Posted 25 сентября 2020, 11:15
Published 25 сентября 2020, 11:15
Modified 18 сентября 2022, 10:50
Updated 18 сентября 2022, 10:50
Идея проекта родилась у сотрудников ОЭМК в ходе конкурса инноваций, организованного JSA Group (входит в многопрофильную ИТ-группу «ИКС Холдинг») на предприятии.
Собственное интеллектуальное решение на основе нейросетевых технологий разработано учёными СТИ НИТУ «МИСиС» совместно со специалистами комбината. За интеграцию программной части системы в производственные процессы отвечали инженеры-программисты ООО «Металло — Тех».
«Ранее оператор вручную сверял цифры клейма со списком в системе, выбирал печь для плавки и затем отправлял в неё заготовку, — рассказывает начальник участка сортопрокатного цеха № 1 ОЭМК Евгений Ткач. — У сотрудника было не более 40 секунд на выполнение этих задач, что создавало большую нагрузку и повышало вероятность ошибок. Внедрение автоматического распознавания существенно снизило эти риски».
Реализованное решение использует пять нейронных сетей, каждая из которых выполняет свою отдельную задачу. В процессе сбора данных для их обучения было сделано более 60 тысяч снимков торцов заготовок с клеймом.
«Один вариант клейма на заготовке отпечатывает машина, другой, в случае исправления номера, — люди вручную краской, — поясняет Дмитрий Полещенко, доцент кафедры автоматизированных и информационных систем управления СТИ НИТУ „МИСиС“. — На первый взгляд, процесс распознавания похож на считывание номеров на автомобилях. Но при анализе подобные системы не дали требуемого результата».
«Эта система стала первым продуктом, разработанным в рамках программы Цифровой трансформации Компании. Особое чувство гордости вызывает тот факт, что данное решение совместно с коллегами из „МИСиС“ создала наша внутренняя команда, — отметила директор по цифровой трансформации УК „Металлоинвест“ Юлия Шуткина. — Мы продолжим взятый курс на развитие российских технологий и применение лучших практик в производстве».
Полученный в процессе реализации этого проекта опыт планируется применять для решения сходных задач. Например, технология видеоаналитики может быть внедрена в определении гранулярности состава входящего сырья на конвейере, для определения качества зуба ковша экскаватора и даже для отслеживания использования сотрудниками предприятия средств индивидуальной защиты.