29 марта 2021
В Библиотеке AI Russia Work опубликован совместный кейс Videomatrix и НЛМК
Один из совместных проектов Videomatrix и НЛМК, который позволил автоматизировать на металлургическом производстве контроль качества очистки чугуна после десульфурации, опубликован в библиотеке эффективных решений AI Russia* Works**.
Установка десульфурации чугуна (УДЧ) – один из этапов обработки сырья в процессе промышленного производства стали. В разлитый по ковшам жидкий чугун вдуваются реагенты, чтобы очистить материал от серы. В процессе химической реакции сера связывается с реагентами и поднимается на поверхность в виде шлака. Чтобы его удалить, необходимо наклонить ковш и снять шлак с поверхности специальным скребком – скиммером.
Важно найти баланс между качеством очистки чугуна от примесей и потерями самого металла, норматив которого — до 2 тонн металла на плавку. Скачивание шлака осуществлялось ранее вручную работником бригады, с опорой сотрудника на собственный опыт и субъективную оценку, достаточно ли хорошо очищен чугун. При этом ни сам процесс, ни его результаты нигде не фиксировались. Расход металла на плавку превышал 3 тонны.
Компания «ВидеоМатрикс» внедрила в ПАО «НЛМК» систему видеоаналитики Vmx Dequs: HistControl — собственное разработанное решение на базе технологий искусственного интеллекта и компьютерного зрения. Система на основе Vmx Dequs фиксирует весь процесс очистки чугуна от шлака и автоматически контролирует степень чистоты сырья. В базе анализируются данные, необходимые для оптимизации техпроцесса: индекс чистоты, время очистки, номер бригады, ФИО сотрудника и др.
Для анализа процесса очистки чугуна от примесей Vmx Dequs использует нейронные сети, инструменты компьютерного зрения и математические алгоритмы. Нейронная сеть обнаруживает на видеопотоке ковш и скиммер, задействованные в процессе очистки чугуна, фиксирует границы чана и перемещения скиммера. Благодаря этому она определяет динамическую область жидкого шлака – зону для последующего сканирования и анализа. Затем математически вычисляется индекс частоты скачивания шлака и отображается в системе на экране оператора. Нейронная сеть обучалась на датасете из 1,5 тысяч изображений. Использовалась «облегченная» модель yolo-v4 детектора — yolo-v4_tiny. В дальнейшем для повышения точности работы системы датасет для обучения был увеличен до 5 000 изображений.
На изображении: скриншот с видеозаписи скачивания шлака. Слева вверху располагается индекс чистоты, на данном изображении это 82%, слева внизу – лопатка скиммера, который очищает шлак влево вниз относительно изображения
По результатам внедрения Системы Vmx Dequs: HistControl индекс чистоты скачивания увеличился с 75% до 90%, сократились потери металла при скачивании шлака до норматива в рамках 2 тонн на плавку, появился единый объективный инструмент контроля, который также позволил наглядно объяснить задачи миксеровым и позволил лучшим сотрудникам обучать коллег. Система контроля чистоты скачивания принесла предприятию 20 млн.руб за год и окупилась за 1 месяц.
Также проект «ВидеоМатрикс» и НЛМК по автоматизации контроля качества очистки чугуна после десульфурации попал в номинанты AI Russia Awards, первой в России премии для проектов на базе искусственного интеллекта, показавших выдающийся бизнес-эффект.
* * *
*AI Russia — это проект Альянса в сфере искусственного интеллекта. Он демонстрирует бизнес-сообществу работающие российские кейсы с использованием AI. В Альянс входят крупнейшие технологические компании России: Mail.ru Group, МТС, «Яндекс», Сбер, «Газпром нефть», РФПИ.
**AI Russia Works— это открытая библиотека кейсов и премия в области бизнес-эффективности проектов, созданных с использованием искусственного интеллекта.