Effectiveness of neural network video analytics in machine-building companies

Введение

Сегодня машиностроительные предприятия осознают важность обеспечения производственной безопасности для своих работников, в частности, предотвращения самих инцидентов и несчастных случаев, а не их последствий [1, 2, 3]. С увеличением сложности и автоматизации производственных процессов растет и риск возникновения различных опасностей и аварийных ситуаций на рабочем месте. В связи с чем внедрение новых технологий, направленных на обеспечение безопасности рабочей среды, становится необходимостью для многих компаний.

Для решения данной задачи предприятия разрабатывают различные стратегии, однако одним из критериев их формулировки будет являться автоматизация и цифровизация процесса контроля производственной безопасности. Цифровизация экономики во многих странах является государственным приоритетом. В России создана и реализуется программа «Цифровая экономика Российской Федерации», участникам которой предоставляются особые правовые, организационные и финансовые условия [4, 5, 6]. Учитывая данное условие, одной из стратегий, направленных на повышение эффективности системы охраны труда, может служить внедрение нейросетевой видеоаналитики.

Нейросетевая видеоаналитика представляет собой технологию, которая позволяет эффективно контролировать рабочие процессы, обнаруживать потенциально опасные ситуации и служить помощником в предотвращении аварии. Так как рынок видеоаналитики активно развивается с каждым годом, растет и список потенциальных возможностей современной технологии [7]. Сегодня нейросетевая видеоаналитика способна анализировать видеопотоки с камер наблюдения в режиме реального времени, что позволяет автоматически определять небезопасные действия и информировать об этом соответствующих сотрудников предприятия [8].

Для анализа возможности реализации внедрения нейросетевой видеоаналитики с целью улучшения производственной безопасности будет рассмотрено машиностроительное предприятие АО «Московский ЛРЗ».

Алгоритм принятия решения о целесообразности внедрения нейросетевой видеоаналитики

Как было отмечено во введении, при разработке решения по усилению охраны труда на предприятии стоит рассмотреть несколько альтернатив, после чего совершить выборку и выбрать наиболее подходящую стратегию. В связи с чем был разработан алгоритм, позволяющий осуществить выбор стратегии по усилению производственной безопасности на предприятии (рис. 1).

Алгоритм включает в себя пять этапов: диагностика проблемы; формулировка ограничений и критериев принятия решения; определение альтернатив; оценка альтернатив; принятие решения. Стоит отметить, что ключевыми этапами будут являться третий и четвертый, так как именно они посвящены подробному рассмотрению возможных альтернатив.

Рисунок 1 – Алгоритм принятия решения стратегии по усилению производственной безопасности на предприятии (составлено авторами)

Таким образом, для предприятия АО «Московский ЛРЗ» было выявлено три варианта стратегий для повышения эффективности производственной безопасности. В качестве четвертой стратегии также будет рассмотрена стратегия внедрения системы нейросетевой видеоаналитики (табл. 1).

Таблица 1 – Стратегии по повышению эффективности системы охраны труда на АО «МосЛРЗ» (составлено авторами)

Стратегия (альтернатива)	Оценка альтернатив
	Преимущества	Недостатки
Повышение осведомленности и обучения сотрудников	1). Повышение коэффициента использования СИЗ; 2). Знание сотрудников о системе безопасности	1). Возможное сопротивление; 2). Дополнительные трудозатраты; 3). Необходимость привлечения сотрудников для обучения
Внедрение системы стимулирования безопасного поведения	1). Привлечение внимания к соблюдению правил;	1). Риск создания условий для сокрытия нарушений; 2). Дополнительные затраты 3). Влияние человеческого фактора
Создание комитета по безопасности	1). Многогранный взгляд	1). Необходимость привлечения новых сотрудников; 2). Бюрократические задержки; 3). Создание коррупционной среды
Внедрение нейросетевой видеоаналитики по детекции ношения средств индивидуальной защиты	1). Повышение коэффициента использования СИЗ; 2). Повышенная эффективность системы; 3). Минимизация влияния человеческого фактора	1). Дополнительные затраты; 2). Возможное сопротивление сотрудников

Исходя из рассмотренных стратегий, в частности, их преимуществ и недостатков, а также сравнения с ограничениями и критериями принятия решений, было выявлено, что на настоящий момент подходящим решением по улучшению производственной безопасности на предприятии становится внедрение нейросетевой системы видеоаналитики.

План реализации мероприятий по внедрению системы интеллектуальной видеоналитики на машиностроительное предприятие

После принятия решении о внедрении нейросетевой видеоаналитики следует разработать подробный план мероприятий, так как данная задача включает в себя множество этапов, касающихся непосредственно сотрудников предприятия.

