Аннотация

В современном производстве наряду с поддержанием стабильного качества продукции важным параметром является обеспечение безопасности оборудования. Для решения этой задачи мы разработали систему контроля качества готовой продукции на основе искусственного интеллекта для изготовления продукции из формованного бумажного волокна, использующую датчики технического зрения, интегрированные с роботами. Данная система автоматически контролирует процесс, осуществляя проверку продукции, выходящей из секции горячего пресса формовочной машины, с помощью робота, оснащённого датчиком технического зрения. В случае застревания продукции в горячем прессе во время процесса сушки датчик технического зрения обнаруживает проблему и подаёт сигналы, которые запускают аварийную сигнализацию и оповещают оператора о необходимости проверить горячий пресс и удалить застрявший материал. Предотвращая застревание продукции, это способствует повышению стабильности качества продукции и эффективности работы машины, поскольку данный подход помогает увеличить срок службы сетки, используемой в формовочной и сушильной секциях, что позволяет сократить частоту замен. В данной статье подчёркивается интеграция ИИ и датчика технического зрения, которая предлагает эффективное автоматизированное решение для контроля качества, повышая как стабильность качества продукции, так и эффективность работы машины при минимальном ручном вмешательстве.

Ключевые слова: система на основе ИИ, качество продукции, эффективность работы машины, горячий пресс, интеграция роботов.

Введение

В современной быстро развивающейся обрабатывающей промышленности достижение высокого качества продукции при обеспечении безопасности и эффективности работы машин является критически важной задачей. Как инновационная технология, машинное зрение обеспечивает надёжный и быстрый круглосуточный контроль и помогает производителям повышать эффективность производственных операций [1]. Поскольку спрос на точность и стабильность растёт, традиционные методы контроля качества часто оказываются недостаточными для удовлетворения этих потребностей. Для решения этой проблемы внедряются инновационные технологии, такие как искусственный интеллект (ИИ) и передовые датчики, которые преобразуют производственные процессы. Одной из таких инноваций является разработка системы на основе ИИ для машины формования, интегрирующей датчики технического зрения с роботами.

На формовочной машине процесс формования продукции осуществляется в основном в две стадии: секция формования и секция сушки. После формования в секции формования продукция передаётся в секцию сушки, где она сжимается между горячими прессами при определённой температуре. В этой секции существует вероятность прилипания продукции к форме горячего пресса. Кроме того, если это явление продолжается в течение нескольких циклов, это приводит к повреждению сетки, которая является наиболее критическим параметром, поскольку напрямую влияет на процесс формования продукции.

Таким образом, система на основе ИИ для формующей машины, интегрирующая датчики технического зрения с роботами, автоматически обнаруживает такие проблемы, как застревание любого формуемого изделия в горячем прессе, и затем система оповещает оператора, подавая сигнал, который запускает аварийную сигнализацию. Это предотвращает застревание продукции в горячем прессе, что значительно улучшает как контроль качества, так и производительность машины, поскольку существует необходимость поддержания высокого качества продукции, а также безопасности оборудования в процессе производства. Это предотвращает производственные задержки и увеличивает срок службы машины за счёт снижения износа и минимизирует необходимость частых замен, в первую очередь сетки. Такой комплексный подход не только обеспечивает стабильное качество продукции, но и сокращает ручное вмешательство, делая производственные процессы более эффективными и надёжными.

Материалы и методы

В этом разделе мы описываем материалы, используемые, и методологию, применённую для разработки и внедрения системы контроля качества готовой продукции на основе ИИ для машины методформования с интегрированными датчиками технического зрения и роботами. Цель данного подхода — обеспечить стабильное качество продукции, повысить эффективность работы машины и продлить срок службы производственного оборудования.

Материалы

Машина методформования: основное оборудование, используемое для производства различных изделий из формованной массы.

Система управления на основе ИИ: система работает на основе алгоритма искусственного интеллекта (ИИ), предназначенного для обработки входных данных от датчиков технического зрения и принятия решений о качестве продукции. Эта система ИИ анализирует данные в реальном времени для выявления потенциальных проблем в производственном процессе, таких как застревание или неправильно сформированные изделия.

Датчики технического зрения: на машине методформования установлены датчики технического зрения высокого разрешения для контроля готовой продукции по мере её захвата роботом. Эти датчики фиксируют детальные изображения продукции, позволяя системе обнаруживать отклонения, такие как застревание тарелок, чаш или любых других формуемых изделий в горячем прессе.

Роботы: в систему интегрированы промышленные роботы для автоматизации процессов контроля и перемещения материалов. Эти роботы извлекают продукцию из горячего пресса и транспортируют её на соответствующие этапы производственного процесса. Кроме того, они оснащены механизмами для устранения проблем, обнаруженных датчиками технического зрения, таких как удаление застрявших материалов.

