Обрабатывающая промышленность внедряет различные решения по автоматизации в рамках Индустрии 4.0 – следующей революции в производстве. Чтобы изменить способ производства продуктов, в рамках промышленной автоматизации обрабатывающая промышленность внедряет различные передовые технологии, такие как искусственный интеллект (AI), машинное обучение (ML), Интернет вещей (IoT), компьютерное зрение, робототехнику и другие. В частности, компьютерное зрение заняло центральное место и произвело революцию в различных сегментах производственного процесса с помощью своих интеллектуальных решений автоматизации.

Как компьютерное зрение трансформирует обрабатывающую промышленность с помощью автоматизации?

1. Сборка продукта.
Приложения компьютерного зрения играют важную роль в сборке продуктов и компонентов на производстве. В рамках автоматизации Индустрии 4.0 большая часть обрабатывающей промышленности внедряет компьютерное зрение для выполнения полностью автоматизированных процессов сборки и управления продуктами. Например, почти 70% производственного процесса Tesla автоматизировано. Проекты 3D-моделирования создаются с помощью компьютерного программного обеспечения. Основываясь на этих конструкциях, система компьютерного зрения точно направляет процесс сборки. Здесь системы компьютерного зрения постоянно контролируют и направляют роботизированные руки и сотрудников на сборочной линии.

2. Обнаружение дефектов.
Обрабатывающая промышленность стремится к 100%-ой точности при обнаружении дефектов в производимой продукции. Обнаружение дефектов в конце производственного процесса или после доставки клиенту может привести к увеличению производственных затрат. Эти потери сравнительно намного выше, чем стоимость внедрения системы обнаружения дефектов компьютерного зрения на базе искусственного интеллекта.

Приложение на базе компьютерного зрения собирает данные в реальном времени с камер и с помощью алгоритмов машинного обучения, анализирует потоки данных и на основе заранее определенных стандартов качества обнаруживает дефекты и предоставляет процент отклонения. На основе таких данных можно проследить сбои в производственном процессе.

ПАО «Челябинский металлургический комбинат» применил технологию компьютерного зрения для автоматизации процесса контроля брака стали. Внедренная система видео аналитики позволила заводу определять более 20 классов дефектов, в том числе царапины и микротрещины размером от 0,3 мм, и обеспечить точность распознавания дефектов от 97%. Благодаря решению компания увеличила процесс дефектоскопии в шесть раз.

3. Система 3D Vision.
Система компьютерного зрения используется на производственной линии для выполнения обязанностей, с которыми сталкиваются люди. В этом случае система использует изображения с высоким разрешением для построения полной 3D-модели компонентов и их соединительных контактов. Когда компоненты проходят через завод-изготовитель, система компьютерного зрения захватывает различные изображения под разными углами для создания 3D-модели. Эти изображения, когда они объединяются и передаются в алгоритмы искусственного интеллекта, выявляют любые неправильные потоки или незначительные отклонения от дизайна и стандартов. Эта технология пользуется большим доверием в таких отраслях обрабатывающей промышленности, как автомобилестроение, электроника, нефть и газ, энергетика.

Чтобы ускорить процесс анализа пород на этапе геологоразведочных работ, повысить точность определения качества и параметров керна за счет исключения человеческого фактора, снизить расходы на привлечение подрядчиков, систематизировать полученные данные, команда «Газпром нефти» разработала и внедрила систему автоматического распознавания геологической породы. Ими разработан алгоритм получения модели машинного обучения с учётом экспертных оценок с применением методов компьютерного зрения для получения дескрипторов изображений, на основании которых принималось решение о принадлежности сегмента изображения к определенному целевому классу. Благодаря применению технологии, компания достигла сокращения времени анализа керна в 12 раз, а ежегодная экономия на лабораторных исследованиях керна составила 85 млн рублей.

4. Резка с компьютерным зрением.
Ротационная и лазерная высечка являются наиболее распространенными технологиями резки в производственном процессе. Ротационный способ использует твердые инструменты и стальные лезвия, в то время как лазер использует высокоскоростной лазерный свет. Несмотря на то, что лазерная высечка более точна, резка твердых материалов представляет собой сложную задачу, и ротационная резка может использоваться для резки любого материала.

Обрабатывающая промышленность может развернуть системы компьютерного зрения для выполнения ротационной высечки с такой же точностью, как при применении лазера, для вырезания любых конструкций. После того, как образец дизайна будет загружен в систему компьютерного зрения, система будет направлять машину, будь то лазерная или роторная высечка, для точного выполнения резки.

5. Профилактическое обслуживание
Некоторые производственные процессы происходят при критических температурах и условиях окружающей среды, поэтому деградация материала или коррозия - обычное явление. Без надлежащего обслуживания это приводит к деформации оборудования, выводу его из строя и остановке производственного процесса.

