26 декабря 2019

ПАО «Камаз» столкнулся с проблемой подсчета и идентификации дорогих запчастей, хранящихся на складе. Существующая система организованного хранения и быстрого получения деталей, перестала справляться со своими задачами. Для решения возникшей проблемы компания применила решение на базе сверточных нейронных сетей, предложенное Экспонентой.

В ходе работы была решена задача автоматизации склада, позволяющая быстро классифицировать и подсчитывать детали, соотнося их с данными, вводимыми оператором. В результате, заказчик через 2 недели после обращения в ЦИТМ Экспонента получил детально проработанную концепцию и рабочий прототип.

На производственном участке выявлены недостатки эксплуатации дорогой системы хранения запасных частей, используемых при создании прототипов автомобилей. Автоматизированный склад выдает поддоны с запрошенными деталями и забирает на хранение, но не гарантирует, что оператор загрузил на поддон именно три форсунки, а не одну форсунку, плоскогубцы и отвертку. Из-за культуры производства на экспериментальном участке система организованного хранения и быстрого получения деталей постепенно переставала выполнять целевую функцию, осложняла поиск деталей, недостаточно использовалась и не оправдывала первоначальных инвестиций.

Проблема заказчика

Оператор, при загрузке деталей на склад и вводе данных в SQL базу склада, может допустить ошибки, как случайные, так и преднамеренные: неправильно указать тип детали или их количество. В результате проекта инженерами ЦИТМ Экспонента была быстро опробована концепция на основе сверточных нейронных сетей для классификации изображений деталей, их подсчета и сопоставления с данными, вводимыми оператором склада.

Особенности проекта с ЦИТМ Экспонента по быстрой проверке AI концепции

  • Длительность работ составила 2 недели, не считая промежуточных согласований
  • Создан стенд сбора данных, подобраны камеры, автоматизирован захват и формирование базы изображений
  • Отработана система получения данных и обучения нейросетей по синтезированным данным из 3d САПР
  • Создано MATLAB приложение автоматизирующее подготовку и разметку данных
  • Нейронная сеть обучена специалистами ЦИТМ Экспонента, получена высокая точность
  • Разработаны рекомендации по изменению архитектуры сети и ее обучению для реализации решения в промышленном исполнении


Видеодемонстрация результатов работы

Скачать статью полностью можно ссылке ниже.

Продукты, использованные в проекте:

Услуги

Новость
ЦИТМ Экспонента обучила студентов Тимирязевки работе с ИИ и МОП
16.11.2023
Новость
«Экспонента» представила систему машинного зрения в животноводстве
18.10.2023
Новость
Экспонента упрощает внедрение современных компетенций и высокотехнологичных продуктов в агротехе
20.03.2023
История успеха
Применение MATLAB для эффективного распознавания цифрового кода продукции Tetra Pak
05.07.2021
Публикация
Видеодетектор огня на основе глубокого обучения
23.06.2021
Видео
Deep Learning: 7. Обнаружение аномалий в данных
11.03.2021
Новость
MathWorks стал «выбором клиентов Gartner» в категории «платформы для анализа данных и машинного обучения»
22.09.2020
Видео
Обучение с подкреплением в MATLAB: 01. Введение
13.07.2020
Новость
Новые онлайн курсы ЦИТМ "Экспонента"
29.05.2020
Новость
Внимание! Изменение формата конференции “Технологии разработки и отладки сложных технических систем” на online
18.03.2020
Новость
MathWorks переместилась в категорию «лидеры» в Gartner Magic Quadrant for Data Science and Machine Learnings Platforms 2020
12.03.2020
Видео
Введение в обучение с подкреплением в MATLAB (reinforcement learning)
31.01.2020