АI-инструмент для анализа качества устанавливаемого оборудования

526

Заявлено проектов
443

Опубликовано проектов
164

Оставлено комментариев
1485

Количество голосов
22

Дней до окончания голосования

Руководитель проекта со стороны заказчика

Александра Залипаева

ПАО Сбербанк

Руководитель направления по исследованию данных
Категория

Лучшее отраслевое решение
Номинация

Банки/Финансы
Цели

Контроль качества выполнения заявок инженерами СберСервиса: установка чистого оборудования без визуальных дефектов.
Сроки выполнения

январь 2024 – ноябрь 2024
Год завершения проекта

2024
Масштаб проекта

1000 человеко-часов
Результаты

В результате модель выявляет 3% дефектных POS-терминалов, что позволяет своевременно давать обратную связь инженерам и предотвращать жалобы клиентов.
Уникальность проекта

В открытом доступе существуют проекты, в которых качество выполненной работы фиксируется AI-моделью в заранее определенных одинаковых условиях: станки конвейеров, фиксированные камеры. В данном проекте впервые описан подход, который позволяет определять качество устройств на фотографиях, сделанных в разнообразных условиях: с мобильных телефонов, неоднородным фоном и визуальными дефектами фотографий.
Использованное ПО

Программа на языке Python, внутренние ресурсы банка (CPU)
Решение из каталога Global CIO

В проекте не используются решения из каталога Global CIO
Сложность реализации

Очень сложная и затратная по времени разметка, оптимизация кода под CPU, сложность с настройкой определением порогового значения дефектных устройств.
Описание
1. Инженер фотографирует терминал при закрытии каждой заявки. Фотография сохраняется в облаке.
2. По итогам прошедшего дня, модель выгружает данные с ресурса аутсорсера.
3. Далее происходит непосредственно сам анализ. По итогам анализа формируется файл, в котором мы подсвечиваем N-количество ЗНО с выявленными отклонениями. Важно, что мы можем управлять количеством выявленных отклонений, регулируя строгость модели, устанавливать исходя из потребностей бизнеса и из наличия ресурсов пороги для определения дефектов. Сейчас модель настроена таким образом, что мы из 11000 ЗНО в сутки подсвечиваем примерно 40-60 самых вероятных отклонений, имеющих наибольшую площадь дефекта. Цикл работы модели занимает 2 часа чистого времени работы модели.
4. Финальным этапом агрегированный файл направляется на обработчика. Обработчику требуется примерно полчаса, чтобы проверить результаты работы и перенаправить подтвержденные отклонения.
5. В настоящее время выводим модель в онлайн режим, чтобы проверить терминалы в момент сохранения заявки.
География проекта

Технология обрабатывает все заявки собранные на территории РФ.
Дополнительные презентации

УК_АI-инструмент для анализа качества устанавливаемого оборудования.pdf