RU2745283C1

RU2745283C1 - Автоматизированная система управления продажами материальных услуг

Info

Publication number: RU2745283C1
Application number: RU2020128640A
Authority: RU
Inventors: Сергей Николаевич Шепелев; Александр Валентинович Рузаев
Original assignee: Общество с ограниченной ответственностью «ТН-ГРУПП»
Priority date: 2020-08-28
Filing date: 2020-08-28
Publication date: 2021-03-23
Also published as: WO2022045918A1

Abstract

Настоящее изобретение относится к средствам комплексного управления предприятиями. Технический результат заключается в обеспечении автоматизации определения качества работ, производимых над материальными объектами. Система содержит: сканер состояний материальных объектов; базу данных проектов; блок определения соответствия результатов сканирования состояний материальных объектов начальным и конечным состояниям материальных объектов, представленных в базе данных; и блок управления оплатой услуг, при этом блок управления оплатой услуг выполнен: определяющим, по запросу пользователя на предоставление услуги, проекты, входящие в состав услуги; для каждого из проектов, входящих в состав услуги, задание материального объекта, соответствующего каждому из проектов с последующим началом сканирования состояний заданных материальных объектов с формированием цифровых представлений результатов сканирования; и формирования, для оплаты пользователем, значения стоимости предоставления услуги, определяемую на основании стоимостей проектов, входящих в состав услуги. 9 з.п. ф-лы, 4 ил.

Description

Область техники, к которой относится изобретение

Настоящее изобретение относится к средствам комплексного управления предприятиями, оказывающими материальные услуги, и, в частности, к способам комплексного и автоматизированного управления деятельностью предприятий включая автоматизацию бизнес-процессов, связанных с управлением транспортом, товарными запасами, выработкой и начислением сотрудникам поощрения по результатам выполненных работ, а также к оценке качества выполненных работ и автоматическому определению факта выполнения работ.

Уровень техники

Как правило, на каждом функциональном участке предприятия существуют ответственные лица, определяющие стоимость и объемы работ, выполняемых персоналом, а также ведущие, при необходимости, переговоры с заказчиками или потребителями работ. При решении такого рода надзорных и организационных задач, могут возникать ошибки, связанные с неопытностью или необъективностью ответственных лиц, злонамеренных действий персонала или заказчиков, а также других субъективных факторов, ведущих к взаимонепониманию участников рабочего процесса. Таким образом, управление участком может осуществляться неэффективно.

В частности, в отраслях, предоставляющих материальные услуги, например, на предприятиях по ремонту автомобильной техники, существует множество видов работ, в том числе работ, осуществляемых последовательно согласно технологическим картам. Для эффективного выполнения такого рода работ, требуется согласовывать действия нескольких участков так, чтобы недостатки выполнения работ на одном участке могли быть своевременно обнаружены до момента, когда исправление недостатков требует повторение большинства работ технологической цепочки. Например, обнаружение дефекта сборки механической части коробки передач после ее установки на автотранспортное средство, требует, перед устранением дефекта, слива трансмиссионного масла, снятия коробки, разборки корпуса, и выполнения действий, которых можно было бы избежать при своевременном обнаружении дефекта работ.

В настоящее время автоматизация бизнес-процессов на предприятии является обязательным условием выживания компаний на современном рынке. Наивысшей степенью автоматизации процессов на сегодняшний день является полная или частичная замена человеческого труда на роботизированные комплексы, использующие для управления искусственный компьютерный интеллект

Таким образом, в уровне техники существует потребность в оперативном и объективном средстве автоматизированного определения качества работ, производимых над материальными объектами, обеспечивающим также точную количественную оценку трудозатрат при выполнении работ.

На решение указанной задачи направлено изобретение, описанное в заявке на выдачу патента Кореи KR20150110985 "КОМПЛЕКСНАЯ СИСТЕМА УПРАВЛЕНИЯ ОБЪЕКТАМИ И СПОСОБ КОМПЛЕКСНОГО УПРАВЛЕНИЯ ОБЪЕКТАМИ", которое является наиболее близким к предложенному изобретению.

Решение согласно опубликованному патенту относится к способу комплексного управления материальным объектом, и использует: этап приема заказа от заказчика, на котором от заказчика получают детали запроса на обслуживание; этап диагностики, на котором диагностируют состояние объекта (участка), по которому заказчик сделал запрос; этап сметной калькуляции, на котором делают предварительный расчет, если на основании информации о диагностике участка определена необходимость ремонта или ремонта/замены детали; этап размещения заказа для обработки соответствующих данных для размещения заказа в отношении расчетной сметы; этап ремонта объекта или ремонта/замены детали в соответствии с подробностями заказа; и этап отчета о выполнении задания, на котором по завершении ремонта здания или конструкции, или ремонта/замены внутреннего объекта заказчику отчитываются о результатах выполнения задания.

