Он позволяет существенно улучшить контрольную среду, повысить точность аудиторских процедур, а также проанализировать эффективность бизнес-процессов.
В качестве пилотной площадки для реализации проекта «Цифровой аудит – нейросети» выбрана Шатурская ГРЭС.
Нейронная сеть (также искусственная нейронная сеть (ИНС) или просто нейросеть) – это программа, которая умеет обучаться на основе данных и примеров. ИНС не работает по готовым правилам и алгоритмам, а пишет их сама во время обучения
Основная цель проекта – внедрение цифрового контроля в бизнес-процессы компании, а также автоматизированная обработка большого массива данных.
Кроме портала, мы предлагаем вам и альманах «Управление производством». Все самое интересное и уникальное мы публикуем именно в нем. 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!
На Шатурской ГРЭС с помощью нейросетей под контроль взят процесс перемещения металлолома по территории станции, а также ремонт фасада одного из зданий. В ходе работ по внедрению системы проведены предпроектное обследование объекта, доставка, монтаж оборудования (видеорегистраторы, IP-камеры), разработка нейросетей, обучение нейросетей и создание портала «Цифрового аудита». Были детально проанализированы бизнес-процессы в части перемещения металлолома, включая заезд на территорию складского хозяйства, взвешивание и выезд груженных автомобилей.
Совместно с подрядчиком руководство ГРЭС выбрало наиболее оптимальные места для размещения видеокамер. На данный момент установлено пять видеокамер. Они осуществляют детекцию движения и сфокусированы на определенные зоны. Камеры считывают информацию о транспортных средствах, а также их содержимом. Видеофиксация подобных перемещений производится на станции с середины июля 2023 года. Данные с регистраторов собирают специалисты компании-подрядчика. Впоследствии эти данные обрабатываются и используются для обучения искусственного интеллекта, который сможет с высокой точностью распознавать объекты в кадре.
В данный момент на Шатурской ГРЭС задействованы четыре нейросети. Их функции:
В результате автоматизированной обработки данных с помощью нейросетей происходит вычленение нарушений/отклонений от стандартной процедуры. Это позволяет существенно улучшить контрольную среду, повысить точность аудиторских процедур, а также проанализировать эффективность бизнес-процессов.
Автоматизированный анализ ремонта фасада здания позволяет отследить изменения в строительных работах в заданный промежуток времени и классифицировать объекты, находящиеся в ремонте.
Для обучения системы было создано три нейросети. Их функции:
После обработки по заданным параметрам система анализирует изменения в процентном соотношении в заданном интервале времени и классифицирует объекты.
Таким образом, в результате работы нейросетей с видеоархивом компания получит подсчеты количества людей, которые работают над ремонтом фасада в конкретный промежуток времени, объем выполненных работ, а также подсчет монтажа/демонтажа строительных лесов. Полученная информация позволит сравнить сметы (акты выполненных работ), предоставленные подрядчиком, с объемом фактически выполненных работ.
КОММЕТАРИЙ ЭКСПЕРТА
Сергей Соломенков, главный специалист управления внутреннего аудита, куратор цифровых проектов команды внутреннего аудита:
– Пилотный проект показал высокую эффективность и результативность. Современные технологии с использованием искусственного интеллекта существенно повышают качество аудиторских процедур и анализа больших данных. Мы понимаем, что за подобными технологиями будущее, поэтому рассматриваем сейчас возможности масштабирования проекта на других станциях Юнипро, а также – возможности дополнительного функционала: анализ пропускного режима, ношение средств индивидуальной защиты и другое. Программно-аппаратный комплекс цифрового аудита процессов (ПАК ЦАП), масштабированный на другие объекты, в зависимости от задачи даст возможность повысить качество контрольной среды, в том числе в части взаимодействия с подрядными организациями.
Тест и фото: Юнипро
