人工智能在制造型企業管理中應用的探索

楊昌平 張雪峰 姚勇 陳晨 朱婕 陳志國

摘? ?要：隨著人工智能的深入發展，其應用領域越來越廣泛，對越來越多的行業均產生了深遠的影響。企業智能化管理已經是大勢所趨，該文結合公司管理現狀，從公司的安全、考勤流程簡化、考勤便捷性等多方面考慮，定制開發了以人臉識別為核心的一臉通系統平臺，涵蓋了門禁管理、考勤管理、訪客管理、陌生人預警等多方面管理應用，提高了企業的安全級別和管理效率。

關鍵詞：人工智能? ?企業管理? ?人臉識別? ?人臉考勤

中圖分類號：TP18? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A文章編號：1672-3791（2021）07（a）-0038-04

Abstract： With the in-depth development of artificial intelligence， its application fields are more and more extensive， which has a far-reaching impact on more and more industries. Enterprise intelligent management has become the general trend. Combined with the current management situation of the company， this paper customized and developed the one face communication system platform with face recognition as the core， including access control management， attendance management， visitor management， stranger early warning and other management applications， it improves the security level and management efficiency of the enterprise.

Key Words： Artificial intelligence; Enterprise management; Face recognition; face attendance

人工智能簡稱為AI，它是用于研究和模擬人的智能的一門新的科學技術。人工智能是計算機科學的一個分支，它企圖使機器了解人類智能的實質，并使機器做出和人類智能相似的反應，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理等。

伴隨著信息化浪潮洶涌而來，對企業管理智能化管理的研究已經是大勢所趨。結合企業現狀以及多方調研情況，以人臉識別為核心為公司定制了一套一臉通系統平臺，涵蓋了門禁管理、考勤管理、訪客管理、陌生人預警等多方面管理應用。

1? 現狀與分析

1.1 項目背景

東風德納車橋有限公司現有員工4 550余人，其中，工程技術人員400余人。公司總資產57.56億元，下設十堰工廠、襄陽工廠、廈門分公司和武漢技術分公司，公司占地面積83萬m2。

新冠疫情發生以來，公司生產受到了嚴重影響。在疫情防控中，減少人與人、人與物的接觸是最為有效直接的辦法。為實現員工以后無接觸進出、無接觸考勤，以及訪客接待便捷性，同時為了提升公司安全管理，經過財務信息室到公司安保部、人力資源部、襄陽工廠 、十堰工廠 、生產車間、生產線、生產班組和相關廠家調研，公司領導決定上一套基于人臉識別技術的一臉通系統，該系統滿足門禁管理、考勤管理、訪客管理、陌生人預警的業務管理需求。

1.2 現狀分析

1.2.1 門禁系統

（1）現有門禁系統使用刷卡進出，存在卡與閘機接觸，給疫情防控帶來壓力。

（2）卡存在丟失，容易造成盜刷，給管理帶來困難，同時補辦新卡也存在時間問題，給員工進出帶來不便。

1.2.2 考勤系統

（1）目前工廠考勤機使用刷指紋，存在人與指紋機接觸，同時也存在他人代刷現象，為公司精細化管理帶來難度。

（2）考勤機只是簡單記錄的員工上下班時間，不能滿足管理部門對考勤數據的深化應用需求。

（3）原有考勤系統比較老舊，大部分工作需要人工錄入，各層級考勤體系不統一，考勤效率低且人工成本高。

1.2.3 訪客系統

公司目前沒有訪客系統，訪客管理還使用人工登記，存在登記速度慢、登記信息容易出錯、難分訪客證件真假、事后無從查找等弊端，而且總部與兩工廠之間員工無法進行同步認證，同樣需要執行上述繁瑣操作，操作較麻煩，影響公司形象。

1.2.4 陌生人預警

公司目前沒有陌生人預警系統，陌生人的管控還主要靠保安巡邏。

2? 人臉識別技術介紹

2.1 人臉識別發展現狀與趨勢

近年來，人臉識別技術在學術界和工業界已經取得了巨大的成果，已經成為了安防領域的熱點技術方向，全球一些公司在LFW人臉識別數據集上取得99.5%以上的準確率，人臉識別技術已經具備了行業應用的實際水平[1]。

在國內，關于人臉識別的研究開始于20世紀80年代，主要的研究單位有清華大學、哈爾濱工業大學、中科院計算所、中科院自動化所、復旦大學、北京科技大學等，并且都取得了一定的成果[2]。

20世紀90年代以來，隨著高性能計算機的出現，人臉識別有了重大突破，進入了真正的機器自動識別階段。2010年前后，利用神經網絡技術和機器深度學習理論，人臉識別技術取得了突破性進展，人臉識別的速度和準確度都已經達到實際環境的應用要求。

2.2 人臉識別技術

2.2.1 深度學習模型

人工智能技術采用了一種類似于谷歌搜索引擎的大數據訓練模型。谷歌的搜索引擎是通過用戶點擊產生頁面排名，并通過其排名算法實現對數據的歸類，最后返回結果給用戶。通過這樣一個閉環的網絡，實現了數據、技術和產品的良性循環發展。人臉識別技術同樣基于深度學習引擎，在通過標注化的圖像數據對人臉識別算法進行訓練后，最終通過算法把人臉識別結果反饋給用戶。用戶的數據進一步訓練優化算法，實現了數據、技術和產品的良性循環。目前人臉識別技術在互聯網、金融、安防等多個行業有著非常廣泛的應用，積累了海量的數據，這些數據對人工智能算法的訓練和提升起到了巨大作用[3]。

