Мониторинг технологических операций по перемещению металлургической тары

В 2025 году компания «Малленом Системс» внедрила систему видеоаналитики на основе искусственного интеллекта на крупном металлургическом предприятии.

Решение обеспечивает автоматический контроль технологических операций и перемещения металлургической тары в конвертерном цехе в режиме реального времени и интегрируется с производственными системами предприятия.

Цель проекта

Основной задачей проекта было обеспечить непрерывный мониторинг технологических процессов и повысить прозрачность внутрицеховой логистики. Предприятию требовалось сократить зависимость от ручного контроля и получать достоверные данные о ходе операций в режиме реального времени для использования в MES-системах и планировании производства.

Как работает решение

Система анализирует видеопотоки с IP-камер с использованием алгоритмов компьютерного зрения и объединяет результаты анализа с данными АСУТП, RFID и датчиков оборудования.

В результате формируется единая картина происходящего в цехе в реальном времени: система фиксирует перемещения тары и оборудования, определяет технологические операции и передает эти данные в MES и другие производственные системы. Вся информация также отображается на мнемосхеме цеха, обеспечивая оператору полный контроль над ситуацией.

Охват производственных процессов

Решение охватывает ключевые участки конвертерного цеха, включая миксерное, скрапное и конвертерное отделения, а также участок внепечной обработки стали.

Система контролирует:

• перемещение ковшей, лотков, лафетов и скраповозов
• операции перелива чугуна, завалки металлолома и заливки
• работу кранов и вспомогательной техники

Контроль и точность

Система автоматически определяет идентификаторы объектов, их местоположение, состояние и временные параметры выполнения операций.

Позиционирование кранов осуществляется с использованием камер позиционирования, расположенных на каждом кране, и уникальных идентификаторов (DataMatrix-кодов). Где это возможно, для идентификации и определения местоположения учитываются также сигналы с RFID-считывателей и крановых датчиков.

Решение стабильно работает 24/7 в тяжелых промышленных условиях — при высокой запыленности, запарованности и температурных перепадах от –40 °С до +200 °С.

Точность распознавания и отслеживания объектов превышает 97%.

Ключевые особенности решения

В системе реализован ряд функций, повышающих надежность и удобство эксплуатации:

• автоматический контроль положения и ориентации камер с возможностью быстрого восстановления проектного ракурса за счет сравнения с эталонным изображением
• контроль загрязнения оптики с автоматическим уведомлением персонала для своевременного обслуживания камер
• встроенная самодиагностика и мониторинг состояния компонентов системы
• агрегация и нормализация данных из всех источников с формированием единой картины технологических процессов
• визуализация сводной информации о детекциях, состоянии оборудования и диагностических данных на единой мнемосхеме цеха.

Архитектура решения

Система построена по модульному принципу и включает ядро, нейросетевые сервисы компьютерного зрения и модуль агрегации данных, формирующий технологические события на основе информации из всех источников.

Дополнительно в составе решения реализованы сервисы обработки видеопотоков, интеграции с АСУТП, мониторинга, хранения видеоданных и визуализации.

Все модели компьютерного зрения, задействованные в системе, были разработаны и обучены на DSML-платформе заказчика. Использование платформы заказчика обеспечило полный цикл разработки – от разметки данных и обучения до валидации и деплоя – в единой защищённой инфраструктуре без передачи производственных данных во внешние сервисы. Модели прошли многоэтапную верификацию на реальных производственных данных, что позволило достичь точности выше 97% в сложных условиях эксплуатации.

Результаты внедрения

Внедрение системы позволило предприятию:

• обеспечить прозрачность технологических операций
• повысить оперативность и обоснованность управленческих решений
• минимизировать влияние человеческого фактора
• повысить эффективность внутрицеховой логистики
• улучшить качество планирования производства

Экономический эффект от внедрения составляет сотни миллионов рублей ежегодно за счет снижения производственных затрат и оптимизации процессов.