CosmoEye

Sztuczna inteligencja (artificial intelligence – AI) cieszy się w ostatnich latach szczególnym zainteresowaniem. Jednym z badań nad nią jest konstruowanie maszyn i programów komputerowych zdolnych do realizacji wybranych funkcji umysłu i ludzkich zmysłów, niepoddających się numerycznej algorytmizacji. O wykorzystaniu rozwiązań z zakresu AI oraz samouczeniu się maszyn w kontekście optymalizacji procesów biznesowych i poprawy bezpieczeństwa rozmawialiśmy z przedstawicielami lubelskiej firmy CosmoEye.

Jak narodził się pomysł na firmę CosmoEye oraz na jakim etapie rozwoju obecnie się znajdujecie?

Pomysł na stworzenie systemu CosmoEye narodził się rok temu. Po wielu rozmowach i analizach dostrzegliśmy potrzebę rynku w obszarze usprawnienia procesów produkcyjnych. Nasze analizy to efekt wieloletniego doświadczenia zawodowego właśnie w firmach produkcyjnych. Byliśmy zarówno twórcami, jak i użytkownikami systemów controllingowych oraz nadzorujących takie obszary jak produkcja, magazyn, sprzedaż czy finanse. Główną pożywką dla naszych wieloletnich rozważań o stworzeniu czegoś na kształt CosmoEye był niedosyt. Wynikał on z pracy nad danymi generowanymi przez systemy, takie jak WMS, CRM, systemy klasy ERP czy też finansowo-księgowe. Analizując dane przy pomocy metod statystycznych, udawało nam się wyszukiwać zjawiska przekraczające założony poziom. Zauważaliśmy np. znaczne przekroczenie norm czasowych przyjętych na wykonanie określonej czynności w procesie produkcyjnym. Brakowało jednak wówczas możliwości cofnięcia czasu i przyjrzenia się temu, co tak naprawdę zdarzyło się na określonym etapie produkcji. CosmoEye daje takie możliwości. U podstawjegokoncepcji leży założenie, że kadra zarządzająca powinna być informowana o niepokojących zjawiskach w firmie w czasie rzeczywistym. Tylko wtedy menedżerowie mają możliwość niemal natychmiastowego reagowania oraz zapobiegania krytycznym zdarzeniom.

Mieliśmy również przeczucie, że system CosmoEye jest po prostu dobrym pomysłem biznesowym. W nasz projekt zdecydował się zainwestować fundusz Arkley Brinc. Sam proces pozyskania inwestora trwał od października 2021 r. do lutego 2022 r. Formalnie nasza spółka działa od początku lutego tego roku, a umowę inwestycyjną podpisaliśmy 1 kwietnia. Opracowaliśmy koncepcje MVP i skończyliśmy pracę nad nią. Aktualnie jesteśmy w fazie produkcyjnej oraz testowej. Myślę, że w ciągu miesiąca podpiszemy trzy pierwsze kontrakty. Jesteśmy już po rozmowach z dwiema firmami z Lubelszczyzny i jedną z Dolnego Śląska, które wyraziły chęć wdrożenia systemu.

Jak opisaliby Państwo oferowane rozwiązanie i na czym polega jego specyfika?

W najszerszym wymiarze CosmoEye to system wykorzystujący sztuczną inteligencję, którego działanie sprowadza się do usprawnienia i optymalizacji procesów biznesowych w przedsiębiorstwach o różnym profilu działalności oraz do kontroli jakości i poprawy bezpieczeństwa pracy. System – wyposażony w algorytmy AI, które w bardzo szybkim czasie przetwarzają cyfrowy obraz z kamer wideo – jest w stanie dostarczyć rozwiązania pozwalające odnaleźć, rozpoznać, sklasyfikować wydarzenie na ekranie, a potem poinformować o nim wskazane osoby za pomocą aplikacji mobilnej.

W najprostszym przypadku może poinformować menedżera o pojawieniu się osoby lub pojazdu w niedozwolonym obszarze poza godzinami pracy. System może także obserwować ścieżki poruszania się pracowników w halach produkcyjnych i magazynowych, mierzyć ich czas pracy netto i wskazywać momenty bezczynności. Wykorzystuje się go również w procesie kontroli jakości czy poprawnego pakowania towaru do wydania. CosmoEye może być rozwiązaniem wszędzie tam, gdzie jakiekolwiek opomiarowanie czynności było do tej pory trudne bądź wręcz niemożliwe.

Czy te parametry mogą zostać ustalone indywidualnie?

Biorąc pod uwagę całe spektrum możliwości systemu, jesteśmy w stanie nauczyć nasz model rozpoznawania dowolnego – założonego z góry – zdarzenia. 

