Как технологии искусственного интеллекта могут сократить трудоемкость калибровки, сохранить точность измерений и изменить роль метролога на производстве.
Благодарим Службу по связям с общественностью и средствами массовой информации ООО «ГАЗПРОМ ЭНЕРГО» за предоставление данного материала.
Инженер по метрологии II категории Надымского филиала Роман Лужанский принял участие в I международном конкурсе «Лучший молодой метролог СНГ», где представил концепцию использования нейросетей для калибровки манометров с верхним пределом на 0,6 мегапаскаля (МПа). Как технологии искусственного интеллекта (ИИ) могут сократить трудоемкость калибровки, сохранить точность измерений и изменить роль метролога на производстве, Роман Лужанский рассказал «Сфере энергии».
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!
– Роман Борисович, что подтолкнуло вас заняться созданием концепции внедрения нейросетей в процесс калибровки манометров?
– Лаборатория Надымского филиала, в которой я работаю, аккредитована на калибровку средств измерений давления и температуры, а манометры – ключевые для нас приборы. Только в нашей лаборатории более тысячи различных манометров, и на калибровку одного в среднем требуется 30–50 минут. Главная причина, почему я занялся этой темой, – высокая доля ручного труда. Сейчас калибровка – полностью ручной процесс: метролог осматривает прибор, фиксирует показания, проводит расчеты, вносит данные в бумажный паспорт. Примерно 70% времени тратится не на само измерение, а на ручное считывание показаний и оформление документации.
Нормативная база тоже движется в сторону цифровых решений: в прошлом году вступили в силу ГОСТ Р 71561-2024 и ГОСТ Р 71562-2024, где впервые закреплены требования к средствам измерений на основе ИИ и к их метрологическому обеспечению. Кроме того, международный опыт показывает, что нейросетевые алгоритмы способны обеспечивать точность операций на уровне 96–99%. Это делает разработку методов калибровки с ИИ актуальной научно-прикладной задачей.
– Как будет устроен процесс калибровки с применением ИИ?
– На каждый прибор нужно будет нанести уникальный QR-код с данными: тип, заводской номер, диапазон измерений, класс точности, дата предыдущей калибровки. Сведения вносятся в электронный журнал учета, интегрированный с информационной системой предприятия. Это сразу экономит время на идентификацию. Предполагается, что далее программируемый калибратор, управляемый с компьютера метролога, автоматически создает и поддерживает заданное давление. Камера высокого разрешения снимает шкалу манометра, а нейросеть распознает положение стрелки и цифровые значения. ИИ берет на себя рутинные, но критичные для точности операции: мгновенно сопоставляет показания калибруемого прибора и эталона, рассчитывает погрешности (отклонения, вариации и т.д.). При необходимости можно научить систему учитывать и внешние факторы, например температуру воздуха.
– Насколько реалистично внедрить ваше предложение на производстве и какие ресурсы для этого нужны?
– Я рассматривал только теоретическую возможность использования ИИ. В целом техническая база для реализации уже существует. Для внедрения нужен программируемый калибратор, он заменит ручной насос и обеспечит автоматическое создание и поддержание давления. Такие устройства производятся в России и используются на предприятиях. Понадобится камера высокого разрешения – она будет фиксировать шкалу, программное обеспечение и обученная нейросеть, «знающая» действующие ГОСТы, методики и типовые сценарии калибровки.
– Какие инструменты ИИ уже применяются в метрологии и какой эффект они дают?
– В практике используют компьютерное зрение. Нейросеть анализирует фотографии шкал манометров под разными углами, сопоставляет их с эталоном и точнее считывает показания.
Главный эффект – экономия времени и снижение ошибок. При наличии автоматического калибратора ИИ сравнивает показания калибруемого манометра с эталонными электронными данными, что повышает скорость и надежность контроля. Как мне известно, программируемые калибраторы используют на предприятиях в Тюмени для калибровки амперметров и вольтметров.
– Какие проблемы могут возникнуть при использовании ИИ в метрологии и как их решать?
– По моему мнению, самая большая проблема – объяснить, почему нейросеть приняла определенное решение, для метрологии это критично. Ее можно решить несколькими способами. Во-первых, фотофиксацией: каждое вычисление должно фиксироваться, чтобы можно было проследить логику распознавания. Во-вторых, метрологическим самоконтролем: алгоритм сам оценивает достоверность результата. Это прямо предусмотрено требованиями ГОСТа 2024 года. Если уверенность системы в результате низкая, она сигнализирует оператору.
Чтобы подтвердить метрологическую значимость результатов, можно поставить сравнительный эксперимент: провести калибровку 100 манометров традиционным методом и с помощью ИИ. Если погрешность будет минимальная, то систему можно считать пригодной.
– А как сами метрологи относятся к таким изменениям? На конкурсе наверняка звучали разные мнения.
– Мнения действительно разделились. Часть специалистов относится к ИИ скептически, некоторые – категорически против. Молодые сотрудники видят в этих технологиях будущее профессии.
– Кто, с вашей точки зрения, должен обучить нейросеть?
– Обучать ИИ должен практикующий метролог – тот, кто ежедневно калибрует приборы и знает все нюансы процесса. Именно он сможет вовремя заметить ошибку и показать системе правильный путь. Нормативную базу (ГОСТы и методики) можно передать нейросети в виде файлов для анализа: она «изучит» документы, а специалист будет лишь корректировать ее работу.
– Как будет выглядеть профессия метролога через 5–10 лет?
– Стереотип о метрологе как о специалисте, который все время ходит с лупой и документами, начнет уходить в прошлое. Метролог перестанет вручную смотреть на шкалы, его главной задачей станет анализ данных, принятие сложных решений в нестандартных ситуациях. Как мне кажется, метролог станет хранителем цифровой прослеживаемости. Возможно, появятся новые роли – например, инженер по работе с данными, который будет обучать и сопровождать нейросети. Сейчас метрологу важно осваивать программирование и навыки работы с большими массивами данных – они станут неотъемлемой частью профессии.
Текст: Ксения Муравьева. Фото предоставлены Службой по связям с общественностью и средствами массовой информации ООО «ГАЗПРОМ ЭНЕРГО»
