В какой из компаний работают разработчики алгоритмов компьютерного зрения северсталь
ООО «Северсталь Диджитал» (входит в ПАО «Северсталь») завершило разработку первой версии нейронной сети для выявления поверхностных дефектов на листовом металле в Цехе обработки металлов №2 (ЦОМ-2) производства плоского проката Череповецкого металлругического комбината (ЧерМК).
На предприятии уже стартовал пилотный проект по подтверждению точности модели в качестве одного из элементов системы автоматической аттестации качества конечной продукции. Анализ первых результатов работы модели показывает существенно более высокую точность детектирования дефектов по сравнению с использовавшимся ранее промышленным аппаратным комплексом по визуальной инспекции.
С целью сравнения параметров модели, разработанной специалистами Дирекции по техническому развитию и качеству (ДТРК) и ООО «Северсталь Диджитал», с решениями, которые могут предложить лучшие мировые Data Science команды, а также для дальнейшего совершенствования этой модели, компания запустила конкурс на Kaggle — крупнейшей мировой платформе для проведения соревнований по машинному обучению (входит в группу компаний Google). Конкурс стартовал 26 июля 2019 года и продлится 3 месяца.
«Kaggle уже зарекомендовал себя как наилучшая площадка по поиску наиболее совершенных решений в сфере цифрового производства. В разное время конкурсы на платформе Kaggle проводил целый ряд ведущих зарубежных и российский высокотехнологичных компаний. В одном из последних соревнований одновременно принимали участие около 9 тыс. команд. С учетом специфики задачи «Северстали» мы ожидаем что в нашем соревновании примет участие порядка 1–3 тыс. специалистов по Data Science со всего мира. Качество предложенных участниками решений будет оцениваться с помощью метрики Mean Dice Coefficient. Таким образом, решения участников будут оцениваться не только по точности классификации обнаруженных дефектов металла, но и по тому насколько правильно эти дефекты были локализованы, определена их форма и площадь поверхности», — комментирует директор по развитию цифровых технологий «Северстали» Игорь Бардинцев.
Призовой фонд составляет суммарно $120 тыс.: за первое место победитель получит $40 тыс., за второе – $25 тыс., третье – $15 тыс. за четвертое и пятое места – по $10 тыс. Кроме этого предусмотрен отдельный приз в $20 тыс. за самое быстрое решение.
«Выделение дополнительного приза за самое быстрое решение позволит нам не только поощрить на создание самых точных моделей, но и получить решения, которые оптимизированы на скорость исполнения при сохранении приемлемого качества», — отмечает Игорь Бардинцев.
Такие явления как «Искусственный интеллект» и «Цифровая трансформация» постепенно становятся обязательным атрибутом многих современных компаний, в том числе «Северстали».
Такие явления как «Искусственный интеллект» и «Цифровая трансформация» постепенно становятся обязательным атрибутом многих современных компаний, в том числе «Северстали». Практически во всех производствах Череповецкого металлургического комбината запущены проекты по использованию машинного зрения.
Машинное или по-другому компьютерное зрение – новый, но уже привычный инструмент для череповецких металлургов. Умные системы контролируют работу агрегатов, помогают избежать аварий и потерь, следят за безопасностью на рабочих местах. Камеры способны видеть в разы больше человеческого глаза, они работают в режиме нон-стоп и сигнализируют при малейших отклонениях от нормы.
Сотрудники коксоаглодоменного производства ЧерМК применили машинное зрение для экологии. Программно-аппаратный комплекс предназначен для недопущения газования дверей коксовой батареи, что позволяет снизить неорганизованные выбросы в атмосферный воздух.
Николай Панузин, ведущий эксперт Центра технологического развития коксоаглодоменного производства ЧерМК: «Машинное зрение включает в себя промышленную камеру и алгоритм, который на нее наложен с целью определения из тысячи единообразных картинок те, которые подходят под эти условия».
Комплекс в режиме онлайн наблюдает за состоянием дверей коксовых батарей. В случае газования комплекс сигнализирует технологическому персоналу и начальнику цеха, чтобы те предприняли необходимые действия. «События» с датой наступления и фото архивируются, цель – понимать динамику и избегать подобных случаев в дальнейшем.
