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.