Промышленный интеллект — нейросеть для контроля качества на производстве
О проекте
С развитием информационных технологий многие бизнес-процессы стали более эффективными, и задачи, которые ранее занимали часы, теперь выполняются за несколько минут благодаря современным программным решениям. Особенно это заметно в крупных производствах, где автоматизация процессов открывает новые возможности для повышения качества и снижении затрат.
Промышленные предприятия, несмотря на сложность внедрения новых технологий и значительные ресурсы, необходимые для этого, начинают осознавать важность автоматизации.
Преимущества очевидны:
Этот проект был инициирован крупным машиностроительным заводом, который решил автоматизировать контроль качества сварных соединений на рамах тележек с использованием нейросетевых технологий. Главной целью было создание и внедрение универсальной роботизированной измерительной ячейки (РИЯ), которая исключала бы человеческий фактор при контроле качества сварных швов, а также автоматизировала сбор данных и подготовку документации по каждому изделию.
Промышленные предприятия, несмотря на сложность внедрения новых технологий и значительные ресурсы, необходимые для этого, начинают осознавать важность автоматизации.
Преимущества очевидны:
- Повышение качества и надежности продукции за счет точности оборудования.
- Увеличение производительности: рост объемов производства и сокращение временных затрат.
- Снижение операционных расходов.
- Сокращение времени на подготовку документации и отчетности.
- Увеличение конкурентоспособности компании, улучшение качества выпускаемой продукции и адаптация производства под меняющиеся требования.
Этот проект был инициирован крупным машиностроительным заводом, который решил автоматизировать контроль качества сварных соединений на рамах тележек с использованием нейросетевых технологий. Главной целью было создание и внедрение универсальной роботизированной измерительной ячейки (РИЯ), которая исключала бы человеческий фактор при контроле качества сварных швов, а также автоматизировала сбор данных и подготовку документации по каждому изделию.
Задача
Основные задачи проекта:
- Автоматизация контроля качества с исключением человеческого фактора.
- Разработка ПО для выявления дефектов сварных соединений, их координат и формирования паспортов изделий.
- Разработка системы для автоматического формирования отчетности по качеству продукции.
- Интеграция решения в информационную систему управления завода.
Реализация
Для реализации проекта была разработана специализированная программа для разметки данных с использованием C# .Net и интерфейса WinForms. Для обучения нейросетей использовался язык Python 3.6 и инструменты TensorFlow 2, OpenCV и TensorBoard. Этот этап был ключевым для создания нейросети, которая должна была обнаруживать дефекты сварных соединений.
Особенности реализации:
Особенности реализации:
- Разметка данных. Для обучения нейронных сетей использовалось около 12 000 фотографий, предоставленных роботизированной ячейкой. Однако, из-за недостатка данных, часть изделий приходилось специально браковать, фиксируя случаи дефектов.
- Обучение нейросетей. Нейросети разрабатывались вручную и использовались для выявления дефектов сварных соединений. Одна из сложностей заключалась в необходимости создания сбалансированных и непересекающихся наборов данных для обучения.
- Программирование. Для анализа данных с РИЯ была использована C# .Net с TensorFlow .Net, а для обмена данными был применен протокол OPC через OPC UA SDK.
- Интеграция. В результате была создана комплексная система, которая автоматически обнаруживает дефекты сварных швов, фиксирует их координаты и создает отчет в реальном времени, а также веб-решение для формирования отчетности, интегрированное в информационную систему компании.
Результат
Внедрение автоматизированного контроля качества сварных соединений позволило достичь следующих результатов:
Сфера применения.
Этот опыт может быть использован не только в машиностроении, но и в других отраслях, где важно обеспечить высокое качество продукции и минимизировать человеческие ошибки.
- Снижение брака на производстве на 10%.
- Экономический эффект от внедрения РИЯ превышает 16 млн рублей в год.
- Полное исключение человеческого фактора в процессе контроля качества улучшило надежность и качество выпускаемой продукции.
- Оптимизация процессов подготовки технической документации: вся информация о продукции и дефектах теперь передается в режиме реального времени, создавая единую базу данных.
- Проект стал примером успешного внедрения искусственного интеллекта в производственный процесс крупного промышленного предприятия, что открыло возможности для масштабирования и адаптации подобных технологий в других компаниях.
Сфера применения.
Этот опыт может быть использован не только в машиностроении, но и в других отраслях, где важно обеспечить высокое качество продукции и минимизировать человеческие ошибки.
Обсудить идею или проект
Или просто напишите нам на почту:
Ответим в рабочее время
с 9:00 до 18:00 по московскому времени
с 9:00 до 18:00 по московскому времени