Авторизация
Сброс пароля
Контроль качества минеральной ваты Izover на заводе компании «Сен-Гобен»
Вхождение в кейс дня
Заказчик: ЗАО «Завод Минплита”
Производство минеральной ваты - это непрерывная конвейерная линия. Дефекты образуются в результате попадания инородных субстанций на минераловатный ковер. Чтобы не допустить бракованные изделия в продажу, было решено внедрить систему контроля качества на основе машинного зрения и нейросетей ML Sense
Агентство-исполнитель кейса
Nord Clan
Одно из направлений ИТ компании Норд Клан - разработка и внедрение решений на основе машинного зрения и нейросетей. Наш продукт Ml Sense полностью российское решение. Оно входит в реестр отечественного ПО, а значит позволяет решить вопрос импортозамещения промышленным предприятиям.
1. Вводная задача от заказчика, проблематика, цели
Следить за качеством продукции с помощью визуального контроля невыгодно. Особенно когда речь идет о крупном конвейерном производстве. Человек может просто проморгать дефект. В результате — издержки из-за рекламации. На заводе было решено исключить эту проблему с помощью машинного зрения и нейросетей на основе цифровой платформы ML Sense.
Производство минеральной ваты представляет собой непрерывную конвейерную линию. Особенностью технологии является периодическое попадание инородных субстанций в продукт, или в так называемый минераловатный ковер. В результате на минвате образуются дефекты. Чтобы не допустить бракованные изделия в продажу, было решено внедрить систему на основе машинного зрения и нейросетей ML Sense от Nord Clan.
До того, как производитель Isover применил решение ML Sense, специалисту отдела контроля приходилось визуально отслеживать дефекты на поверхности минерального ковра.
2. Описание реализации кейса и творческого пути по поиску оптимального решения
Минеральная вата движется по трем полосам конвейера со скоростью до 16 м/мин параллельно и непрерывно. Дефекты случаются очень мелкие — от 5 мм. Их различают по происхождению: «королек» выглядит, как выгоревший кусок, «мокрый участок» — это пятно с высоким уровнем влажности, «карамель» — включение с высоким содержанием связующего раствора, «бугры» — участки с низким содержанием связующего раствора.
Внедрение ML Sense на производстве минеральной ваты
Чтобы решить проблему дефектоскопии, было решено внедрить систему контроля поверхностей минеральной ваты с помощью компьютерного зрения. Nord Clan реализовал этот проект всего за 5 месяцев.
Что мы сделали для решения задачи:
1. Обучили систему ML Sense на основе нейросетей и машинного зрения.
Для этого собрали датасет из фотографий, где каждый вид дефектов размечен и классифицирован. При этом пришлось учитывать, что дефекты очень похожи внешне, но имеют разную природу происхождения, неочевидную для неспециалиста. Чтобы обучить нейросети, команда ML Sense разобралась в тонкостях производства, по сути став специалистам ОТК по минеральной вате.
В конечном итоге мы настроили точность распознавания платформой до 99%. Подключили аналитику, систему оповещения. Адаптировали интерфейс под задачи заказчика.
2. Спроектировали установку программно-аппаратного комплекса, смонтировали оборудование на производстве.
Подобрали видеокамеры, осветительные приборы для более точного распознавания дефектов. Установили их на мачты крепления. Особенностью такого крепления стало то, что металлические кожухи для оборудования были сконструированы по нашей собственной запатентованной схеме. Это важно, чтобы видеокамеры были защищены от производственной пыли и внешнего воздействия.
3. Разработали уникальное маркирующее устройство с системой управления.
Как только машинное зрение обнаруживает дефект, она подает сигнал на блок управления прибора. В этот момент активируются пневмоотсекатели, которые в свою очередь подают давление воздуха на краскораспылители. В зависимости от расположения дефекта на ковре, активируется тот или иной маркиратор. Система подает сигнал — и минераловатный ковер маркируется.
4. Запустили систему в эксплуатацию, обучили персонал.
Во время работы над проектом команда инженеров Nord Clan несколько раз выезжала на производство, чтобы протестировать работу системы. И только после того, как обе стороны убедились в том, что система работает стабильно и без сбоев, мы сдали заказчику все оборудование в эксплуатацию, обучили персонал, подписали акты приемки — передачи.
3. Результаты сотрудничества
Что изменилось на заводе:
1. Заменили визуальный контроль на машинное зрение. Руководству больше не нужно надеяться только на внимательность и хорошее зрение оператора отдела качества.
2. Внедрили отечественное ПО, а значит решили вопрос импортозамещения на промышленном предприятии. ML Sense — результат работы российской компании. Входит в реестр отечественного ПО.
3. Повысили экономический эффект. Если раньше завод нес финансовые потери из-за возврата некачественной минваты, то теперь эти затраты свелись к нулю.
4. Заключение
Кейс ЗАО “Завод Минплита” компании «Сен-Гобен» — еще один пример того, как можно автоматизировать систему контроля качества продукции с помощью машинного зрения. Даже такой материал, как минеральная вата, можно детектировать на наличие дефектов с помощью ML Sense — точность 99%. А главное — выпуск бракованной продукции сводится до нуля.
По нашей оценке, основанной на опыте внедрения ML Sense на других предприятиях, теперь завод экономит от 15 млн рублей в год. Такой экономический эффект удалось достичь благодаря значительным сокращениям финансовых потерь из-за рекламации продукции, а также за счет снижения зарплат специалистов по контролю качества.
Агентство-исполнитель кейса
Nord Clan
Одно из направлений ИТ компании Норд Клан - разработка и внедрение решений на основе машинного зрения и нейросетей. Наш продукт Ml Sense полностью российское решение. Оно входит в реестр отечественного ПО, а значит позволяет решить вопрос импортозамещения промышленным предприятиям.