Czy na rynku są już podobne rozwiązania?

Rozwiązanie CosmoEye jest oryginalnym systemem. Są rozwiązanie bardzo podobne, ale stosowane w obszarze security. Firmy ochroniarskie montując monitoring wizyjny na bramach wjazdowych określają strefy, w których nie powinien się poruszać człowiek lub samochód. Nie spotkałem się z takim rozwiązaniem, które jest stosowane wewnątrz przedsiębiorstwa produkcyjnego czy też logistycznego. Dodatkowo w tej chwili monitoring w firmach wykorzystywany jest do sprawdzania post factum tego, co się naprawdę wydarzyło, albo jak do tego doszło i kto był w zdarzenie zaangażowany. Nasz system dostarcza informacje w czasie rzeczywistym. Takiego rozwiązania na rynku nie ma.

Jak rynek zareagował na Państwa system?

Zaczęliśmy od stosunkowo prostych rozwiązań związanych z przestrzeganiem norm BHP. W pierwszej wersji naszego systemu skupiliśmy się na rozpoznawaniu naruszeń, które powinny być odnotowywane, a bardzo często nie są, ponieważ nie zostały zauważone albo są traktowane pobłażliwie np. praca na halach bez kasku czy okularów ochronnych lub przekraczanie stref poruszania się.

Feedback z rynku okazał się dużo szerszy niż się spodziewaliśmy i podsunął nam pomysły na zupełnie nowe zastosowania naszego systemu. Pytania, które dostawaliśmy od firm, dotyczyły m.in. bezczynności pracowników albo opuszczania miejsca pracy. Pojawiło się również zapytanie związane z identyfikacją braków, dlatego bardzo mocno koncepcyjnie pracujemy nad problemem kradzieży.

W jaki sposób, pod kątem prawnym, uregulowane jest prowadzenie bieżącego monitoringu przez zakłady produkcyjne i inne firmy?

Głównym zadaniem systemu jest wykrywanie istotnych zjawisk i raportowanie o nich do uprawnionych osób. Zadaniem systemu nie jest „śledzenie” poczynań konkretnych osób. Koncentrujemy się na procesach i ich znaczeniu dla biznesu. Współpracujemy z kancelarią wyspecjalizowaną w RODO, ponieważ działanie naszego systemu z definicji opiera się na przetwarzaniu danych. Monitoring jest już standardem w zakładach pracy. Pracownik, podpisując umowę o pracę, wyraża zgodę na nagrywanie. Dostęp do nagrania z systemu mają jednak tylko pracownicy oraz kadra menadżerska klienta. Nie są one publikowane na zewnątrz.

W jednym z naszych modeli biznesowych, w e-commerce chcemy dokumentować proces pakowania, aby przy ewentualnych reklamacjach móc przekazać nagranie klientowi. W tym rozwiązaniu staramy się nie nagrywać pracowników, lecz sam proces pakowania, jednocześnie dynamicznie wymazując twarz pracownika.To pomaga sprzedawcy np. wykluczyć koszty reklamacji poprzez identyfikację procesu pakowania, a następnie przekazać dokumentację filmową. Rozwiązanie to zostało wdrożone u naszego klienta i spowodowało spadek reklamacji o 90%.

Mówili Państwo o swoim modelu biznesowym, czy możemy rozwinąć ten temat?

Nasz model biznesowy, który określamy nazwą „Enterprise Solution”, kieruje uwagę na średnie i duże firmy produkcyjne oraz logistyczne. Każda z tych firm ma zidentyfikowane różnorodne potrzeby. Należą do nich: zachowanie bezpieczeństwa i higieny pracy, przestrzeganie norm narzuconych przez HACCP, odpowiedni poziom procesu kontroli jakości, optymalizacja wskaźników reklamacji i braków, dokumentowanie procesów obrazem wideo. Każdy z tych obszarów jest niezwykle rozbudowany i wymaga stałego monitorowania przebiegu i analizy zachodzących w nim zmian. System CosmoEye pomaga firmom monitorować te procesy oraz rozwiązywać problemy związane z krytycznymi sytuacjami.

Wykorzystując monitoring wizyjny jesteśmy w stanie np. narysować ścieżkę poruszania się konkretnego pracownika i sprawdzić jego zachowanie w trakcie konkretnego procesu. System odpowiada na pytanie np. dlaczego podobne zamówienie jeden pracownik kompletuje w 20 minut, a drugiemu zajmuje to dwie godziny. Jesteśmy w stanie dostarczyć dane, które do tej pory były niemierzalne. Wyciągnięcie wniosków zostawiamy już samej firmie. W takim ujęciu jest to zastosowanie zarówno sztucznej inteligencji, jak i uczenia maszynowego.