Системы компьютерного зрения позволяют контролировать оборудование на основе различных показателей. Если какое-либо отклонение от показателей указывает на коррозию, системы компьютерного зрения могут предупредить соответствующих менеджеров о необходимости превентивных мер и технического обслуживания.

6. Охрана труда и безопасность
Машинное зрение используется для анализа изображений и сравнения их с существующим набором данных с целью обнаружения аномалий и предотвращения опасных ситуаций на производственных площадках, производственных линиях.

Сотрудники обрабатывающей промышленности работают в чрезвычайно опасных условиях. Несоблюдение стандартов безопасности и защиты может привести к серьезным травмам и даже летальному исходу.
В случае аварии система компьютерного зрения может предупредить менеджеров и персонал о том, где произошла авария, и о степени ее интенсивности, чтобы можно было остановить производственный процесс на отдельном участке и обеспечить безопасность сотрудников.

«Концерн Росэнергоатом» внедрил на Кольской АЭС автоматизированную систему видео анализа для контроля соблюдения техники безопасности, которая способна выявлять 26 видов нарушений по 19 параметрам. Камеры наблюдают за персоналом в процессе выполнения работ. Видео с камер в режиме реального времени проверяются нейросетью на предмет ношения средств индивидуальной защиты. При выявлении нарушения информация сразу передается диспетчеру и начальнику смены для оперативного реагирования. Если до использования технологии компьютерного зрения на одной АЭС регистрировалось до 80 нарушений в неделю, а диспетчеры контролировали соблюдение техники безопасности, просматривая видео с камер вручную и анализируя нарушения постфактум, то после внедрения решения исключена вероятность пропуска нарушений из-за «человеческого фактора» – их количество сократилось до восьми в неделю, машина автоматически фиксирует 95-98% нарушений.

7. Инспекция упаковки.
В некоторых производственных компаниях важно вести подсчет количества произведенных изделий перед их упаковкой. Выполнение этой задачи вручную может привести к множеству ошибок, что становится серьезной проблемой, например, в фармацевтике и розничной торговле.

Развертывание системы компьютерного зрения в процессе упаковки для подсчета количества штук позволяет проверить соблюдение стандартов упаковки. Проверка на основе компьютерного видения может отслеживать, имеет ли предмет желаемый цвет, длину и ширину, нет ли краев, заполнена ли упаковка до необходимого уровня.

8. Анализ штрих-кодов и складская логистика.
Практически каждый продаваемый товар сегодня имеет штрих-код, сканирование которого – не та задача, которую люди могут выполнять быстро и эффективно в масштабах партий крупного производства. Внедрение компьютерного зрения на производственной площадке может как улучшить процесс управления деталями, так и ускорить обработку заказов, и улучшить систему отслеживания.

Системы компьютерного зрения могут помочь подсчитывать товары, поддерживать состояние запасов на складах, а также автоматизировать и предупреждать менеджеров, если какой-либо материал, необходимый для производства, ниже спроса.

Благодаря системе компьютерного зрения, основанной на данных штрих-кода, эти системы могут помочь менеджерам по запасам найти товары на складе, и позволяют избежать человеческих ошибок.

Во многих случаях неправильно маркированный товар может нанести вред. Компьютерное зрение помогает компаниям-производителям идентифицировать такие предметы (а также смещенные или помятые этикетки), сопоставлять их с базой данных и отслеживать.

Hа складах Amazon в США процесс автоматизируется с применением компьютерного зрения уже несколько лет. Вместо ручных сканеров, которые часто мешают работникам работать с более крупными предметами, камеры и сканеры AI следят за процессом и автоматически отслеживают, какие продукты попадают в какие бункеры.

Преимущества применения технологий компьютерного зрения и видео наблюдения и новые бизнес-результаты

Применение интеллектуальных решений с применением машинного зрения и видео аналитики позволяет компаниям достигать преимуществ, положительно влияющих на общий экономический эффект.

• Экономия времени. Полностью автоматизированная система не только работает намного быстрее, но и при необходимости может работать круглосуточно и без выходных.
• Точность. Принятие решений на основе компьютерного зрения позволяет компаниям-производителям достигать более высокого уровня точности в пределах принятого допуска. Сочетание специального оборудования и передовых алгоритмов видения машины позволяет достичь почти идеального уровня точности при производстве и контроле качества.
• Повторяемость. Когда дело доходит до повторяющихся операций и монотонных задач, решения на основе компьютерного зрения более эффективны. Полностью автоматизированная система ускоряет время производства и снижает затраты на многих уровнях.
• Снижение затрат. Помимо снижения затрат на рабочую силу (поскольку для управления процессом требуется меньшее число сотрудников), достигаются лучшие показатели качества продукта с уменьшением отходов за счет сокращения числа ошибок или отклонений от стандартов.