Please enable JavaScript.
Coggle requires JavaScript to display documents.
SENDI 2023 SMART SAFETY EYE - Coggle Diagram
SENDI 2023
SMART SAFETY EYE
1. PROGRAMA DE P&D
NEOENERGIA
Aliado à
transição energética
para
vencer os desafios tecnológicos do setor elétrico
Pilares
1.Inovação Aberta:
Desenvolvimento de inovação tecnológica
através de seu corpo técnico altamente qualificado e dos seus mais de 70 parceiros tecnlógicos.
2.Desenvolvimento tecnológico:
Solucionar problemas e melhorar resultados dos negócios
Gerar valor para os clientes
3.Propriedade intelectual:
Proteção de propriedade intelectual do grupo Neoenergia, através dos mais de 90 patentes e registros de software concedidos ou em fase de concessão
4.Inserção em mercado:
Disponibilização dos produtos para o mercado, através de paceiros licenciados, possibilitando sua utilização pelas empresas da Neoenergia e do setor, obtendo retorno à título de royalties.
Temas estratégicos
Alinhados ao planejamento estratégio e políticas do grupo Neoenergia, garantindo a
inovação tecnlógica
para
suportar os resultados dos negócios.
1.Tecnologias inteligentes
2.Segurança
3.Sustentabilidade
4.Eficiência operaciona
2. RESUMO
Desenvolvido como parte do programa de P&D Neoenergia, regulado pela ANEEL, em parceria com a FU2RE
Inteligência artificial
para
Caracterizar
situações de não cumprimento de regras de segurança
nas operações de campo
Problemas de
posicionamento de câmeras
Direção perigosa
praticada pelos colaboradores da distribuidora
Uso de modelos de deep learning e inteligência artificial
Possibilidade de de analisar 100% das filmagens e operações de campo, que hoje é feito de forma amostral por um técnico de segurança
Contribuir para a
redução significativa de sinistralidades e segurança das operações
3. INTRODUÇÃO
O trabalho realizado pelas equipes de campo, pela sua natureza, apresenta diversos riscos, podendo nos casos mais extermos levar a óbito (quedas, choques elétricos)
Existem normas de segurança que todas as equipes de campo devem seguir
Atualmente todas as equipes próprias das distribuidoras Neoenergia realizam gravação integral em vídeo do trabalho realizado em campo
São geradas diariamente milhares de horas de gravação, sendo inviável analisar toda essa informaçã. Seria necessário ter quase uma pessoa por equipe de campo para analisar as 8 horas de vídeo gravadas no dia
Hoje a amostra analisada é inferior a 1%, o que significa que quase todos os vídeos acabam sendo descartados sem nunca terem sido analisados
O Smart Safety Eye pretende melhorar esse cenário ao analisar a totalidade dos vídeos gerados, identificando as principais situações de não cumprimento das regra de segurança.
4. DESENVOLVIMENTO
A FU2RE é a proprietária do software denominado SmartvisionAI, que acelera a criação, treinamento e implantação de modelos de visão computacional e inteligência artificial, e que foi utilizado para o desenvolvimento dos modelos de IA deste projeto
O sistema analisa os vídeos
e identifica 4 situações
Os períodos de vídeo onde realmente acontecem as operações de campo
O tipo de operação (com cesta aérea, escada, etc.)
Filmagens fora do padrão (gravações contra o sol, fora de distância, mal orientada)
Situações de não cumprimento de regras de segurança, com ausência de EPIs obrigatórios
4.1. Arquitetura
4.1.1. Ao final de um dia de trabalho a equipe retorna a base operacional com a câmera contendo as gravações do dia
4.1.2. Coloca a câmera na dockstation, que descarrega os vídeos para uma pasta local
4.1.3. Inicia o processsamento do vídeo, quando o Smart Safety Eye percorre todo o vídeo "buscando" onde tem operação, se filmagem fora do padrão e se cumpridas as regras de segurança
4.1.4. Terminada a análise envia os resultados relevantes para uma base de dados em nuvem que centraliza todas as análises
4.1.5. Um portal ligado nessa base de dados permite os responsáveis pela segurança nas operações analisarem esses resultados e atuarem de acordo com o encontrado
