleştiği anda işaretledi. Ayrıca hatalı PPE kullanımı, yetkisiz erişim, aşırı kalabalıklaşma ve eksik veya yanlış işlem adımları gibi sorunları da tespit etti.

Örneğin, tepsi taşıma iş akışlarında, öğelerin doğru alınıp bırakıldığını ve her adımın gerekli sırayı takip edip etmediğini doğrulayarak süreçteki sapmaları işaretledi.

Şekil 2. Tek elle tepsi taşımayı tespit etmeye yardımcı olan Ultralytics YOLO modelleri.

Buna ek olarak, diğer operasyonel ve güvenlik iş akışlarına da yayıldı. CCTV izleme odalarında sistem, personel varlığını gerçek zamanlı olarak takip etti ve personel seviyeleri gerekli eşiklerin altına düştüğünde uyarıları tetikledi.

Bu arada kalite denetim iş akışlarında işlem sıralarını doğruladı, belirtilen araçların kullanımını pekiştirdi ve görev başına harcanan süreyi izleyerek tutarlı standartları korumak için sapmaları işaretledi.

Zamanla bu görsel içgörüler, süreçlerin nerede aksadığına dair daha net bir görünürlük sağladı ve hedeflenmiş eğitim yoluyla düzeltici eylemleri destekledi.

Uyarı ve geri bildirim mekanizmaları, mevcut fabrika iş akışlarına esnek entegrasyon ile müşteri gereksinimlerine göre uyarlandı. Bildirimler e-posta, mesajlaşma sistemleri ve role dayalı panolar gibi kanallar aracılığıyla iletilerek ilgili içgörülerin doğru ekiplere gerçek zamanlı olarak ulaşması sağlandı.

Bu aynı zamanda doğru araçların kullanılması ve kontrollü alanlarda minimum personel seviyelerinin korunması gibi kritik prosedürlerin tutarlı bir şekilde takip edilmesini sağladı. Sonuç olarak, günlük operasyonlar daha tutarlı hale geldi ve fabrika genelinde uyumluluk güçlendi.

Link to this sectionGerçek zamanlı izlemeyi fabrika ortamlarında genişletme#

Endüstriyel otomasyon geliştikçe, bilgisayarlı görü manuel operasyonlarda görünürlüğü ve tutarlılığı artırmada merkezi bir rol oynuyor. Ultralytics YOLO modellerini özelleştiren WG Tech Solutions, WGDeepInsight platformunu yeni fabrika ortamlarına ve iş akışlarına genişletmeyi planlıyor.

Bu, güvenlik izlemesinden fabrika zeminindeki süreç düzeyi kontrollere kadar uzanan kullanım durumlarını destekler. Uç tabanlı dağıtım, gerçek zamanlı analitik ve Axelera Metis uç yapay zeka hızlandırıcıları ile birleştirildiğinde, üretim ortamlarında ölçeklenebilir izleme ve tutarlı operasyonel içgörüler sağlar.

Operasyonel iş akışlarınız için görüntü tabanlı yapay zekayı mı keşfediyorsunuz? Ultralytics YOLO modelleri ile çalışmaya başlamak için GitHub depomuza ve lisanslama seçeneklerine göz atın. Sağlık hizmetlerinde yapay zeka ve üretimde görüntü tabanlı yapay zeka gibi uygulamalar ve Axelera AI Dışa Aktarma ve Dağıtım | Ultralytics Dokümanları gibi Uç Yapay Zeka Hızlandırıcıları hakkında bilgi edinin.