Интеллектуальная автоматизация ручных операций, распознавание операций на производстве и интеллектуальные методы в промышленной безопасности (original) (raw)

В старых версиях браузеров сайт может отображаться некорректно. Для оптимальной работы с сайтом рекомендуем воспользоваться современным браузером.

Интеллектуальная автоматизация ручных операций, распознавание операций на производстве и интеллектуальные методы в промышленной безопасности

Интеллектуальный онлайн-контроль операций в производстве — будущее промышленного производства, которое уже наступило.

Используя передовые разработки в сфере компьютерного зрения исследователи Московского института электроники и математики им. А.Н. Тихонова Высшей школы экономики разработали автоматизированную систему для ИИ-контроля действий персонала во время производственного процесса.

Система в реальном времени анализирует последовательность действий оператора-сборщика, будь то робот или человек. Это позволяет:

• выявлять пропущенные этапы сборки;
• выявлять возможные ошибки и немотивированный простой;
• получать объективные данные об эффективности работы сотрудников на местах, передавая их в ERP/MES системы;
• в интерактивной форме проводить обучение персонала;
• контролировать соблюдение техники безопасности, включая наличие средств индивидуальной защиты и отсутствие посторонних лиц и предметов в рабочей области;
• информировать оператора-сборщика о пропущенном этапе или указать на ошибку.

Автоматизированная система в отличие от живого человека не устает, ведёт непрерывное наблюдение, объективно и непредвзято проводит оценку эффективности (включая показатели производительности труда, наличия нарушений и т.п.) производственных процессов. В результате существенно снижается вероятность выпуска бракованного товара, растёт производительность и прозрачность производственных процессов.

Преимущества автоматизации с помощью технологий искусственного интеллекта:

• Автоматизация ручных процессов сокращают затраты на ручной труд и использование большого количества материалов.
• Распознавание операций на производстве и интеллектуальные методы их обработки точнее контролируют процесс производства.
• Автоматизация производства и оптимизация ручных процессов уменьшает время на изготовление продукции.
• Технологии искусственного интеллекта оптимизируют условия труда.

Автоматическое построение выборки для обучения

Обычно, для обучения подобного рода сложной ИИ-системы требуется собрать большой объем исходных данных, что зачастую сопровождается большими производственными затратами. Однако данный этап работы может быть значительно оптимизирован благодаря разработанному в МИЭМ НИУ ВШЭ инновационного подходу и реализующему его ПО для автоматизированного сбора данных. Детали описаны командой проекта в статье “Method of Automatic Images Datasets Sampling for the Manual Operations Control Systems”, представленной в 2023 году на крупной конференции под эгидой IEEE.

Сценарии использования

Целевой результат от использования системы включает:

1. снижение процента брака при сохранении трудоемкости;

2. сокращение количества нарушений требований, установленных регламентной документаций;

3. снижение влияния человеческого фактора на качество результата сборки изделия;

4. обеспечение непрерывного контроля ручных операций, выполняемых оператором, для выявления ошибок в режиме реального времени;

5. повышение оперативности информирования лиц, принимающих решения, о ситуации на постах сборки;

6. предоставление оператору обратной связи о правильности выполнения операций и необходимой справочной информации на устройства отображения;

7. контроль за соблюдением техники безопасности на рабочем месте;

8. сбор статистики по непрерывному сборочному процессу для последующего анализа;

9. при использовании системы для обучения персонала – объективное измерение квалификации персонала.

В текущей версии стенда реализован следующий список автоматически обнаруживаемых событий (автоматизируемых функций), подлежащих проверке с помощью системы:

1. факт окончания этапа сборки;
2. факт выполнения правильной последовательности этапов сборки (последовательности действий);
3. факт наличия деталей на рабочем столе;
4. факт нахождения рук в кадре;
5. факт нахождения лишних рук в кадре;
6. факт перемещения верной детали (для данного этапа) из одной зоны в другую;
7. факт перемещения неверной детали (для данного этапа) из одной зоны в другую;
8. факт наличия защитной одежды;
9. факт использования инструмента;
10. факт перемещения детали через границу стола;
11. факт обнаружения лишних рук и посторонних предметов;
12. факт прохождения этапов сборки последовательно друг за другом без пропусков.

Помимо этого, система может автоматически отправлять данные в системы управления производственным процессом или предприятием, такие как SCADA, MES, ERP.

Демонстрация работы Системы контроля ручных операций в промышленном производстве

Материалы и статьи

1. A. Sergeev и др. “Method of Automatic Images Datasets Sampling for the Manual Operations Control Systems”. В: 2023 XVIII International Symposium Problems of Redundancy in Information and Control Systems (REDUNDANCY). Moscow, Russian Federation, 2023, с. 194—199. DOI: 10.1109/ Redundancy59964.2023.10330200.
2. “Annual interuniversity scientific and technical conference of students, postgraduates and young specialists named after E.V.Armensky - topic of the report “Development of scenarios for the application of manual operations control in industrial production"”, НИУ ВШЭ, 2023.
3. Sergeev A., Minchenkov V., Soldatov А. Determination of efficiency indicators of the stand for intelligent control of manual operations in industrial production / Cornell University. Series Computer Science "arxiv.org". 2024. No. 2401.10777. doi

Команда проекта

Мазиков Ярослав Андреевич

Стажер-исследователь