Comme nous l'avons déjà écrit à plusieurs reprises, nos installations sont des productions assez importantes, tant en termes de superficie occupée que de nombre d'installations et d'unités diverses. Pour que tout cela fonctionne et qu'aucune situation ne puisse entraîner l'arrêt du processus de production, chaque nœud doit être surveillé. Par conséquent, nous avons à la fois des personnes spéciales qui sont engagées dans ce domaine et une application pour les contournements mobiles, ce qui simplifie considérablement la vie de ces personnes.
Séparément, cela vaut la peine de parler d'analyse vidéo ici. Il peut résoudre divers problèmes - améliorer la qualité des produits grâce au contrôle et au rejet automatiques, aider à éliminer les arrêts brusques des lignes de production, avertir rapidement l'opérateur de la nécessité d'intervenir, surveiller le respect des règles de sécurité industrielle, qui est la tâche numéro un pour une installation industrielle. Ce qui, en principe, peut être analysé en visionnant la vidéo à partir d'objets (et s'il est nécessaire de la visualiser), comment l'analyse vidéo permet d'économiser du temps et de l'argent, sur lesquels tout fonctionne pour nous - c'est sous le chat.
Où obtenons-nous les données
Dans chaque installation, nous avons plusieurs centaines de caméras dans le périmètre technologique, dont nous parlerons. Il y a aussi un périmètre, qui comprend des caméras de sécurité, mais nous n'en parlerons pas pour l'instant :). Mais les soi-disant caméras de production, qui regardent constamment tel ou tel site, unité, équipement - c'est exactement ce sur quoi se concentrera.
Nos usines sont d'âges différents, et il fut un temps où elles n'appartenaient pas toutes à SIBUR. Au cours des 15 dernières années, leur modernisation a été activement menée, et maintenant il y a une situation où différentes usines peuvent avoir des caméras et des systèmes différents pour travailler avec elles. En conséquence, chaque opérateur de tels sites est habitué à un logiciel spécifique et à sa sortie habituelle de flux vidéo.
Prendre et peigner tout ce qui convient à tous les objets, recycler les opérateurs, tout collecter et l'afficher sur notre interface - c'est un stress supplémentaire pour toutes les parties impliquées, ainsi que des coûts non illusoires en termes de temps et d'argent. Ainsi que la possibilité de remplacer les caméras par de nouvelles.
Par conséquent, notre idée était la suivante: s'intégrer à l'un de ces systèmes de surveillance afin que nous utilisions exactement son interface, familière aux opérateurs, et que nous puissions afficher les images nécessaires lorsque certains événements se produisent. En même temps, nous ne créons pas notre propre interface dessus, l'utilisateur n'a pas à se recycler. Soit dit en passant, plus d'informations sur les utilisateurs.
Utilisateurs de notre système
Tout cela a été conçu pour la commodité de l'opérateur, qui dirige le processus de production dans son système de contrôle. La sortie des informations des caméras par défaut est une image standard lorsque sur l'écran devant vous se trouvent de nombreuses fenêtres rectangulaires avec la vidéo de différentes caméras. Presque comme un zoom au loin pendant un quotidien.
L'outil principal de l'opérateur est le système de contrôle de la production. Si quelque chose de critique se produit, l'opérateur le remarque et prend les mesures appropriées. La combinaison de deux facteurs, l’expérience de l’opérateur et sa connaissance des processus, les informations issues de l’instrumentation, couplées à l’image des caméras, permettent non seulement de prendre des décisions sur des événements qui se sont déjà produits, mais aussi de prédire quelque chose de pas très agréable et de l’éviter. Après tout, il est toujours plus facile d'empêcher quelque chose en appuyant sur quelques boutons que de passer quelques heures (jours, millions) à éliminer les conséquences.
C'est donc ici - l'opérateur peut remarquer quelque chose sur la vidéo qui, après 5 minutes d'inactivité, entraînera un arrêt d'urgence et des pertes pour l'entreprise. Ou autre chose pas très utile.
Par exemple, le colmatage de l'équipement. Nous avons écrit icisur notre extrudeuse et comment elle peut se boucher. Le système de gestion de la production donne un signal lorsque le colmatage est déjà un fait accompli. Tout est déjà bouché, un signal approprié est donné, le mécanisme s'arrête pour éviter des dommages ou un accident grave. L'opérateur, en regardant l'installation, peut remarquer à l'avance l'apparition de facteurs qui précèdent le colmatage. Dans le cas du polypropylène, des agglomérats seront visibles (morceaux de granulés collés entre eux et remplissant progressivement la surface de l'agitateur).
