Блог /

Как нейросети помогают производствам? Реальные примеры в индустрии строительных материалов и других видах промышленности

07.02.2020


В 2019 году ни одна IT конференция не обошла стороной тему нейронных сетей и машинного обучения. Все чаще на этих конференциях стали появляться представители производственных предприятий с практическими кейсами. Что же такое нейронные сети? И какую пользу из этой технологии могут извлечь производители - строительных материалов, мебели и прочих видов промышленности? В статье простыми словами расскажем что такое нейросети и покажем реальные примеры применения среди производителей металла, арматуры и пиломатериалов - Северсталь, АЭМЗ, Сегежа групп.


Что такое нейронная сеть?

Большинство программ, с которыми мы знакомы и пользуемся каждый день, построены по принципу директивного программирования. То есть жесткого задания условий – если пользователь ввел определенные значения, то результат будет такой. Алгоритм может быть более или менее объемным, но результат всегда точно описан заранее.


Теперь представим простой пример. Нужно сделать программу, которая отличает фото кошек от фото собак. Сделать такую программу директивным программированием невозможно, каким бы объемным не был алгоритм. Хотя ребенок в 2 года уже умеет их различать. Потому что в мозге стоит нейронная сеть, которая обучилась на примерах - родители показали ребенку тысячу кошек и сказали, что это кошка и также тысячу собак. Мозг, при этом, руководствуется набором визуальных паттернов – формы носа, хвоста, их сочетания и т.д. Для решения аналогичной задачи с помощью программы, необходимо, в какой то мере воссоздать нейронную сеть мозга, которая способна обучаться на примерах.


Итак, нейронная сеть - это самообучаемый компьютерный алгоритм, который помогает в решении задач, недоступных для директивного программирования, например, в распознавании образов.


Чем нейросети могут быть полезны производителям и продавцам?

Начнем с простого кейса, который реализует наша компания. Для одного производителя стройматериала мы разработали веб-сервис построения 3D визуализации по фотографии заказчика. Пользователь (менеджер производителя или покупатель) может загрузить в сервис фото своей комнаты/дома, обвести на фото кровлю/стену/пол и посмотреть как на ней будут смотреться те или иные материалы – плитка, черепица, обои, сайдинг и т.д. Текстура накладывается на поверхность под нужным углом обзора и масштабом. Также в программе есть возможность добавлять на фото 3D объекты (актуально для водостоков, элементов декора, мебели). В итоге получается фотореалистичный результат за 3 минуты.



Сейчас проект развивается в сторону дополненной реальности и VR очков.


На данный момент, чтобы визуализация строилась корректно, нужно на фото вручную обвести участок под отделку – стену, пол и т.д. Но что если мы хотим полностью убрать человека из процесса визуализации? Что бы программа сама определяла фасады, кровлю, пол, проемы и т.д. И даже определяла площади и длины.


Эта задача по распознаванию образов является недоступной для директивного программирования. Но вполне решаема с помощью нейросетей и алгоритмов машинного обучения. Как работает это обучение?


В предыдущем примере с кошками и собаками, ребенка обучают родители. Они показывают пример и говорят кто это – кошка или собака. С изображениями дома или квартиры ситуация та же. Если можно было просто загрузить в нейросеть десяток тысяч фото домов, то такая программа уже существовала бы. Другое дело обучить нейросеть – то есть загрузить 10 тысяч фото и на них разметить фасад, кровлю, окна. В нашей программе 3D визуализации, все это - это набор данных, цифр. Таким образом, для создания работающего алгоритма нужны не только 10 тысяч фото, а крупная компания, к которой эти фото постоянно поступают и менеджеры, которые их обрабатывают с помощью ручной программы визуализации (то есть присваивают каждому фото массив данных с помощью ручной программы). На языке программистов это называется разметкой данных. Для качественной работы алгоритма, сети необходимо показать порядка 50 тысяч примеров.


А теперь представьте итог. Приложение, которое можно навести на дом, и оно определит на нем все плоскости (фасады, кровлю, пол, проемы), размеры и площади. И позволит наложить на плоскость любую визуализацию. Незаменимая вещь для дизайнеров, менеджеров продаж и инженеров (поможет в проверке проектов, расчетах смет). Заказчики ожидают от технологии существенный рост сбыта продукции и расширение дилерской сети.


Если Вас заинтересовали данные разработки и Вы хотите применить нейросети под свои задачи – обращайтесь. Мы поможем составить техзадание, оценить бюджет и реализовать проект. 8-977-880-60-24, info@pahomov.pro. У нас есть кейсы под каждый вид производства.



Еще несколько кейсов применения нейросетей у производителей... Компания Северсталь активно использует технологии машинного обучения. Нейронная сеть EVE умеет находить четыре типа дефектов по снимкам металла – плена, трещина, механический дефект и раковина. Сеть получает изображения, обнаруживает и классифицирует дефекты, выводит информацию на экран оператора.


Проект с данной системой запущен в одном из цехов отделки металла ЧерМК. Для обучения дефектоскописты подготовили более 40 тысяч изображений поверхности листового металла с размеченными дефектами. По итогам тестирования отмечено, что EVE находит в три раза больше реальных дефектов, а также в 13 раз меньше ложных дефектов.


Аналогичные технологии, основанные на большом количества данных с датчиков на производственном оборудования, использует Абинский электрометаллургический завод. Что обеспечило им рост производства на 25% и повышения качества продукции – арматуры, проволоки.


Компания по производству пиломатериалов Сегежа групп также имеет интересный опыт применения нейросетей. Компания протестировала и внедрила приложение, которое по фотографии загруженного лесовоза определяет вид леса, диаметры бревен и процент пустот между бревнами. И делает это точнее человека. Разработка приложения составила менее 5 млн рублей, и с учетом объемов производства компании, окупилась всего за несколько месяцев.


Если Вам интересны подробности этих кейсов и другие примеры применения нейросетей у производителей, скачайте полную PDF версию статьи бесплатно здесь:


Итак, с помощью нейросетей в производственных компаниях можно решать следующие группы задач:


  1. Маркетинговые задачи. Программы в данном случае направлены либо на использование потенциальными покупателями (например, программу можно разместить на сайте), либо для использования отделом продаж. Цели - продвижение продукции, расширение дилерской сети, увеличение продаж.

  2. Внутренние задачи. Предназначены для замены человеческого труда, в тех местах, где алгоритм может работать точнее и будет стоить дешевле человека. Например:
    • Задачи по распознаванию брака/дефектов продукции, контроль качества;
    • Задачи по сортировке/классификации продукции или заготовок;
    • Задачи по уменьшению отходности заготовок, снижению издержек;


Если у Вас есть задумки по аналогичным проектам, обращайтесь. Мы поможем составить техническое задание, оценить сроки и бюджет проекта. И реализовать его «под ключ». У нас большой опыт работы с ведущими производственными предприятиями – Кнауф, Металлпрофиль, Braer, Волма, Hilti, ГК Выбор, Paroc, Холсим Цемент. Телефон: 8-977-880-60-24; майл: info@pahomov.pro.