Анализ гранулометрического состава руды и детектирование негабарита на конвейере

Заказчик: Стойленский ГОК, Новолипецкий Металлургический Комбинат (группа НЛМК)
Руководитель проекта со стороны заказчика: Андрей Немировский

Начальник управления по цифровой трансформации дивизиона руда
ИТ-поставщик: ООО "Рэдмедробот МСК", rdl by red_mad_robot
Год завершения проекта: 2022
Сроки выполнения проекта: Июль, 2020 - Ноябрь, 2022
Масштаб проекта: 20700 человеко-часов
Цели: Цели проекта:

- Повысить эффективность процесса измельчения руды путем улучшения качества дробления

- Внедрить сбор информации о качестве дробления руды

- Автоматизировать принятие решений по настройке режимов работы последующего оборудования

- Выявить появление негабаритов в рудном потоке

Бизнес задачи:

- Повысить производительность комплекса дробления в среднем на 100 т/час

- Сократить время работы на пониженной производительности на 15% в год и исключить внеплановые остановки конвейерных лент

- Сократить время получения данных о фракционном составе руды с 2 часов до секунды

- Исключить инциденты связанные с попаданием негабаритов в промышленные агрегаты

- Оптимизировать качество выходной продукции в требуемом диапазоне за счет оптимальной настройки дробильного оборудования

Уникальность проекта

Применение технологий компьютерного зрения и искусственного интеллекта для решения задачи автоматизации мониторинга гранулометрического состава руды в режиме реального времени при высокой скорости движения анализируемого объекта — уникальное решение (Подобные решения на базе лазерных технологий - лидары, камеры глубины - хорошо определяют форму, объем, но не могут детектировать грансостав) Высокая точность до 95% предсказания классов крупности руды во всем ее объеме (во внешнем и внутреннем слое) за счет использования технологий нейронных сетей и математических алгоритмов Использование 3D синтетически сгенерированного датасета для обучения нейронных моделей

Проект решает задачи импортозамещения: Да
Использованное ПО: В основе решения лежит собственное программное обеспечение разработанное rdl by red_mad_robot с применением технологий компьютерного зрения и искусственного интеллекта для решения задачи автоматизации мониторинга гранулометрического состава руды в режиме реального времени при высокой скорости движения анализируемого объекта. Подтвердженная точность выявления искомых объектов не ниже 95%.

Применяемое оборудование:
- Высокоскоростная камера basler(до 30 кадров в сек.)
- Осветительные прожектора совокупной мощностью не ниже 40 000 люмен
- Сервер Аналитики модель HPE DL380 GEN10 2U
- Система хранения данных Synology DS420+
Сложность реализации: Много экспериментировали с оборудованием
Подбирали камеры объективы, настраивали положение
В цеху темно - не сразу, но мы нашли правильные светильники и смогли увидеть контуры камней вместо тёмно-серого потока
Данных для обучения нейросетей было очень мало
Мы искусственно нагенерировали огромный массив 3D синтетического датасета
Боролись с запылением оборудования
Помещения цеха, где дробится руда, не хирургическая операционная — камеры и прожекторы периодически пылятся —думали про кожухи с дворниками и водой. Попробовали. Пока не работает
Как увидеть то, чего не видит камера?
Внутренний слой руды никак не посмотреть, но знать, что там находится нужно, поэтому, используя данные ручных рассевов, мы стали их предсказывать
Описание проекта: Стойленский горно-обогатительный комбинат входит в тройку ведущих российских предприятий по производству железорудного сырья. Добытую открытым способом горную породу доставляют на фабрику для того, чтобы здоровенные камни раздробить на части, части перетереть в щебень, а щебень потом — в песок.
На каждом этапе, если дробить слишком мелко, то это приведет к перерасходу энергии и износу машин, а если слишком крупно — этот перерасход и износ лягут потерями на следующем технологический этапе.

Надо дробить в заданном коридоре, но мы не знаем, слишком мелко мы дробим или слишком крупно.

Автоматическая система анализа грансостава реализована в виде программно-аппаратного комплекса и работает так:
- Система принимает на вход поток изображений с видеокамеры, установленной над конвейером
- Умная видеоаналитика непрерывно анализирует видимый слой руды
- За счет применения технологий компьютерного зрения и искусственного интеллекта система в автоматическом режиме выдает информацию о фракционном составе дробленой руды на конвейере и выявляет негабаритные куски породы
- Данные поступают на пульт оператора АСУТП в режиме реального времени
- Полученные данные позволяют сформировать рекомендации для максимально точной оптимизации и работы оборудования комбината

Видеоролик по ссылке.
География проекта: Проект реализован в Стойленском горно-обогатительном комбинате, г. Старый Оскол
Дополнительные презентации:: Грансостав для Конкурсов_RMR.pdf