99.4%
Точность распознавания дефектов (модели YOLOv8/v9 & ResNet)
< 18 мс
Инференс оптического контроля на конвейере в реальном времени
ISO 9001
Соответствие промышленным стандартам ОТК и аудита
99.98%
Отказоустойчивость ПАК на серверах предприятий
1. Исходная ситуация и задачи проекта
Исходные вызовы и проблемы:
- Человеческий фактор на ОТК: Усталость операторов приводила к пропуску микротрещин, раковин и сколов на скорости конвейера до 1.5 м/с.
- Задержки весового учета: Ручная фиксация госномеров и веса грузовиков занимала до 4–5 минут на машину, создавая заторы на КПП.
- Нарушения охраны труда (ОТ и ПБ): Отсутствовал автоматический мониторинг ношения касок, жилетов и нахождения персонала в опасных зонах работы кранов.
- Сложность B2B-продаж: Отсутствовала цифровая витрина программно-аппаратных комплексов (ПАК) с калькулятором экономического эффекта и ROI.
Реализованные цели и решения:
- ПАК «Инспект-ОТК»: Комплекс оптического машинного зрения для автоматической 2D/3D дефектоскопии деталей с точностью до 0.05 мм.
- Автоматизация весового учета: Нейросетевое распознавание автомобильных и вагонных номеров с интеграцией весовых тензодатчиков за 12 секунд.
- Видеоаналитика ОТ и ПБ: Потоковый анализ RTSP/ONVIF видеокамер на детекцию СИЗ, пересечение опасных периметров и фиксацию инцидентов.
- Интерактивный B2B-портал: Спроектирован премиальный цифровой хаб с 3D-демонстрацией комплексов, калькулятором окупаемости и личным кабинетом предприятия.
2. Стек технологий и архитектурные решения
Frontend & UX Engine
- React / TypeScript / Next.js
- WebGL / Three.js (3D-модели оборудования)
- Tailwind CSS (Dark Industrial Theme)
- WebSocket Real-Time Telemetry
- Chart.js / D3.js для графиков дефектов
- SVG Industrial Iconography
Backend, Infrastructure & APIs
- Python (FastAPI / PyTorch / TensorRT)
- C++ (OpenCV & CUDA GPU Acceleration)
- PostgreSQL & ClickHouse (аналитика событий)
- Redis (кэширование очередей кадров)
- Nginx & Docker Containerization
- RTSP / ONVIF Streaming Protocols
3. Детальный состав выполненных работ
3.1. Архитектура нейросетевого инференса
Оптимизация сверточных сетей в формат TensorRT для аппаратного ускорения на графических процессорах NVIDIA, инференс кадра < 18 мс.
3.2. B2B-витрина программно-аппаратных комплексов
Разработка подробных продуктовых страниц по направлениям: дефектоскопия, весовой контроль, сканирование рулонных полотен, охрана труда.
3.3. Интерактивный калькулятор окупаемости (ROI)
Инструмент для главных инженеров и директоров по качеству: расчет снижения затрат на брак и окупаемости внедрения системы за 3–6 месяцев.
3.4. Промышленная отказоустойчивость
Архитектура Edge Computing: система продолжает локальную обработку конвейера даже при временной потере связи с центральным сервером.
4. Сравнительная таблица результатов (До / После)
| Параметр | Исходное состояние | Результат после реализации |
|---|---|---|
| Скорость контроля детали | 30–45 секунд (ручной замер штангенциркулем) | < 0.05 сек (мгновенное оптическое сканирование) |
| Процент пропуска скрытого брака | 3.5% – 5.2% (человеческий фактор) | < 0.08% (полный аппаратный аудит по ISO 9001) |
| Время оформления транспорта на весах | 4–5 минут на грузовик | 12 секунд (автораспознавание номера и веса) |
| Контроль ношения СИЗ (каски/жилеты) | Выборочный ручной обход инженером ОТ | 100% круглосуточный видеоконтроль 24/7 |
| Интеграция с ERP/АСУ ТП | Ручной ввод данных в журнал и Excel | Автоматическая выгрузка по REST API / Webhooks |