Перед тем, как приступить к внедрению нейросетевой видеоаналитики, необходимо провести предварительный анализ текущей ситуации на предприятии. Это включает в себя оценку существующих проблем в области безопасности и мониторинга, а также определение областей, где нейросетевая видеоаналитика может принести наибольшую пользу. Данные задачи решаются на этапе «Инициация проекта».

Следующим шагом будет выбор подходящего программного обеспечения, в рассматриваемом случае партнера по реализации проекта. Таким образом, на этапе «Выбор подрядчика» необходимо проанализировать рынок видеоаналитики. По критериям выделенного бюджета и условий предприятия необходимо выбрать наиболее подходящего подрядчика.

После выбора подрядчика необходимо подготовить техническое задание, которое должно включать в себя основные цели проекта, ограничения информационной инфраструктуры предприятия. В том числе на этапе «Формирование запроса для подрядчика» необходимо учесть условия второй стороны, чтобы понимать, что необходимо для успешной реализации проекта.

Важным этапом при внедрении нейросетевой видеоаналитики на предприятие «Московский ЛРЗ» также будет «Закупка оборудования». Стоит быть готовыми к тому, что требования подрядчика будут включать в себя оборудование, не представленное на предприятии, в связи с чем необходимо будет сформировать закупочное предложение и искать подрядчика, готового закупить все необходимое. Параллельно с данным этапом, осуществляемыми непосредственно сотрудниками предприятия, разработчик начнет разработку системы.

«Внедрение нейросетевой видеоаналитики» может быть одним из самых долгих этапов, так как будет включать в себя установку необходимого оборудование, а также подготовку персонала к нововведениям. На данном этапе важной задачей будет подготовка нормативного документа, согласия сотрудников на обработку их личности.

На этапе «Обучение персонала» проводится обучение сотрудников, которые будут работать с нейросетевой видеоаналитикой. Этот этап играет важную роль в успешном внедрении новой системы, поскольку хорошо обученные сотрудники способны эффективно использовать и поддерживать систему.

Учитывая все вышеперечисленные задачи, которые должны быть решены в рамках внедрения проекта, можно составить план реализации проекта по модели IDEF0 (рис. 2).

Рисунок 2 – План реализации мероприятий по внедрению системы интеллектуальной видеоаналитики по модели IDEF0 (составлено авторами)

Подробный анализ рассмотренных этапов внедрения позволил сделать вывод о том, что длительность проекта по внедрению нейросетевой видеоаналитики будет составлять примерно 121 день. Однако стоит отметить, что возможны и задержки, так как запаздывание сроков остается возможным, но оно не будет таким критичным.

Внедрение нейросетевой видеоаналитики на предприятии сопряжено с различными затратами на материалы и оборудование, которые необходимо учесть при планировании и реализации проекта (табл. 2).

Таблица 2 – Затраты на материалы и оборудование при внедрении нейросетевой видеоаналитики на АО «Московский ЛРЗ» (составлено авторами)

Название	Ед. изм.	Цена за ед., руб.	Кол-во	Сумма, руб.	Налог, руб.	Итого, руб.
Материалы и оборудование
Монитор	шт.	10 000	5	40 000	10 000	50 000
Камеры видеонаблюдения	шт.	2 000	28	44 800	11 200	56 000
Лицензия	шт.	500 000	1	500 000	0	500 000
Подписка на модуль	шт.	200 000	12	2 400 000	0	2 400 000
Кабели	шт.	40	225	7 200	1 800	9 000
Компьютер	шт.	50 000	2	80 000	20 000	100 000
Итого	3115000

В качестве подрядчика, предоставляющего разработанную систему нейросетевой видеоаналитики, была выбрана компания «Cyclop» [9]. Как отмечают эксперты, с каждым годом спрос на технологии видеоаналитики с использованием искусственного интеллекта растет, в связи с чем растет и цена на данную услугу [10]. Однако компания «Cyclop» недавно существует на данном рынке, в связи с чем цены данной компании относительно низкие. Тем не менее, у компании уже существуют успешные кейсы, в связи с чем и было принято решение о внедрении данного программного обеспечения.

Помимо вышеприведенных затрат на оборудование и технологии, также необходимо учесть затраты на трудовые ресурсы (рис. 3).

Рисунок 3 – Трудозатраты при внедрении системы (составлено авторами)

Таким образом, суммарная величина затрат при внедрении нейросетевой видеоаналитики будет составлять 4 337 800 рублей.

В свою очередь также стоит учитывать, что затраты неравномерно распределены по всем этапам проекта (рис. 4). Самым дорогостоящим этапом будет являться «Завершение проекта», так как он включает в себя подписание договора с подрядчиком и выплата за приобретение лицензии на программное обеспечение и подписку на необходимый модуль, детектирующий ношение средств индивидуальной защиты сотрудниками.

