Активное развитие информационных технологий запустило важный для бизнеса процесс – оптимизацию. Выполнение задач, которые раньше занимали несколько часов и делались специалистами вручную, теперь занимает всего несколько минут благодаря современному программному обеспечению. И если мы видим положительный результат такой автоматизации в небольших компаниях, представьте каковы его масштабы в рамках крупных производств. Да, зачастую промышленные предприятия с трудом соглашаются на внедрение новых технологий, а переходы с одной модели работы на другую требуют значительных ресурсов. Но и выгоды от автоматизации производственных процессов переоценить сложно: Повышается качество и надежность изделий за счет высокой точности оборудования Увеличивается производительность: объемы производства растут, временные затраты сокращаются Уменьшаются операционные расходы Значительно сокращается время на подготовку технической документации, отчетности и аналитики Повышается конкурентоспособность компании за счет улучшения качества выпускаемой продукции, возможности быстро адаптировать производство к меняющимся требованиям и масштабировать его при необходимости Именно эти причины подтолкнули нашего клиента, крупный машиностроительный завод, к реализации проекта по автоматизации контроля качества сварных соединений (швов) на рамах тележек. Главная цель проекта – создание и внедрении универсальной роботизированной измерительной ячейки (РИЯ), которая самостоятельно контролирует качество сварки шва, исключая человеческий фактор, обнаруживает различные дефекты, готовит техническую документацию (паспорт) по каждому выпущенному изделию, а также собирает и хранит данные о возможных несоответствиях изделий установленным нормам. Задача Заказчик решил заменить текущую технологию, где проверку качества и соответствия изделия технической документации осуществлял человек (контролер), и подобрал для этого оптимальную модель – 3D-сканер с лазерным трекером. Данная технология измерения позволяет получить цифровой 3D-двойник готового изделия, контролировать его геометрические параметры, наличие приварных элементов и правильность их размещения. Проектной команде Globus IT предстояло: осуществить автоматизацию процессов контроля качества, исключить человеческий фактор и обеспечить надежность и точность контроля; разработать ПО, которое сможет определять наличие дефектов сварного шва и их координаты, а также формировать электронные паспорта изделий с информацией о геометрических параметрах и дефектах сварных соединений; сделать реверс-инженеринг (так как манипулятор поставлялся уже с встроенным ПО) и разработать систему автоматического формирования отчетности по выявленным нарушениям качества изделия с привязкой к конкретному чертежу; интегрировать созданные веб-решения в информационную систему управления компании. Tasks Реализация В рамках проекта была создана специализированная программа для разметки данных с использованием C# .Net и интерфейсом WinForms с подробной инструкцией по разметке данных. В качестве основы использовались около 12 000 фотографий, предоставленных РИЯ. В процессе команда столкнулась с отсутствием достаточного количество данных, в связи с чем приходилось специально браковать изделия в рамках рабочего процесса и фиксировать случаи брака, накапливая необходимый «опыт». Программа для обучения нейронных сетей создавалась на языке программирования Python 3.6 с использованием библиотек и инструментов TensorFlow 2, OpenCV и tensorboard. Нейронные сети разрабатывались вручную и предназначались для определения дефектов сварных соединений. Одной из сложностей, с которой столкнулась команда на данном этапе, стала необходимость создания сбалансированных и непересекающихся наборов данных (mini-batch). Программа анализа данных на РИЯ была построена на языке программирования C# .Net с использованием TensorFlow .Net. А для обмена данными использовался протокол OPC через OPC UA SDK. В итоге командой Globus IT было разработано комплексное программное обеспечение, которое обнаруживает дефекты сварного шва и автоматически