Объекты, к которым относится известное изобретение, являются зданиями, сооружениями и их составными частями. Согласно опубликованному патенту, объекты, установленные в здании или сооружении, трехмерно отображены так, что точный тип и размеры соответствующего объекта могут быть идентифицированы быстро и просто, что, тем самым, позволяет сократить время диагностики и время работы команды, решающей проблему. При этом заказчик может просто узнать точную информацию о своем здании или сооружении.

Опубликованный патент не раскрывает способ контроля за процессом ремонта и обслуживания, а также не раскрывает способы предотвращения дефектов строительства, которые могут возникнуть на этапе строительства здания, то есть в указанном патенте, также как в уровне техники, в целом, не раскрываются средства и методы оперативного и объективного автоматизированного определения качества работ, производимых над материальными объектами, обеспечивающим также точную количественную оценку трудозатрат при выполнении работ.

Преимущества изобретения

Настоящее изобретение направлено на решение вышеупомянутой задачи по созданию средства оперативного и объективного автоматизированного определения качества работ, производимых над материальными объектами, обеспечивающим также точную количественную оценку трудозатрат при выполнении работ Технический результат, достигаемый при использовании изобретения, помимо решения указанной задачи, заключается в сокращении трудозатрат при обеспечении нормальной деятельности сервисного предприятия, за счет сокращения числа персонала, на связанного, непосредственно, с оказанием материальных услуг, повышении качества обслуживания, а, соответственно и объема выполняемых работ, определяемого, например, в стоимостном эквиваленте. Кроме этого изобретение обеспечивает существенное ускорение процессов сдачи-приемки работ и позволяет получать оперативную обратную связь в случае отклонений от нормативов и мгновенно устранять проблемы прямо на месте выполнения работ. Дополнительно, автоматизация оценки работы сотрудников позволяет вести независимый рейтинг сотрудников и подрядчиков по качеству и скорости выполнения поставленных задач, обеспечивает измеримую и объективную оценку квалификации сотрудников. В настоящем изобретении также решается задача применения распознавания образов для дистанционной автоматизированной оценки готовности и качества выполняемых работ на предприятиях, например, в компаниях интернет провайдеров, системных интеграторов и монтажных организаций.

За счет полной или частичной автоматизации процесса контроля выполнения работ, изобретение позволяет сократить рабочее время сотрудников, отвечающих за контроль качества, или полностью отказаться от использования данных должностных позиций.

Кроме этого, сокращается время выполнения работ за счет ускорения процесса приемки, а также получение оперативной обратной связи в случае отклонений от заданных нормативов. Вследствие этого обеспечивается своевременное устранение проблем на месте проведения работ, так как работник получает моментальную оценку своей работы. В случае несоответствия выполненных работ нормативам, имеется возможность оперативно устранить несоответствие на месте.

Изобретение позволяет вести независимый рейтинг сотрудников и подрядчиков по качеству и скорости выполнения поставленных задач. Это позволяет клиентам не только получить работы с повышенным качеством, но также обеспечивает возможность своевременно находить зоны роста сотрудников, эффективно планировать и внедрять обучающие программы и формировать культуру качественной работы в командах.

Под автоматизацией в объеме настоящего изобретения, понимается, в том числе, передача функций выполнения однотипных операций визуального анализа качества выполненных работ с сотрудника предприятия на систему искусственного интеллекта.

Техническое решение

Для решения вышеупомянутой задачи и достижения технического результата, предлагается автоматизированная система управления продажами материальных услуг, где в состав каждой услуги входит проект, связанный с преобразованием состояния материального объекта, при этом система содержит:

сканер состояний материальных объектов, выполненный с возможностью непрерывного сканирования состояния материального объекта с формированием цифрового представления результатов сканирования;

базу данных проектов, где для каждого проекта указывается стоимость проекта, описание начального состояния соответствующего проекту материального объекта и конечного состояния соответствующего проекту материального объекта, представленных с возможностью сравнения описаний состояний материальных объектов с цифровым представлением результатов сканирования;

блок определения соответствия результатов сканирования состояний материальных объектов начальным и конечным состояниям материальных объектов, представленных в базе данных; и

блок управления оплатой услуг, при этом блок управления оплатой услуг выполнен:

определяющим, по запросу пользователя на предоставление услуги, проекты, входящие в состав услуги;

для каждого из проектов, входящих в состав услуги, задание материального объекта, соответствующего каждому из проектов с последующим началом сканирования состояний заданных материальных объектов с формированием цифровых представлений результатов сканирования; и

формирования, для оплаты пользователем, значения стоимости предоставления услуги, определяемую на основании стоимостей проектов, входящих в состав услуги, в том случае, если для каждого из проектов, входящих в состав услуги, блоком определения соответствия результатов сканирования состояний материальных объектов начальным и конечным состояниям материальных объектов, для каждого из заданных материальных объектов всех проектов, входящих в состав услуги, выявлено соответствие результатов сканирования всем описаниям начальных и конечных состояний материальных объектов, соответствующих проектов, представленных в базе данных.

