Des "pizzerias du futur" apparaissent dans le monde entier. Sur la photo - Zume Pizza de CalifornieDans la belle Russie du futur, vous irez dans une pizzeria, visiterez un bureau de poste ou une banque, prendrez la bonne chose et partirez calmement. Il n'y aura pas de files d'attente. Débit automatique de l'argent de votre compte. Dans le même temps, la qualité des marchandises augmentera considérablement, car elles seront contrôlées par des machines et non par des personnes.
Les solutions cloud des prochaines années vont changer le monde du retail. VR, AR, analyse vidéo, réseaux de neurones - toutes ces technologies sont connectées aux nuages et relèvent de la responsabilité directe de VSaaS.
Dodo Pizza est un réseau international de pizzerias avec une structure de transparence intéressante - les données de profits et pertes sont ouvertes, et les investisseurs peuvent suivre en ligne les indicateurs vitaux des pizzerias: revenus, facture moyenne, productivité, dépenses.
Dodo Pizza met en place une surveillance vidéo dans chaque pizzeria. Non seulement Fedor Ovchinnikov peut regarder la diffusion depuis la caméra, mais n'importe qui sur le site Web de Dodo. La vidéosurveillance fait partie de la stratégie d'ouverture et de transparence de Dodo. C'est aussi un outil pour augmenter les ventes.
La base du succès de Dodo est la volonté d'automatiser les processus métier. À cette fin, la société a créé le système d'information cloud Dodo IP et a commencé à changer globalement l'approche de la vidéosurveillance.
Pour Dodo, tout a commencé par une simple volonté de garantir la commande et de montrer aux clients le processus de fabrication de la pizza. Chaque pizzeria dans la cuisine a une caméra. La diffusion se fait via Internet et est accessible à tous.
Au cours de la dernière année, les caméras dans les pizzerias de l'outil Live Presence sont devenues un outil de collecte de données pour l'analyse vidéo.
Dodo Pizza a profité de deux services qui étendent les capacités de la vidéosurveillance: la plateforme Dbrain et le détecteur de file d'attente Ivideon.
Réseaux de neurones DBrain
PDG et co-fondateur de
Dbrain - Dmitry Matskevich. Il y a quelques années, il a participé à la création du chatbot Icon8, qui traite instantanément les photos à l'aide de réseaux de neurones. L'utilisateur choisit l'un des six styles disponibles pour une utilisation dans le bot - au début du projet en 2016, c'était surprenant.
Icon8 a rassemblé 7,5 millions d'utilisateurs - le projet le plus populaire de l'époque à Telegram, a reçu une subvention de Pavel Durov.
Dmitry a utilisé l'expérience acquise dans DBrain. La société s'appuie sur des réseaux de neurones et leur ajoute une technologie de registre distribué.
DBrain est une plateforme de blockchain pour travailler ensemble pour créer une IA «faible». La formation au réseau de neurones implique une grande quantité de travail manuel lors du balisage des données - le processus est coûteux et prend du temps. L'équipe a trouvé comment réduire le coût de création et augmenter la précision des réseaux de neurones: toute personne peut devenir «enseignante» pour un réseau de neurones pour de l'argent.
Il est très simple de former le filet - nous regardons la photo dans l'application et répondons à qui est montré dessus: un renard, un chat, un chien ou une pelote de laine. C'est peut-être l'interprétation la plus incroyable du jeu "La vache fait MUUU".
À la demande de Dodo Pizza, DBrain a développé une application d'apprentissage automatique qui surveille la qualité de la pizza. L'application est implémentée comme un bot Telegram qui évalue la pizza à partir d'une photo. Le bot évaluera indépendamment le produit de 0 à 10 selon le critère clé - la qualité du test.
Le bot travaille avec une armée d'acheteurs mystères - c'est la communauté interne de Dodo Pizza de plus de 50 000 personnes. La note de qualité des pizzerias est basée sur les rapports des clients qui évaluent chaque semaine près de 700 pizzas pour la conformité aux normes. Les bénévoles reçoivent des Dodo-roubles pour leur travail, qui peuvent être utilisés pour payer la pizza lors de la prochaine commande.
Mais où est la vidéosurveillance?
La vidéosurveillance réduit les coûts et automatise entièrement le travail de compilation d'une évaluation des pizzerias. Pour ce faire, il suffit de fournir à l'application de Dbrain des données vidéo au lieu de photos. En utilisant l'appareil photo, le programme aura le temps de vérifier non pas 2 pizzas par semaine, comme une personne ordinaire, mais 300 par jour - exactement tout ce qui sort du four.
Le réseau neuronal Dbrain a segmenté la pizza en 50 000 photographies et a appris à rechercher les défauts dans chaque segment. Par exemple, si sur les bords d'une pizza la grille détecte de petits gonflements presque invisibles à l'œil humain, elle «comprend» immédiatement la mauvaise qualité de la pâte. Dans le même temps, le réseau compare chaque pizza au modèle «idéal», créé sur la base de données fournies par des clients mystères et des experts qui sont professionnellement impliqués dans l'évaluation de la qualité de la pizza.
Détecteur de file d'attente Ivideon
Ivideon a utilisé l'apprentissage automatique pour créer
un détecteur de file d'attente . De nombreux détecteurs ont déjà été inventés, mais tous ne sont pas sans défauts. Les personnes en ligne ne se comportent pas comme des formes géométriques statiques. Les gens se déplacent d'un endroit à l'autre, perturbant le fonctionnement des capteurs externes, deviennent de sorte qu'ils fusionnent avec l'arrière-plan ou les uns avec les autres, et empêchent la caméra de distinguer les objets.
L'apprentissage automatique a permis d'isoler d'une personne la «chose principale» - la tête. En comptant sur la tête, il a été possible d'atteindre une précision de près de 100% pour déterminer la présence d'une personne dans le cadre. Et puis il suffit juste de compter le nombre de personnes et d'envoyer au gestionnaire une notification sur la file d'attente pour une réaction instantanée.
Le responsable reçoit une notification et décide d'ouvrir une autre caisse. Ou ferme la caisse enregistreuse, sur laquelle le caissier déchargé manque.
Une autre partie importante du service est la statistique. Le détecteur compte le nombre de personnes dans la file d'attente, construit des graphiques et des graphiques qui caractérisent la répartition des clients au fil du temps. Avec de telles données, il est plus facile d’optimiser l’horaire de travail du personnel, d’évaluer la qualité de la campagne de marketing ou d’identifier les lacunes dans l’habillage des fenêtres.
Les rapports sont générés au format CSV, les données sont également disponibles dans l'interface de compte personnel Ivideon. À partir du rapport, vous pouvez découvrir:
● zones à problèmes (avec possibilité de comparaison au sein d'une ou plusieurs institutions);
● charges de pointe, longueur et dynamique des files d'attente;
● des données vidéo pour chaque foule de personnes.
Avec les données du rapport, il est facile d'aller plus loin et de faire des prévisions pour les jours et les semaines à venir. Désormais, il est facile de savoir quelles billetteries, à quelles heures reçoivent la charge maximale et minimale.
Ivideon traite également les données des caisses de sortie. Pour cela, le système de gestion de file d'attente doit être complété par un
module d'intégration gratuit avec 1C. Depuis l'interface 1C, l'utilisateur reçoit des vidéos de tous les événements du système, tels que l'impression d'un chèque, les opérations de l'entrepôt (acceptation, expédition), les retours de produits.
Note d'investissement
Le coût du projet avec Dbrain "Dodo" dans le domaine public n'a pas encore été publié. Même si vous le prenez au coût maximum, la solution semble toujours rentable - le réseau neuronal ne demande pas et ne prétend pas être une pizza gratuite.
Le coût d'un détecteur de file d'attente est vu par tout utilisateur du service Ivideon sur son compte personnel - 800 roubles par caméra et par mois. Le même montant comprend un détecteur de mouvement, une archive cloud (qui est elle-même payante), la possibilité d'intégrer la diffusion de la caméra sur votre site Web ou de partager des vidéos sur les réseaux sociaux.
Pour ceux qui utilisent déjà l'archive cloud pour stocker les données de la caméra, la connexion du détecteur semble une étape évidente. Compte tenu des mises à jour périodiques, il faut s'attendre à des changements qui élargiront les fonctions du service. Après le détecteur de personnes en tant qu'objets, un détecteur de visage suivra évidemment.
L'entreprise dans cette histoire est intéressée par le profit. Il est trop tôt pour tirer des conclusions avec Dodo, mais une autre société (Interlogika)
publie ces chiffres: le coût total de l'introduction d'un système de détection de file d'attente, compte tenu de l'achat de caméras (il n'y en avait pas dans l'installation), s'élevait à environ 500000 roubles. L'entretien du système coûte 30 000 roubles par mois. En raison de l'augmentation de la qualité du travail et des économies de personnel (un vendeur supplémentaire n'apparaît qu'en cas de besoin), le chiffre d'affaires moyen du magasin a augmenté de 7%. Le système sera rentable en moins d'un an, puis il commencera à faire des bénéfices.
Conclusions
La caméra est un morceau de plastique finement fonctionnel. Il permet de surveiller les employés, les clients, les marchandises - modifiant ainsi la qualité du service. Mais l'appareil photo ne sait pas faire plus que clignoter une étincelle et montrer une image.
Il y a 10 à 15 ans, la caméra ressemblait à une version d'un chien de garde handicapé - elle surveille le périmètre, signale au gardien les contrevenants, aide à résoudre les crimes, et c'est tout. Avec l'avènement de l'analyse vidéo, la caméra elle-même n'a pas changé, mais ses capacités se sont multipliées à plusieurs reprises.
Il semble que tous les principaux acteurs en Russie lancent des projets de test individuels avec l'analyse vidéo. Safmar Retail, qui détient 30% du marché de l'électronique grand public, s'appuie sur la blockchain et la réalité augmentée. X5 Retail Group teste la technologie Intelligence Retail des résidents de Skolkovo pour surveiller la disponibilité des marchandises dans les rayons des magasins à l'aide de la vision industrielle et des caméras Ivideon. L'IIDF investit séparément dans une plateforme d'achat sans file d'attente.
Les petites et moyennes entreprises se sont figées en prévision de leur sort.