"Pizzerien der Zukunft" erscheinen auf der ganzen Welt. Auf dem Foto - Zume Pizza aus KalifornienIm schönen Russland der Zukunft gehen Sie in eine Pizzeria, besuchen ein Postamt oder eine Bank, nehmen das Richtige und gehen ruhig. Es wird keine Warteschlangen geben. Einfach automatisch Geld von Ihrem Konto abbuchen. Gleichzeitig wird die Qualität der Waren erheblich steigen, da sie von Maschinen und nicht von Menschen kontrolliert werden.
Cloud-Lösungen werden in den kommenden Jahren die Welt des Einzelhandels verändern. VR, AR, Videoanalyse, neuronale Netze - all diese Technologien sind mit den Clouds verbunden und fallen in die direkte Verantwortung von VSaaS.
Dodo Pizza ist ein internationales Netzwerk von Pizzerien mit einer interessanten Transparenzstruktur. Gewinn- und Verlustdaten sind offen, und Anleger können die wichtigsten Indikatoren für Pizzerien online überwachen: Umsatz, durchschnittliche Rechnung, Produktivität, Ausgaben.
Dodo Pizza stellt in jeder Pizzeria eine Videoüberwachung ein. Nicht nur Fedor Ovchinnikov kann die Sendung von der Kamera aus sehen, sondern jeder auf der Dodo-Website. Die Videoüberwachung ist Teil der Dodo-Strategie für Offenheit und Transparenz. Es ist auch ein Instrument zur Umsatzsteigerung.
Die Basis für den Erfolg von Dodo ist der Wunsch, Geschäftsprozesse zu automatisieren. Zu diesem Zweck schuf das Unternehmen das Dodo IP-Cloud-Informationssystem und begann, den Ansatz der Videoüberwachung global zu ändern.
Für Dodo begann alles mit dem einfachen Wunsch, die Bestellung sicherzustellen und den Kunden den Prozess der Pizzaherstellung zu zeigen. Jede Pizzeria in der Küche hat eine Kamera. Die Übertragung erfolgt über das Internet und steht allen zur Verfügung.
Im vergangenen Jahr haben sich Kameras in Pizzerien des Live Presence-Tools zu einem Datenerfassungstool für die Videoanalyse entwickelt.
Dodo Pizza nutzte zwei Dienste, die die Möglichkeiten der Videoüberwachung erweitern: die Dbrain-Plattform und den Ivideon-Warteschlangendetektor.
Neuronale Netze DBrain
CEO und Mitbegründer von
Dbrain - Dmitry Matskevich. Vor einigen Jahren war er an der Erstellung des Icon8-Chatbots beteiligt, der Fotos sofort über neuronale Netze verarbeitet. Der Benutzer wählt einen von sechs Stilen aus, die für die Verwendung im Bot verfügbar sind - zu Beginn des Projekts im Jahr 2016 war dies überraschend.
Icon8 versammelte 7,5 Millionen Benutzer - das damals beliebteste Projekt in Telegram, das von Pavel Durov mit einem Stipendium ausgezeichnet wurde.
Dmitry nutzte die gesammelten Erfahrungen in DBrain. Das Unternehmen setzt auf neuronale Netze und erweitert diese um verteilte Registrierungstechnologien.
DBrain ist eine Blockchain-Plattform für die Zusammenarbeit, um eine „schwache“ KI zu erstellen. Das Training in neuronalen Netzen erfordert viel Handarbeit beim Markieren von Daten - der Prozess ist teuer und zeitaufwändig. Das Team entwickelte, wie die Erstellungskosten gesenkt und die Genauigkeit neuronaler Netze erhöht werden können: Jede Person kann gegen Geld ein „Lehrer“ für ein neuronales Netz werden.
Es ist sehr einfach, das Netz zu trainieren - wir schauen uns das Foto in der Anwendung an und antworten, wer darauf abgebildet ist: ein Fuchs, eine Katze, ein Hund oder ein Wollknäuel. Vielleicht ist dies die unglaublichste Interpretation des Spiels "Kuh macht MUUU".
