+7 499 135-41-63 (ВЦ РАН)
   info@forecsys.ru
      или посмотреть карту сайта

Такском, 2017 год

Оценка поведения клиентов, выявление сегмента склонных к оттоку клиентов

Solut, 2017 год

Создание модели классификации деятельности сотрудника строительной компании

Avito, 2017 год

Конкурс анализа данных по созданию модели рекомендательной системы

Фонд перспективных исследований, 2017 год

Конкурс по созданию интеллектуальных технологий дешифрирования видовой аэрокосмической информации

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по выявлению практик манипулирования в высокочастной торговле на финансовых рынках»

Avito, 2016 год

Конкурс анализа данных по распознаванию категорий объявлений

Avito, 2016 год

конкурса анализа данных по распознаванию марки и модели автомашин на изображениях

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по мониторингу открытых инсайдеров»

Европлан, 2016 год

Оценка стоимости автомобилей на основании анализа базы данных объявлений аналогов

Фонд перспективных исследований, 2015 год

Конкурс для поиска лучшего отечественного коллектива, способного преодолеть существующие недостатки технологий распознавания лиц

НКО АО НРД, 2015 год

Разработка алгоритма обработки результатов проведения клирингового сеанса

Avito, 2015 год

Конкурс анализа данных, посвященный проблематике Uplift modelling для решения задачи распознавания отклика клиентов на маркетинговое предложение

РЖД, 2015 год

Прогнозирование объемов спроса на грузовые железнодорожные перевозки

Avito, 2014 год

Конкурс по распознаванию контактной информации на изображениях

Сбербанк, 2014 год

Проведение пилотного проекта по управлению банкоматами

Банк Траст, 2014 год

Внедрение системы прогнозирования поведения клиентов и оптимизации кампаний целевого маркетинга Sell4Cast

Телемикс, 2012 год

Разработка прототипа системы рекомендаций видеоконтента

ОТП Банк, 2011 год

Конкурс анализа данных по решению задачи предсказания отклика клиентов на предложение новой услуги

Компания «Балтика», 2011 год

Автоматизация прогнозирования вторичных продаж

Промсвязьбанк, 2010 год

Оптимизация процесса стратегического управления инкассациями

ММВБ, 2010 год

Система анализа финансовых рынков «САФРАН 3.0»

ГК «Лама», 2010 год

Внедрение системы автоматического формирования заказа на распредительном центре компании

ЗАО «НСС», 2009 год

Внедрение BI/CRM систем Forecsys & Teradata

ГК «Видео Интернешнл», 2009 год

Улучшения системы прогнозирования компании

ГК «Лама», 2009 год

Внедрение системы прогнозирования спроса и управления запасами Goods4Cast

Банк «Петрокоммерц», 2009 год

Система поддержки принятия кредитных решений

М-Видео, 2008 год

Оптимизации процессов планирования продаж и закупок товаров

Компания «Балтика», 2008 год

Внедрение системы прогнозирования спроса и планирования продаж

ГК «Комстар – ОТС», 2008 год

Поведенческая сегментация клиентов

ГУ-ВШЭ, 2007 год

Внедрение системы Антиплагиат

Сеть «Связной», 2007 год

Создание и внедрение ИС «Ценообразование»

Сеть «Связной», 2007 год

Внедрение системы прогнозирования спроса

X5 Retail Group, 2007 год

Объединение процессов ведения номенклатуры нескольких розничных торговых сетей

ГВЦ РАО «ЕЭС России», 2006 год

Анализ отраслевых данных энергетических компаний

AntiPlagiat.ru, 2005 год

Интернет-сервис анализа текстов на наличие заимствований

АП «Домодедово», 2005 год

Решение для имитационного моделирования транспортной сети аэропорта

Яндекс, 2005 год

Технология выявления взаимосогласованных структур сходства пользователей и ресурсов

ТД «Перекресток», 2005 год

Система прогнозирования потребительского спроса Goods4Cast

Брок-Инвест-Сервис, 2005 год

Анализ и сегментация клиентской базы

ОАО «МТС», 2004 год

Исследование поведенческой сегментации клиентов

Банк «Петрокоммерц», 2004 год

Система поддержки принятия кредитных решений

«Интер РАО ЕЭС», 2004 год

Автоматизированная система поддержки принятия решений на энергетических рынках «Aprel 1.0»

РАО «ЕЭС России», 2001 год

Автоматизированная система поддержки принятия решений «Форель 1.0»

ММВБ, 1999 год

Учебная имитационная торговая система «Имитрейд»

Правительство Москвы, 1998 год

Информационная система «Мосторгпрогноз»

ММВБ, 1997 год

Система анализа финансовых рынков «САФРАН»

Solut, 2017 год

Компания-заказчик: «Solut»
Сроки проекта: 09.2016 — 06.2017

Задача

Создание модели классификации деятельности сотрудника строительной компании в течение рабочей смены для оценки длительности его полезной производственной деятельности.