Czyli sztuczna inteligencja jest bardziej algorytmem, a machine learning procesem?

Można tak powiedzieć. Sztuczna inteligencja to jest cały system, a uczenie maszynowe jest działającym skutecznie mechanizmem. Algorytmy wykorzystywane w uczeniu maszynowym – w dużym skrócie – pozwalają uczyć się i podejmować na tej podstawie proste decyzje. Nauka ta polega na dostarczeniu odpowiedniej jakości syntetycznych danych wejściowych, które stanowią fundament do rozpoznawania wzorców w trakcie procesu trenowania i na ich podstawie podejmowania decyzji. Skuteczność działania algorytmów ML mocno zależy od ilości i jakości danych w dostarczanych ciągach uczących.

Teoretycznie więc każdy powtarzalny proces, który jesteśmy w stanie przedstawić w postaci cyfrowej – czy to w formie danych liczbowych, obrazu czy dźwięku – można potraktować jako wsad i bazę danych służącą do nauki. W najprostszym przypadku algorytmy ML nauczone pewnego procesu, mogą same odnaleźć wszelkie anomalie, odstępstwa od norm, potencjalne nadużycia czy zdarzenia krytyczne. Aby zasilić system musimy wprowadzić do niego ok. 15 tys. zdjęć. Dopiero wówczas jest on w stanie wychwycić niepożądaną sytuację np. posiadanie kolczyka przez pracownika na hali produkcyjnej. W tym przypadku musielibyśmy przewidzieć nieskończoną liczbę konfiguracji umiejscowienia kolczyka np. w uszach, w nosie, w brwi itd. My stworzyliśmy własny system do tworzenia ciągów uczących, którego używamy do symulowania zakładanego przez klienta celu.

Czy lokalizacja działalności w Lublinie miała duże znaczenie dla rozwoju firmy?

Oczywiście. Wszystko to, co tworzymy w ramach CosmoEye związane jest w 100% z Lublinem – począwszy od podwykonawców, a kończąc na wideoserwerach. To jest ścisła współpraca w ramach lubelskiego środowiska na zasadach B2B albo umów o pracę. Współpracujemy również z naukowcami z lubelskich uczelni.

Jakie wydatki ponoszą Państwo na prace badawczo-rozwojowe? Jaka to może być część kosztów?

Praktycznie 100%. Odpowiadając jednak precyzyjnie na to pytanie, 60-70% z pozyskanych funduszy przeznaczamy na rozwój produktu. Pierwsze wdrożenia komercyjne również w zasadzie można określić jako R&D, ponieważ musimy nauczyć się nie tylko, jak produkt działa, ale również tego, jak działa w konkretnym środowisku. Tak naprawdę przy uczeniu maszynowym drugą część prac badawczo-rozwojowych finansuje już klient, który wdrożył nasz system.

Pozostałe 30% przeznaczamy na działania marketingowe, w tym m.in. udział w targach czy też publikacje w mediach ogólnopolskich. Na polskim rynku jest dużo firm, które robią świetne rzeczy w AI. Działają jednak lokalnie i przez to nie są znane. My postawiliśmy na szeroką komunikację. Bez dotarcia z informacją do potencjalnie zainteresowanych naszym systemem firm nie jesteśmy w stanie nic zrobić.

Jakie działanie jako miasto możemy podjąć, żeby dalej rozwijać potencjał Lublina jako centrum tworzenia wysokich technologii?

Z naszego punktu widzenia korzystne byłoby poznanie osób związanych z technologiami. Szczególnie interesują nas deweloperzy, programiści, ludzie zajmujący się algorytmami, sztuczną inteligencją, uczeniem maszynowym oraz przetwarzaniem obrazów. Na pewno wartościowa byłaby wymiana doświadczeń i wiedzy ze specjalistami w ramach np. branżowego klubu biznesowego lub innej organizacji, ale wyspecjalizowanej w tej konkretnej dziedzinie.

Nie ukrywam, że prowadzimy również rozmowy z wysokorozwiniętymi ukraińskimi ośrodkami, które – moim zadaniem – prześcignęły ośrodki amerykańskie. Doskonale możemy to obserwować w trakcie toczącej się w Ukrainie wojny. Oni nie muszą niczego symulować. Sztuczną inteligencję wykorzystują do niszczenia czołgów. Nie ma obecnie lepszych fachowców do przetwarzania obrazów niż Ukraińcy. Jesteśmy także otwarci na dalszą współpracę z naukowcami z lubelskich uczelni.

Dziękujemy za rozmowę!

Fot. CosmoEye.
Od lewej: Kosma Kindlik, Kamil Dudek.