В частном случае реализации, база данных дополнительно содержит, по крайней мере для одного материального объекта, функцию преобразования начального состояния материального объекта в конечное состояние материального объекта, такую, что обеспечивается взаимно однозначное соответствие между результатами сканирования конечного состояния материального объекта и результатами сканирования начального состояния материального объекта, к которым применена функция преобразования, а блок управления оплатой услуг выполнен формирующим значение стоимости предоставления услуги для оплаты пользователем, при условии соответствия между результатами сканирования конечного состояния материального объекта и результатами сканирования начального состояния материального объекта, к которым применена функция преобразования для всех материальных объектов, входящих в состав услуги, для которых в базе данных задана функция преобразования. Кроме того, сканер может быть выполнен в виде видеокамеры или автоматической фотокамеры и может дополнительно содержать датчик положения, функция преобразования содержит сведения о перемещении объекта в процессе преобразования, а преобразованием может являться ремонт составного материального объекта или замена части составного материального объекта.

Стоимость ремонта при реализации изобретения может определяться начальным состоянием материального объекта, соответствующего преобразованию.

Кроме того, материальный объект может быть выполнен с идентификационной меткой с идентификационными данными, такой, что обеспечивается доступ к идентификационным данным в промежутке от начала до окончания преобразования. В этом и других случаях, в качестве объекта может использоваться объект складского хранения, причем начало трансформации объекта возможно после получения объекта со склада.

Краткое описание чертежей

На фиг. 1 изображена обобщенная структура автоматизированной системы согласно изобретению;

На фиг. 2 показаны фрагменты изображения, используемые при выявлении локальных признаков различными способами;

На фиг. 3 показана последовательность изображений объекта, обнаруженных с помощью способа оптического трекинга, применяемого при реализации изобретения;

На фиг. 4 приведена блок-схема алгоритма распознавания.

Описание изобретения

Изобретение предназначено для решения следующих задач:

• Организация монтажных и сервисных работ с ведением всей необходимой информации в рамках одной системы;

• Оценка качества проведения работ на основании предоставленных данных (фото и документы) в двух режимах:

• Автоматизированная оценка сотрудниками, обладающими соответствующими правами;

• Автоматическая оценка системой в соответствии с критериями, заданными в рамках машинного обучения;

• Организованное хранение информации о проведённых ранее работах и сопутствующей информации.

• Составление рейтингов по сотрудникам и подрядным организациям.

Базовая концепция изобретения предполагает использование информационно-вычислительных сетей, сконфигурированных для использования оригинальных способов получения, передачи и обработки данных. В частности, при реализации изобретения используется инкапсуляция изображений объектов с использованием иерархии локальных эквивариантных (неизменных) признаков, устойчивых к пространственным преобразованиям, обучение распознавания представлений объектов с использованием эквивариантного представления объектов в потоке визуальных данных и идентификация и классификации объектов, использующая модель эквивариантного представления объектов, обученную на потоковых данных.

Как показано на фиг. 1, автоматизированная система управления продажами материальных услуг, система содержит:

сканер состояний 1 материальных объектов 2;

базу данных 3 проектов;

блок 4 определения соответствия результатов сканирования состояний материальных объектов начальным и конечным состояниям материальных объектов, представленных в базе данных;

блок 5 управления оплатой.

В основе изобретения лежит способ распознавания путем обработки нестандартизированных изображений объектов в условиях различных углов зрения, с учетом возможности наличия различных видов визуального шума (размытие, окклюзия, частичное перекрытие). Для формирования изображений используется сканер состояний материальных объектов, выполненный с возможностью непрерывного сканирования состояния материального объекта с формированием цифрового представления результатов сканирования

Особенности предложенной системы позволяют использовать ее как для решения узкоспециализированных задач, например, использование обобщенного анализа данных – для выявления закономерностей при видеонаблюдении и самообучения обнаруженным структурам.

Для решения задачи распознавания объектов на фото-материалах, в системе используются нейросетевые алгоритмы с использованием технологий семейства Deep Learning.

Алгоритмическая база, используемая в модуле распознавания и оценки качества выполненных работ содержит следующие алгоритмы:

Алгоритм выделения локальных признаков, выполняющий поиск фрагментов кадров видеопотока, характеризующихся высокой информационной емкостью с точки зрения задачи распознавания - данный алгоритм является первым в цепочке алгоритмов распознавания объектов на фото. Он служит для отфильтровывая не нужной, не несущей смысловой нагрузки информации с фотоматериалов.

Алгоритм оптического трекинга, выполняющий отслеживание обнаруженных фрагментов в потоке данных и вычисление значений трансформации для обучения локальных детекторов модели - этот алгоритм позволяет обнаружить одинаковые предметы, на фото снятые под разными ракурсами. Это алгоритм является необходимым при условии поступления в систему не стандартизируемых фотографий выполненных работ под разными ракурсами.