Основа подхода

Для решения задачи было предложено выделить два класса деятельности сотрудника:

  • Производственная деятельность, т.е. направленная на выполнение основных функций в рамках его специализации, а также сопутствующая деятельность.
  • Непроизводственная деятельность, не связанная с выполнением и обеспечением основных функций в рамках специализации сотрудника (отдых, бездействие).

Cогласно принятой гипотезе, отдельные виды (подклассы) производственной деятельности в области строительства (установка каркаса стен, окрашивание, разметка пола, установка горизонтальной или вертикальной шпалы) характеризуется набором непродолжительных элементарных физических действий (забивание гвоздя, высверливание дырки, черчение разметки, подъем на туру, резка ножницами, закручивание саморезов, растягивание рулетки и пр.).

В качестве профессии для исследования была выбрана профессия гипсокартонщика, в рамках которой отдельным видам подклассов (разметка каркаса, установка горизонтальных направляющих каркаса и установка вертикальных направляющих) соответствует определенный набор элементарных действий: работа молотком (среднее время 4-6 секунд), сверление (4-10 секунд), вырезание ножницами (4-8 секунд), подбивание вертикальной планки (2-4 секунды), черчение (0.5-2 секунды). Каждый из подклассов предполагает характерную последовательность действий.

Для решения задачи съема данных с рабочего производился синхронизированный по времени съем показаний акселерометра (измерение относительного ускорения в проекциях на три оси), гироскопа (изменение углов ориентации тела и пространственное положение рабочего), пульсометра и барометра, закрепленных на обоих запястьях и левой ноге рабочего. Кроме того, в каждый момент времени велась видеозапись производственного процесса на строительном объекте.

Было проведено 7 экспериментов по съему данных длительностью от 27 до 128 минут, после чего была выполнена разметка временных рядов на элементарные действия, а в дальнейшем разметка на бизнес-классы.


Рис. 1. Динамика товарного запаса для магазина по группе
Пример разметки временного ряда, включающего в себя все типы элементарных действий
(желтый – карандаш, красный – молоток, бирюзовый – дрель, зеленый – ножницы,
розовый – подбивания). За это время были выполнены все типы работы: разметка каркаса,
установка горизонтальных шпал, установка вертикальных профилей.
Пример разметки по бизнес-классам, соответствующий разметке элементарных движений. Желтые вертикальные полосы соответствуют разметке каркаса, красные – установке горизонтальных шпал, зеленые – установке вертикальных профилей.
Пример разметки по бизнес-классам, соответствующий разметке элементарных движений.
Желтые вертикальные полосы соответствуют разметке каркаса, красные – установке
горизонтальных шпал, зеленые – установке вертикальных профилей.

Функциональные характеристики

Перед началом выполнения работ был проделан аналитический обзор научных статей, в которых предпринимались попытки решить задачу классификации активности/деятельности человека с использованием различных наборов сенсоров с разными параметрами. На основании обзора для проведения эксперимента были сформированы следующие рекомендации по выбору сенсоров (датчиков):

Необходимость использования акселерометра с частотой не менее 20 Гц (желательно от 40 Гц).

Целесообразность использования гироскопа с частотой не менее 20 Гц (желательно от 40 Гц).

Опциональное использование пульсометра и барометра атмосферного давления (20 Гц).

По результатам обзора датчиков для тестовой эксплуатации был выбран вариант MetaMotionR (производитель Mbientlab). Девайс содержит следующие датчики: акселерометр (±16g), гироскоп (±2000°/s), компас, давление, пульс (отдельным датчиком), свет. Предусмотрена возможность записи данных в режимах офлайн и онлайн.

Помимо 6 датчиков необходимое для проведения работ оборудование также включало в себя ноутбуки с установленным приложением, запускающим датчики, камеры c зарядными устройствами и браслеты для крепления датчиков на запястья.

Итоги

В результате проведенных экспериментов были получены следующие данные: временные ряды с датчиков физической активности, установленных на теле рабочего, экспертная разметка действий рабочего в каждый момент времени, соответствующая видеозапись работы. На их основе была построена математическую модель определения типа производственной деятельности по датчикам физической активности.

Качество распознавания вида деятельности для класса элементарных действий определяется долей корректно определенных сегментов движений из общего числа (минимум – 0, максимум - 1).

Итоговые результаты:

Действие Доля угаданных
Молоток
0.97
Дрель
0.98
Карандаш
0.74
Ножницы
0.90
Подбивания
0.78

Качество распознавания вида деятельности для бизнес-классов определяется на основе f-меры, рассчитываемой по пересечению бизнес-классов (1 – идеальное распознавание).

Итоговые результаты:

Бизнес-класс
f-мера
Разметка
0.83
Установка горизонтальных шпал
0.98
Установка вертикальных профилей
0.90