Рисунок 4 – Затраты на каждом этапе проекта (составлено авторами)

Проведенный анализ плана проекта с распределением затрат позволит спланировать бюджет АО «Московский ЛРЗ», а также распределить инвестиции на время всего периода.

Исследование и оценка рисков при внедрении интеллектуальной видеоаналитики

Независимо от имеющихся преимуществ, внедрение нейросетевой видеоаналитики имеет также множество рисков, которые требует тщательно изучить, так как наименьшее изучение рисков предполагает наибольший ущерб [11].

Величина риска определяется по формуле [12]:

(1)

где – вероятность возникновения риска;

– тяжесть последствий в случае возникновения риска, в данном контексте величина экономических потерь.

На основе данной формулы возможно составить ранжирование матрицы рисков (табл. 3).

Таблица 3 – Ранжирование рисков [12]

Вероятность вреда	Оценка	Тяжесть последствий
		Легкая (умеренная)	Средняя	Особая тяжесть (высокая)
Оценка		1	2	3
Маловероятно	1	1	2	3
Вероятно	2	2	4	6
Весьма вероятно	3	3	6	9

Нижняя граница риска составляет =2, то есть при £2 на риск не следует обращать внимание, так как вероятность его появления и тяжесть последствий будет относительно мала. Тем временем верхняя граница риска =6, из чего следует, что в случае ³6 риск будет являться недопустимым. В случае получения данных значений необходимо предпринять соответствующие действия для минимизации данных последствий.

На основе формулы величины риска (1) и таблицы ранжирования, была разработана матрица рисков при внедрении нейросетевой видеоаналитики на предприятие АО «Московский ЛРЗ» (табл. 4.)

Таблица 4. – Матрица рисков при внедрении системы нейросетевой видеоаналитики (составлено авторами)

Вероятность вреда	Тяжесть последствий
	Легкая (умеренная)	Средняя	Особая тяжесть (высокая)
Маловероятно	(1) Ограниченность применения	(2) Незапланированные дополнительные затраты на внедрение и обучение персонала	(3) Потенциальные ошибки и ложные срабатывания
Вероятно	(2) Технические проблемы и неполадки	(4) Отрицательное воздействие на корпоративную культуру	(6) Несоответствие законодательству и регуляции
Весьма вероятно	(3) Сложности в адаптации и использовании	(6) Сложность интеграции с существующими системами	(9) Конфиденциальность и защита данных

Таким образом были выявлены риски, вероятность и величина последствий которых наиболее велика ( ³6). К данным рискам были отнесены:

1. Несоответствие законодательству и регуляции, так как данная система тесно связана с личными данными персонала. В частности, для корректной работы системы необходима биометрия сотрудников, однако в соответствии с законодательством прежде этого рабочим необходимо подписать соответствующее согласие, так как биометрические персональные данные являются сведениями, по которым можно идентифицировать личность человека [13]. В случае, если персональный анализ будет проводиться без одобрения сотрудника, возможны санкции со стороны Министерства труда РФ. Стратегией минимизации данного риска будет служить планомерное подписание соглашений с сотрудниками, которое должно быть осуществлено непосредственно перед внедрением системы и началом ее работы.

2. Сложность интеграции с существующими системами. Так как на предприятии существуют уже внедренные CRM и ERP-системы, возможны риски согласованности систем, что может вызвать непредвиденные затраты по переустановке и дополнительной отладке информационных технологий. В качестве стратегии по уменьшению последствий данного риска может служить заблаговременная подготовка к новому информационному сервису. Кроме того, в техническое задание, разрабатываемое для компании-подрядчика следует описать существующие на предприятии ограничения, связанные с внедрением системы и ее согласованности с другими информационными системами АО «Московский ЛРЗ».

3. Конфиденциальность и защита данных персонала подразумевает под собой возможные риски кибербезопасности. В связи с тем, что из-за внедрения системы предприятие будет обладать дополнительными личными данными сотрудников, взлом системы и утечка данных будет иметь последствия особой тяжести [14]. Для минимизации данного риска стоит заложить дополнительные средства для усиления информационной безопасности внутренних данных предприятия.

Помимо вышеперечисленных рисков существуют также и другие, тяжесть последствий которых ниже (2< <6), среди них:

1. Сложности в адаптации и использовании связаны с тем, что персоналу может быть сложно перестроиться на новую систему, что вызовет трудности при работе с ней. Однако данная проблема может быть решена посредством дополнительного обучения сотрудников.

2. Отрицательное воздействие на корпоративную культуру может проявиться в бунте сотрудников и их несогласии с внедренной системой. Однако посредством объяснения причин принятия решения о введении дополнительных мер по обеспечению безопасности на предприятии может также способствовать урегулированию данных последствий.