Алгоритм обучения, трансформирующего автоэнкодера, представляющий собой модификацию алгоритма обратного распространения ошибки с использованием разработанных критериев разреженности и оценки точности репрезентации автоэнкодера - Этот алгоритм нужен для обучения нейронной сети и увеличения в процентном соотношении количества распознанных фотографий. Чем лучше обучена нейронная сеть, тем точнее она делает распознавание объектов.

Алгоритм распознавания изображений и оценки качества выполненных работ, использующий обученную на потоковых данных модель для идентификации, локализации и классификации отдельных изображений - финальный алгоритм, который распознает объекты на поступающих фотографиях в систему и оценивает правильность выполнения работ согласно установленным правилам.

Алгоритм выполняет задачу извлечения выборки из потока данных для обучения детекторов модели. Ключевым требованиям к такой выборке является информационная емкость извлекаемых фрагментов изображения такая, что полученная выборка максимизирует точность распознавания при минимизации вычислительных ресурсов, затраченных на формирование и обучение локальных детекторов. Данный алгоритм производит оценку показателя “заметности” объекта с помощью ансамбля двух взаимно дополняющих друг друга математических методов, а именно, метода вычисления локальной информационной энтропии по Шеннону и

метода нахождения экстремумов масштабируемого представления.

Оба метода применяются к изображению параллельно, что обеспечивает распределение вычислительных ресурсов с использованием параллельных или асинхронных вычислений. Результатом работы алгоритма выделения локальных признаков является набор признаков, являющийся фрагментов, найденных каждым из указанных выше методов. На фиг. 2 показаны фрагменты изображения, обнаруженные алгоритмом выделения локальных признаков на примере контроля качества установки датчика уровня топлива в топливный бак транспортного средства. На изображении слева выделены фрагменты, характеризующиеся максимальной заметностью (локальной энтропией), а на изображении справа выделены фрагменты, характеризующиеся отличительными показателями интенсивности и структурной сложности.

Оценка информационно-технической энтропии применяется для вычисления локальной энтропии фрагмента изображения {x,R } по Шеннону с использованием расчета следующего показателя:

,

где s — выбранное значение масштаба, x — точка изображения, представляющая собой центр фрагмента, d_i— значение дескриптора, описывающего состояние изображения (интенсивность, цвет).

Затем производится выбор таких значений s, для которых рассчитанное значение энтропии максимально. Обозначим такие значения как s_p. Далее производится вычисление градиента распределения вероятности как функции для каждого s= s_p:

.

Метрика заметности рассчитывается путем комбинации двух рассчитанных показателей:

.

Полученное множество фрагментов высокой заметности будет представлять собой «слабый» результат алгоритма, включающий в себя множество фрагментов, характеризующихся высокой заметностью по сравнению с окружающим фоном, но не являющихся структурно уникальными в пределах изображения. Для нахождения структурно уникальных участков изображения используется вторая часть алгоритма, заключающаяся в нахождении экстремумов масштабируемого представления.

Поиск экстремумов масштабируемого представления производится с помощью оценки двух показателей — разности гауссиан изображения и определителя Гессе.

Объединение методов ансамбля для алгоритма выделения локальных признаков производится путем нахождения пересекающих фрагментов, обнаруженных обоими методами. Использование ансамбля методов позволяет отыскивать фрагменты изображения, характеризующиеся свойствами заметности (максимальной локальной энтропией) и уникальности как по структурному содержанию, так и по сравнительной интенсивности.

После того как локальные признаки для отдельного кадра видеофрагмента обнаружены алгоритмом выделения признаков, реализуется следующая стадия обучения модели с использованием оптического трекинга или отслеживания перемещений соответствующих фрагментов в потоке последующих кадров.

Алгоритм оптического трекинга, обеспечивает оценку значения трансформации для кадров видеопотока, и обнаружение смещения фрагментов в потоке.

Трекинг отдельного локального фрагмента изображения b = (x, y, t, t) происходит следующим образом:

1. Производится поиск точек, лежащих в пределах прямоугольника со сторонами a = t, b = t и центром (x, y), удовлетворяющие условию оптического потока. Для этого используется детектор углов Харриса.

2. Для найденных точек P_b и двух кадров I_j, I_j+1 рассчитывается рассмотренным способом вертикальное и горизонтальное смещение V_x ^b, V_y ^b. Инкрементируя координаты каждой из точек P_b на значение полученного смещения, формируются точки P_b ′, соответствующие смещениям опорных точек участка b.

3. Производится перенос центра участка заметности в кадр I_j+1, с использованием координаты как минимум двух точек из P_b ′. Полученные точки (x′, y′) соответствуют центру отслеженного участка b′.

4. Адаптируются стороны отслеженного прямоугольника, путем их масштабирования, соответственно, на коэффициенты, полученные сопоставлением координат точек P_b и P_b ′. т.е.:

.

