Контроль производительности сотрудников с помощью компьютерного зрения

На производстве руководитель редко видит всю картину сразу. Цех большой, смен несколько, операций десятки. Данные о работе людей могут приходить из табелей, журналов и отчётов мастеров. Эти источники показывают разные стороны процесса, а часть информации появляется только после завершения смены.

Компьютерное зрение позволяет автоматически фиксировать выполнение операций, считать изделия, определять время активности и выявлять возможные простои. Руководитель получает данные по сотрудникам, рабочим местам и сменам, чтобы анализировать загрузку производства и находить причины потерь рабочего времени.

В статье разберем, как работают такие системы, какие показатели можно контролировать и что необходимо для внедрения на предприятии.

Камера не оценивает сотрудника напрямую. Она фиксирует визуально наблюдаемые события. Человек в зоне. Руки у станка. Деталь на конвейере. Операция завершена.

Из этих событий предприятие рассчитывает производственные метрики. Компьютерное зрение для контроля сотрудников может последовательно давать данные о пяти показателях:

Камера не оценивает сотрудника напрямую. Она фиксирует наблюдаемые события. Это положение сотрудника, движение рук, взаимодействие с оборудованием, перемещение деталей и другие признаки, характерные для конкретной операции. На их основе задаются правила определения активности и простоя. Поэтому наличие человека в рабочей зоне ещё не означает, что операция выполняется.

Каждое звено добавляет данных, но и каждое требует настройки под ваш процесс. Поэтому мы не предлагаем одну нейросеть для любого цеха.

Нейросеть обучена находить человека в кадре. Для этого мы собираем изображения с вашего объекта и размечаем их. Модель учится отличать сотрудника от оборудования, тележек и теней.

Для каждого рабочего места мы задаём зону на схеме кадра. Если человек находится внутри неё, система фиксирует присутствие сотрудника в рабочей зоне. Если человек вышел, система фиксирует отсутствие.

Для визуального контроля присутствия не нужны пропуска, метки или браслеты. Система использует изображение с камеры и настроенную модель обнаружения.

Камера фиксирует пересечение границы заданной зоны. События «вошёл в зону» и «вышел из зоны» записываются с временной отметкой. Из них складывается история смены.

Человек может отойти на несколько секунд за инструментом. Для таких случаев мы задаём порог. Например, для конкретного процесса отсутствие менее двух минут можно считать рабочей паузой и не включать в расчёт потенциального простоя. Порог определяется совместно с предприятием. Порог каждое предприятие выбирает под свой процесс.

Система суммирует интервалы, когда сотрудник находился в зоне. Отдельно по заданным правилам рассчитываются периоды отсутствия и потенциального простоя.

Этот показатель помогает при учёте производительности сотрудников, но сам по себе не равен выработке. Человек мог находиться у станка всю смену, а станок мог ждать материал. Поэтому присутствие мы всегда рассматриваем вместе с активностью.

Для каждой операции определяются визуальные признаки, по которым можно судить о её выполнении. Для сборки это может быть движение рук в определённой зоне. Для станка это взаимодействие с оборудованием. Для упаковки это перемещение изделия в тару. Набор признаков зависит от технологического процесса.

Признаки мы определяем вместе с технологом. Потом настраиваем модель и правила. Так видеоаналитика на производстве учитывает особенности конкретной операции, а не применяет одну мерку ко всем.

Отсутствие движения не всегда означает простой. Сотрудник может читать инструкцию, проводить визуальный контроль, ждать окончания технологического цикла, держать деталь неподвижно или ждать разрешения на следующий этап. Часть таких действий камера распознаёт не точно.

Поэтому правила задаются для конкретного рабочего места. Например, если в течение десяти минут не фиксируются признаки операции или взаимодействия с оборудованием, система формирует событие потенциального простоя. Порог и признаки определяются особенностями технологического процесса.

Что можно получать автоматически:

Причину камера не определяет. Ожидание материала, поломка станка и перерыв выглядят в кадре похоже. Причину устанавливает мастер или технолог, а система показывает, где и когда искать. Автоматическое выявление простоев делает контроль простоев на производстве точнее, потому что он опирается на события, а не на записи в журнале.

Это два разных показателя.

Загрузка сотрудника рассчитывается как доля времени, когда фиксируются признаки выполнения операции. Загрузка рабочего места рассчитывается как доля времени, когда на нём фиксируются признаки выполнения предусмотренной операции.

Допустим, участок сборки работал восемь часов. Система показала, что за восемь часов на рабочих местах шесть часов фиксировались признаки работы, а в остальное время рабочие места либо не использовались, либо система не фиксировала признаков предусмотренной операции. Руководитель на основе этих данных может определить, где нужно проверить причины простоев.

Анализ загрузки рабочих мест помогает находить недогруженные участки, перераспределять задачи между сменами и принимать решения по организации работы. Решение о штатной численности остаётся отдельной задачей, для которой нужны дополнительные данные.

Многие изделия собираются по строгой последовательности. Нарушенный порядок операций приводит к браку или к проблемам с безопасностью.

Мы обучаем модель распознавать этапы процесса, а для системы задаём их допустимую последовательность. Если сотрудник пропустил шаг или нарушил установленный порядок, система фиксирует отклонение.

Так работает контроль соблюдения производственного процесса и контроль выполнения производственных операций. Это полезно там, где важна повторяемость. Например, при сборке узлов, фасовке, упаковке, подготовке заготовок.

Похожую логику мы применяем в проектах по контролю последовательности сборки изделий.

Для каждой операции определяются визуальные признаки её завершения. Это может быть перемещение детали с позиции на позицию, закрытие крышки, установка изделия в тару или проход через зону конвейера. Когда система фиксирует заданную комбинацию признаков, она регистрирует завершение операции.

