Как эффективно контролировать качество металлолома при приемке?

Внедрение системы фотомониторинга металлолома на производстве столкнулось с рядом неожиданных препятствий. Изначальная идея заключалась в автоматизации процесса оценки качества лома, но на практике возникли сложности, связанные с нестандартной логистикой вагонов и их содержимым. Поезда могут меняться местами, вагоны – оказываться грузовиками, а технологические расцепы и разная длина вагонов искажали первоначальные расчеты.
Как эффективно контролировать качество металлолома при приемке?
Изображение носит иллюстративный характер

Система фотомониторинга состоит из нескольких нейросетей. Первая идентифицирует вагоны и магниты, определяя момент для съемки слоя лома. Вторая анализирует слои на предмет загрязнения, сигнализируя о превышении допустимого уровня. Третья оценивает соответствие лома стандартам, выявляя посторонние предметы. Возникшие сложности включали в себя необходимость учитывать зимние условия и нестандартные способы разгрузки (например, грейфером).

Оценка засорённости лома оказалась субъективной. Разброс оценок между специалистами достигал значительных величин, а один и тот же человек мог давать разные оценки одному и тому же слою в зависимости от времени дня и настроения. Для обучения нейросети использовался метод тройной оценки, и если разброс был большим, то вагон отбрасывался из обучающей выборки. В результате, объективность оценки была достигнута путем многократного обучения модели на тщательно подготовленных данных.

В конечном итоге, внедрение автоматизированной системы контроля качества лома позволило снизить количество поставок с засорённым ломом, уменьшив тем самым издержки производства. Модель стала третьей независимой стороной в спорах между поставщиками и приемщиками, обеспечив более объективную и стабильную оценку. Несмотря на первоначальные сложности и сюрпризы, решение оказалось рабочим и эффективным.


Новое на сайте

21008ИИ-агент в чужой сессии: кто отвечает за его действия 21007Какие версии Zoom Workplace для Windows уязвимы для удалённого повышения привилегий? 21006Как две уязвимости в Xen Orchestra открыли путь к захвату XCP-ng? 21005Поддельные сайты ИИ превращают опечатки в ловушки 21004Как обновление Node.js закрывает уязвимости HTTP/2 и TLS? 21003Почему Claude Fable5.2 обошёл GPT-6 Cyber в испытании многоэтапных кибератак? 21002Две уязвимости Red Hat Quay открыли доступ к чужим образам 21001После сигнала: почему для расследования нужны подробные сетевые данные 21000Критическая ошибка PTC Windchill и FlexPLM открывает путь к удалённому выполнению кода 20999Слепые зоны идентичности: чего не хватает SOC при расследовании атак 20998Обновления Apple закрыли лазейки в групповых чатах и Bluetooth 20997Уязвимость iPhone может открыть приложениям доступ к чужим файлам 20996Что раскрыла расширенная проверка утечки Fireworks AI? 20995Уязвимость в Apache HTTP/2: удалённое выполнение кода без входа 20994Как защитить виртуальные машины Google Cloud от утечек на AMD Turin?
Ссылка