5. В результате формируется участок кадра b′ = (x′, y′,a ′,b ′).

Процесс трекинга для потока данных целиком состоит из следующих этапов:

1. Инициализируется буфер активных (отслеживаемых) участков заметности. Буфер представляет собой множество последовательностей C₁ , C₂, …C_b, где каждая последовательность C_j содержит элементы b₁ ⁱ , b₂ ⁱ...b_j ⁱ — участки заметности, обнаруженные в соответствующих кадрах.

2. Если буфер не пуст, то для каждой C_i извлекается последний элемент последовательности b_j ⁱ, для него, по вышеописанному алгоритму находится предшествующий элемент b_j+1 ⁱ, который добавляется последовательность.

3. Для текущего кадра I_j производится поиск новых участков заметности, не являющихся частью существующих последовательностей (участок считается не принадлежащим последовательности, если он имеет часть площади, не большую p, общую с одним из отслеженных участков b_j+1 ⁱ). Обнаруженные b₁, b₂, . . .b_j формируют новые последовательности в общем буфере

Выходными данными алгоритма оптического трекинга является последовательность идентичных фрагментов локальных признаков и значений трансформаций между ними. Демонстрация полученных последовательностей приведена на фиг.3. Так, на фиг.3 показана последовательности локальных фрагментов изображений, обнаруженные с помощью алгоритма оптического трекинга.

Предложенный алгоритм оптического трекинга позволяет решить задачу формирования выборки для обучения локальных детекторов модели.

Из полученных последовательностей фрагментов формируется выборка, представляющая собой множество исходных фрагментов x, множество результатов трансформаций и соответствующих им значений трансформаций s, при этом трансформации s₁, s₂ , …s_m получены из информации о движении камеры или объекта в кадре. На полученной выборке обучается трансформирующий автоэнкодер. Обучение происходит в онлайн-режиме — каждые последующие кадры могут использоваться в качестве расширения выборки, поступая на вход автоэнкодера. Обученный автоэнкодер функционирует в качестве эквивариантного детектора, реагируя на изображения, сходные с присутствующими в выборке, и определяя трансформацию, которой они подвержены. Преимущества представленного алгоритма заключаются в способности извлекать данные для обучения без участия человека и не требуя наличия предварительно промаркированной выборки. Эта способность представляет ценность для автоматических (и автономных) систем обработки информации, имеющих доступ к потоковым данным видеокамер и потоковых сенсоров наблюдения

Алгоритм обучения трансформирующего автоэнкодера, является модифицированным вариантом широко используемого алгоритма обратного распространения ошибки.

В частном случае реализации изобретения, алгоритм обратного распространения ошибки дополняется использованием критерия разреженности, использованием пермутаций элементов выборки для увеличения разнообразия обучающего материала и формирование более устойчивой функции, инкапсулируемой автоэнкодером, а также использование критерия точности репрезентации, применяемого для дополнительной оценки достижения автоэнкодером достаточных результатов реконструкции и распознавания.

Алгоритм распознавания изображений и оценки анализа качества выполненной работы является ключевым элементом метода, реализованным в модуле анализа качества работ, осуществляющим непосредственную процедуру классификации изображений по категориям с использованием предварительно обученной модели, а также сравнение с эталоном и принятие решения о выполнении и качестве работ по результатам анализа изображений. Алгоритм распознавания реализуется путем последовательной активации детекторов модели, начиная с первого уровня, на заранее заданном изображении.

Блок-схема алгоритма распознавания приведена на фиг. 4.

Алгоритм распознавания, который описан далее, начинается на шаге 404.

Далее на шаге 408 задают массив r длины n, изображение I, которое необходимо распознать.

Для каждого класса i=l,n, т.е. от единицы до n (412), на шаге 416 инициализируют (в частности, задают) HM_iM_i, классы c_i, где M_i - обученная модель для некоторого класса изображений c_i, а HM - общая иерархическая память.

Далее для каждого видеофрагмента j=1,m (420) для каждого класса i=l,n на шаге 424 осуществляют обучение одного уровня модели на V_j.

Далее на шаге 428 проверяют, равно ли количество детекторов уровня единице и, если да, то на шаге 432 активируют модель A, равную нулю (модель А = 0).

Далее для l=l,L (436), т.е. от единицы до L, на шаге 440 выполняют A=act(A,D_l,I).

Далее на шаге 444 проверяют равенство A нулю (A = 0 ?) и, если нет, то осуществляют возврат к шагу 436. В противном случае на шаге 448 выполняют break; r[i] =0 и осуществляют возврат к шагу 412.

На шаге 452 выполняют r[i] =1 и осуществляют возврат к шагу 412.

На шаге 456 алгоритм распознавания заканчивается.

Так, как показано на фиг. 4 и описано выше, пусть дана обученная модель M_i для некоторого класса изображений c_i (например, таким классом могут выступать изображения оборудования), либо несколько моделей для задачи мультиклассового распознавания, и изображение I, которое необходимо распознать. Алгоритм распознавания состоит из следующих шагов:

1. Задают общую иерархическую память HM, представленную множеством уровней, размером равному максимальному число уровней обученной модели.

