«Кордиант» внедрил ИИ-контроль на производстве шин Gislaved

Холдинг «Кордиант» внедрил систему цифрового зрения на калужском заводе Gislaved. Решение на основе искусственного интеллекта используется на участке резиносмешения — одном из ключевых этапов производства шин, где формируются резиновые смеси с заданными характеристиками.

Новая система автоматизировала контроль подачи пакетов с химическими компонентами на конвейер и позволила отказаться от постоянного визуального наблюдения за этой операцией со стороны оператора.

Для шинного производства это важный этап цифровизации: стабильность процесса резиносмешения напрямую влияет на повторяемость характеристик материалов и качество последующих производственных операций.

ИИ контролирует движение компонентов на конвейере

Ранее сотрудникам участка требовалось постоянно контролировать процесс визуально. Теперь эту задачу выполняет автономный комплекс на базе камеры и промышленного компьютера.

Система использует алгоритм машинного обучения, который анализирует изображение с камеры и определяет наличие пакета с компонентами в зоне контроля.

Камера фиксирует происходящее на конвейере, а программный комплекс анализирует каждый кадр, определяя, соответствует ли процесс штатному сценарию.

Если после остановки линии пакет остаётся в контролируемой зоне дольше установленного времени, система распознаёт возможное застревание и передаёт сигнал для дальнейшего реагирования.

Таким образом, искусственный интеллект позволяет обнаруживать отклонения ещё до того, как они приведут к длительному простою оборудования.

Локальная система работает непосредственно на производстве

Одной из особенностей решения стало автономное функционирование непосредственно на площадке завода.

Система не зависит от внешних облачных сервисов: обработка данных выполняется локально, а специалисты получают доступ к информации через специальный интерфейс.

В нём можно наблюдать за процессом в реальном времени и обращаться к архиву записей для анализа работы оборудования.

Модель машинного обучения создавалась на основе производственных данных. Для обучения использовались изображения с различными вариантами работы участка — с наличием компонентов на конвейере и без них.

Это позволило алгоритму научиться различать штатные ситуации и потенциальные нарушения процесса.

Цифровой контроль вместо постоянного наблюдения

После внедрения системы предприятие получило несколько практических преимуществ.

Во-первых, оператору больше не требуется непрерывно следить за одной операцией вручную. Контроль выполняет автоматизированный комплекс, который способен работать постоянно и фиксировать даже кратковременные отклонения.

Во-вторых, появилась возможность сохранять историю работы участка: видеозаписи производственных циклов, временные параметры операций и результаты анализа.

Эти данные могут использоваться не только для текущего контроля, но и для последующего изучения производственных процессов.

Искусственный интеллект приходит в шинную промышленность

Использование компьютерного зрения становится одним из ключевых направлений развития современных производств.

В шинной отрасли такие технологии позволяют контролировать большое количество операций, где важны точность, повторяемость и скорость реакции.

Ранее «Кордиант» уже внедрял интеллектуальные системы контроля на других производственных участках. Например, на Ярославском шинном заводе использовались камеры с алгоритмами распознавания для контроля типоразмеров шин на конвейере.

Новый проект на заводе Gislaved продолжает это направление: искусственный интеллект становится инструментом повышения стабильности производства и снижения риска технологических сбоев.

От контроля качества к цифровому заводу

Современная промышленная автоматизация постепенно меняет роль человека в производственном процессе.

Задача цифровых систем — не заменить специалистов, а взять на себя операции, требующие постоянного наблюдения и обработки большого количества информации.

На участке резиносмешения Gislaved искусственный интеллект решает конкретную производственную задачу — контроль движения компонентов и предотвращение остановок.

Но накопленные данные могут стать основой для дальнейшего развития цифровых инструментов: анализа причин отклонений, прогнозирования неисправностей и повышения эффективности производства.