Workspace Digital Awards 2025 — успейте номинировать кейсы по льготной цене до 1 декабря. Принять участие!
Nord Clan
Машинное зрение для контроля качества бытовой техники на заводе Ariston
Nord Clan
#Разработка программного обеспечения

Машинное зрение для контроля качества бытовой техники на заводе Ariston

101 
Nord Clan
Nord Clan Россия, Ульяновск
Поделиться:
Клиент

Аристон

Сфера

Промышленность

Регион

Россия, Всеволожск

Сдано

Июль 2024

Задача

Автоматическое выявление брака в трубках забора горячей воды водонагревателя с помощью технологии машинного зрения. Иногда на производстве сталкиваются с проблемой: специалисты не замечают мелкие дефекты на трубках водонагревателей. Чтобы не допустить выпуск бракованной продукции, было решено применить технологию машинного зрения.

Решение

1Проектирование внедрения решения

Мы сделали тестовое видео на производстве, чтобы определить точки контроля, где будем устанавливать оборудование. Важно было оценить факторы, которые влияют на работу системы ML Sense — уровень освещения, наличие вибраций, радиальное смещение водонагревателей на конвейере, разницу по высоте между водонагревателями и предполагаемой камерой.

Затем подобрали видеокамеры, которые справятся с поиском дефектов на трубках водонагревателей. 

Для точного распознавания нейросетью вставок и заусенцев на трубках водонагревателей подобрали осветительные приборы со светодиодами высокой интенсивности, чтобы получать четкие снимки высокой контрастности. 

Для быстрого оповещения сотрудников о дефектах внедрили коробочную систему оповещения. Для этого присвоили дефектам три класса оповещения: красный — отсутствие вставки на трубке, желтый — заусенец на трубке, зеленый — бак без дефектов. Как только система “видит” дефект, срабатывает звуковой сигнал и конвейер останавливается. Это дает возможность контролеру снять с конвейера бак, у которого отсутствует вставка на трубке, или отрезать заусенец, если он обнаружен.

2Подготовка к монтажу и обучение неройсети

Протестировали созданную систему контроля качества трубок водонагревателей ML Sense в собственной лаборатории.

Смоделировали виртуальную 3D сцену на основе замеров с производственной линии. Рассчитали оптимальное расстояние для установки камер, светильника и подготовили чертежи мачты для крепления оборудования, по которым изготовили конструкцию.

Обучили нейросеть распознавать типовые дефекты трубок. Для этого собрали датасет из фотографий, где каждый вид дефектов размечен и классифицирован: на этой трубке есть вставка, на этой есть заусенец.

3Монтаж системы и внедрение решения на завод

Произвели монтаж оборудования на заводе Ariston во Всеволожске. Установили мачты, закрепили камеры, установили ПО на пост контроля, обучили персонал работать с системой ML Sense. Завершили пусконаладку. 

Уже на производстве в ходе работы выявили новый вид втулки — металлическая. В техзадании заказчика этого вида втулки не было, поэтому мы изначально обучали систему только на типовой эмалированной втулке. Но поскольку мы всегда за то, чтобы решение работало и приносило пользу, то мы доработали систему — дообучили нейросеть на металлической втулке тоже.

Сдали заказчику все оборудование и программный код.  Сроки реализации: 3 месяца

Результат

Кейс завода электрических водонагревателей Ariston — наглядный пример того, как с помощью машинного обучения можно автоматизировать контроль качества продукции. Теперь оператору на конвейере не нужно вручную проверять каждый водонагреватель. Мы заменили визуальный контроль на машинное зрение.

- Система в 100% случаев видит дефект, оповещает оператора о том, какой вид брака обнаружен, звуковым и световым сигналом, останавливает конвейер.

- Сотруднику остается только снять дефектную продукцию с конвейера, отправить ее на доработку, либо исправить дефект вручную.

Отзыв клиента

Михаил Павлов
Михаил Павлов

Менеджер по качеству

ООО «Аристон Термо Русь» благодарит компанию ООО «Норд Клан», за профессионализм и качество работ в рамках интеграции проекта автоматизированной системы обнаружения дефектов на линии сборки. Команда подрядчика продемонстрировала понимание задачи и слаженную работу на всех этапах - от разработки архитектуры и алгоритмов до тестирования и интеграции с производственной линией. А также высокий уровень экспертизы в области машинного обучения и нейросетей. Результаты внедрения системы соответствуют нашим ожиданиям. Система демонстрирует стабильную и точную работу, позволяя своевременно выявлять дефекты. Кроме того, обеспечивает сбор ценных данных, которые могут быть использованы для дальнейшего совершенствования производственного процесса. Команда специалистов продемонстрировала оперативную реакцию на возникающие вопросы и выработку соответствующих решений.

скан отзыва

Стек технологий

  • Python Python Язык программирования

Выскажите мнение
Авторизуйтесь, чтобы добавить свой комментарий.
оставить заявку

Хотите заказать похожий проект?

Nord Clan с удовольствием обсудит вашу задачу

Оставить заявку