Вестник цифровой трансформации

«Северсталь» оснастит нейронной сетью стан 2000
«Северсталь» оснастит нейронной сетью стан 2000




16:33 30.09.2020  |  5383 просмотров



Дирекция по техническому развитию и качеству дивизиона «Северсталь Российская сталь» запустила нейронную сеть VERA для контроля качества поверхности металлопроката. Новая собственная разработка специалистов «Северсталь Диджитал» будет установлена на стан 2000 – самый производительный стан горячей прокатки в России.

VERA – улучшенный аналог нейронной сети EVE, которую сотрудники «Северстали» разработали в 2019 году и применяют для классификации поверхностных дефектов металлопроката на агрегате поперечной резки №4 в цехе отделки металла №2 производства плоского проката ЧерМК.

EVE умеет находить четыре типа отклонений – плена, трещина, механический дефект и раковина – на цифровых снимках поверхности металла. Программа стала первой собственной разработкой компании по детектированию дефектов поверхности металла и заменила собой исходный алгоритм классификации дефектов решения Parsytec. Сеть получает изображения с камер Parsytec, а затем на специальном сервере с высокопроизводительными графическими процессорами обнаруживает и классифицирует дефекты, определяет их параметры. Информация о найденных дефектах выводится на экран оператора. EVE находит в три раза больше реальных дефектов, чем зарубежный аналог, а также в 13 раз меньше ложных дефектов. Также сеть отсортировывает многие мелкие некритичные и ложные дефекты, снижая нагрузку на персонал и повышая производительность цеха.

Новая программа – нейронная сеть VERA – аналогичный, но при этом более сложный алгоритм поиска и классификации большего количества отклонений. Она будет способна находить уже 19 классов дефектов. Программа включает в себя детектор аномальности, который позволит выявлять нетипичные изображения. Также сотрудники «Северсталь Диджитал» обновили интерфейс пользователя, сделав его более удобным и добавив новые функции, например, концепцию «лайк-дизлайк», которая позволяет оператору указывать модели на ошибки и на правильные решения в нестандартных ситуациях. Данный подход позволяет адаптироваться к меняющимся условиям: модель периодически дообучается на исправлениях оператора и адаптируется под технологический процесс.

Теги: Искусственный интеллект Машинное обучение

На ту же тему: