Kund:
ArcelorMittal
Land:
Polen
Intro
För att minska fel och manuellt arbete i sin järnvägslogistik utvecklade ArcelorMittal tillsammans med Euvic WagonUID . En AI-driven computer vision-lösning som automatiskt identifierar och spårar vagnar i realtid. Resultatet blev upp till 90 % färre fel, snabbare processer och en mer effektiv, datadriven logistik.
Utmaning
ArcelorMittal stod inför en växande komplexitet i hanteringen av sin järnvägslogistik. Företaget behövde ett sätt att effektivisera spårningen av flyttbara depåer och vagnar i hela sin verksamhet. Manuell datainmatning var inte bara tidskrävande utan också benägen för mänskliga fel, vilket ledde till felaktigheter i vagnidentifieringen och förseningar i bearbetningen.
Målet var tydligt: att automatisera avläsningen och registreringen av vagnsdata, förbättra noggrannheten och spara värdefull tid för logistikteamet.
Lösning
Tillsammans med Euvic utvecklade ArcelorMittal WagonUID, en AI-driven computer vision lösning som är utformad för att automatiskt känna igen och identifiera passerande järnvägsvagnar i realtid.
Systemet kombinerar flera avancerade neurala nätverksmodeller:
- Convolutional networks (YOLO) för att upptäcka vagnar i bilder.
- Transformer networks (ViT) för bildklassificering och identifiering av mellanrum mellan vagnar.
- Recurrent networks (LSTM) för att läsa och tolka vagnsnummer.
Genom att bearbeta visuell data från flera källor kan WagonUID exakt bestämma järnvägsvagnens nummer, typ och lastkategori. All information bearbetas och levereras i realtid, vilket ger operatörerna omedelbar tillgång till tillförlitliga data utan manuella ingrepp.
Lösningen har byggts med hjälp av en robust stack av Python, PyTorch, OpenCV, Scikit-learn och Pandas. Detta säkerställer både prestanda och skalbarhet.
Resultat
- Anställda behöver inte längre mata in vagnsdata manuellt, vilket frigör tid för mer värdefulla uppgifter.
- Systemet minskade felen i vagnidentifiering och spårning med upp till 90 %, vilket skapade en snabbare och mer tillförlitlig logistikprocess.
- Tillgången till realtidsdata förbättrade beslutsfattandet och ökade den totala effektiviteten i vagnshanteringen avsevärt, samtidigt som den operativa risken och beroendet av mänsklig inblandning minskade.
Summering
WagonUID visar hur AI och computer vision kan förändra industriell logistik genom att automatisera komplexa, felbenägna uppgifter. Genom en kombination av avancerade neurala nätverk och praktisk implementering ger lösningen mätbara förbättringar i noggrannhet, effektivitet och skalbarhet.
Med Euvics stöd har ArcelorMittal framgångsrikt moderniserat sitt vagnshanteringssystem. Detta gör verksamheten smartare, säkrare och redo för framtidens AI-drivna logistik.
