у нас cookie
ок
Кейсы R77

Предотвращение брака на целлюлозно-бумажном производстве

Описание проблемы

В процессе производства бумажного полотна часто происходят разрывы листа, которые приводят к остановкам дорогостоящих бумагоделательных машин (стоимостью до 6 млрд рублей). Даже кратковременная остановка линии, происходящая один раз в день, в течение года приводит к значительным простоям оборудования, перерасходу сырья и финансовым потерям, достигающим до 2% от выручки предприятия. Основная задача — минимизировать разрывы полотна и связанные с ними простои.

Цель проекта

Заранее предсказывать вероятные разрывы полотна и предупреждать операторов и технологов о возможных проблемах, позволяя своевременно принимать меры.

Решение

Техническая часть
• Установлены камеры высокого разрешения и датчики оборудования для сбора визуальных и технических данных.
• Используются GPU для быстрой обработки данных и работы нейронных сетей.
• Применяются нейронные сети для обнаружения дефектов на изображениях (обнаружение объектов и сегментация) и модели временных рядов для анализа показателей АСУ ТП и состояния оборудования.
• Разработана ML-модель с точностью предсказания разрывов до 95%, прогнозирующая вероятность, дату, время и возможные причины повреждений полотна.
Аппаратная часть
• Интеграция камер и датчиков непосредственно на производственные линии.
• Организация потоков данных в режиме реального времени для оперативного мониторинга.
• Установка специализированных вычислительных мощностей (GPU-серверов) для обработки больших объемов информации.
Бизнесовая часть
• Вывод результатов анализа и уровней тревоги на мониторы операторов и дежурных технологов для своевременного реагирования.
• Внедрение системы оповещений позволяет снижать количество остановок и простоя оборудования.
• Сокращение времени запуска бумагоделательных машин после разрывов на 30 минут и более.
• Значительное снижение перерасхода сырья и финансовых потерь, повышение общей эффективности производства.

Результаты

• Точность предсказания разрывов полотна — до 95%.
• Обнаружение около 60% дефектов с точностью более 92% в 5-минутном прогнозном интервале.
• Существенное уменьшение простоев оборудования и снижение затрат.
Промышленность