USG Boral nutzt AWS für die Einführung eines hoch innovativen, KI-gestützten Sicherheitssystems

USG Boral

Von Erkennung zu Verhinderung

USG Boral ist ein führender Hersteller und Lieferant von Wand- und Deckensystemen aus Gips in der asiatisch-pazifischen Region und im Nahen Osten. Das Unternehmen mit Hauptsitz in Malaysia ist in 13 Ländern tätig. Es strebt Innovationen an, damit Kunden intelligenter arbeiten, besser bauen und eine größere Zahl von Aufgaben erledigen können. 2018 stieß ein Gabelstapler mit einem Mitarbeiter zusammen, der zu Fuß in einem der Lagerhäuser von USG Boral unterwegs war. Dieser Vorfall führte in der asiatisch-pazifischen Region zu einer bahnbrechenden Innovation im Bereich Sicherheit. Sicherheit hat zentrale Bedeutung für das Unternehmen. Daher ergriff das Unternehmen umgehend Maßnahmen, als sich der Vorfall ereignete, um eine Wiederholung zu verhindern.

Zum Zeitpunkt des Vorfalls verließ sich das Unternehmen für die Aufzeichnung der Aktivitäten in den Lagerhäusern auf CCTV-Material. Mitarbeiter prüften nach jedem Vorfall das lokal gespeicherte Material von Hand. USG Boral suchte jedoch nach einer proaktiveren und intuitiveren Lösung, die helfen würde, Unfälle von vornherein zu verhindern.

„Wir nutzen die Analysefunktionen in AWS, um die Daten zu verarbeiten, ohne dass wir Datenwissenschaftler hinzuziehen ... oder Aufgaben manuell ausführen müssen.“

Calvin Ng, IT Director, Infrastructure and ANZ, USG Boral

  • Über USG Boral
  • Vorteile
  • Verwendete AWS-Services
  • Über USG Boral
  • USG Boral ist ein führender Hersteller und Lieferant von Wand- und Deckensystemen aus Gips mit Niederlassungen in 13 Märkten in der asiatisch-pazifischen Region und im Nahen Osten. Das Unternehmen strebt Innovationen an, damit Menschen intelligenter arbeiten, besser bauen und eine größere Zahl von Aufgaben erledigen können. Sicherheit hat zentrale Bedeutung für das Unternehmen. 

  • Vorteile
    • Verarbeitung von 12 Bildern pro Sekunde und damit Analysen beinahe in Echtzeit
    • Latenz von weniger als 300 Millisekunden für die Computer-Vision-Analyse
    • Transparenz über Dashboards und angepasste Berichte für das Management
    • Verbesserte Sicherheitsfunktionen zur Verhinderung von Unfällen
    • Bereitstellung eines flexiblen Frameworks für die Erweiterung und die Integration neuer ML-Services
  • Verwendete AWS-Services

Nischenlösung für Lagerhäuser

Das Unternehmen wandte sich an Bigmate, einen Technologiepartner der Select-Stufe im Amazon-Web-Services(AWS)-Partnernetzwerk (APN), um ein intelligentes Sicherheitssystem für Lagerhäuser zu entwickeln, das einen Alarm auslöst, wenn sich Objekte oder Personen innerhalb des 3-Meter-Sicherheitsbereichs für Gabelstapler befinden. AWS war aus zwei Gründen die Plattform der Wahl für das Projekt. Zunächst ist die Plattform Hardware-unabhängig. Daher können Teams die Computer-Vision-Verarbeitung weiterentwickeln, wenn neue Technologien verfügbar werden. Zweitens bietet sie ein flexibles Framework für Erweiterungen. Das bedeutet, dass die Architektur schnell geändert werden kann, um Sicherheits-, Protokollierungs- oder Netzwerkfunktionen anzupassen.

Es handelte sich um das erste KI-gestützte Projekt von USG Boral – und wahrscheinlich auch um das erste KI-gestützte Projekt der Fertigungsbranche, zumindest in der asiatisch-pazifischen Region. „Wir wussten, dass es sich um eine Nischenlösung handeln würde und es noch keine Lösung dieser Art im Markt gab. Wir haben sehr viel Zeit mit Besprechungen mit AWS und Bigmate verbracht, um das Framework zu entwickeln. Dabei untersuchten wir, wie wir unsere Ziele aus geschäftlicher und sicherheitsbezogener Sicht erreichen können“, so Yeow Kok Weng, CIO bei USG Boral. Dies schloss die enge Zusammenarbeit mit den Mitarbeitern in den Lagerhäusern ein, um sicherzustellen, dass der Ansatz die Sicherheit verbessert, ohne die Arbeit zu behindern.

Direkt umsetzbare Erkenntnisse bilden die Grundlage für Trainings

Zusätzlich zur Verhinderung von Unfällen gehörte die Bereitstellung von Daten zur Anzahl der Unfälle und Alarme sowie zur Anzahl der Beinaheunfälle pro Standort zu den wesentlichen Zielen des Projekts. Dies würde eine zeitnahe Überwachung durch das Management ermöglichen, was mit den herkömmlichen CCTV-Systemen bisher nicht möglich war. „Wir wissen, dass Menschen über die Zeit nachlässig werden können und durch kontinuierliche Sicherheitstrainings unterstützt werden müssen“ erklärt Calvin Ng, IT Director of Infrastructure and ANZ bei USG Boral. Die KI-gestützte Lösung würde die Implementierung von Trainingsprogrammen auf der Basis direkt umsetzbarer Erkenntnisse unterstützen. Die neue Lösung mit dem Namen Warny™ wurde über einen Zeitraum von neun Monaten entwickelt.