2.2.2 卷積神經網絡

卷積神經網絡（CNN），是深度學習算法在圖像處理領域，尤其人臉識別領域的一種具體應用，深度卷積神經網絡層次圖見圖1。主要包括3個層次：卷積層、降采樣層和全連接層。首先通過卷積層實現對局部信息的提取，其次降采樣層實現對數據的進一步降維處理，利于數據計算，同時通過局部極值的方式增加了網絡的魯棒性。最后全連接層對空域信息進行數據融合，得到圖像全局數據的描述[4]。

2.2.3 人臉識別流程

（1）人臉檢測。人臉識別流程首先要完成的是對目標圖片的掃描檢測，確定圖片中是否存在人臉、人臉的位置以及人臉的質量等信息。該過程依然運用卷積神經網絡進行算法訓練，用來提高算法精確度，人臉檢測流程原理見圖2。

（2）特征提取。人臉識別的第二步是人臉特征提取，如圖3所示。由于拍攝環境、拍攝角度和圖片質量等因素影響造成人臉圖像存在差異，在進行人臉特征提取之前需要對圖片進行圖像質量矯正、濾波等預處理。完成預處理后對人臉的關鍵點進行特征點位標注和特征值提取[5]。

（3）人臉識別。人臉識別的第三步是人臉識別，將提取后的人臉特征值，與人員底庫中保存的人臉特征值進行歐式距離計算，當計算出來的結果滿足系統設定的閾值條件時，返回比對信息。

3? 解決方案

3.1 系統設計

3.1.1 系統架構

系統架構圖具體見圖4。

3.1.2 網絡結構

網絡結構圖具體見圖5。

3.2 系統功能

東風德納車橋一臉通系統，由門禁子系統、考勤子系統、訪客子系統、陌生人預警子系統等組成。整套系統由總部統一部署，各地分級管理。

3.2.1 考勤子系統

全公司實現無接觸通行和考勤，公司員工可以一臉通行公司下轄的任何一個地方，對員工的考勤更加精確，從根本上杜絕代打卡現象，滿足公司勞動紀律稽查要求。

考勤管理系統，可以進行系統參數設置、部門管理、班組管理、生產線管理、員工調動管理、節假日設置、排班管理、班次異常管理、請假管理、年休假管理、角色管理、用戶管理、報表查詢等操作[6]，提高了考勤效率，節省了考勤的人力成本，實現對企業考勤的智能化管理。

3.2.2 門禁子系統

根據公司出入口人員門禁權限的管理要求，所有進出受控區域的人員均需人臉識別認證后方可通行，系統可以有效防止未授權人員隨意進入受控區域，同時也可以有效地解決傳統刷卡門禁中一卡多刷、人卡不一的弊病，提高通行效率和安全等級。

3.2.3 訪客子系統

訪客系統支持線上訪客預約審批和線下訪客預約線上審批兩種模式。審批通過后，系統給予相應的通行權限，訪客刷臉即可通行，實現訪客通行智能化。

3.2.4 陌生人預警子系統

實現陌生人事先預警，第一時間將信息推送給安保人員，保障員工個人利益和公司集體利益不受損害，提高了公司的安全等級。

4? 結語

一臉通系統平臺使用近10個月以來受到公司的一致認可，極大地提高考勤的水平和效率，實現了考勤管理的方便性、高效性、公正性;提高了公司安全等級;提升了公司的管理效率和企業形象。具體體現以下幾點。

（1）根據公司結構，所在城市設定相適應的考勤規則，建立了科學的考勤體系。

（2）通過簽到簽退時間及所排班次，自動計算出加班延點缺勤時間，實現了考勤智能化。

（3）各種報表，員工自助查詢等方式多重多樣，體現了考勤的公開透明。

（4）打通了協同平臺與考勤系統的請假流程，使考勤更加準確。

（5）精準的時間記錄、嚴謹的邏輯算法，為薪酬發放提供更加準確的數據。

初步估計人臉考勤系統的上線為公司每年產生了直接或間接經濟效益50萬元，節省了20萬元的人力成本。人工智能的引入極大地提高了公司的管理效率，值得推廣使用。公司以后的安全保衛工作和生產工作也將繼續引入人工智能，實現公司管理安保生產的高度智能化。

參考文獻

[1] 鐘海波.基于深度學習的人臉識別技術在智慧安防建設中的應用[J].廣東公安科技，2018，26（1）：38-41.

[2] 周而進.距離對齊技術在人臉識別中的應用[EB/OL].（2020-03-05）.https：//blog.csdn.net/Megvii_tech/article/details/104687933.

[3] 張煒.人工智能在企業智能化管理中的技術應用[J].科技經濟導刊，2019，27（10）：30-31.

[4] 曹泓浩.談談人工智能在企業管理中的應用[J].中國新通信，2019，21（3）：89.

[5] 張雪琴.局部特征提取與深度學習的人臉識別研究[D].哈爾濱：哈爾濱理工大學，2021.

[6] 徐竟澤.基于MTCNN與SVM算法的人臉檢測與識別[D].青島：山東科技大學，2020.