🎁 🧘🏽 🔹 सेगेझा वन होल्डिंग में एआई परियोजनाओं के कार्यान्वयन में तेजी 🕘 👵🏾 👩🏾‍🤝‍👩🏽

सेजेज़ा समूह में आंतरिक नियंत्रण और ऑडिट के उपाध्यक्ष दिमित्री बोचारोव के एक दिलचस्प मामले को हमारे आरएआईएफ कृत्रिम बुद्धिमत्ता मंच पर सुना गया। दिमित्री ने बताया कि कैसे रूस में सबसे बड़े वुडवर्किंग में मशीन लर्निंग टूल्स का उपयोग किया जाता है और कार्यान्वयन में आने वाली बाधाओं को कैसे दूर किया जाता है। हम उसे मंजिल देते हैं।

सबसे पहले, कंपनी के बारे में कुछ शब्द

सेगेहा समूह देश में सबसे बड़े ऊर्ध्वाधर एकीकृत वुडवर्किंग वनों में से एक है।

मुझे यकीन है कि आप में से कई ने हमारी कंपनी के बारे में सुना है। अंत में, यदि आपने IKEA, "एबीसी ऑफ स्वाद" या "औचन" में एक पेपर बैग देखा, तो यह हमारी कंपनी द्वारा उत्पादित, सहित, शामिल था।

अब मैं यह बताना चाहता हूं कि एक ओर, विशिष्ट व्यावसायिक समस्याओं को हल करने में कृत्रिम बुद्धिमत्ता का मूल्य, और दूसरी ओर, अपने अनुभव और यहां तक कि डिजाइन दर्द के बारे में बताने के लिए जब हम इस मामले से निपट रहे थे।

कटाई की प्रक्रिया

शुरू करने के लिए, लॉगिंग कैसे की जाती है इसके बारे में थोड़ा:

विशेष उपकरण - हार्वेस्टर का उपयोग करके वन काट दिया जाता है। फिर, वर्कपीस को जोड़तोड़ के साथ लकड़ी के वाहक द्वारा गोदामों में पहुंचाया जाता है, ताकि वहां से रेल या सड़क मार्ग से मिलों तक जा सकें, जहां लुगदी, कागज, प्लाईवुड, लकड़ी और अन्य कागज उत्पाद वितरित किए जाते हैं।

लकड़ी मापने का तंत्र

सेजेज़ा की भी नहीं, बल्कि पूरे उद्योग की प्रमुख समस्याओं में से एक इस वन उत्पाद को मापने की प्रक्रिया है, या बल्कि, लॉग।

अब यह कैसे हो रहा है?

एक विशेष शासक की मदद से, ढेर की ऊंचाई, लंबाई और चौड़ाई को मापा जाता है, जो कि विभिन्न गुणांक द्वारा गुणा किया जाता है, यहां तक कि यूएसएसआर में भी विभिन्न राज्य मानकों और उद्योग मानकों में निर्धारित किया गया है। सबसे बुनियादी गुणांक "पूर्ण लकड़ी का गुणांक" है, अर्थात, एक ढेर में क्यूब्स की वास्तविक संख्या का संकेतक लॉग के बीच अंतराल है। यहीं पर मानव कारक की समस्या उत्पन्न होती है - यदि कर्मचारी अनुभवहीन है, तो वह गलत तरीके से माप सकता है।

हालांकि, ऑडिट के दृष्टिकोण से सबसे बड़ी कठिनाइयां जानबूझकर उल्लंघन हैं, क्योंकि हमारे लिए जंगल पहुंचाने वाले कर्मचारियों का कुल वेतन लकड़ी के ट्रक (एक घन मीटर में 4-5 हजार रूबल) की लागत से कम है। थोड़ा गणित - और यहां आपके पास विभिन्न षड्यंत्रों, गालियों, जोड़तोड़ के लिए अवसर है ...। तब यह समझना असंभव है कि वास्तव में कितना "वन" था। एक कार है, यहां तक कि इसमें लॉग की संख्या के साथ एक अधिनियम भी है, लेकिन अगर उनमें से बहुत सारे थे, तो कोई पुष्टिकरण नहीं हैं, सिवाय इसके कि वे एक शासक के साथ मापा जाता है। और यहाँ समस्या यह भी नहीं है कि हमें अपने सभी कर्मचारियों या अपने ठेकेदारों के कर्मचारियों पर भरोसा नहीं है। इस प्रक्रिया में स्पष्टता का एक महत्वपूर्ण अभाव है, सबसे पहले, वास्तविक दस्तावेजी सबूत हैं कि कुछ वास्तव में मापा गया था।

