С 16 по 21 июня 2024 года прошел IX отраслевой чемпионат профессионального мастерства AtomSkills, ставший плацдармом для инновационных решений и сотрудничества как для АО «Гринатом», так и для других компаний-участников в различных ИТ-компетенциях, включая впервые введенную «Программную роботизацию».
За четыре дня чемпионата была разработана интегрированная платформа для анализа сварочных швов, ставшая результатом успешного сотрудничества специалистов из различных областей. Этот проект не только внес значительный вклад в использовании современных технологий при сварочных работах, но и продемонстрировал синергетический эффект от объединения усилий представителей разных направлений.
Сама идея кооперации давно обсуждалась на чемпионате, но воплотить эту идею в жизнь и связать участников разных компетенций получилось впервые.
Истоки задачи и воплощение идеи в жизнь
Идея разработки платформы возникла из реальных вызовов, с которыми сталкиваются специалисты в сварочной отрасли. На практике стало очевидно, что множество дефектов сварочных швов имеют четко определенные причины и методы исправления. Возник вопрос: можно ли использовать искусственный интеллект для автоматического анализа фотографий сварочных дефектов и предоставления рекомендаций для сварщиков без привлечения наставников?
Чтобы реализовать эту идею, компетенции «Программные решения для бизнеса», «Сварочные технологии», «Машинное обучение и большие данные» и «Неразрушающий контроль» объединились в неразрывную производственную цепочку.
Таким образом, команды стали как исполнителями, так и источниками данных.
Стоп, снято!
Команда «Сварочные технологии» обеспечила практическую часть проекта. Они провели множество сварочных работ, тем самым создав образцы швов с различными дефектами. Эти швы были сфотографированы и задокументированы, что обеспечило необходимую базу данных для дальнейшего обучения нейронной сети. Фотографии были загружены в специально созданный компетенцией «Машинное обучение и большие данные» чат-бот, что позволило оперативно и удобно передавать данные для анализа. Благодаря их труду было собрано более 300 фотографий, необходимых для создания и обучения системы.
Компетенция «Машинное обучение и большие данные» взяла на себя ключевую роль в разработке интеллектуальной части платформы. Используя полученную информацию от сварщиков, она разработала и обучила нейронную сеть, которая на основе фотографий швов научилась распознавать дефекты, а также выявлять их типы. Для этого была проведена масштабная работа по аннотированию данных и оптимизации параметров модели.
Специалисты из «Неразрушающего контроля» внесли свой вклад в валидацию и тестирование обученной «нейросетки». Они сделали отметки на фотографиях, где находятся дефекты, и использовали эти данные для проверки и корректировки работы нейронной сети. Их главной задачей являлось обеспечение точности и надежности системы, что было достигнуто благодаря тщательной проверке каждого образца. Они подтвердили, что модель способна правильно идентифицировать дефекты и давать корректные рекомендации, что критически важно для последующего использования системы.
Последним завершающим этапом стало написание фронтенда (презентационной части системы) компетенцией «Программные решения для бизнеса». Специалисты разработали комплексную платформу, включающую интерфейс для визуализации фотографий сварочных швов и систему обратной связи для сварщиков, который позволяет не только анализировать качество выполненных работ, но и обучаться, проходя тесты на платформе.
Что на выходе?
Результатом работы стала комплексная платформа, которая в дальнейшем может использоваться для обучения сварщиков. Ученики смогут выполнять задания, загружать свои работы и получать детализированный анализ и рекомендации на основе данных, заложенных в систему. Это решение позволит студентам обучаться с нуля, а действующим специалистам повышать квалификацию и совершенствовать свои навыки.
Подход, основанный на объединении компетенций, стал ключевым фактором успеха проекта. Синтез знаний, навыков и опыта специалистов из различных областей позволил создать уникальный продукт, который невозможно было бы реализовать усилиями только одной команды. Именно такое взаимодействие позволяет генерировать новые идеи, находить нестандартные решения и достигать самых амбициозных целей.