Горячий пресс: горячий пресс является критически важным компонентом машины методформования, отвечающим за формирование изделий в процессе производства. Он постоянно контролируется датчиками технического зрения для обнаружения любых потенциальных заторов или проблем.

Система сигнализации: в систему на основе ИИ интегрирована система сигнализации. При обнаружении датчиками технического зрения потенциальной проблемы, такой как застрявшее изделие, система сигнализации оповещает оператора о необходимости принятия корректирующих мер.

Методология

Интеграция системы: первым шагом методологии является интеграция системы управления на основе ИИ, датчиков технического зрения и промышленных роботов в машину методформования. Система ИИ подключается к датчикам технического зрения, которые непрерывно контролируют продукцию по мере её прохождения через горячий пресс. Роботы программируются на извлечение продукции из пресса и перемещение на следующий этап производства.

Мониторинг продукции в реальном времени: алгоритмы машинного обучения могут эффективно обнаруживать и контролировать процесс формования продукции, используя комбинацию программного обеспечения для программирования контроллеров TIA V17 и архитектур нейронных сетей [2]. Датчики технического зрения фиксируют изображения высокого разрешения каждого изделия после того, как оно было захвачено роботом из горячего пресса. Система ИИ обрабатывает эти изображения в реальном времени для обнаружения любых проблем, таких как застрявшие или неправильно сформированные изделия. Если проблема обнаружена, система подаёт сигнал на сигнализацию, оповещая оператора о необходимости проверки горячего пресса.

Обнаружение проблемы и реагирование: при обнаружении застрявшего изделия датчик технического зрения активирует сигнализацию, уведомляя оператора. Затем оператор проверяет горячий пресс для удаления застрявшего изделия. Система на основе ИИ непрерывно контролирует процесс, адаптируя свои реакции на основе поступающих данных, обеспечивая минимальное нарушение производственного процесса.

Профилактическое обслуживание и мониторинг эффективности: система также отслеживает работу горячего пресса и других критически важных компонентов, выявляя потенциальные потребности в техническом обслуживании до того, как они приведут к отказу оборудования. Обнаруживая ранние признаки износа или неисправности, система помогает сократить частоту поломок оборудования и продлевает срок службы сетки пресса.

Регистрация данных и отчётность: система ИИ регистрирует все данные, связанные с качеством продукции, производительностью машины и обнаруженными проблемами. Эти данные используются для формирования отчётов, которые анализируются операторами и руководством для оценки общей эффективности системы и выявления областей для улучшения.

Непрерывное улучшение: система спроектирована так, чтобы обучаться и совершенствоваться с течением времени. Предварительная обработка данных относится к любым операциям, выполняемым над исходными данными для подготовки их к дальнейшему анализу [3]. Алгоритм ИИ адаптируется на основе данных, собранных в ходе предыдущих проверок, уточняя свою способность обнаруживать проблемы и вносить корректировки в реальном времени для улучшения качества продукции и эффективности работы машины.

Используя данную методологию, система на основе ИИ обеспечивает высокий уровень автоматизации, минимизирует человеческое вмешательство и улучшает общий производственный процесс. Интеграция датчиков технического зрения и роботов позволяет осуществлять точный контроль качества, более быстрое обнаружение проблем и повышение производительности машины, что в конечном итоге приводит к более высокому постоянству качества и эффективности продукции. Ниже представлена блок-схема (Рисунок 1), содержащая подробное описание всего процесса [4].

Рисунок 1. Блок-схема процесса

Для эффективной иллюстрации ошибок и правильного процесса в автоматической системе формовочной машины с интеграцией датчика технического зрения и робота визуальные представления являются высокоэффективными. На Рисунке 2 приведено описание с изображениями того, как структурированы эти изображения для выделения распространённых ошибок в сравнении с правильным процессом:

Рисунок 2. Неправильное позиционирование и наличие продукции, т.е. ошибка

Первое изображение демонстрирует сценарий, в котором продукция смещена во время процесса. Это может включать материал, расположенный слегка не по центру или неправильно повёрнутый. Датчик технического зрения в системе обнаруживает это смещение и отмечает его как ошибку. Продукт может быть расположен под углом, с краями, не совмещёнными с рабочей поверхностью формовочной машины. Показано, что датчик технического зрения сканирует продукт, обнаруживая смещение. На экране системы управления отображается сигнал тревоги или предупреждение, указывающее на ошибку, и не позволяет роботу или циклу запускаться до тех пор, пока ошибка не будет исправлена или сброшена.

