Система распознавания деталей на производстве для «КамАЗа»

Эксперты «КамАЗа» отмечают: повышение точности учета деталей при производстве сложных изделий может привести к значительному сокращению издержек. Однако номенклатура деталей на производстве включает более 10 тыс. артикулов. Быстрая и безошибочная идентификация каждой детали, подсчет и внесение данных в журналы учета являются сложной задачей. Например, один готовый автомобиль содержит тысячи уникальных деталей, каждая из которых проходит свой путь на предприятии, включая производство на нескольких переделах, логистику, хранение. Важно проследить этот путь, учесть количество деталей и заготовок на каждом этапе, чтобы обеспечить стабильность и ритмичность производства, сократить потери, улучшить качество диспетчеризации и производственного планирования.

Автоматизировать этот процесс позволяет технология машинного зрения. Математическая модель, лежащая в ее основе, надежно распознает и подсчитывает детали, даже если в кадре появляется человек, изменяется освещение или фон. При этом можно использовать обычные веб-камеры, не оснащенные искусственным интеллектом, поскольку основная аналитика ведется на стандартном компьютерном сервере. Точность распознавания обеспечивается в диапазоне 95-99%. Специалисты компании «Моделирование и цифровые двойники», используя свой опыт в области машинного зрения, сделали такое решение для «КамАЗа».

Пилотный проект покрывает один крупный производственный участок, где ведется окраска деталей грузовых автомобилей. Система распознает детали, движущиеся на подвесном конвейере, подсчитывает их количество для дальнейшего учета и сверки. Для этого участка характерны многие неблагоприятные факторы, мешающие работать системам машинного зрения – в поле обзора видеокамер попадают посторонние объекты, конвейер с деталями движется неравномерно, специального освещения не предусмотрено. При этом необходимо было учесть следующие требования: система должна гарантировать устойчивую и быструю работу со всем номенклатурным рядом деталей – идентификацию, подсчет, сравнение; система не должна требовать чрезмерных вычислительных мощностей для своей работы;

система не должна делать ошибки при подсчете (не более, чем при ручном подсчете); научить систему идентифицировать новую деталь на производстве должно быть достаточно просто и не требовать больших трудозатрат.

Последнее требование особенно важно, поскольку внесение новых деталей в систему – это не просто ввод цифровых артикулов, а внесение множества образов и последующее обучение математической модели.

В рамках пилотного проекта были выполнены два основных сценария – автоматическое распознавание деталей на конвейере и распознавание детали с помощью мобильного устройства. В первом случае камера была закреплена в определенной области конвейера, непрерывно снимая поток деталей и автоматически внося свои показания в ERP-систему. В результате происходило точное распознавание деталей и подсчет их количества, а далее система сверяла данные с количеством в учетной системе.

Во втором сценарии сотрудник открывал на смартфоне специально подготовленную веб-страницу мобильной части системы распознавания деталей. Когда технику во время сортировки нужно было определить деталь, достаточно было навести его камеру на деталь, сделать снимок и получить на экране ее артикул.

«На производственных конвейерах, например, в цехах покраски, могут одновременно находиться много деталей разных видов. Их сортировка и подсчет затруднены, так как часто они похожи между собой. Система машинного зрения автоматически определяет артикул детали и помогает персоналу рассортировать их, определить количество каждого вида на ключевых участках сборки», – сказал главный технолог прессово-рамного завода «КамАЗа» Ильнар Сатдаров.

На сегодняшний день в рамках обучения и тестирования моделей стационарной и мобильной систем распознавания выполнен ряд задач: подготовлены фотографии деталей для обучения моделей стационарной и мобильной систем; выполнена разметка образцов деталей для стационарной системы; произведено обучение модели на размеченных образцах деталей; выполнено тестирование модели на образцах деталей, которые не участвовали в процессе обучения модели.

«Хотя пилотное внедрение системы пока не завершено и впереди – этап масштабирования, уже сейчас можно сказать, что система уверенно справляется с задачей подсчета деталей и помогает техническому персоналу на конвейере быстро определить артикул детали в ходе отправки на склад, либо на другие участки сборки. Мы уверены, что она подходит для работы в заводских условиях», – сказал Андрей Крылов, директор центра цифровых технологий компании «Моделирование и цифровые двойники».

Для того, чтобы масштабировать систему, экспертам предстоит решить одну из ключевых задач – быстро внести в модель образы всех деталей, выпускаемых предприятием. Десятки тысяч деталей нельзя заносить вручную поштучно – этот процесс потребует значительных временных затрат. Кроме того, это минимизирует эффекты от системы при том, что, по прогнозам экспертов, целевой срок ее окупаемости – не более 1,5 года. Для решения этой задачи будет создан программный конвейер по автоматизации внесения деталей – он позволит образу детали проходить путь от 3D-модели, разработанной конструктором, до модели машинного зрения с минимальным участием человека.

Источник: CNews