详细内容或原文请订阅后点击阅览
“ Severstal”：AI优化员工加载 div>
Severstal Dijital Projects的高级经理Valery Shkurenko在引入计算机视觉模型时，以优化人员在生产管道租赁时的负载。
来源:OSP网站大数据新闻谢韦尔实施了一个优化轧管生产人员工作量的项目。计算机视觉模型分析来自闭路电视摄像机的数据并识别工作进度。然后，它会收集现场工作负载的统计数据，并提供数据以快速识别停机时间、重新分配工作负载并有效安排轮班作业。数据奖提名者、Severstal Digital 高级项目经理 Valery Shkurenko 谈论该项目的实施情况。
数据奖- 为什么谢韦尔钢铁公司需要实施这个项目？
谢韦尔钢铁公司给自己设定了提高劳动生产率的任务。为此，特别需要控制停机时间，确保最佳的员工利用率，并将工厂或承包商员工重新分配到车间中需要援助的人手不足的区域。视觉、手动实时监控装载是困难且低效的。针对这一点，我们在轧管生产中实施了基于计算机视觉的解决方案。
- 问题的规模有多大，您所说的损失是什么样的？
各部分之间的负荷分配不平衡导致了重大损失。车间的一些区域已经超负荷运转，而另一些区域则未满负荷运转。这造成了瓶颈，使整个生产线的生产率降低了 5%。同时，如果不进行自动分析，几乎不可能快速识别并消除扭曲的原因。
- 除了视频分析之外还有其他解决问题的选择吗？
- 创建的解决方案是什么？
该系统按班次、周或月将数据聚合成方便的分析报告，并帮助识别停机时间、任务分配不平衡和生产瓶颈。根据这些数据，管理层可以快速重新分配资源、优化班次分配并提高车间的整体效率。