Евраз внедряет видеоаналитику для контроля качества
Компания Евраз внедрила на Западно-Сибирском металлурги-ческом комбинате интеллектуальную видеоаналитику от VisionLabs для автоматизации контроля качества. С помощью технологий компьютерного зрения система позволяет автоматически детектировать поверхностные дефекты на стальных заготовках. С начала проекта внедренная видеоаналитика уже помогла сэкономить более 20 млн рублей на одном прокатном стане. Установка камер и использование видеоаналитики позволили анализировать каждый сантиметр стальных заготовок.
Для производства качественного проката необходимо вовремя обнаружить дефекты на стальных заготовках. Такой контроль в компании Евраз осуществлялся визуально технологическим персоналом цеха и работниками управления по качеству. Так как стальные заготовки хранятся плотно друг к другу, во время обходов у сотрудников не было возможности провести осмотр со всех сторон. Кроме того, при погрузке на линию посадки в печь скорость движения заготовок слишком высокая и составляет 2 м/с, что не дает достаточного количества времени для визуальной проверки. Автоматизировать процесс помогло внедрение системы детекции и распознавания дефектов на основе свёрточных нейронных сетей от VisionLabs. Установка камер и использование видеоаналитики позволили анализировать каждый сантиметр стальных заготовок.
Производственный процесс выстроен следующим образом. Заготовка следует по загрузочному рольгангу стана. Перед взвешиванием заготовка проходит точку контроля поверхностных дефектов, где установлены видеокамеры для фиксации состояния поверхности заготовки каждой из четырех сторон. При попадании заготовки в поле зрения камер нейронные сети детектируют её и проверяют на наличие дефектов.
Для тренировки видеоаналитических алгоритмов командой VisionLabs был собран датасет, состоящий из нескольких тысяч размеченных по типу дефекта фотографий заготовок. После чего изображения подавались на вход нейронной сети, которая обучилась на основании сделанной разметки. Также было необходимо учесть, что заготовки двигаются по рольгангу на высокой скорости. Для мгновенной фиксации даже самых мелких деталей в проекте были использованы специализированные камеры машинного зрения.
При обнаружении дефекта в режиме реального времени оператору подается звуковой сигнал, а также выводится на экран изображение и порядковый номер дефектной заготовки. Это дает возможность вовремя отбраковать их и отправлять не в прокат, а на обработку дефектной области. Помимо этого, система классифицирует выявленные дефекты для дальнейшего анализа и ведет подсчет количества принятых заготовок.
Собранную статистику можно использовать для изменения технологического процесса предыдущих цехов.
Внедрённая видеоаналитика от VisionLabs автоматически выявляет более 95% брака – в зависимости от грани заготовки и типа дефекта. При этом удалось добиться низкого показателя ложных срабатываний – не чаще одного раза в час при общем потоке порядка 1000 заготовок в сутки. Решение помогло снизить процент ошибок технологического персонала при выявлении дефектов заготовок, нивелировать влияние человеческого фактора на технологический процесс, а также уменьшить финансовые потери и, за счет рационального использования сырья, снизить расходный коэффициент производства.
«Цифровая трансформация – главный тренд металлургии в России. Технологии способствуют совершенствованию производственных процессов и повышению эффективности предприятий. Последние несколько лет Евраз планомерно внедряет ИИ-решения на своих комбинатах, и видеоаналитика – одно из ключевых направлений. Автоматический контроль качества заготовок на основе технологий VisionLabs повышает эффективность технологического процесса и снижает количество простоев, тем самым помогая произвести дополнительный объем продукции», — рассказал Павел Цыганков, начальник среднесортного цеха, АО «ЕВРАЗ ЗСМК».
«Применение компьютерного зрения в промышленности интересно тем, что в отрасли постоянно возникают новые кейсы. Зачастую производственные процессы предприятий уникальны, поэтому самое сложное в подобных проектах – это понять, на каком этапе необходимо встроить видеоаналитику, а также собрать данные для обучения нейронных сетей. Команда VisionLabs успешно справилась с поставленными задачами. Внедренная система помогла снизить время простоев прокатного стана, что, в свою очередь, стабилизирует производство готовой продукции», — рассказал Дмитрий Марков, генеральный директор VisionLabs.
Источник: VisionLabs
Заметили неточность или опечатку в тексте? Выделите её мышкой и нажмите: Ctrl + Enter. Спасибо!
Оставить свой комментарий:
Комментарии по материалу
Данный материал еще не комментировался.