Как искусственный интеллект сократил уровень брака и простоя на 30% для завода?

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 ^[1]. 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 ^[2] 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 ^[3] 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 вышеописанной работой – 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 ^[4], опыта ^[5] 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 ^[6].