Влияние ошибки:

Если смещение не исправлено и не вся готовая продукция обнаружена, процесс формования может привести к производственным потерям, так как отсутствующие изделия застрянут в сетке, и в следующем цикле ещё одно изделие прилипнет к предыдущему, что приведёт к отходам материала, переработке и техническому обслуживанию (Рисунок 3).

Рисунок 3. Правильное позиционирование и проверка наличия продукции

Второе изображение показывает продукт, правильно выровненный и расположенный на поверхности машины. Датчик технического зрения обнаруживает правильное выравнивание, отправляя обратную связь роботу для помощи в позиционировании продукта точно там, где необходимо, а также проверяет наличие всех изделий. Продукт идеально размещён в рабочей зоне машины, с краями, совмещёнными и отцентрированными. Показано, что датчик технического зрения сканирует материал, подтверждая правильное выравнивание и наличие всей продукции. Система управления отображает сообщение «Готов» и подаёт сигнал готовности роботу для продолжения дальнейшей последовательности цикла.

Влияние правильного процесса:

При правильном выравнивании и наличии всего количества продукции процесс формования может проходить без проблем, обеспечивая высокое качество, бездефектную продукцию и решение, не требующее технического обслуживания.

Результаты и обсуждение

Мы анализируем производительность и результаты системы контроля качества готовой продукции на основе ИИ для машины методформования, интегрирующей датчики технического зрения и роботов. Оценивается влияние системы на качество продукции, эффективность работы машины и срок службы, а результаты сравниваются с традиционными методами контроля качества и мониторинга оборудования. Ниже приведены некоторые из наблюдаемых ключевых моментов:

1. Улучшение качества продукции на 15–20% за счёт обнаружения дефектов и обеспечения стабильного выпуска продукции.

2. Повышение эффективности работы машины за счёт предотвращения производственных задержек и оптимального использования ресурсов примерно на 12–15%.

3. Увеличение срока службы машины на 20% за счёт снижения износа и низкой частоты технического обслуживания.

4. Сокращение ручного вмешательства на 95% — требуется только устранение неисправностей при срабатывании сигнализации датчика технического зрения.

5. Снижение затрат: благодаря уменьшению количества дефектной продукции, за счёт продления срока службы сетки и сокращения частоты замены сетки система помогла снизить затраты на техническое обслуживание примерно на 10–15%.

Проблемы и ограничения:

Первоначальная настройка и интеграция: первоначальная интеграция системы на основе ИИ, датчиков технического зрения и роботов с существующим оборудованием потребовала значительного времени и ресурсов на настройку.

Калибровка датчиков: обеспечение правильной калибровки датчиков технического зрения для обнаружения конкретных дефектов продукции без ложных срабатываний было непрерывным процессом. Для поддержания оптимальной производительности системы требовалась постоянная точная настройка и регулярные обновления алгоритмов ИИ.

Стоимость технологии: первоначальные затраты на внедрение столь передовой системы, включая приобретение роботов, датчиков технического зрения и программного обеспечения ИИ, были высокими. Однако эти затраты были компенсированы долгосрочной экономией на техническом обслуживании и улучшением качества продукции.

Выводы

Система контроля качества готовой продукции на основе ИИ для машины методформования, использующая датчики технического зрения и роботов, значительно улучшила качество продукции, эффективность работы машины и общую производительность системы. Автоматизация мониторинга и обнаружения проблем сократила потребность в ручном вмешательстве, минимизировала простои и продлила срок службы оборудования. Хотя первоначальные затраты на настройку были высокими, долгосрочные выгоды, включая снижение затрат и повышение операционной эффективности, обеспечили высокую окупаемость инвестиций. Данная система представляет собой перспективное достижение в современном производстве, предлагая масштабируемое и надёжное решение для задач контроля качества.

Литература

1. Tajeddine Benbarrad, Marouane Salhaoui, Soukaina Bakhat Kenitar and Mounir Arioua. Intelligent Machine Vision Model for Defective Product Inspection Based on Machine Learning. J. Sens. Actuator Netw. 2021, 10(1), 7.
2. Dario Farina, Hatim Machrafi, Patrick Queeckers, Patrice D. Dongo and Carlo Saverio Iorio. Innovative AI-Enhanced Ice Detection System Using Graphene-Based Sensors for Enhanced Aviation Safety and Efficiency. Nanomaterials 2024, 14(13), 1135; https://doi.org/10.3390/nano14131135
3. Ali M. Al Shahrani, Madani Abdu Alomar, Khaled N. Alqahtani, Mohammed Salem Basingab, Bhisham Sharma, and Ali Rizwan. Machine Learning-Enabled Smart Industrial Automation Systems Using Internet of Things. Sensors, 23(1), 324 (2023).
4. Ching-Lung Fan. AI-Enhanced Defect Identification in Construction Quality Prediction: Hybrid Model of Unsupervised and Supervised Machine Learning.