Auf Wunsch von Dodo Pizza entwickelte DBrain eine Anwendung für maschinelles Lernen, die die Qualität von Pizza überwacht. Die Anwendung ist als Telegramm-Bot implementiert, der Pizza anhand eines Fotos bewertet. Der Bot bewertet das Produkt unabhängig von 0 bis 10 anhand des Schlüsselkriteriums - der Qualität des Tests.
Der Bot arbeitet mit einer Armee von Testkäufern zusammen - dies ist die interne Dodo Pizza-Community mit über 50.000 Menschen. Die Qualitätsbewertung von Pizzerien basiert auf Berichten von Kunden, die wöchentlich fast 700 Pizzen auf Einhaltung der Standards bewerten. Freiwillige erhalten Dodo-Rubel für ihre Arbeit, mit denen sie bei der nächsten Bestellung Pizza bezahlen können.
Aber wo ist die Videoüberwachung?
Die Videoüberwachung reduziert die Kosten und automatisiert die Erstellung einer Bewertung von Pizzerien vollständig. Stellen Sie dazu der Anwendung von Dbrain einfach Videodaten anstelle von Fotos zur Verfügung. Mit der Kamera hat das Programm Zeit, nicht 2 Pizzen pro Woche zu prüfen, wie bei einem normalen Menschen, sondern 300 Pizzen pro Tag - genau alles, was aus dem Ofen kommt.
Das neuronale Netzwerk Dbrain segmentierte Pizza in 50.000 Fotos und lernte, in jedem Segment nach Fehlern zu suchen. Wenn das Gitter beispielsweise an den Rändern einer Pizza kleine Schwellungen erkennt, die für das menschliche Auge fast unsichtbar sind, „versteht“ es sofort die schlechte Qualität des Teigs. Gleichzeitig vergleicht das Netzwerk jede Pizza mit dem „idealen“ Modell, das auf der Grundlage von Daten erstellt wurde, die von Testkäufern und Experten bereitgestellt wurden, die professionell an der Bewertung der Qualität von Pizza beteiligt sind.
Ivideon Queue Detector
Ivideon verwendete maschinelles Lernen, um
einen Warteschlangendetektor zu erstellen. Es wurden bereits sehr viele Detektoren erfunden, die jedoch nicht alle fehlerfrei sind. Personen in einer Linie verhalten sich nicht wie statische geometrische Formen. Menschen bewegen sich von Ort zu Ort, stören den Betrieb externer Sensoren, verschmelzen mit dem Hintergrund oder miteinander und verhindern, dass die Kamera Objekte unterscheidet.
Maschinelles Lernen ermöglichte es, die „Hauptsache“ - den Kopf - von einer Person zu isolieren. Mit dem Kopf konnte eine nahezu 100% ige Genauigkeit bei der Bestimmung der Anwesenheit einer Person im Rahmen erreicht werden. Und dann reicht es aus, nur die Anzahl der Personen zu zählen und dem Manager eine Benachrichtigung über die Warteschlange zu senden, um sofort reagieren zu können.
Der Manager erhält eine Benachrichtigung und beschließt, eine weitere Kasse zu eröffnen. Oder schließt die Registrierkasse, an der der entladene Kassierer verfehlt.
Ein weiterer wichtiger Teil des Dienstes ist die Statistik. Der Detektor zählt die Anzahl der Personen in der Warteschlange, erstellt Diagramme und Diagramme, die die Verteilung der Kunden über die Zeit charakterisieren. Mit solchen Daten ist es einfacher, den Arbeitsplan der Mitarbeiter zu optimieren, die Qualität der Marketingkampagne zu bewerten oder Mängel bei der Schaufensterdekoration festzustellen.
Berichte werden im CSV-Format erstellt. Daten sind auch in der Ivideon-Benutzeroberfläche für persönliche Konten verfügbar. Aus dem Bericht können Sie herausfinden:
● Problembereiche (mit der Möglichkeit eines Vergleichs innerhalb einer oder mehrerer Institutionen);
● Spitzenlasten, Länge und Dynamik der Warteschlangen;
● Videodaten für jede Personenmenge.