2. Для l-того уровня модели L_l, начиная с первого, и для каждого детектора соответствующего уровня b_j ^(l) (x,y,h,w) применяют идентифицирующую функцию детектора ко всем локальным участкам изображения I(x...x + w, y...y + h).

3. Если для некоторого уровня L_l активации всех детекторов этого уровня отрицательны (равны нулю), то изображение не принадлежит к классу c_i.

4. Если задача распознавания является мультиклассовой, то повторяют алгоритм, начиная с шага 1, для модели следующей категории M_i+1. В противном случае алгоритм считается остановленным.

5. Если детекторы слоя активированы L_l, то продолжают последовательную активацию детекторов последующих слоев, повторяя алгоритм с шага 2.

6. Если активация последнего уровня положительна, то изображение принадлежит к классу c_i.

7. Для мультиклассового распознавания вышеперечисленные шаги повторяют для множества обученных экземпляров модели M₀, M₁, … M_n, при этом принадлежность изображения к классу определяют по максимальному активному уровню.

Для инициализации процесса анализа качества проводится обучение модели с учителем. Эксперт создает полностью размеченный дата-сет (набор данных) с ответами на вопрос является ли монтаж оборудования корректным. Далее, обученный дата-сет обучает нейронную сеть.

На выходе модуля, реализующего алгоритм, формируется оцифрованный и оцененный результат выполнения работы.

Данные по выполненной работе сохраняются в базе данных (например, в базу данных ERP «AURORA») и передаются на мобильное приложение сотрудника.

Алгоритм распознавания является финальным в цепочке алгоритмов, а по результатам его работы формируются фотоотчеты о выполненных работах, которые, с одной стороны могут быть использованы для повторного анализа, а с другой стороны, являются документом, являющимся основанием для оформления акта сдачи-приемки работ, демонстрирующим ключевые особенности материального объекта, с которым были проведены работы.

Система согласно изобретению может быть выполнена из самостоятельных модулей, объединенных по каналам или сетям передачи данных. Каждый из модулей может представлять собой аппаратный или программно-аппаратный комплекс, обладающий определенным набором визуальных, логических, метаматематических и потребительских характеристик, решающих конкретную задачу пользователя системы.

Для получения данных о номенклатурах товаров и услуг, остатках единиц данных номенклатур на складах, формирования запросов на изменение этих данных, а также организации из этих данных более высокоуровневых структур в рамках блока прайс-листа предназначен модуль «Товары и услуги», который обеспечивает формирование актуальной информации о стоимости товаров и услуг, а также формирует данные по перемещению элементов складского хранения, в том числе, передачу, например, запчастей или ремкомпелектов сотрудникам, выполняющим работы.

Модуль предназначен также для формирования справочника доступных для оказания услуг, товаров, а также рекомендованных цен и нормо-часов на работы. Номенклатура товаров и услуг дополняется справочником цен по прошедшим периодам, а также комплексными описаниями стоимостных параметров, например, описанием услуги совместно с указанием товаров, необходимых для ее выполнения, а также условий использования товаров и указанием стоимости нормочасов сотрудника соответствующей услуге квалификации и затрат нормочасов на выполнение услуги. Модуль может быть использован в качестве базы данных проектов, где для каждого проекта указывается стоимость проекта, описание начального состояния соответствующего проекту материального объекта и конечного состояния соответствующего проекту материального объекта, представленных с возможностью сравнения описаний состояний материальных объектов с цифровым представлением результатов сканирования;

Модуль «База знаний типов объектов обслуживания» предназначен для организации справочника видов техники, включающего в себя информацию о структуре, описания, соответствующие документы и нормо-часы на различные комплекты работ, зависящие от вида техники.

Каталог объектов обслуживания включает в себя структуру, организованную по четырём уровням: типы объекта обслуживания, марка, модель и модификация. Каждая запись в каталоге позволяет хранение комментариев эксперта и документы, описывающие особенности выполнения работ на объекте обслуживания.

Справочник документации содержит записи о документах (инструкциях, бланках), соответствующих видам техники и выполняемым работам.

Справочник нормо-часов на работы содержит записи о регламентированных нормо-часах на выполнение комплектов, зависящих от вида техники.

Модуль «Объект обслуживания» предназначен для хранения информации об объектах обслуживания и служебной технике сотрудников, выполняющих работы. Сам модуль представляет собой реестр с заведёнными объектами, каждый из которых содержит следующие блоки данных.

В блоке Информация хранятся данные об объекте, включающие в себя описание объекта, его уникальный идентификатор, последнее известное местоположение и другую информацию, которая может быть использована для идентификации объекта и оценки качества выполнения работ.

