Как превратить контроль брака в управляемый процесс

Сооснователь и технический директор BPA Tech Вадим Медяник выступил на сессии по кооперации науки и бизнеса «Автоматизация и роботизация — основа промышленного роста» в тематической секции «Интеллектуальные технологии и управление производством».

Организаторами выступили Госкорпорация «Ростех», Минпромторг России, Минобрнауки России, АО «РТ-Техприемка», Центр компетенций Минобрнауки России и Государственный университет управления. В фокусе сессии — технологии, которые уже сегодня могут встраиваться в производственные процессы и повышать их управляемость.

Вадим рассказал о применении компьютерного зрения для контроля производственного брака и сделал акцент на том, что в таких проектах сама нейросеть — только один из элементов системы.

➡️ Во-первых, нейросеть нужна далеко не всегда. Если признаки дефекта можно четко описать, эффективнее могут оказаться классические методы компьютерного зрения: анализ геометрии, контуров, цвета, текстуры или шаблонное сопоставление. В других случаях задача требует детекции, сегментации или поиска аномалий. Поэтому технология подбирается под конкретный производственный процесс, а не наоборот.

➡️ Во-вторых, качество результата часто определяется еще до запуска модели. Расположение камеры, оптика, свет, экспозиция, синхронизация с линией и стабильность изображения напрямую влияют на точность контроля. Если исходные данные получаются нестабильными, дополнительная сложность модели эту проблему не решит.

➡️ И в-третьих, найти дефект недостаточно. Важно, что происходит дальше: как информация поступает оператору, как связывается с конкретным изделием, как интегрируется с MES, SCADA или ERP и используется ли она для изменения самого производственного процесса. Когда история дефектов накапливается вместе с данными об участке, смене, оборудовании и партии, система уже помогает искать не только сам брак, но и условия его возникновения.

Поэтому наиболее интересное и полезное для бизнеса направление дальнейшего развития — переход от автоматического обнаружения дефекта к прогнозированию его возникновения и поиску причин непосредственно по данным производственного процесса.

😐 Презентацию Вадима с кейсами применения и этапами внедрения можно скачать в нашем боте во вкладке "Презентации" ― @BPA_Technologies_bot

🟦 TG | MAX