Система контроля качества углеродного волокна с помощью машинного зрения

Заказчик: Алабуга-Волокно
Руководитель проекта со стороны заказчика: Алина Бутусова

Инженер-технолог
ИТ-поставщик: Норд Клан
Сроки выполнения проекта: Август, 2022 - Апрель, 2023
Масштаб проекта: 3 автоматизированных рабочих места
Цели: Для поддержания высокого уровня качества продукции было решено автоматизировать контроль брака с помощью машинного зрения. Под решение задачи завода Umatex подошла готовая система нашей компании ML Sense, которая способна выявлять брак на высокой скорости конвейера и фиксировать дефекты от 0,01мм.
Результаты: ООО «Алабуга-Волокно» запустили единый центр контроля брака, который интегрирован с MES-системой. Внедренное решение ML Sense в реальном времени собирает информацию о всех дефектах, сохраняет историю и формирует отчеты, обеспечивает автоматическую выгрузку информации в систему MES предприятия. Выдержана точность выявление брака не менее 97%.
Это позволило повысить выход готовых изделий, соответствующих стандартам качества, уменьшить затраты на брак, а также снизить репутационные риски компании.

Уникальность проекта

Система способна распознавать дефекты волокна одновременно на 400 нитях на скорости конвейера до 12 метров в минуту с точностью не менее 97%.

Проект решает задачи импортозамещения

Нет

Использованное ПО

Готовое решение ML Sense для контроля качества на конвейерном производстве от компании Норд Клан, а также высокоскоростные камеры, особое интенсивное освещение, световая и звуковая сигнальная система, а также киоски - АРМ оператора по контролю качества.

Сложность реализации

При производстве углеволокна конвейерная линия разделяется на 2 этажа, также необходимо было одновременно контролировать качество около 400 нитей тончайшего волокна на высокой скорости движения конвейера. Например, для выявления отклонения по толщине необходимо было учитывать погрешность в несколько миллиметров.

Описание проекта

Волокно движется по конвейеру мимо установленных камер, которые с высокой частотой (ок. 4000 кадров в секунду) делают снимки размером 4000рх на 1рх. Затем эти “линии” изображений собираются в единое фото, которое анализирует система с машинным зрением ML Sense, развернута на отдельном сервере. Нейросеть распознает типовые дефекты волокна: ворс, обрыв, узел, изменение толщины, посторонние включения (мусор, насекомые, смола и прочее) и передает обратную связь в интерфейс программы, на сигнальную систему и в MES-систему завода.

Данные по обнаруженным дефектам, которые передается на АРМ оператора ОТК (информационный киоск):

● название дефекта;

● класс дефекта;

● порядковые номера жгутов;

● дата и время фиксации дефекта;

● изображение дефекта

Внедрение системы происходило без остановки технологических процессов завода.

После тестовых запусков и обучения пользователей работе с интерфейсом решение заработало в штатном режиме. Теперь оператор ОТК может быстро локализовать место возникновения брака:

Звуковое оповещение разделено по этажам: мужской голос для первого, женский - для второго.
Световое оповещение на линии конвейера позволяет понять в какой зоне находится жгут (зеленая, желтая или красная)
Дефекты разделены на критичные для производства и нет, каждому из них присвоен свой числовой код, который отображается на экране киоска и дублируется звуковым оповещением. В результате оператор ОТК оперативно принимает решение по устранению брака: устранить дефект на конвейере или отрезать дефектный участок жгута и запустить намотку на новую катушку.

География проекта

Завод расположен в особой экономической зона (ОЭЗ) промышленно-производственного типа «Алабуга» в Елабужском районе Республики Татарстан

Дополнительные презентации:

интерфейс системы.png
состав системы.png