आधुनिक दृष्टिकोण

हमने एक विशेष एल्गोरिथ्म विकसित किया है, जो एक तस्वीर पर आधारित है, एक तंत्रिका नेटवर्क का उपयोग करके, न केवल लॉग की संख्या और प्रत्येक लॉग का व्यास (हमारे लिए भी एक महत्वपूर्ण संकेतक) निर्धारित करता है और पूर्ण लकड़ी के समान गुणांक पर विचार करता है, लेकिन मुख्य बात यह है कि यह कुछ GOST से नहीं लिया गया है, लेकिन इसके लिए सही है वन उत्पादों का विशिष्ट ढेर।

ये तस्वीरें कार के जियोलोकेशन से जुड़ी हैं और एक विशेष डेटाबेस में संग्रहित हैं। इसलिए, जब हम हमेशा ले सकते हैं और सत्यापित कर सकते हैं: क्या यह जंगल वास्तव में था और यह कितना था। अगले कुछ महीनों के लिए योजनाएं प्रणाली को प्रशिक्षित करने के लिए हैं ताकि यह स्वचालित रूप से प्रस्थान और आगमन कारों की तुलना कर सकें। सबसे पहले, सिस्टम कार की तस्वीर लेता है जब वह जंगल से भूखंड छोड़ता है, फिर दूसरी बार जब वह पहले से ही पौधे पर पहुंचता है। इसके अलावा, यह स्वचालित रूप से फ़ोटो की जाँच करता है और ठीक करता है कि क्या कुछ लॉग ऊपर से हटा दिए गए थे और क्या उन्हें बदल दिया गया था। इस तरह का स्वचालित नियंत्रण कृत्रिम बुद्धिमत्ता पर आधारित है। यह, उदाहरण के लिए, सुरक्षा सेवा के काम को बहुत सरल करता है, क्योंकि हम रूस के सभी जंगलों के माध्यम से नहीं चल सकते हैं (और हमारे पास लगभग आठ मिलियन हेक्टेयर का कटाव क्षेत्र है!), जैसे हम हर लकड़हारे को नियंत्रित नहीं कर सकते हैं।क्योंकि यह महंगा और अक्षम है।

जब हमने पायलट प्रोजेक्ट बनाने वाली कंपनी के साथ मिलकर सिस्टम को लागू करने की कोशिश की, तो हमने इस एल्गोरिथम की क्षमताओं को प्रदर्शित करने के लिए टेलीग्राम बॉट के साथ शुरुआत की।

वैसे, यह टेलीग्राम बॉट अभी भी है।

मुख्य समस्याएं और उनका समाधान

हमने उन सभी कंपनियों का सामना किया जो कृत्रिम बुद्धिमत्ता या संबंधित परियोजनाओं को लागू करती हैं। सबसे पहले, बजट का मुद्दा है कि पैसा कहाँ से प्राप्त किया जाए। दूसरे, लागत का औचित्य । तीसरा, समस्याओं का सबसे बड़ा ब्लॉक खरीद प्रक्रिया और निविदाएं हैं ।

स्वयं के लिए, हमने इस समस्या को निम्न प्रकार से हल किया: सेजेझा समूह को खरीद प्रक्रियाओं में "पायलट प्रोजेक्ट्स" कहा जाता है। यदि हम पहले से अनिच्छित होने के अलावा कुछ नया और छोटा परिचय देना चाहते हैं, तो टीके का आविष्कार करने की कोई आवश्यकता नहीं है। हम अभी तक नहीं जानते हैं कि यह कैसे काम करेगा, इसलिए उपयुक्त टीके को लिखना समय की बर्बादी है। ऐसी परियोजनाओं के लिए एक निश्चित बजट है, और खरीद आयोग के निर्णय से ठेकेदारों में से किसी एक को चुनना बिल्कुल आधिकारिक रूप से संभव है। इस प्रकार, हमारी कंपनी एक स्टार्टअप की भावना से काम करती है। हम इस पैसे को खोने के लिए तैयार हैं, लेकिन हम एक विशिष्ट समस्या को हल करने की कोशिश कर सकते हैं।

मेरे सहकर्मी, आईटी के सेजेज़ा उपाध्यक्ष, एक मंच पर इस तरह से हमारी एक परियोजना के बारे में बात की: इसमें कई मिलियन रूबल की लागत आई, लेकिन यह लगभग तीन सौ मिलियन ला सकता है। हमने एक मौका लिया, एक "पायलट" बनाया और इसके परिणामस्वरूप कई बार भुगतान किया - शायद सौ नहीं, लेकिन कम से कम दस बार सुनिश्चित करने के लिए। जाहिर है, इस तरह के प्रयोगों से नुकसान होता है, लेकिन आपको प्रयास करना चाहिए, क्योंकि किसी भी कार्यान्वित मामला एक बहुत ही मूल्यवान अनुभव है। विशिष्ट व्यावसायिक समस्याओं में विकसित प्रौद्योगिकियों का उपयोग फल दे रहा है। लेकिन यहां यह उपाय जानना आवश्यक है - कृत्रिम बुद्धिमत्ता और मशीन लर्निंग को हर जगह लागू नहीं किया जाना चाहिए, यदि केवल लागू किया जाए।