Nach Bigmate gehört Warny zu den fortschrittlichsten Computer-Vision-Anwendungen auf dem Markt. Die Internet-of-Things(IoT)-Technologien von AWS bilden die Grundlage von Warny, insbesondere AWS IoT Greengrass und AWS IoT Core. AWS IoT Greengrass erweitert die Cloud-Kapazität nahtlos auf die Lagerhäuser, sodass sie auf der Basis trainierter Machine-Learning(ML)-Modelle Prognosen erstellen und Maßnahmen durchführen können, auch wenn sie nicht mit dem Internet verbunden sind. Bei Erkennung möglicher Vorfälle werden vor Ort Lichtalarme und Sirenen ausgelöst.

Mithilfe von AWS Lambda kann Warny Lambda@Edge-Funktionen ausführen. So wird automatisch Code zur Steuerung von Industriesensoren ausgeführt, die letzten Endes auf den Gabelstapler selbst erweitert werden kann. „Durch die Konfiguration von Lambda@Edge-Funktionen in AWS IoT Greengrass kann USG Boral Daten vor Ort verarbeiten und bei Bedarf Updates für Gateways remote verwalten. Dieser granulare und flexible Ansatz bedeutet, dass eine kontinuierliche Entwicklung möglich ist, die sogar beschleunigt werden kann“, bemerkt Brett Orr, Geschäftsführer bei Bigmate. Zusätzlich verwendet das Unternehmen Amazon CloudWatch für die Überwachung von Gateway- und Cloud-Ressourcen.

Echtzeit-Analysen im Dashboard

Das ML-Modell wird zurzeit noch optimiert. Warny kann jedoch bereits Analysen beinahe in Echtzeit ausführen und dabei mindestens 12 Bilder pro Sekunde verarbeiten. Die Lösung muss die Entfernung und Geschwindigkeit zwischen Objekten kontinuierlich erkennen, nachverfolgen und berechnen. Um bei potenziellen Vorfällen schnell einen Alarm auslösen zu können, ist eine überragende Computer-Vision-Analyse mit einer Latenz von weniger als 300 Millisekunden erforderlich. Wenn ein Objekt in den 3-Meter-Sicherheitsradius eintritt, wird ein Alarm ausgelöst.

Ein wesentlicher Vorteil von Warny besteht darin, dass USG Boral die Gründe für Beinaheunfälle untersuchen und die Sicherheit vor Ort durch die Aggregation von Daten aus zahlreichen Standorten und ihre Analyse in der Cloud verbessern kann. „Wir können Berichte und Dashboard-Analysen mit spezifizierten Ausgabeparametern nutzen, um die Fortschritte bei der Sicherheit für unsere Mitarbeiter zu untersuchen“, so Calvin Ng. „Wir nutzen die Analysefunktionen in AWS, um die Daten zu verarbeiten, ohne dass wir Datenwissenschaftler hinzuziehen, Daten extrahieren oder Aufgaben manuell ausführen müssen.“ Wenn sich ein Beinaheunfall ereignet, werden den Managern sofort Textnachrichten und E-Mails gesendet. Führungskräfte auf C-Ebene erhalten getrennte Berichte, in denen regionale Daten zu Unfällen und Beinaheunfällen zusammengestellt werden.

IoT inspiriert Innovationen

Bisher wurde Warny auf einer Baustelle in Australien getestet. Die Lösung wird in den nächsten Monaten an 10 weiteren Baustellen im Land eingeführt werden. Die Einführung der Lösung in allen 13 Ländern, in denen USG Boral tätig ist, ist bereits geplant und wird durch das erweiterte Partnernetzwerk von Bigmate unterstützt werden. USG Boral hat sich nicht nur bei der Auswahl des optimalen Technologie-Stacks auf Bigmate verlassen, sondern auch hinsichtlich der Beratung zu neuen Sicherheitsstandards in den Ländern, in denen das Unternehmen tätig ist.

Dank AWS konnten die Teams eine Roadmap für zukünftige KI- und ML-gestützte Innovationen auf der Basis von Warny entwickeln. In einem Fall wird USG Boral Amazon SageMaker und Amazon SageMaker Neo verwenden, um Schutzausrüstung zu erkennen und sicherzustellen, dass Mitarbeiter Schutzausrüstung tragen, beispielsweise Schutzhelme, Schutzbrillen und Warnkleidung. „Angesichts all der Lösungen im AWS-Portfolio haben wir zahlreiche Möglichkeiten, Technologie für die Verbesserung der Sicherheit am Arbeitsplatz und andere Initiativen des Unternehmens einzusetzen“, erklärt Calvin Ng. „IoT ist der Schlüssel zu dieser digitalen Reise und wir können in der Zukunft noch sehr viel mehr mit AWS erreichen.“


Weitere Informationen

Weitere Informationen finden Sie unter Machine Learning in AWS