Как на выксунском заводе ОМК расширяют сферу применения технологии компьютерного зрения.
Благодарим редакцию единой корпоративной газеты "Территория ОМК" за предоставление данного материала.
Выксунский завод – признанный центр компетенций по внедрению искусственного интеллекта (ИИ) в ОМК. Камеры в цехах в моменте выхватывают процент окалины в горячем металле, алгоритмы вычисляют дефектные стыки, ИИ-инструменты помогают людям упрощать рутинные процессы и повышать качество продукции. Однако так было не всегда – например, еще девять лет назад внедрение технологии компьютерного зрения на производстве казалась довольно рискованным экспериментом.
Системы компьютерного зрения получают информацию из фото- и видеоизображений с помощью камер и сенсоров. Они способны анализировать данные о множестве предметов на большой территории, обнаруживать крошечные дефекты, невидимые человеческому глазу. Далее системы принимают решения на основе увиденного. На производстве системы компьютерного зрения помогают контролировать качество продукции, оптимизировать процессы и использование оборудования, а также обнаруживать ранние признаки его износа, отслеживать запасы на складах.
Кроме портала, мы предлагаем вам и альманах «Управление производством». Все самое интересное и уникальное мы публикуем именно в нем. 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!
После запуска литейно-прокатного комплекса в нулевые годы в Выксе появились такие точечные решения как импортная система поиска дефектов и бесконтактные сканеры. Но системно работать с собственными разработками на заводе начали спустя десятилетие.
– Тогда сформировалась группа энтузиастов из ИТЦ, АСУТП и ИТ, которые стремились использовать современные технологии для оптимизации производства, – вспоминает руководитель заводской лаборатории цифровых решений Максим Шамшин. – Общались с цехами и собирали задачи, которые можно было бы автоматизировать. В числе первых – автоматизация своевременного обнаружения различных дефектов трубных заготовок.
Задача была понятной, но путь к решению – тернистым.
– Мы двигались с малыми затратами, практически все делая собственными силами, чтобы снизить риски потери инвестиций, – уточняет главный архитектор направления по развитию цифровых технологий «ОМК ИТ» Илья Дзюб.
Одним из первых успешных проектов, который показал, что в Выксе движутся в правильном направлении, стала система детекции поперечного стыка в ТЭСЦ-1.
– Трубу делают из непрерывной ленты, концы которой сваривают. Этот сварочный шов – дефект, его надо вырезать. Раньше полагались на ультразвуковой датчик стоимостью в миллионы рублей, но он периодически «пропускал» стык. Мы сделали свою систему на основе компьютерного зрения. Точность – выше 98 процентов, практически сто, – рассказывают в лаборатории. – Количество ошибок резко снизилось, а это прямая экономия металла, так как шов вырезается с минимальным остатком, и сокращение количества обрезков.
Дальше – больше. На МКС-5000 с помощью компьютерного зрения стали контролировать качество очистки металла от окалины. При прокатке она впрессовывалась в металлический лист – появлялся дефект. Помогла система компьютерного зрения – оценивая изображение раскаленного сляба, она мгновенно анализирует его поверхность по зонам и рассчитывает процент оставшейся окалины. Если норма ее превышена, оператор тут же получает сигнал и корректирует технологические режимы. Простой инструмент помогает предотвращать брак всей парии, а еще вовремя замечать физический износ оборудования.
Появились такие супервнимательные «глаза» и в колесопрокатном цехе.
– Горячее клеймо на каждом железнодорожном колесе – не просто маркировка в соответствии с ГОСТом, а индикатор износа. Когда колесо изнашивается до клейма, это значит, что его надо уже не перетачивать, а менять. Поэтому есть жесткий допуск местоположения клейма на колесе. Если его поставят неправильно, может пойти массовый брак, – объясняет специалист по машинному обучению «ОМК ИТ» Андрей Пустобаев. – Наша система через видеокамеру замеряет положение клейма на раскаленном колесе. Если отклонения обнаруживаются несколько раз подряд, оператор получает сигнал и сразу корректирует процесс, пока брак не размножился.
Написать программу, поставить видеокамеру – и система компьютерного зрения готова? В лаборатории цифровых решений уточняют, что не все так просто.
– Кажется, что найти белую линию на черной трубе – пара пустяков. Но в условиях цеха все меняется, – говорит главный специалист по компьютерному зрению Алексей Рыбаков. – Например, в ТЭСЦ-1 наносят краской на трубу линию под 90 градусов к сварному шву, чтобы отслеживать его положение. Линия наносится неравномерно, с трубы стекает вода, появляются блики, сама труба колеблется. Потребовалось использовать инфракрасную подсветку и переводить камеры в ночной режим, чтобы обеспечить точность обнаружения объекта.
На заводе знают, в работе с системами компьютерного зрения нет мелочей. Мерцающий свет, разводы от воды или смещение камеры на сантиметр могут повлиять на результаты.
Однако главная сложность оказалась даже не технической, а человеческой.
– Сначала к компьютерному зрению относились скептически: «Здорово, но у нас ничего работать не будет». После того, как мы продемонстрировали результаты, от системы стали требовать работоспособности лучше человека. Сейчас сформировалось более реалистичное понимание возможностей технологии, – отмечает Максим Шамшин. – Важно еще и обучение персонала работе с такими системами. Ключевой фактор успеха – вовлеченность сотрудников. Практика показывает, что проект успешен там, где специалисты производства активно участвуют в разработке решений.
Сейчас в работе у команды такие проекты, которые еще вчера казались фантастикой. Группа энтузиастов выросла в сообщество экспертов. Они освоили классические нейросети и теперь занимаются большими языковыми моделями (гигантские нейросети, способные понимать запросы и генерировать связные ответы. – Прим. ред.). С помощью них, например, можно распознавать маркировку трубных заготовок.
В активной разработке – вторая очередь системы распознавания лома на перегружателях открытых складов. Первая уже помогла удалить персонал из зоны с опасными условиями труда на участке подготовки лома. Кстати, специалист по машинному обучению «ОМК ИТ» Данила Сторонкин презентовал выксунскую модель для определения вида и засора лома на престижной международной конференции по ИИ в Сингапуре.
– Теперь второй этап: техника работает в тяжелых условиях: плохая связь, вибрация камеры, движение объекта. Нужно автоматически определять тип лома в вагонах. Для нас это проект максимальной сложности – и организационной, и технической, – подчеркивает Илья Дзюб.
Работают и над обнаружением дефектов кромок листа с применением компьютерного зрения и лазера. Ведь выявление причин брака на ранних стадиях – задача номер один.
– Прогресс не остановить. Если технология экономически оправдана и улучшает условия работы людей – ее надо применять. Если чуть-чуть отстать от мира в методах, разрыв увеличивается мгновенно. Сегодня ты решаешь сложную задачу, а завтра появляется нейросеть, которая делает это в два клика, – говорят в лаборатории.
Здесь постоянно пробуют новые методы, развиваются в разных направлениях, а еще делятся опытом – пишут статьи для научных журналов, выступают на конференциях.
Текст: Ольга Гилязева. Фото: Светлана Шеметова