4.2 Portal
4.2.1. Onde é possíel consultar todas as operações
4.2.2. Portal de acompanhamento dos resultados das operações
4.2.3. Portal de acompanhamento dos deslocamentos entre operações. Houve excesso de velocidade?
5. INTELIGÊNCIA
ARTIFICIAL
5.1
Em cada base operacional esta uma máquina EDGE com grande capacidade de processamento (CPU | GPU) que processa os vídeos com inteligência artificial. Este é o "coração" do Smart Safety Eye
5.2
Diferentes modelos de visão computacional foram desenvolvidos, como os modelos de Detecção de Objetos baseados em redes neurais convolucionais do tipo ResNet101 e YoloV5. Foram escolhidas essas arquiteturas por representarem um bom equilíbrio entre desempenho/performance e assertividade necessárias para a operação do Smart Safety Eye
5.3
O processo de treinamento dos modelos foi realizado no SmartvisionAI. Nesse processo foram criadas 24 classes a fim de identificar diversos elementos que caracterizam situações definidas como potenciais situações de não utilização de EPI
5.4
Cerga de 9.300 imagens foram usadas durante o processo de treinamento do modelo de visão computacional, sendo que 20% desses exemplos de treinamento foram separados para a base de validação
5.5
O processo de treinamento em si demora cerca de 6 horas no servidor do SmartvisionAI
5.6 Duas métricas
importantes na avaliação da assertividade de um modelo de inteligência artificial
5.6.1 Precision
Foca na qualidade das previsões positivas do modelo
Dentre os previstos como positivo, qual a proporção de acerto
Dos considerados como desvio, quais de fato são desvio?
VP / ( VP + FP )
5.6.2 Recall
Concentra-se na capacidade do modelo de encontrar todos os exemplos positivos
Dentre os reais positivos (com desvio), qual a proporção de acerto?
Capacidade de encontrar todos os desvios
VP / ( VP + FN )
5.7 Matriz de Confusão
5.7.1
Apresenta o resultado de cada classe
5.7.2
Apresenta na diagonal os exemplos positivos em que a inferência "acertou" a verdade de campo apresentada. Na maioria das classes esse número é elevado e há pouca dispersão
6. RESULTADOS
6.1 O resultado do sistema passa
essencialmente por 2 pontos
6.1.1 Ser realmente capaz de detectar as situações a que se propôs
6.1.2 Processar grandes quantidades de vídeos gerados num tempo igual ou inferior ao ritmo de geração, para não deixar acumular trabalho
6.2 É relevante é a identificação do tipo de operação, essencial para se identificar o cumprimento das regras de segurança.
Identificação de operação em 90% dos casos
6.3 Três tipos de operação
estão sendo identificadas
6.3.1 Operação nível do chão (medidor ou vara de manobra)
84% de acerto
6.3.2 Operação com cesta aérea
100% de acerto
6.3.3 Operação com escada
87% de acerto
Apesar do projeto está em andamento, os resultados são bastante promissores
6.4 Sobre a capacidade de processamento, considerando uma média de 8h de gravação diária por cada equipe, verificou-se tempo médio de 45 minutos.
Isso significa que em 24h o sistema consegue processar 32 dias de operação
7. CARACTERÍSTICAS
7.1 Escalável
Possível aumentar a capacidade de processamento para processar mais dias de filmagem ou reduzir a capacidade, caso tenha menor volume de dados, reduzindo também os custos com a utilização do sistema mais compacto
7.2 Abrangente
Pode ser adaptado para ser aplicado em outras distribuidoras. Para isso pode ser necessário reforço de treinamento do modelo para identifcação das classes (por exemplo, um técnico de outra distribuidora pode utilizar um outro padrão de uniforme)
8. CONCLUSÕES
O projeto tem como
objetivo
aumentar a capacidade de identificação de situações de não cumprimento de regras de segurança por parte das equipes operacionais, para que deste modo possam tomar ações que permitam reduzir a sinistralidade dessas equipes
O Smart Safety Eye não substitui, e sim potencializa, as equipes responsáveis por realizar o trabalho para verificações de segurança.
Sendo um sistema baseado em IA, ele é probabilístico. Indica as operações com maior probabilidade de não cumprimento das regras, com enorme capacidade de processamento e escalabilidade.
Ao invés de vistoria amostral de cerca de 1% das filmagens realizadas, espera-se que o SSE tenha capacidade de processar 100% das filmagens e que os alertas possam ser tratados pela mesma equipe que hoje realiza o procedimento amostral
Espera-se uma melhoria signitifcativa na qualidade e conformidade dos procesos de campo e com isso uma redução de acidents e eventos médio e graves com equipes de campo