Машинне зір в ТОіР: ефективний пошук несправностей та дефектів
Велика дорога починається з маленьких кроків, а великі збитки — з маленьких непередбачених поломок. Вберегти від цього та водночас виробляти більше допомагає машинний зір (Machine Vision) — технологія у концепті Industry 4.0.
Машинний зір автоматично фіксує й аналізує фотографії фізичних об’єктів чи явищ. Якби цей пристрій був у наших мам, вони б налаштували алгоритм для аналізу голови на предмет вдягнутої шапки. Бізнес використовує машинний зір ширше — для підвищення якості продукції та прогнозування аварій обладнання в автобудівництві, фармацевтиці, харчовій промисловості тощо. Згідно з аналітикою, увесь ринок Machine Vision до 2027 року досягне позначки понад 19 мільярдів доларів.
Принцип роботи машинного зору досить простий (чого не скажеш про його архітектуру). Камери й сенсори передають системі зображення і дані, які вона розпізнає та класифікує. Потім вони інтерпретуються за сценарієм. Наприклад: якщо «подія = перегрів», то система виконує «сповіщення» до «робітник_1». Такі ж сценарії можливо відтворити у роботі зі спецодягом чи порушенням периметру небезпечної зони.
У чому переваги машинного зору?
Машинний зір став популярним у роботі з обладнанням, бо компанії постали перед такими викликами:
- професіонали коштують дорого
Знайти та втримати висококваліфікованого спеціаліста важко, а навчати нових — довготривало та затратно. Компанії страхують свої процеси, передаючи частину компетенцій штучному інтелекту
- люди помиляються
Їм це властиво: від ведення документації до оптичних ілюзій. Коли справа стосується ризикованих об’єктів на кшталт нафтової вежі, будь-яку залежність від людського фактора краще прибрати
- дані люблять порядок
У грамотній роботі з даними по обладнанню є два принципи: структурованість та інтерпретація. Для першого люди мають занадто хаотичну систему (чого варті папірці й Excel-таблички), а для другого — арифметично обмежений мозок
- безпека понад усе
Перевірка стану обладнання на високоризикових об’єктах лоскоче нерви і робітникам, і керівництву. Тому такі речі передають камерам і датчикам: так дешевше, надійніше і спокійніше.
Головна перевага машинного зору у можливості (завчасно або по факту) виявити аномалії. Алгоритми аналізують нові знімки, порівнюють їх із попередніми та сповіщають про проблеми на виробничих лініях. Це корисно не лише для обладнання, але й для продукції: коли треба перевірити велику кількість предметів на лінії, машинний зір — теж найкраще рішення.
Машинний зір на практиці
В автомобільній індустрії хвилина простою може коштувати понад $20 000. Саме технології машинного бачення, як, наприклад, SmartEAM від ITE або ZDT від FANUC, допомагають виробникам економити на аваріях, простоях і перероблюванні. Такі системи зчитують фотографії з камер, вмонтованих у роботів на фабриці. Масиви даних (Big Data) надсилаються у хмару, де обчислювальні алгоритми (Cloud Computing) аналізують їх і повідомляють робітників про необхідні ремонти. Очікувані результати: від 70+ передбачених аварій за перші півтора року.
Іще один наочний приклад: система віброаналізу обладнання OptiVibe, запатентована американцями з RDI Technologies. Їхні камери, розставлені навколо агрегатів заводу, зчитують вібрації обладнання з частотою 205 кадрів на секунду і що п’ятнадцять секунд передають їх у систему. Алгоритми обробляють кожен піксель із кожного зображення, виявляють інтенсивність вібрації та створюють віброграми. Це дає змогу інженерам бачити частоту й амплітуду вібрацій, запобігати аваріям і завжди тримати обладнання в тонусі. Результат: ще ефективніші предиктивні підходи та зекономлені гроші на ремонтах.
Як бачимо, інструменти Industry 4.0 на кшталт машинного зору — це можливість менше витрачати на ремонт обладнання і застерегти себе від незапланованих аварій. За десятки років в індустрії ми втілили сотні подібних рішень: від стаціонарних систем до обчислень на хмарних серверах. Якщо ви досі на роздоріжжі щодо інновацій або не впевнені, як правильно інвестувати в обслуговування обладнання, — напишіть нашим експертам для безкоштовної консультації.
