Перейти к содержимому

АЛЮТЕХ: машинное зрение для производства алюминиевого профиля

Три системы распознавания профиля на общей технологической основе — от линии покраски до поиска аналогов в PDM.

ОТРАСЛЬ Металлургия, производство алюминиевых систем
НАПРАВЛЕНИЕ AI/машинное зрение, интеграция с PLM
СРОК 2 месяца
Заказчик
ТЕХНОЛОГИИ
CV/ML PDM
Исполнитель

Заказчик

Заказчик

ОАО «Алютех» — крупный производитель алюминиевых профильных систем, ворот и роллет, международный поставщик. В номенклатуре предприятия тысячи уникальных профилей, конструкторские данные хранятся в PLM-системе

ОАО «Алютех» — крупный производитель алюминиевых профильных систем, ворот и роллет, международный поставщик. В номенклатуре предприятия тысячи уникальных профилей, конструкторские данные хранятся в PLM-системе

ЗАдача

ЗАдача

При таком ассортименте профиль трудно опознать «на глаз»: сечения многих позиций отличаются на миллиметры. Ошибки идентификации на линии покраски и на складе приводят к пересортице, браку и ручным перепроверкам. Конструкторы, в свою очередь, тратят время на поиск уже существующих аналогов и создают дубли 

Заказчик поставил три задачи:

При таком ассортименте профиль трудно опознать «на глаз»: сечения многих позиций отличаются на миллиметры. Ошибки идентификации на линии покраски и на складе приводят к пересортице, браку и ручным перепроверкам. Конструкторы, в свою очередь, тратят время на поиск уже существующих аналогов и создают дубли


Заказчик поставил три задачи:

  1. Автоматически распознавать профиль на линии порошковой покраски
  2. Опознавать профиль в цеху и на складе по фото со смартфона или ручного сканера
  3. Находить в PDM-базе профили похожей геометрии, чтобы не проектировать заново то, что уже есть

  1. Автоматически распознавать профиль на линии порошковой покраски
  2. Опознавать профиль в цеху и на складе по фото со смартфона или ручного сканера
  3. Находить в PDM-базе профили похожей геометрии, чтобы не проектировать заново то, что уже есть

Что сделали

Что сделали

Мы спроектировали три решения на общей технологической основе: единый конвейер «скан → сечение → DXF», общий ансамбль CV/ML-моделей и синтетические обучающие данные из DXF-чертежей и 3D моделей. Такая архитектура позволяет развивать все три системы одной командой и переиспользовать наработки

Линия покраски. Разработали концепцию программно-аппаратного комплекса: подбор промышленных камер и оптики, схема освещения, тестовый стенд, автономная работа на линии. Предусмотрена интеграция с PDM и SCADA

Мобильное распознавание. Создали прототип мобильного приложения: сотрудник фотографирует торец профиля, система возвращает артикул и карточку из PLM. Распознавание работает на ансамбле моделей и обучено на синтетических данных, выдача — через REST API для PLM, MES и WMS

Компаратор геометрии для PDM. Разработали движок, который сравнивает сечение профиля с базой из 1000+ позиций в PDM и выдаёт ранжированный список похожих. На вход подаётся DXF-контур или JPG-картинка с профилем, автоматический конвейер на Python подбирает похожие профили

По каждому направлению подготовили технические задания, архитектурную документацию, ТЗ

Мы спроектировали три решения на общей технологической основе: единый конвейер «скан → сечение → DXF», общий ансамбль CV/ML-моделей и синтетические обучающие данные из DXF-чертежей и 3D моделей. Такая архитектура позволяет развивать все три системы одной командой и переиспользовать наработки

Линия покраски. Разработали концепцию программно-аппаратного комплекса: подбор промышленных камер и оптики, схема освещения, тестовый стенд, автономная работа на линии. Предусмотрена интеграция с PDM и SCADA

Мобильное распознавание. Создали прототип мобильного приложения: сотрудник фотографирует торец профиля, система возвращает артикул и карточку из PLM. Распознавание работает на ансамбле моделей и обучено на синтетических данных, выдача — через REST API для PLM, MES и WMS

Компаратор геометрии для PDM. Разработали движок, который сравнивает сечение профиля с базой из 1000+ позиций в PDM и выдаёт ранжированный список похожих. На вход подаётся DXF-контур или JPG-картинка с профилем, автоматический конвейер на Python подбирает похожие профили

По каждому направлению подготовили технические задания, архитектурную документацию, ТЗ

РЕзультат

РЕзультат

  • Работающие прототипы компаратора геометрии и MVP мобильного распознавания прошли тестирование на реальной номенклатуре (несколько промышленных датасетов)
  • Точность распознавания на тестовой выборке — до 99 %, время ответа — 3 с
  • Подготовлена документация для перехода к промышленному внедрению: ТЗ, архитектура, состав оборудования
  • Общая платформа для трёх задач: каждая следующая система дешевле и быстрее предыдущей

  • Работающие прототипы компаратора геометрии и MVP мобильного распознавания прошли тестирование на реальной номенклатуре (несколько промышленных датасетов)
  • Точность распознавания на тестовой выборке — до 99 %, время ответа — 3 с
  • Подготовлена документация для перехода к промышленному внедрению: ТЗ, архитектура, состав оборудования
  • Общая платформа для трёх задач: каждая следующая система дешевле и быстрее предыдущей

Отзыв

Отзыв

«Команда БелКорпСофт за короткий срок прошла путь от постановки задачи до работающих прототипов распознавания профиля и поиска аналогов в PDM. Отдельно отметим инженерный подход: подбор оборудования, проработку интеграции с PDM и подробную техническую документацию.»

Узнать стоимость

Свяжитесь с нами и получите коммерческое предложение на решение «под ключ»

CRM-форма появится здесь

Узнать стоимость

Свяжитесь с нами и получите коммерческое предложение на решение «под ключ»

CRM-форма появится здесь
Мы используем файлы Cookie для улучшения работы, персонализации и повышения удобства пользования нашим сайтом. Продолжая посещать сайт, вы соглашаетесь на использование нами файлов Cookie.