В первом сортопрокатном цехе ОЭМК применяют систему распознавания клейма на литой заготовке

ОЭМК на протяжении многих лет сотрудничает со Старооскольским технологическим институтом МИСиС. Вуз – не только поставщик высококвалифицированных кадров. Его научный потенциал помогает развивать производство. Несколько месяцев назад в первом сортопрокатном цехе комбината на участке печей нагрева начались опытно-промышленные испытания системы автоматизированного распознавания клейма на литых заготовках. Она предотвращает смешивание металла и приходит на выручку оператору. Раньше сотрудник вручную выполнял эту операцию: сверял цифры клейма со списком в системе, выбирал печь для плавки и затем отправлял в нее заготовку. На все действия – не более 40 секунд. Это повышало число ошибок. Автоматическое распознавание значительно снизило риски.

Евгений Ткач, начальник участка печей сортопрокатного цеха №1 АО «Оскольский электрометаллургический комбинат»:

– На данном этапе функции контроля с оператора еще не сняты, он подтверждает в данный момент. Машина выдает, что да, это рекомендованная плавка, оператор, чтобы исключить ошибки в дальнейшем, подтверждает, и происходит транспортировка этого металла с клеймом непосредственно в печи нагрева.

Каждое клеймо несет информацию о номере плавки и номере заготовки, которая в первый прокатный попадает из сталеплавильного цеха. Самое сложное в его распознавании – верно определить все 9 цифр. У разработчиков ушло немало времени, чтобы обучить этому искусственный интеллект – обработать около 60 тысяч различных изображений клейма.

Дмитрий Полещенко, доцент кафедры автоматизированных и информационных систем управления СТИ НИТУ «МИСиС»:

– На первый взгляд, это было похоже на задачу распознавания номеров на автомобиле, что сейчас решаемо. Но подобные системы в анализе показали свою непригодность, поэтому пришлось разрабатывать свою интеллектуальную систему. Такой инструмент как нейронные сети — один из инструментов искусственного интеллекта. В нашей системе присутствует пять нейронных сетей, каждая решает свою отдельную задачу.

Антон Глущенко, заведующий кафедрой автоматизированных и информационных систем управления СТИ НИТУ «МИСиС»:

– В ближайшие несколько месяцев постараемся еще улучшить качество изображения, которое приходит с камеры, и подтянуть процесс распознавания в клеймах, которые нанесены краской для того, чтобы превысить те показатели, которые заложены в техническое задание.

Еще одной важной задачей при внедрении новинки стала ее интеграция в систему комбината. Она проходила при участии работников цеха, сотрудников других подразделений ОЭМК и команды IT-специалистов Металлоинвеста – компании «Металло-Тех».

Андрей Фомин, ведущий инженер-программист ООО «Металло-Тех»:

– Основная задача была – не помешать своими экспериментами технологическим процессам. То есть взаимодействие с операторами, технологами и при этом решение задачи эргономики. Эта система не просто должна работать, а оператору должно быть удобно с ней работать, вот на это потратили какое-то время.

Опытно-промышленные испытания автоматизированной системы уже завершаются. Эта собственная нейросетевая технология - первый продукт, разработанный в рамках программы цифровой трансформации Металлоинвеста. Новый опыт будут применять для решения сходных задач. К примеру, видеоналитику можно использовать для отслеживания ношения сотрудниками средств индивидуальной защиты.