Николай Панузин, ведущий эксперт Центра технологического развития коксоаглодоменного производства ЧерМК: «Уже в начале промышленных испытаний мы заметили тенденцию по снижению количества неорганизованных выбросов / 04.11- 4.19/ Количество случаев – срабатываний машинного зрения стало меньше на 70 %».
Помимо экологической составляющей, улучшилась и технологическая дисциплина персонала и состояние рабочих мест.
Андрей Чумаков, мастер по технологии коксового цеха № 1 ЧерМК: «На мониторе мы видим идеальное состояние, горит зеленый свет. При выделении сырого коксового газа система срабатывает, подается звуковой сигнал. Дается 15 минут на устранение этого замечания. Самое главное – это снижение экологической нагрузки на атмосферу, наш город Череповец. Второе – продление срока служба коксовой батареи. Третье – повышение технологической дисциплины нашего персонала».
В планах металлургов – оснастить комплексами машинного зрения все блоки коксовых батарей, что будет еще одним шагом к улучшению экологической обстановки в Череповце.
Искусственный интеллект, запущенный на НТА-3, может стать первым подобным случаем российской практике.
Специалисты «Северсталь Диджитал» совместно с Центром технологического развития, цехом травления производства плоского проката Череповецкого металлургического комбината (входит в дивизион «Северсталь Российская сталь») усовершенствовали модель, управляющую скоростью непрерывно-травильного агрегата № 3 (НТА-3). К ней был подключен интеллектуальный агент, в основе которого алгоритм глубокого машинного обучения с подкреплением (reinforcement learning, RL), выполняющий функции искусственного интеллекта.
«Рубан» работает одновременно с цифровой моделью «Аделина», которая была установлена на НТА-3 ранее. «Аделина» вычисляет скорость управления агрегатом, а агент корректирует ее для достижения оптимального результата. Это обеспечивает производственному процессу большую гибкость и безопасность, так как модель и агент способны корректировать скорость агрегата каждую секунду и мгновенно реагировать на непредвиденные ситуации.
«Модель «Аделина» оправдала ожидания, показав рост производительности НТА-3 более, чем на 5 процентов. В марте 2020 года мы выпустили рекордный объем травленого проката на этом агрегате – свыше 130 тысяч тонн. После подключения интеллектуального агента производительность выросла еще на 1,5%. По расчетам, это может обеспечить нам более 80 тысяч тонн дополнительного производства в год. Это значимый показатель для одного из самых востребованных агрегатов в производстве плоского проката, – прокомментировал генеральный директор дивизиона «Северсталь Российская сталь» и ресурсных активов Евгений Виноградов.
Новый интеллектуальный агент «Рубан» отличается от классических моделей машинного обучения тем, что обучается не по историческим данным, а самостоятельно, исследуя среду цифрового двойника НТА-3. Скорость управления технологической частью агрегата во многом зависит от параметров проходящей стальной полосы – длины, ширины и толщины рулона, марки стали, температуры смотки металла и других. «Рубан» учится на сочетаниях параметров, которые создает специально для него генеративно-состязательная сеть. Также она задает план проката и формирует ситуации, которых не было в истории. Для более эффективного обучения интеллектуальному агенту была назначена система поощрений и штрафов. Путем экспериментов «Рубан» ищет решение, при котором сумма поощрений максимально превосходит сумму штрафов.
«Технология машинного обучения с подкреплением для управления агрегатами еще не получила широкого распространения в промышленности и, в частности, металлургии. Искусственный интеллект, запущенный на НТА-3, может стать первым подобным случаем российской практике. Повышение производительности, зафиксированное на НТА-3 после внедрения цифровых инструментов, доказывает, что у data driven подхода есть большое будущее в промышленности, и мы движемся в правильном направлении», – прокомментировал генеральный директор «Северсталь Диджитал» Борис Воскресенский.
29 июля 2019 г., Москва — ООО «Северсталь Диджитал» (входит в ПАО «Северсталь») завершило разработку первой версии нейронной сети для выявления поверхностных дефектов на листовом металле в Цехе обработки металлов №2 (ЦОМ-2) производства плоского проката Череповецкого металлругического комбината (ЧерМК). Призовой фонд конкурса составляет суммарно $120 тыс.
