"Pizzerias of the future" muncul di seluruh dunia. Dalam foto - Zume Pizza dari CaliforniaDi Rusia yang indah di masa depan, Anda akan pergi ke restoran pizza, mengunjungi kantor pos atau bank, mengambil barang yang tepat, dan pergi dengan tenang. Tidak akan ada antrian. Secara otomatis mendebit uang dari akun Anda. Pada saat yang sama, kualitas barang akan meningkat secara signifikan, karena mereka akan diperiksa oleh mesin, bukan oleh orang-orang.
Solusi cloud di tahun-tahun mendatang akan mengubah dunia ritel. VR, AR, analisis video, jaringan saraf - semua teknologi ini terhubung dengan awan dan jatuh ke dalam tanggung jawab langsung VSaaS.
Dodo Pizza adalah jaringan pizza internasional dengan struktur transparansi yang menarik - data untung dan rugi terbuka, dan investor dapat memantau indikator vital pizza online: pendapatan, tagihan rata-rata, produktivitas, pengeluaran.
Dodo Pizza menetapkan pengawasan video di setiap restoran pizza. Tidak hanya Fedor Ovchinnikov dapat menonton siaran dari kamera, tetapi siapa pun di situs web Dodo. Pengawasan video adalah bagian dari strategi keterbukaan dan transparansi Dodo. Ini juga alat untuk meningkatkan penjualan.
Dasar keberhasilan Dodo adalah keinginan untuk mengotomatiskan proses bisnis. Untuk tujuan ini, perusahaan menciptakan sistem informasi cloud Dodo IP dan mulai mengubah pendekatan pengawasan video secara global.
Bagi Dodo, semuanya dimulai dengan keinginan sederhana untuk memastikan pesanan dan menunjukkan kepada pelanggan proses pembuatan pizza. Setiap restoran pizza di dapur memiliki kamera. Penyiaran dilakukan melalui Internet dan tersedia untuk dilihat oleh semua orang.
Selama setahun terakhir, kamera di restoran pizza dari alat Live Presence telah berevolusi menjadi alat pengumpulan data untuk analitik video.
Dodo Pizza mengambil keuntungan dari dua layanan yang memperluas kemampuan pengawasan video: platform Dbrain dan detektor antrian Ivideon.
Jaringan saraf DBrain
CEO dan salah satu pendiri
Dbrain - Dmitry
Matskevich . Beberapa tahun yang lalu, ia berpartisipasi dalam pembuatan chatbot Icon8, yang secara instan memproses foto menggunakan jaringan saraf. Pengguna memilih satu dari enam gaya yang tersedia untuk digunakan dalam bot - pada awal proyek pada tahun 2016, ini mengejutkan.
Icon8 mengumpulkan 7,5 juta pengguna - proyek paling populer saat itu di Telegram, mendapatkan hibah dari Pavel Durov.
Dmitry menggunakan pengalaman yang didapat di DBrain. Perusahaan mengandalkan jaringan saraf dan menambahkan teknologi registri terdistribusi ke dalamnya.
DBrain adalah platform blockchain untuk bekerja bersama untuk menciptakan AI yang "lemah". Pelatihan jaringan saraf melibatkan sejumlah besar pekerjaan manual ketika menandai data - prosesnya mahal dan memakan waktu. Tim menemukan cara untuk mengurangi biaya pembuatan dan meningkatkan akurasi jaringan saraf: siapa pun dapat menjadi "guru" untuk jaringan saraf untuk mendapatkan uang.
Sangat sederhana untuk melatih jaring - kita melihat foto dalam aplikasi dan menjawab siapa yang ditampilkan di sana: rubah, kucing, anjing, atau bola wol. Mungkin ini adalah interpretasi paling luar biasa dari game "Cow Make MUUU."
Atas permintaan Dodo Pizza, DBrain mengembangkan aplikasi pembelajaran mesin yang memantau kualitas pizza. Aplikasi ini diimplementasikan sebagai bot Telegram yang mengevaluasi pizza dari foto. Bot akan secara independen mengevaluasi produk dari 0 hingga 10 berdasarkan kriteria utama - kualitas pengujian.
Bot bekerja dengan tentara pembeli misteri - ini adalah komunitas Pizza Dodo internal lebih dari 50.000 orang. Peringkat kualitas pizza didasarkan pada laporan dari pelanggan yang setiap minggu mengevaluasi hampir 700 pizza untuk memenuhi standar. Relawan menerima Dodo-rubel untuk pekerjaan mereka, yang dapat digunakan untuk membayar pizza di pesanan berikutnya.
Tapi di mana pengawasan video?
Pengawasan video mengurangi biaya dan mengotomatisasi sepenuhnya pekerjaan menyusun peringkat restoran pizza. Untuk melakukan ini, cukup sediakan aplikasi dari Dbrain dengan data video, bukan foto. Menggunakan kamera, program ini akan memiliki waktu untuk memeriksa bukan 2 pizza seminggu, seperti orang biasa, tetapi 300 pizza sehari - persis semua yang keluar dari oven.
Jaringan saraf Dbrain mengelompokkan pizza dalam 50.000 foto dan belajar bagaimana mencari kekurangan di setiap segmen. Misalnya, jika di tepi pizza kisi mendeteksi pembengkakan kecil yang hampir tidak terlihat oleh mata manusia, maka ia segera "memahami" kualitas adonan yang buruk. Pada saat yang sama, jaringan membandingkan setiap pizza dengan model "ideal", yang dibuat berdasarkan data yang diberikan oleh pembeli misteri dan para ahli yang secara profesional terlibat dalam menilai kualitas pizza.
