Оскольский электрометаллургический комбинат (входит в состав компании «Металлоинвест») завершает опытно-промышленную эксплуатацию автоматизированной системы распознавания клейма на литых заготовках в сортопрокатном цехе №1. Идея проекта родилась у сотрудников ОЭМК в ходе конкурса инноваций, организованного JSA Group (входит в многопрофильную ИТ-группу «ИКС Холдинг») на предприятии.
Собственное интеллектуальное решение на основе нейросетевых технологий разработано учёными СТИ НИТУ «МИСиС» совместно со специалистами комбината. За интеграцию программной части системы в производственные процессы отвечали инженеры-программисты ООО «Металло - Тех».

laquo;Ранее оператор вручную сверял цифры клейма со списком в системе, выбирал печь для плавки и затем отправлял в неё заготовку, – рассказывает начальник участка сортопрокатного цеха № 1 ОЭМК Евгений Ткач. – У сотрудника было не более 40 секунд на выполнение этих задач, что создавало большую нагрузку и повышало вероятность ошибок. Внедрение автоматического распознавания существенно снизило эти риски».

Реализованное решение использует пять нейронных сетей, каждая из которых выполняет свою отдельную задачу. В процессе сбора данных для их обучения было сделано более 60 тысяч снимков торцов заготовок с клеймом.

laquo;Один вариант клейма на заготовке отпечатывает машина, другой, в случае исправления номера, – люди вручную краской, – поясняет Дмитрий Полещенко, доцент кафедры автоматизированных и информационных систем управления СТИ НИТУ «МИСиС». – На первый взгляд процесс распознавания похож на считывание номеров на автомобилях. Но при анализе подобные системы не дали требуемого результата».

laquo;Эта система стала первым продуктом, разработанным в рамках программы Цифровой трансформации Компании. Особое чувство гордости вызывает тот факт, что данное решение совместно с коллегами из «МИСиС» создала наша внутренняя команда, – отметила директор по цифровой трансформации УК «Металлоинвест» Юлия Шуткина. – Мы продолжим взятый курс на развитие российских технологий и применение лучших практик в производстве».

Полученный в процессе реализации этого проекта опыт планируется применять для решения сходных задач. Например, технология видео аналитики может быть внедрена в определении гранулярности состава входящего сырья на конвейере, для определения качества зуба ковша экскаватора и даже для отслеживания использования сотрудниками предприятия средств индивидуальной защиты.