В блоке Объект из каталога осуществляется привязка объекта к каталогу видов объектов обслуживания для автоматизации сбора данных о необходимых работах при составлении заявок.

В блоке объект обслуживания осуществляется привязка к объекту обслуживания информационной системы мониторинга состояния для получения данных о текущем состоянии объекта и истории его функционирования.

В блоке Архив работ доступна история нарядов на работы с возможностью просмотра документов, фото и состава проведённых работ.

В блоке оборудование содержится информация о товарах, поставленных на объект в рамках выполнения работ.

Модуль «Клиенты» предназначен для хранения информации о клиентах компании. Сам модуль представляет собой реестр с профилями клиентов, каждый из которых содержит информацию, хранящуюся в перечисленных ниже блоки данных:

В блоке Контрагент осуществляется привязка клиента к записи в учетной информационной системе для дальнейшей организации передачи данных о договорах и счетах.

В блоке Договоры хранится информация об актуальных договорах с выбранным для данного клиента контрагентом. Тут же доступна возможность сформировать запрос на добавление нового договора.

В блоке контактные лица хранится информация о сотрудниках, представляющих клиента в рамках проводимых работ. Информация включает в себя ФИО, контактные данные и информацию о сотруднике.

В блоке Объекты обслуживания осуществляется привязка объектов обслуживания к клиентам для организации доступа и процесса формирования заявок. Привязка осуществляется с заданием временных интервалов владения для возможности передачи объектов между клиентами.

Кроме того, в системе могут использоваться другие модули, например, модуль «Проекты», предназначенный для формирования описаний проектов, в рамках которых формируются, планируются, выполняются и контролируются работы Модуль представляет собой реестр с существующими проектами, каждый из которых состоит из следующих блоков.

Блок Коммерции включает в себя информацию о клиенте, с которым планируется работа, договорах, в рамках которых будет осуществляться работа, расчёты финансовой составляющей затрат компании и цен на товары и услуги для клиента и записи о сформированных на основании проведённых работ заказах покупателя и счетах.

Блок Организации включает в себя информацию, необходимую при планировании работ по проекту: точки выезда и контактные лица, с которыми планируется согласование деталей работ.

Структурный блок содержит информацию о планируемых работах: объекты, которые планируется обработать и комплекты работ.

Блок Ответственности содержит привязку к сотрудникам, отвечающим за проект в целом и организацию работ по проекту.

Блок работ содержит сводную информацию по фактически выполненным в рамках проекта работам.

Блок Распределения ресурсов содержит информацию о временном распределении распланированных нарядов на работы. Блок представлен временной шкалой, на которой отмечен транспорт компании, задействованный в выполнении работ, а блоки на шкале представляют собой распланированные наряды на работы. Модуль «Заказ-наряд» предназначен для отслеживания, координации выполнения и проверки запланированных работ по проекту. Модуль представляет собой список сформированных нарядов на работы.

В частном случае, модуль «заказ-наряд» используется в качестве блока управления оплатой услуг, который выполнен:

формирования, для оплаты пользователем, значения стоимости предоставления услуги, определяемую на основании стоимостей проектов, входящих в состав услуги, в том случае, если для каждого из проектов, входящих в состав услуги, блоком определения соответствия результатов сканирования состояний материальных объектов начальным и конечным состояниям материальных объектов, для каждого из заданных материальных объектов всех проектов, входящих в состав услуги, выявлено соответствие результатов сканирования всем описаниям начальных и конечных состояний материальных объектов, соответствующих проектов, представленных в базе данных

Каждый наряд содержит информацию о запланированных работах на один объект и состоит из следующих блоков. Структурный блок содержит информацию о комплектах услуг и товаров, которые были проработаны в рамках выполнения работ, а также информацию о прочих услугах (выезд, простой), оказанных клиенту.

Блок ТМЦ содержит информацию о перемещениях товаров между складами в рамках выполнения задач.

Блок Отчётности содержит файлы, содержащие подтверждение факта выполнения работ (фотоотчёт, фотографии документов). Эти данные анализируются в рамках контроля качества выполнения работ.

Блок Контроля качества, который является частным случаем блока определения соответствия результатов сканирования состояний материальных объектов начальным и конечным состояниям материальных объектов, представленных в базе данных, и может хранить результаты проверки качества выполнения работ на основании данных из блока отчётности и данных из системы мониторинга (в случае оснащения объекта обслуживания). Результаты проверки включают в себя подтверждение факта выполнения работ, замечания о качестве их выполнения и мотивационные/штрафные пункты, применяемые к исполнителям работ. Заполнение блока контроля качества ведётся в автоматическом режиме соответствующим модулем либо в автоматизированном режиме квалифицированным сотрудником

Блок Логистики содержит информацию о перемещениях сотрудников в рамках выполнения работ и использованном при этом служебном транспорте. Данная информация используется при осуществлении внутреннего контроля в компании.

Модуль «Автоматической оценки качества выполнения работ» используется для оценки качества выполнения работ по наряду на основании приложенных данных, а также (при их наличии) данных о состоянии объекта обслуживания, поступающих от системы мониторинга.

Работа модуля построена на принципах машинного обучения на основании выборки принятых решений о качестве выполнения работ, сформированных квалифицированным сотрудником в автоматизированном режиме. Критериями для оценки качества выполнения работ служат полнота и наглядность фотографий и актов выполнения работ, соответствие их работам, заявленным в рамках проекта, а также соответствие состояния объекта после выполнения работ эталонному состоянию, считаемому рабочим.

Корректность принятия решений модулем «Автоматической оценки качества выполнения работ» периодически оценивается квалифицированным специалистом, в ходе чего пополняется база для обучения.

Модуль «Интеграция с внешними системами» используется для обновления данных о параметрах товаров и услуг, предоставляемых контрагентами, а также для автоматизированного выставления счетов и обмена документами необходимыми для формирования заказов покупателей и счетов по формируемым заявкам на работы.

Модуль «Мониторинг транспорта» используется для получения и хранения сведений о перемещениях транспорта, связанных с выполнением заказов клиентов. Использование указанных сведений обеспечивает возможность определять фактические перемещения товаров, используемых при выполнении заказов, а также определять факты выезда сотрудников к местам проведения работ. Данную информацию можно использовать для подтверждения реальности выполненных работ и определения уровня облуживания, например, при определении достоверности начисленных нормочасов. Дополнительно указанный модуль может быть использован для учета картографической информации, используемой в системе при определении места выезда, а также для ведения расчётов о планируемом расстоянии выезда на основании координат начала и конца поездки. Данный модуль позволяет пользователю провести оптимизацию маршрута порядка прохождения объектов обслуживания сервисным инженером или контролером. Оптимизация позволяет сократить время на перемещение между объектами обслуживания, что повышает количество удаленных обслуживаемых объектов и снижает транспортные издержки.

В общем случае, система функционирует следующим образом:

1. Сотрудник выполняет работу на удаленном объекте;

2. Через мобильное приложение закрывает заказ-наряд на работу, делает фотографии объекта, которые автоматически загружаются в систему;

3. Закрытый заказ наряд отправляется на сервер для принятия работ;

4. Попадая на сервер, заказ-наряд попадает в очередь для обработки;

5. Модуль принятия работ по заказ-нарядам делает анализ фотоотчета, сравнивая задание на работу с выполненными работами на фото-отчете;

6. Модуль принятия работ делает анализ корректности выполнения работ согласно установленным регламентам (установка пломб, правильное геометрическое расположения оборудования на объекте, соблюдение технологии при монтаже);

7. Модуль принятия работ принимает или отклоняет с замечаниями полученный отчет;

8. Сотрудник получает уведомление в мобильном приложении с результатами оценки его работы;

9. Если работа не принята, сотрудник имеет возможность исправить ее на месте благодаря быстрой обратной связи от системы (предполагаемый таймаут не более 3 минут).

Claims

1. Автоматизированная система управления продажами материальных услуг, где в состав каждой услуги входит проект, связанный с преобразованием состояния материального объекта, при этом система содержит:

2. Система по п. 1, отличающаяся тем, что база данных дополнительно содержит, по крайней мере для одного материального объекта, функцию преобразования начального состояния материального объекта в конечное состояние материального объекта, такую, что обеспечивается взаимно однозначное соответствие между результатами сканирования конечного состояния материального объекта и результатами сканирования начального состояния материального объекта, к которым применена функция преобразования, а блок управления оплатой услуг выполнен формирующим значение стоимости предоставления услуги для оплаты пользователем, при условии соответствия между результатами сканирования конечного состояния материального объекта и результатами сканирования начального состояния материального объекта, к которым применена функция преобразования для всех материальных объектов, входящих в состав услуги, для которых в базе данных задана функция преобразования.

3. Система по п. 1, отличающаяся тем, что сканер дополнительно содержит датчик положения, а функция преобразования содержит сведения о перемещении объекта в процессе преобразования.

4. Система по п. 2, отличающаяся тем, что преобразованием является ремонт составного материального объекта.

5. Система по п. 2, отличающаяся тем, что преобразованием является замена части составного материального объекта.

6. Система по п. 4, отличающаяся тем, что стоимость ремонта определяется начальным состоянием материального объекта, соответствующего преобразованию.

7. Система по п. 1, отличающаяся тем, что сканер выполнен в виде видеокамеры.

8. Система по п. 1, отличающаяся тем, что сканер выполнен в виде автоматической фотокамеры.

9. Система по п. 2, в которой материальный объект выполнен с идентификационной меткой с идентификационными данными, такой, что обеспечивается доступ к идентификационным данным в промежутке от начала до окончания преобразования.

10. Система по п. 9, отличающаяся тем, что в качестве объекта используется объект складского хранения, причем начало трансформации объекта возможно после получения объекта со склада.