3. Потенциальные ошибки и ложные срабатывания системы в случае неудачных пилотных проектов могут быть исключены благодаря доработке системы, что вызовет задержки внедрения, однако не отразится на будущей эффективности системы.

Внедрение нейросетевой видеоаналитики на предприятие АО «Московский ЛРЗ» может не ограничиться перечисленными рисками. Однако, как показал анализ, они являются наименее опасными ( £2).

Так, ограниченность применения является лишь временным риском, так как в случае необходимости расширения способностей системы дополнение ее возможностей будет менее трудным. Также в случае возникновения технических неполадок обученный персонал сможет их разрешить самостоятельно. Однако для получения ими данной компетенции возможны дополнительные незапланированные затраты на их обучение, однако вероятность возникновения данной потребности мала. Таким образом, благодаря ранжированию рисков по вероятности их возникновения и трудности последствий из-за них предприятие будет более приспособленным к данным рискам. Прогнозирование их позволяет заранее составить план работ по их решению и выделить необходимый бюджет и время на решение возникших проблем.

Оценка экономической эффективности внедрения системы

Для оценки экономической эффективности по внедрению нейросетевой видеоаналитики на предприятие АО «Московский ЛРЗ» используем показатели чистой приведенной стоимости (Net Present Value, NPV) и рентабельности инвестиций (Profitability Index, PI):

	(5)
	(6)

где – горизонт расчета (5 лет);

– инвестиции в проект;

– дисконтированные денежные потоки, выраженные в ежегодной экономии средств за счет внедрения системы видеоаналитики;

– норма дисконтирования, применяется ключевая ставка банка России (рассматривается два варианта) и учитывается инфляция ( ).

Стоит отметить, что прогнозируемая величина экономии средств будем рассчитывать с учетом статистики по машиностроительной отрасли от Министерства труда и социальной защиты РФ (Рис. 5, 6) [15–17].

Рисунок 5 – Число дней и человеко-дней нетрудоспособности у пострадавших (составлено авторами)	Рисунок 6 – Сумма ежемесячных страховых выплат в результате инцидентов на производстве (составлено авторами)

Из вышеприведенных диаграмм можно сделать вывод о том, что при происшествии несчастного случая на производстве предприятие обязано выплатить сотруднику страховые выплаты, величина составляет 100% его месячного заработка. Таким образом, наши затраты будут расти, однако производительность труда будет снижаться, так как отсутствие сотрудника на его рабочем месте станет причиной задержек выполнения работ. Помимо прочего, при нарушении техники безопасности сотрудниками предприятию необходимо выплатить соответствующие санкции Министерству труда РФ, величина которых варьирует от 130 до 200 тысяч рублей.

Результаты оценки экономической эффективности системы интеллектуальной видеоаналитики представлеы в Таблице 5.

Таблица 5 – Оценка экономической эффективности нейросетевой видеоаналитики в нескольких сценариях (составлено авторами)

Обозначение	Показатель	Сценарии
		1	2	3
	Горизонт расчета, лет	5	5	5
	Инвестиции, млн. руб.	От 1 до 2,5 (В зависимости от года)	От 2,5 до 4,5 (В зависимости от года)	От 4,5 до 6 (в зависимости от года)
	Ежегодная экономия средств за счет снижения риска производственной безопасности, млн. руб.	от 4 до 7	от 7 до 10	от 10 до 13
	Ставка дисконтирования, %	12	15	18
	Среднегодовая инфляция, %	5	8	11
	Чистая приведенная стоимость, млн. руб.	17,86	19,88	21,87
	Индекс рентабельности инвестиций	4,1	3	2,6
	Срок окупаемости проекта, лет	0,625	0,64	0,6

При расчетах рассмотрены три сценария, один из которых, второй, является наиболее вероятным.

Таким образом, благодаря проведенным расчетам, можно утверждать, что проект внедрения нейросетевой видеоаналитики на предприятие АО «Московский ЛРЗ» является экономически эффективным.

Заключение

Внедрение нейросетевой видеоаналитики для обеспечения производственной безопасности представляет собой важный шаг в развитии современных предприятий. Эта технология позволяет эффективно контролировать рабочие процессы, обнаруживать потенциально опасные ситуации и предотвращать возможные аварии, что в конечном итоге способствует повышению безопасности и защите здоровья сотрудников.

Однако внедрение нейросетевой видеоаналитики требует комплексного подхода и внимательного рассмотрения различных аспектов, таких как затраты, технические особенности, обучение персонала и прочие возможные риски и факторы. Для достижения успеха и максимальной эффективности в области обеспечения производственной безопасности необходим комплексный подход к разработке данного проекта.

В данной статье наиболее значимые аспекты, необходимые к проработке перед внедрением системы, были рассмотрены на примере машиностроительной компании АО «Московский ЛРЗ».