Каждое событие отображается в счетчике. Это даёт данные по операциям за час, смену и день.

Готовые изделия можно считать отдельной камерой над конвейером или рабочим столом. Такая камера работает независимо от контроля операций сотрудника, поэтому данные можно использовать для взаимной проверки. Если сотрудник выполнил сто операций, а изделий готово восемьдесят, нужно проанализировать, в чем причина.

Из зафиксированных событий складывается набор показателей. Конкретный состав зависит от задачи и процесса.

Так выглядит мониторинг производительности сотрудников на уровне данных. Важно, что эти показатели не являются готовой оценкой сотрудника. Они показывают измеряемые события: сколько времени человек находился в зоне, сколько операций выполнил, где возникали потенциальные простои и как менялись показатели по сменам. Итоговую оценку руководитель делает с учётом норм, сложности операций и условий работы.

Руководитель может сравнить загрузку рабочих мест за разные смены, увидеть, на каких операциях сотрудники тратят больше времени, где регулярно возникают простои и сколько изделий выпускает участок. Эти данные помогают проверить причины задержек, скорректировать распределение задач и оценить, как изменения повлияли на выработку.

Расчёт производительности сотрудников опирается на данные, которые система уже собрала.

В простом случае выработка рассчитывается как количество произведённых изделий или завершённых операций за единицу рабочего времени. Для расчёта выработки предприятие выбирает, какое время учитывать: всю смену или только время выполнения операций.

Для операций разной сложности простой подсчёт не подходит. Предприятие может использовать нормативы, коэффициенты или другие правила расчёта. Конкретную методику выбирает предприятие, а система поставляет исходные данные.

Эти данные можно использовать для учёта выработки и анализа производительности. На выработку влияют оборудование, качество сырья, поставки и организация участка, поэтому мы советуем смотреть на показатель в динамике, а не по одному дню.

Отклонением можно считать событие, которое не соответствует заданному правилу или эталонной последовательности процесса. Нарушенный порядок операций. Слишком долгая операция. Работа без обязательного приспособления. Присутствие человека в зоне, куда входить нельзя.

Система сохраняет кадр или короткий фрагмент видео и отправляет уведомление ответственному. Мастер видит, что случилось и где, и принимает решение.

Во многих случаях отклонения указывают на проблему в самом процессе. Например, операция растягивается потому, что инструмент лежит далеко от рабочего места.

Да. Система может одновременно отслеживать несколько сотрудников и связывать наблюдаемые события с соответствующими рабочими зонами. Для каждой зоны задаются свои правила.

Количество людей в кадре зависит от разрешения камеры, расстояния и расположения рабочих мест. Если люди работают плотно и закрывают друг друга, мы добавляем камеры с другого ракурса. Количество точек установки мы оцениваем на этапе обследования.

Отслеживание людей в кадре и идентификация конкретного сотрудника относятся к разным задачам. Идентификация конкретного сотрудника требует отдельной технической и правовой проработки, в том числе с учётом требований к персональным и, в соответствующих случаях, биометрическим данным.

Видеонаблюдение записывает картинку. Чтобы найти событие, человек просматривает архив. Это занимает часы, и к записи чаще всего обращаются уже после инцидента.

Видеоаналитика персонала анализирует картинку автоматически и формирует данные.

Видеонаблюдение остаётся нужным для безопасности и расследований. Видеоаналитика не заменяет его, а переводит видео в данные.

Набор зависит от настроек проекта. Чаще всего предприятия получают следующее.

Данные выводятся на дашборд или передаются в MES, ERP и другие системы предприятия. Руководитель может получать сводные данные по участку через дашборд, не просматривая видеоархив вручную.

Система работает с IP-камерами. Часто можно использовать камеры, которые уже установлены на предприятии.

Что влияет на результат:

Подбираем камеры, освещение и вычислительное оборудование под конкретную задачу. Перед запуском обследуем площадку и предлагаем схему размещения.

Система работает с визуальными признаками.

Поэтому ряд вопросов остаётся за человеком.

• Почему сотрудник остановился.
• Насколько качественно выполнена операция, если у качества нет визуального признака.
• Почему возник простой.
• Является ли пауза нарушением, если для неё не задано правило.
• Почему снизилась выработка.
• Связано ли снижение с действиями сотрудника или с проблемами участка.

Видеоаналитика не заменяет мастера или технолога. Она автоматически собирает объективные события и помогает быстрее находить отклонения, которые требуют проверки.

При использовании видеоаналитики нужно отдельно оценить требования законодательства о персональных данных. В зависимости от того, какие данные собираются, позволяет ли система идентифицировать сотрудников и для каких целей используется информация, могут применяться разные требования. Работодателю необходимо заранее определить правовое основание обработки данных, порядок информирования сотрудников, сроки хранения и круг лиц, имеющих к ним доступ. Перед внедрением рекомендуем согласовать схему обработки с юристом.

Перед запуском системы работодатель должен объяснить сотрудникам, для чего используется видеонаблюдение, и установить правила хранения и использования записей. Если система собирает персональные данные, необходимо соблюдать требования 152-ФЗ. Если она распознает лица для установления личности сотрудников, нужно дополнительно учесть требования к обработке биометрических данных.

Процесс состоит из понятных шагов:

Nord Clan разрабатывает системы компьютерного зрения для производственных предприятий. Мы настраиваем распознавание операций, учёт рабочего времени, подсчёт изделий и контроль простоев с учётом особенностей конкретного производства.

Система может использовать действующие IP-камеры предприятия и передавать результаты в MES, ERP и другие информационные системы.