Detektor Antrian Ivideon
Ivideon menggunakan pembelajaran mesin untuk membuat
detektor antrian . Banyak sekali detektor telah ditemukan, tetapi semuanya bukan tanpa cacat. Orang-orang yang antre tidak berperilaku seperti bentuk geometris statis. Orang bergerak dari satu tempat ke tempat lain, mengganggu pengoperasian sensor eksternal, menjadi sedemikian rupa sehingga mereka menyatu dengan latar belakang atau dengan satu sama lain, dan mencegah kamera dari membedakan objek.
Pembelajaran mesin memungkinkan untuk mengisolasi dari "hal utama" seseorang - kepala. Mengandalkan kepala, adalah mungkin untuk mencapai akurasi hampir 100% dalam menentukan keberadaan seseorang dalam bingkai. Dan kemudian cukup menghitung jumlah orang dan mengirimkan pemberitahuan kepada manajer tentang antrian untuk reaksi instan.
Manajer menerima pemberitahuan dan memutuskan untuk membuka meja kas lain. Atau menutup mesin kasir, di mana kasir yang dibongkar ketinggalan.
Bagian penting lain dari layanan ini adalah statistik. Detektor menghitung jumlah orang dalam antrian, membuat grafik dan grafik yang mencirikan distribusi pelanggan dari waktu ke waktu. Dengan data seperti itu, lebih mudah untuk mengoptimalkan jadwal kerja staf, mengevaluasi kualitas kampanye pemasaran, atau mengidentifikasi kekurangan dalam ganti jendela.
Laporan dihasilkan dalam format CSV, data juga tersedia di antarmuka akun pribadi Ivideon. Dari laporan Anda dapat menemukan:
● bidang masalah (dengan kemungkinan perbandingan dalam satu atau lebih lembaga);
● beban puncak, panjang dan dinamika antrian;
● data video untuk setiap kerumunan orang.
Dengan data laporan, mudah untuk melangkah lebih jauh dan membuat perkiraan untuk hari dan minggu ke depan. Sekarang mudah untuk mengetahui kantor tiket mana, pada jam berapa menerima beban maksimum dan minimum.
Ivideon juga memproses data dari kasir. Untuk ini, sistem manajemen antrian harus dilengkapi dengan
modul integrasi gratis dengan 1C. Dari antarmuka 1C, pengguna menerima video dari setiap peristiwa sistem, seperti mencetak cek, operasi gudang (penerimaan, pengiriman), pengembalian produk.
Peringkat investasi
Biaya proyek dengan Dbrain "Dodo" di domain publik belum dipublikasikan. Bahkan jika Anda mengambilnya dengan biaya maksimum, solusinya tetap terlihat menguntungkan - jaringan saraf tidak meminta dan tidak mengklaim sebagai pizza gratis.
Biaya pendeteksi antrian dilihat oleh setiap pengguna layanan Ivideon di akun pribadi mereka - 800 rubel per kamera per bulan. Jumlah yang sama termasuk detektor gerakan, arsip cloud (yang dibayar sendiri), kemampuan untuk menanamkan siaran dari kamera ke situs web Anda atau berbagi video di jejaring sosial.
Bagi mereka yang sudah menggunakan arsip cloud untuk menyimpan data dari kamera, menghubungkan detektor tampaknya merupakan langkah yang jelas. Dengan pembaruan berkala, orang harus mengharapkan perubahan yang akan memperluas fungsi layanan. Setelah pendeteksian orang sebagai objek, pendeteksi wajah akan mengikuti.
Bisnis dalam cerita ini tertarik pada laba. Masih terlalu dini untuk menarik kesimpulan dengan Dodo, tetapi perusahaan lain (Interlogika)
menerbitkan angka-angka ini: total biaya penerapan sistem pendeteksian antrian, dengan mempertimbangkan pembelian kamera (tidak ada di fasilitas), berjumlah sekitar 500.000 rubel. Biaya pemeliharaan sistem 30.000 rubel per bulan. Karena peningkatan kualitas kerja dan penghematan personel (penjual tambahan hanya muncul bila diperlukan), pendapatan toko rata-rata meningkat sebesar 7%. Sistem akan membayar dalam waktu kurang dari 1 tahun, dan kemudian akan mulai menghasilkan keuntungan.
Kesimpulan
Kamera adalah bagian plastik yang sangat fungsional. Ini membantu untuk memantau karyawan, pelanggan, barang - dengan demikian mengubah kualitas layanan. Tetapi kamera tidak tahu bagaimana melakukan apa pun selain berkedip dan menunjukkan gambar.
Bahkan 10-15 tahun yang lalu, kamera tampak seperti versi anjing penjaga yang cacat - memantau perimeter, memberi sinyal penjaga tentang pelanggar, membantu menyelesaikan kejahatan, dan itu saja. Dengan munculnya analitik video, kamera itu sendiri tidak berubah, tetapi kemampuannya telah berkembang berkali-kali.
Tampaknya semua pemain utama di Rusia meluncurkan proyek uji individual dengan analitik video. Safmar Retail, yang memiliki 30% pasar elektronik konsumen, bergantung pada blockchain dan augmented reality. X5 Retail Group sedang menguji teknologi Skitelovo resident Intelligence Retail untuk memantau ketersediaan barang di rak toko menggunakan visi mesin dan kamera Ivideon. IIDF secara terpisah berinvestasi dalam platform belanja bebas antrian.
Usaha kecil dan menengah membeku untuk mengantisipasi nasib mereka.