На предприятии уже стартовал пилотный проект по подтверждению точности модели в качестве одного из элементов системы автоматической аттестации качества конечной продукции. Анализ первых результатов работы модели показывает существенно более высокую точность детектирования дефектов по сравнению с использовавшимся ранее промышленным аппаратным комплексом по визуальной инспекции.
С целью сравнения параметров модели, разработанной специалистами Дирекции по техническому развитию и качеству (ДТРК) и ООО «Северсталь Диджитал», с решениями, которые могут предложить лучшие мировые Data Science команды, а также для дальнейшего совершенствования этой модели, компания запускает конкурс на Kaggle — крупнейшей мировой платформе для проведения соревнований по машинному обучению (входит в группу компаний Google). Конкурс стартовал 26 июля 2019 года и продлится 3 месяца.
В одном из последних соревнований одновременно принимали участие около 9 тыс. команд. С учетом специфики задачи «Северстали» мы ожидаем что в нашем соревновании примет участие порядка 1–3 тыс. специалистов по Data Science со всего мира. Качество предложенных участниками решений будет оцениваться с помощью метрики Mean Dice Coefficient. Таким образом, решения участников будут оцениваться не только по точности классификации обнаруженных дефектов металла, но и по тому насколько правильно эти дефекты были локализованы, определена их форма и площадь поверхности», — комментирует директор по развитию цифровых технологий «Северстали» Игорь Бардинцев.
Призовой фонд составляет суммарно $120 тыс.: за первое место победитель получит $40 тыс., за второе – $25 тыс., третье – $15 тыс. за четвертое и пятое места – по $10 тыс. Кроме этого предусмотрен отдельный приз в $20 тыс. за самое быстрое решение.
«Выделение дополнительного приза за самое быстрое решение позволит нам не только поощрить на создание самых точных моделей, но и получить решения, которые оптимизированы на скорость исполнения при сохранении приемлемого качества», — отмечает Игорь Бардинцев.
29 июля 2019 г., Москва — ООО «Северсталь Диджитал» (входит в ПАО «Северсталь») завершило разработку первой версии нейронной сети для выявления поверхностных дефектов на листовом металле в Цехе обработки металлов №2 (ЦОМ-2) производства плоского проката Череповецкого металлругического комбината (ЧерМК). Призовой фонд конкурса составляет суммарно $120 тыс.
На предприятии уже стартовал пилотный проект по подтверждению точности модели в качестве одного из элементов системы автоматической аттестации качества конечной продукции. Анализ первых результатов работы модели показывает существенно более высокую точность детектирования дефектов по сравнению с использовавшимся ранее промышленным аппаратным комплексом по визуальной инспекции.
С целью сравнения параметров модели, разработанной специалистами Дирекции по техническому развитию и качеству (ДТРК) и ООО «Северсталь Диджитал», с решениями, которые могут предложить лучшие мировые Data Science команды, а также для дальнейшего совершенствования этой модели, компания запускает конкурс на Kaggle — крупнейшей мировой платформе для проведения соревнований по машинному обучению (входит в группу компаний Google). Конкурс стартовал 26 июля 2019 года и продлится 3 месяца.
В одном из последних соревнований одновременно принимали участие около 9 тыс. команд. С учетом специфики задачи «Северстали» мы ожидаем что в нашем соревновании примет участие порядка 1–3 тыс. специалистов по Data Science со всего мира. Качество предложенных участниками решений будет оцениваться с помощью метрики Mean Dice Coefficient. Таким образом, решения участников будут оцениваться не только по точности классификации обнаруженных дефектов металла, но и по тому насколько правильно эти дефекты были локализованы, определена их форма и площадь поверхности», — комментирует директор по развитию цифровых технологий «Северстали» Игорь Бардинцев.
Призовой фонд составляет суммарно $120 тыс.: за первое место победитель получит $40 тыс., за второе – $25 тыс., третье – $15 тыс. за четвертое и пятое места – по $10 тыс. Кроме этого предусмотрен отдельный приз в $20 тыс. за самое быстрое решение.
«Выделение дополнительного приза за самое быстрое решение позволит нам не только поощрить на создание самых точных моделей, но и получить решения, которые оптимизированы на скорость исполнения при сохранении приемлемого качества», — отмечает Игорь Бардинцев.
Читайте также: