Необходимо было создать систему для пивоваренной компании, которая: распознает маркировку, нанесенную лазерным принтером; выявляет нечитабельные или неполные символы; сверяет дату розлива и срок годности с текущими параметрами рецепта (270 или 360 дней); передает сигнал на остановку линии и уведомляет оператора.

Перед запуском линии оператор выбирает тип продукции и вводит параметры партии: дату розлива, срок годности и шаблон маркировки. Эти данные становятся эталоном для проверки каждой банки. В процессе движения по конвейеру каждая банка автоматически фиксируется камерой в зоне контроля. Система в реальном времени: определяет наличие маркировки, распознаёт символы, проверяет их читаемость, сверяет дату и срок годности с заданными параметрами партии и системной датой. При обнаружении отклонения система формирует событие и подаёт сигнал на остановку линии. Оператор получает уведомление с указанием причины: отсутствие даты, нечитаемая печать или несоответствие параметрам партии. Подробнее https://mlsense.nordclan.com/cases/kontrol-markirovki-banok/

Крупный логистический провайдер с масштабной складской сетью и собственным автопарком. Ежедневно через сортировочные линии проходят тысячи коробок, от точности сборки зависит стабильность поставок и удовлетворённость клиентов. На сортировочной зоне одновременно работают до 24 линий. Коробки движутся по лентам к укладчику, который снимает их и ставит на соответствующую паллету. Поток непрерывный: каждые несколько секунд появляется новая коробка. Иногда, когда укладчик обслуживает несколько лент одновременно, коробка может оказаться на соседней паллете. Так возникает пересорт — позиции смешиваются между заказами. Для клиента это дополнительные издержки: рекламации, повторная доставка и время сотрудников, которое уходит на исправление ситуации. Одна рекламация обходится примерно в 3 500 рублей, а совокупные затраты могут достигать до 150 тыс. рублей в месяц. Задача — внедрить надёжный контроль прямо на линии: выявлять укладку коробок не на свои паллеты и своевременно уведомлять ответственных сотрудников.

ML Sense отслеживает процесс на 2 зонах контроля (24 линии транспортёра). Когда сотрудник переносит коробку, система сопоставляет её с нужной паллетой. Если коробка ложится не туда, нарушение фиксируется: время, линия, номер паллеты и короткий видеофрагмент момента инцидента. Изначально клиент планировал получать уведомления на email, но в реальности это оказалось слишком медленно — пока письмо прочитают, заказ уже уйдёт дальше. Предложили более оперативное решение — уведомления через Telegram-ботов. Для каждой зоны контроля был настроен отдельный бот. Когда нейросеть фиксирует пересорт, система автоматически формирует видеофрагмент с моментом инцидента и отправляет его в чат-бот. В сообщении бот также указывает: номер паллеты, куда была положена коробка; номер линии, откуда она пришла; время события. Ответственный сотрудник видит проблему сразу, может оценить ситуацию по видео и оперативно исправить пересорт до отправки заказа. Результат: Система фиксирует пересорт в реальном времени на всех 24 линиях. Оперативное уведомление об инцидентах в чат-боте. За первый месяц работы — 1 рекламация (в период настройки). Прогнозируемая окупаемость — менее года. Подробнее https://mlsense.nordclan.com/cases/ukladka-pallet-logistika/