एक और आंतरिक जीवन हैक: हम सहकर्मियों (फाइनेंसरों, खरीदारों और कंपनी प्रबंधन के साथ) के साथ सहमत थे कि हम पैसे के उस हिस्से को फिर से तैयार करेंगे जो इसी तरह की परियोजनाएं भविष्य में हमारे लिए लाती हैं - अर्थात्, हम लगातार नई प्रौद्योगिकियों में बचाए गए धन का निवेश करेंगे। सबसे सेजहा में इसी तरह की कहानियों को बढ़ावा देना।

अब हम सिर्फ "लकड़ी" के मामले को खत्म कर रहे हैं। आर्थिक प्रभावों पर यह स्पष्ट करने के लिए: GOST के अनुसार एक मानक शासक के साथ माप की विधि में त्रुटि 5% है, लेकिन वास्तव में यह बहुत बड़ा है। सेगेहा समूह सालाना 15 अरब रूबल के लिए फसल की कटाई और खरीद करता है। यहां तक कि अगर आप इस राशि का 1% लेते हैं, तो यह एक महत्वपूर्ण नुकसान है। और ऐसी परियोजनाएं, जो एक ही समय में अरबों या करोड़ों रूबल से भी खर्च नहीं करती हैं, इन जोखिम क्षेत्रों को बंद करने की अनुमति देती हैं। हो सकता है कि कोई प्रत्यक्ष आर्थिक प्रभाव न हो (यानी, हम अधिक नहीं कमाएंगे या हमारे पास नया उत्पादन नहीं होगा), लेकिन लॉगिंग में संभावित नुकसान को रोकने के दृष्टिकोण से, बल्कि उच्च दक्षता स्पष्ट है।

मुझे लगता है कि कई लोग ऐसे प्रोटोटाइप के निर्माण के समय में रुचि रखते हैं और मुझे अधिक विशिष्ट संख्याएं चाहिए। मैं स्पष्ट कारणों के लिए संख्याओं का नाम नहीं दे सकता, लेकिन मैं सबसे अधिक समस्याग्रस्त बिंदु को निर्दिष्ट करूंगा - प्रासंगिक डेटा प्राप्त करना। उदाहरण के लिए, तंत्रिका नेटवर्क के प्रशिक्षण के लिए क्या फोटो या कौन सा डेटा लेना है? हम मैनुअल माप (एक शासक के साथ एक ही माप) के परिणामों का उपयोग नहीं कर सकते, क्योंकि तब एल्गोरिथ्म गलत डेटा पर काम करेगा। हमें प्रत्येक लकड़ी वाहक को लेना होगा और तथाकथित "बिंदु" बनाना होगा: लकड़ियों को लकड़ी के ट्रक से पूरी तरह से उतार दिया जाता है और प्रत्येक को व्यास और लंबाई में मापा जाता है। इस प्रकार, न्यूनतम त्रुटि के साथ सभी लकड़ी की विश्वसनीय मात्रा निर्धारित करना संभव है। एक और विशेषता यह है कि लकड़ी अलग है: पाइन, स्प्रूस, लर्च ... तदनुसार, प्रत्येक के आयाम में अपनी विशेषताएं हैं। सब कुछ मापने के लिएमेरे कर्मचारियों को अलग-अलग क्षेत्रों - किरोव, आर्कान्जेस्क क्षेत्र, क्रास्नोयार्स्क, करेलिया - की यात्रा करनी थी और वहाँ के हर लकड़ी के वाहक को मापना था। तो मुख्य समय (लगभग दो सप्ताह) मॉडल के प्रशिक्षण के लिए एक पर्याप्त प्रतिनिधि नमूना एकत्र करने पर खर्च किया गया था।

दिमित्री बोचारोव, उपाध्यक्ष, आंतरिक नियंत्रण और लेखा परीक्षा, सेगेझा समूह द्वारा पोस्ट किया गया

सेगेझा वन होल्डिंग में एआई परियोजनाओं के कार्यान्वयन में तेजी

सबसे पहले, कंपनी के बारे में कुछ शब्द

कटाई की प्रक्रिया

लकड़ी मापने का तंत्र

आधुनिक दृष्टिकोण

मुख्य समस्याएं और उनका समाधान

More articles: