Нейронные сети и искусственный интеллект — это такое непонятное явление, о котором все говорят и мало кто видел их реальную работу. На первый взгляд обычных людей, кажется, что эти технологии слишком сложно реализуемые. Но это не так. Искусственный интеллект уже нашел свое практическое применение во многих сферах жизни. Одно из направлений, где он активно начал внедряться - производственные предприятия. Рассмотрим, как это реализуется на примерах.
Нейронная сеть и горнодобывающая отрасль.
В угольной промышленности для добычи породы используется тяжелая техника, в частности карьерные экскаваторы. Часто возникающая аварийная ситуация – отломившийся зуб ковша. Он представляет собой отломок металла весом до нескольких центнеров. Если вовремя его не заметить, то вместе с породой зуб уедет в дробильно-перерабатывающий комплекс. В лучшем случае там он вызовет затор породы, в худшем – выведет из строя саму дробильную установку. На время ее ремонта (обычно от нескольких недель) производство остановится. Машинист экскаватора не всегда успевает отследить инцидент, так как очень много факторов ему могут мешать: ночное время, осадки, пыль, сильные вибрации и т.п.
Для помощи оператору в контроле целостности зубьев экскаватора было разработано автоматизированное решение на основе нейронных сетей. Разработка подобных систем происходит в несколько этапов.
1 этап. Сбор данных с работающего экскаватора и на их основе обучение нейронной сети распознавать целостность зубьев и их износ в разных условиях.
✓ На стрелу экскаватора была установлены камеры видеонаблюдения и собраны видеозаписи с работой ковша в разных погодных условиях.
✓ На основе полученных видеоматериалов происходило обучение нейронной сеть без ошибок распознавать целостность зубьев на экскаваторе ЭКГ-35 и их износ.
2 этап. Подбор оборудования и сборка прототипа. При подборе оборудования учитывались экстремальные условия работы:
✓Диапазон температур может колебаться от -60 до +40 на улице и от -30 до +40 в кабине машиниста.
✓Учитывались внешние уличные условия: осадки, пыль в воздухе, солнечная радиация, различная освещенность при смене времени суток.
✓Отдельно было уделено внимание значительным вибрациям на стреле экскаватора, где будет располагаться камера машинного зрения.
Например, стальная пластина толщиной 8 мм (0,8 см) и длиной 40 см, закрепленная на стреле, от вибраций и низких температур покрывается трещинами и ломается за 1,5-2 месяца круглосуточной работы экскаватора.
3 этап. Установка оборудования на экскаватор и тестирование работы всей системы в "боевых" условиях.
Разработанный прототип был установлен на действующий экскаватор в Кузнецком угольном бассейне и в данный момент система успешно работает.
Нейронная сеть и склад.
Другой пример. На складе компании продукция хранится в паллетах. В процессе производства снуют туда-сюда погрузчики, отгружая заказы покупателям и разгружая сырье от поставщиков. А за этим всем должны успевать следить складские работники, вовремя фиксируя все перемещения в информационной системе. Опять на помощь могут прийти нейронные сети!
Как уже наверняка догадался внимательный читатель – за основу обучающей программы в этом случае брались видеоматериалы продукции, которая хранится на складе. После обучения нейронная сеть умеет определять не только содержимое в паллетах, но даже процент их наполненности.
Мы обзорно рассмотрели лишь малую часть возможностей применения нейронных сетей на производстве. Искусственный интеллект может применяться для решения практически любых типовых промышленных задач, где требуется обработка взаимосвязанных данных.
С другие интересными кейсы по нейронным сетям и машинному обучению можно ознакомиться на нашем сайте.
#автоматизация #цифровизация #производство #индустриализация 4.0 #цифроваятрансформация #нейросеть #нейроннаясеть