Меньше брака на производстве: как zool.ai определяет дефекты деталей и материалов

На связи Иван, менеджер продукта zool.ai. Недавно в рамках исследования мы обучили нашу систему выявлять дефекты при производстве металлоконструкций → видео выше.

Мы готовы расширить применение этой технологии. Определять царапины, сколы, дыры, непрокрасы, загрязнения и другие недочёты деталей и материалов можно с помощью видеокамер. На любом производстве, где важно контролировать качество продукции, можно делать это автоматически.

Какие эффекты могу отметить:
🔘 Повышается точность контроля благодаря автоматизации
🔘 Растёт скорость проверки качества
🔘 Выявить недочёты можно гораздо раньше
🔘 Сокращается количество дефектных изделий

Какие основные методы использует наша видеоаналитика, чтобы определять дефекты
1️⃣ Анализ признаков Харалика
Мы выявляем несколько ключевых характеристик текстуры изображения: однородность, тон, контраст, число и вид границ и т.д. По этим показателям ИИ «понимает», как выглядит поверхность детали: максимальные и минимальные значения интерпретируются как дефект.

2️⃣ Градиенты (вертикальный и горизонтальный)
Эти методы позволяют определять различие в яркости соседних пикселей изображения и выделять контуры и формы дефекта.

3️⃣ Выделение краев (контуров)
Компьютерное зрение выявляет резкие изменения в яркости изображения, где цвета резко меняются или есть другие неоднородности. Если линии геометрии контура или линия блика будут нарушены, то система выделит это место как дефект.

Также мы обучаем нейросеть
Загружаем в нейросеть 1000+ изображений образцов с повреждениями и без, размечаем области дефектов.

А вообще, под каждое производство и его задачи мы подбираем наиболее подходящие методы, чтобы повысить точность идентификации дефектов, настраиваем и дообучаем систему.

#новости_zool

Привет, на связи Иван!

🫸 Помните рассказывал про конференцию «ИТ в промышленности»? У нас был стенд с демонстрацией системы. А ещё я выступил с докладом о применении zool.ai в бизнесе. Так вот, вопросов было море, но я выбрал самые интересные. Готовы послушать?

1️⃣ Где размещены сервера zool.ai и как обеспечивается безопасность данных?

Наши серверы размещены в ячейках у проверенного ижевского провайдера. Для вычислений используются несколько десятков видеокарт (от 40 до 60), что позволяет обрабатывать большие объемы данных с высокой скоростью.

Мы применяем так называемые «белые списки» IP-адресов: только одобренные адреса могут подключаться к серверам. Это исключает несанкционированный доступ и защищает данные наших клиентов.

2️⃣ Какие данные может аккумулировать система zool.ai при интеграции с оборудованием?

Система способна собирать любые данные, в зависимости от запроса клиента и возможностей станков. Например, у одного из наших клиентов zool.ai анализирует производственный процесс, определяя:

⚪️Как долго обрабатывается та или иная деталь;
⚪️Сколько времени осталось до завершения работы;
⚪️Дополнительные параметры эффективности и состояния оборудования.

3️⃣ Видел посты в вашем Telegram-канале, где вы тестировали систему, и zool.ai не обнаружил человека, который прополз через камеры. Уже доработали этот момент?

На самом деле zool.ai заметил всех участников эксперимента. Однако благодаря этому тестированию мы смогли значительно сократить количество ложных срабатываний и улучшить модель.

#новости_zool

🔥Ушли из «Гаража» на завод — не навсегда, конечно, но есть чем похвастаться.

Внедрили систему zool.ai на производстве и теперь расскажем, какие результаты получились.

Что нужно было сделать?
Оптимизировать производство и снизить издержки с помощью видеоаналитики.

Какие были проблемы?

⚪️Сокращение хронометража подготовительных работ.
⚪️Предотвращение брака изделий из-за износа оснастки станка.
⚪️Уменьшение влияния человеческого фактора.
⚪️Предотвращение выхода станка из строя с помощью ИИ.
⚪️Интеграция с системой контроля станков для передачи данных.
⚪️Исключение ручного труда посредством синхронизации MES с системой.
⚪️Повышение безопасности и контроль работы сотрудников у станка.

Как решили?
Разработали систему машинного зрения и анализа данных, которая работает с MES:

1. ИИ-модель научилась:

➖Распознавать заготовки и детали на рабочем месте.
Классифицировать объекты и анализировать процесс.
➖Выявлять дефекты: сколы, трещины, деформации.

2. Мониторинг станков в реальном времени:

➖Анализ вибраций и звуков для выявления износа.
➖Сбор и обработка данных без остановки производства.
➖Интеграция с системами контроля.

Что получили в итоге?
✅Система предсказывает поломки и неисправности.
✅Количество брака снизилось на 30%.
✅Производительность выросла на 20%.
✅Полный контроль за процессами и соблюдением регламентов.

Технологии:

Компьютерное зрение: OpenCV, PyTorch, YOLOv8
Анализ данных: Numpy, Pandas, Scipy, Librosa
Инфраструктура: PostgreSQL, Redis, FastAPI, RabbitMQ

Вывод:
Внедрение видеоаналитики помогло улучшить производство, сократить затраты и исключить человеческий фактор 👀

#производство_zool
#кейсы_zool