Сервис по контролю подрядчиков и оборудования
1 Процедура выбора и проверки подрядчика занимает в среднем до двух месяцев. Отсутствие прозрачной истории работы бурового подрядчика ведет к простою выполняемых работ по добыче нефти 2 Отказы оборудования во время выполнения работ по причине пут...
Задача
На объектах, где работают подрядчики и эксплуатируется техника, важно понимать, кто и что находится на площадке, как используется оборудование и соблюдаются ли требования. Без автоматического контроля сложно отслеживать присутствие подрядных бригад, перемещение и использование техники, факты простоя или нарушений. Заказчику нужен был сервис, который ведёт этот учёт по данным с камер.
Решение
Мы разработали сервис контроля подрядчиков и оборудования на базе видеоаналитики. Система распознаёт на видеопотоке людей и единицы техники, отслеживает их присутствие и активность на объекте. Она фиксирует, кто находится на площадке, какое оборудование задействовано и как оно используется, формируя данные для контроля выполнения работ. Информация собирается автоматически и привязывается к камерам, зонам и времени, что даёт объективную картину по подрядчикам и технике.
Технологии
В основе лежат нейросетевые модели детекции и трекинга людей и объектов в видеопотоке. Детекторы находят подрядчиков и единицы оборудования в кадре, трекинг сопровождает их по объекту, а аналитический слой агрегирует данные о присутствии и использовании. Сервис работает с существующей инфраструктурой видеонаблюдения и сводит результаты в единую отчётность.
Результат
Заказчик получил автоматический учёт подрядчиков и оборудования на объектах без ручного контроля. Появилась объективная фиксация присутствия бригад и использования техники, что упрощает проверку выполнения работ и контроль за подрядными организациями. Это снизило риски простоя и нарушений и дало менеджменту прозрачные данные для принятия решений по эксплуатации и подрядным обязательствам.
Похожие кейсы
Анализ данных
Модель предсказания поломки оборудования
Сибур: предиктивная модель для экструдера полимеров — раннее обнаружение признаков засора по данным датчиков. Доля предугаданных неполадок ~80%, переход от аварийного ремонта к плановому обслуживанию.
Анализ данных
Построение цифровой модели фабрики
Моделирование бизнес и производственных процессов действующего производства, поиск "узких мест" в производстве для их устранения, поиск параметров, влияющих на выход годной продукции
Анализ данных
AI2FLOW прогнозирование инцидентов
Создание веб-приложения для минимизации затрат на уборку улиц, картографические данные интерпретируются как ориентированный граф с петлями и несколькими ребрами. Алгоритм распределяет набор уборочного оборудования по набору транспортных средств и ...