С каждым днем команда RedKrab разрабатывает все больше проектов на базе ИИ. Ввиду того, что основная сфера студии - это промышленность и производство, то всё чаще приходят обращения от заводов и предприятий за помощью в внедрении сложных ИИ-систем.
Один из крупных заводов по производству деталей для конвейерного оборудования обратился с проблемой - совсем небольшое отклонение в доли миллиметра могло привести к браку, претензиям со стороны клиентов и остановке всей производственной линии. Ручной контроль, даже силами опытных специалистов, все чаще пропускал дефекты. Усталость, рутина и скорость работы мешали поддерживать качество. Технолог завода сообщил о том, что проверка происходит выборочно, но этого недостаточно. Если будут пропуски, то это приведет к затяжным разбирательствам, убыткам и потере доверия. С нашей стороны было предложено решение - сделать контроль непрерывным, быстрым и точным. Так стартовал проект по разработке ИИ-системы для завода по производству деталей механообработки.
Идея полностью автоматизированного контроля без снижения скорости производства раньше звучала как фантастика. Сейчас на помощь приходит искусственный интеллект. ИИ трансформирует процесс проектирования, предлагая революционные возможности там, где традиционные методы уже не справляются.
Наша команда разработала для клиента систему, которая выполняет конкретные функции: обнаруживает дефекты, анализирует причины и предотвращает их появление. За несколько секунд после обработки детали она проходит через четыре этапа проверки: визуальный анализ, измерение параметров, сравнение с эталонами и принятие решения. Каждый этап приближает производство к идеальному качеству. Система, разработанная для нашего клиента, использует методы компьютерного зрения для измерения геометрических параметров деталей и определения дефектов.
Этап 1. Входной контроль сырья
Процесс запускается еще до обработки деталей. Заготовка поступает на вход и сразу попадает под «взгляд» 3D‑сканера. Система моментально строит ее цифровую копию и сравнивает с текущей CAD‑моделью. Если есть отклонения — это не брак, а возможность корректировки. Программа ЧПУ автоматически подстраивается под реальные параметры заготовки. Можно сравнить с действиями врача перед операцией, который подбирает инструмент под пациента. Но в данном случае пациент — это деталь, а врач — ИИ.
Этап 2: Контроль на уровне станка
На станке с ЧПУ происходит важнейшая часть процесса. Здесь ИИ становится и наблюдателем, и инспектором. Камеры и датчики внутри рабочей зоны следят за всем: надел ли оператор защитные очки? Правильно ли выставил режимы на панели? Сколько времени идет обработка? И еще ряд не менее важных вопросов. Сразу после завершения производятся точнейшие измерения: линейные, объемные, угловые. Система фиксирует даже микронные отклонения. Если что-то не так, то деталь еще на станке отмечается как подозрительная. В итоге ошибка перехватывается до того, как деталь покинула рабочую зону.
Этап 3: Контроль на транспортерной ленте
Далее, деталь покидает станок и попадает на транспортер. Здесь ее ожидает камера высокого разрешения, установленная над конвейером, которая сканирует каждую деталь в движении. Специальное бестеневое освещение убирает все иллюзии - ни одна царапина, ни один скол не остаются незамеченными. Скорость ленты - тоже ее задача. ИИ синхронизируется и анализирует детали в реальном времени - ни один дефект не останется незамеченным.
Этап 4: Выходной контроль и упаковка
Перед упаковкой происходит последняя проверка. Система сверяет деталь по всем параметрам: геометрия, дефекты поверхности, соответствие техническому заданию. В этот момент времени происходит «магия»: отчет формируется автоматически, данные уходят в ERP‑систему, а бракованные детали — на дообработку или списание. Никаких бумажек, никаких «я думал, что проверили».
Что стоит за «умным взглядом»?
За всей вышеописаннойработой — сложная, но отлаженная архитектура. Опишем ее более подробно:
Камеры, датчики, интерферометры — «глаза и руки» системы.
ИИ‑визор на базе CNN — «мозг», распознающий более 40 типов дефектов с точностью до 95%. Это устраняет человеческий фактор (даже опытные операторы ОТК устают и пропускают до 15–20% дефектов).
Алгоритмы компьютерного зрения — вычисляют соосность, радиусы, углы фасок, биение.
Прогнозная (предиктивная) аналитика — предсказывает износ инструмента и снижает простои на 30%.
Особенно важно учесть, что система самообучается. Чем дольше работает, тем точнее получаем результат на выходе. Каждый квартал — это снижение брака на 5–7%, в годовом выражении — 25–28%.
Этапы внедрения системы
Работа над проектом прошла несколько последовательных этапов:
1. Брифинг и диагностика. Была проведена встреча с представителями предприятия, изучены текущие проблемы и цели. Посетили производственные цеха, наблюдали за технологическими процессами, записывали всё на видео для последующего анализа.
2. Анализ условий. Оценили освещённость, задымленность, наличие мешающих факторов в рабочих зонах. Зафиксировали процессы, которые могли быть автоматизированы (например, ручная передача данных).
3. Подготовка технического предложения. В течение 3-5 дней подготовили план реализации, подобрали необходимое оборудование и программное обеспечение. Обсудили с заказчиком все аспекты будущей системы, внесли корректировки.
4. Согласование и контрактование. Провели презентацию клиенту предлагаемой концепции, получили обратную связь. Уточнили требования, определили объем работ и заключили договор.
5. Проектирование и закупка оборудования. Подготовили подробное ТЗ для разработки программной части. Составили список оборудования, которое клиент мог закупить самостоятельно, чтобы сохранить гарантию.
6. Монтаж и интеграция. Помогли с установкой камер, датчиков и серверного оборудования. Интегрировали систему в существующую ИТ-инфраструктуру предприятия.
7. Тестирование и запуск. Провели тестовый запуск системы. Обучили сотрудников работе с новым интерфейсом. Перешли к полноценному режиму эксплуатации.
Результаты внедрения системы:
Уменьшение брака на 25–30% благодаря предиктивной аналитике и компьютерному зрению.
Сокращение времени перенастройки оборудования на 40% за счет гибкой архитектуры.
Измерения и качество процессов. Точность вышла на уровень IT7-IT8 за счет динамической коррекции G-кода - это уже близко к прецизионной механике.
Снижение процента брака на 5–7% ежеквартально за счет самообучения системы.
Человеческий фактор. Люди больше не устают от монотонной проверки. Они теперь контролируют процесс, а не деталь. Стабильная работа в сложных условиях (запыленность, перепады температур) с доступностью 95%
Наши крайние проекты по внедрению ИИ-систем показывают, что искусственный интеллект на производстве - это не про замену людей. Это про то, чтобы освободить их от рутины и дать возможность заниматься тем, что требует мышления, опыта и решений. В этом непростом процессе ИИ отлично возьмет на себя контроль качества. Подробнее об этом кейсе (включая детальное описание используемых технологий) и о других наших разработках - в портфолио студии RedKrab.
