Goods Checker

Goods Checker je pokročilý rozpoznávací systém, který slouží k monitorování zboží v policích. Systém využívá pokročilé technologie počítačového rozpoznávání, umělé inteligence a neuronových sítí od společnosti IBM.Cílem systému Goods Checker je ulehčit práci obchodníkům, výrobcům, distributorům a prodejcům, aby mohli snáze a efektivněji kontrolovat stav zboží prezentovaného spotřebiteli.

POPIS VÝCHOZÍ SITUACE

Obchodní společnosti mají smluvně ošetřeno s obchodníky, jakým způsobem je jejich zboží prezentováno a prodáváno. K definování rozmístění zboží v regálech slouží tzv. „planogramy“. To jsou diagramy, jak má být zboží narovnáno s policích. Reálný stav, který bývá často odlišný se označuje jako „realogram“. Je to tedy zobrazení police tak, jak je zboží prezentováno reálně. Cílem obchodníka je vytvořit realogram odpovídající přesně planogramu.

Kontrola, zdali realogram odpovídá planogramu, je nesmírně náročná, protože každá kontrolní fotografie obsahuje mezi 60 a 300 produkty. Některé produkty jsou si velmi podobné, což porovnání ztěžuje. Výsledky kontrol slouží společnostem, ale i manažerům obchodníků ke kontrole, zda jsou dodržované planogramy. Kontroly se provádí na základě fotografií. Jedna typická kontrola znamená porovnat přibližně 1 000 fotografií. Pro každou fotografii police se zbožím je třeba zjistit shodu s planogramem. Udržet pozornost při tak namáhavém úkolu není v lidských silách. Řešením je automatizace tohoto procesu.

PŘEDSTAVENÍ SYSTÉMU GOOD CHECKER

Cílem systému Goods Checker je ulehčit práci obchodníkům, výrobcům, distributorům a prodejcům, aby mohli snáze a efektivněji kontrolovat stav zboží prezentovaného spotřebiteli.

Systém může být provozován ve dvou základních modelech:

1. Model: Off-line zpracování fotografií na serveru

Fotografie jsou nahrány na do IBA datového centra.
Obrázky jsou zpracovány neuronovou sítí s machine learning technologií.
Data jsou analyzována a vypočítá se shoda s planogramy.
Výsledky jsou uloženy do databáze k dalšímu zprocesování.
Uživatelé mohou s výsledky pracovat ve webové aplikaci a vyvodit z nich patřičné závěry, např. opravit chyby v umístění zboží v policích.
Zpracování fotografie trvá cca 1-3 minuty od nahrání podle rychlosti připojení.

2. Model: Nativní mobilní aplikace

Aplikace využívá kameru v telefonu k pořizování snímků polic se zbožím.
Získané snímky odesílá v online režimu ke zpracování na server.
Server vzápětí posílá zpět analyzovaná data a ihned ukazuje uživateli na displeji telefonu neshody s planogramem.
Uživatel může okamžitě napravit neshody, pokud to je možné.
Pokud není možné neshodu napravit, zaznamená do aplikace důvod.
Aplikace je k dispozici pro OS Android, iOS je v přípravě.

Vyhodnocování výsledků ve webové aplikaci

Hodnocení kvality fotografií (jestli lze rozpoznat zboží),
Hodnocení celkové shody s planogramem,
Shoda s planogramem podle prodejny/regionu,
Shoda s planogramem podle pracovníků,
Shoda s planogramem podle zboží.

Na grafy lze klikat a data si tím podle záměru filtrovat. Díky tomu lze jednoduše a přehledně nasbíraná data procházet a vyvozovat z nich závěry a následná opatření. Uživatel snadno zjistí, že v některém regionu nepracuje personál správně, že jeden z distributorů nedodává zboží, jak má, nebo že se manažer některého z obchodů nestará o správné zaklizení zboží do polic.

Na základě dodržování planogramu lze pracovníky odměňovat finančními bonusy.

PILOTNÍ REFERENČNÍ PROJEKT

Významný tabákový producent využívá systém Goods Checker k monitoringu zavádění nových produktů na trh a k celkové kontrole prodejního místa. V praxi je využíván model off-line vyhodnocování z pořízených fotografií, které se před nasazením vyhodnocovali ručně.

Systém Goods Checker je provozován s těmito aspekty:

Často jsou zasílány ke zpracování fotografie, které nezobrazují umístění produktů v policích, systém je automaticky třídí s přesností 99 % za 0,36 sekundy.
Vytříděné fotografie jsou podrobeny detekci zboží na policích s přesností 95 % za 0,45 sekundy.
Detekování jednotlivých produktů (SKU) probíhá s přesností 98 % a klasifikace SKU s přesností 93 % za 5-15 sekund (pouze 93 %, protože fotografie tabákových krabiček pořízených telefonem jsou relativně nekvalitní, často jsou pokryté odlesky od okolních světel a krabičky jsou si velmi podobné, rozpoznání je velice obtížné i pro člověka).

Výsledky pilotního provozu:

Více než 100 obchodníků nahrává fotografie z 5 000 trafik. Měsíčně je zpracováváno více než 60 000 fotografií s přesností rozpoznávání více než 90 %.
Klient mohl mít díky systému Goods Checker přehled o nasazení 4 nových produktů na trh a hned od počátku uvedení analyzovat jejich propagaci.
Proběhla analýza veškerých zaslaných fotografií, rozpoznání jednotek SKU, kvality práce obchodníků, umístění zboží a využití místa v policích.