Mit den Berichtsdaten können Sie ganz einfach weiter gehen und Prognosen für Tage und Wochen erstellen. Jetzt ist es einfach herauszufinden, welche Ticketschalter zu welchen Zeiten die maximale und minimale Belastung erhalten.
Ivideon verarbeitet auch Daten von Kassen. Dazu muss das Warteschlangenmanagementsystem mit einem kostenlosen
Integrationsmodul mit 1C ergänzt werden. Über die 1C-Schnittstelle erhält der Benutzer Videos von Systemereignissen, z. B. das Drucken eines Schecks, Lagervorgänge (Annahme, Versand) und Produktrückgaben.
Investment Rating
Die Kosten des Projekts mit Dbrain "Dodo" im öffentlichen Bereich wurden noch nicht veröffentlicht. Selbst wenn Sie es zu den maximalen Kosten nehmen, sieht die Lösung immer noch rentabel aus - das neuronale Netzwerk fragt nicht und behauptet nicht, kostenlose Pizza zu sein.
Die Kosten für einen Warteschlangendetektor werden von jedem Benutzer des Ivideon-Dienstes in seinem persönlichen Konto angezeigt - 800 Rubel pro Kamera und Monat. Der gleiche Betrag beinhaltet einen Bewegungsmelder, ein Cloud-Archiv (das selbst bezahlt wird), die Möglichkeit, Sendungen von der Kamera auf Ihre Website einzubetten oder Videos in sozialen Netzwerken zu teilen.
Für diejenigen, die das Cloud-Archiv bereits zum Speichern von Daten von der Kamera verwenden, scheint das Anschließen des Detektors ein naheliegender Schritt zu sein. Bei regelmäßigen Aktualisierungen sollten Änderungen erwartet werden, die die Funktionen des Dienstes erweitern. Nach dem Detektor von Personen als Objekten folgt offensichtlich ein Gesichtsdetektor.
Das Geschäft in dieser Geschichte ist am Gewinn interessiert. Es ist noch zu früh, um mit Dodo Schlussfolgerungen zu ziehen, aber ein anderes Unternehmen (Interlogika)
veröffentlicht diese Zahlen: Die Gesamtkosten für die Implementierung eines Warteschlangenerkennungssystems unter Berücksichtigung des Kaufs von Kameras (es gab keine in der Einrichtung) beliefen sich auf etwa 500.000 Rubel. Die Wartung des Systems kostet 30.000 Rubel pro Monat. Aufgrund der Verbesserung der Arbeitsqualität und der Einsparungen beim Personal (ein zusätzlicher Verkäufer erscheint nur bei Bedarf) stieg der durchschnittliche Filialumsatz um 7%. Das System wird sich in weniger als einem Jahr auszahlen und dann einen Gewinn erzielen.
Schlussfolgerungen
Die Kamera ist ein fein funktionierendes Stück Plastik. Es hilft, Mitarbeiter, Kunden und Waren zu überwachen und so die Servicequalität zu verändern. Aber die Kamera weiß nicht, wie sie etwas anderes tun soll, als einen Funken zu blinken und ein Bild zu zeigen.
Noch vor 10 bis 15 Jahren sah die Kamera aus wie eine Version eines Wachhundes mit Behinderungen - sie überwacht den Umkreis, signalisiert dem Wachmann Verstöße, hilft bei der Aufklärung von Verbrechen und das ist alles. Mit dem Aufkommen der Videoanalyse hat sich die Kamera selbst nicht verändert, aber ihre Funktionen wurden um ein Vielfaches erweitert.
Es scheint, dass alle großen Akteure in Russland individuelle Testprojekte mit Videoanalyse starten. Safmar Retail, das 30% des Marktes für Unterhaltungselektronik besitzt, setzt auf Blockchain und Augmented Reality. Die X5 Retail Group testet die in Skolkovo ansässige Intelligence Retail-Technologie zur Überwachung der Verfügbarkeit von Waren in den Verkaufsregalen mithilfe von Bildverarbeitungs- und Ivideon-Kameras. IIDF investiert separat in eine warteschlangenfreie Einkaufsplattform.
Kleine und mittlere Unternehmen erstarrten in Erwartung ihres Schicksals.