Et, bien sûr, la vidéosurveillance est la sécurité du travail. Lorsqu'ils décrivent de tels cas, ils aiment donner un exemple de cas où le système est capable de reconnaître si une personne porte un casque ou non. Peut-être que cela semble bien pour les personnes déconnectées de la production. La réalité est que dans les installations sérieuses, le niveau d'autodiscipline des employés est tout à fait suffisant pour comprendre: comme un casque est nécessaire, il doit être sur la tête, tout comme les autres éléments de l'EPI.
Par conséquent, dans le cas de la protection du travail, nous analysons la justesse de la séquence d'actions de l'employé pendant les opérations standard, par exemple, l'analyse d'échantillons de produits ou des cas plus simples avec la personne dans la zone réglementée.
Mais les cas décrits sont plutôt des fonctionnalités optionnelles du système. La fonction principale de la vidéosurveillance et de l'analyse vidéo est de décharger l'opérateur et d'aider à éviter la survenue de situations d'urgence. Cela permet de ne pas diffuser le flux en ligne de toutes les caméras sur l'écran de l'opérateur, mais d'afficher automatiquement uniquement l'image sur laquelle quelque chose se passe. Quelque chose de différent des conditions normales, nécessitant une attention humaine et une prise de décision.
Mais ce serait trop ennuyeux si tout le but du système était seulement d'observer et d'avertir. Par conséquent, nous développons maintenant cette idée dans deux directions à la fois.
Le premier est les prédictions. Où sans ça. Puisque nous collectons des enregistrements sur certaines situations, cela signifie que nous avons une archive de ces enregistrements, ils peuvent être utilisés. Par exemple, les mêmes sabots: nous recueillons des statistiques sur la façon dont ils se produisent, où le plus souvent, quel type de sabots et ainsi de suite, quelle est leur intensité. Ensuite, nous combinons les données obtenues avec les informations collectées à partir des capteurs. Ensuite, nous nous tournons vers des collègues qui sont engagés dans la construction de modèles prédictifs, et nous avons la possibilité de prédire les blocages avec beaucoup plus de précision et d'ajuster le processus technique avant même l'apparition de leurs premiers signes.
Le second est une intégration étroite avec la ligne de production existante. Auparavant, s'il était clair qu'un mariage s'était déroulé d'une manière ou d'une autre, il ne restait plus qu'à en informer l'opérateur et lui demander d'envoyer une personne vivante pour ratisser le tout. Après l'intégration, vous pouvez envoyer automatiquement des commandes rapides pour ouvrir les amortisseurs, après quoi le mariage ira à l'arrêt de la bosse.
Alors, comment fonctionne le système lui-même?
Compte tenu de la géographie de notre travail, nous ne pouvons pas collecter tous les flux vidéo à Moscou et les traiter ici. Par conséquent, notre système est distribué, nous devons le placer le plus près possible des flux vidéo, sinon le réseau existant ne suffira pas à la transmission de données. Ici, on nous demande souvent - pourquoi ne voulez-vous pas utiliser des caméras qui vous permettent d'effectuer des analyses préliminaires directement sur la caméra? Nous voulons! :) Mais! Il y a deux facteurs à la fois, en raison desquels le traitement sur les caméras reste beau, mais difficile à réaliser dans la plupart des cas.
Premièrement, la protection contre les explosions. Oui, c'est pourquoi nous écrivons à ce sujet dans presque tous les articles, car il est nécessaire presque partout. Bien sûr, il existe des caméras antidéflagrantes pour la vision industrielle, mais leur prix n'est pas négligeable. De plus, tout changement dans une telle infrastructure dans une installation de production d'explosifs est toujours coûteux et prend du temps (car, en plus du travail d'installation lui-même, il est nécessaire de préparer et de coordonner un projet avec les autorités de contrôle, ce qui représente également du temps et de l'argent).
Deuxièmement, l'arrêt de la production. Si nous avons la possibilité de remplacer les caméras par des caméras plus modernes, il est impossible d'aller installer le nouveau fer nécessaire sans pause dans le travail de production. Le processus de recherche d'une fenêtre technologique appropriée retarde également la mise en œuvre.
Il s'avère que le traitement ne se fait pas sur des caméras, mais sur des serveurs est beaucoup plus simple. Par conséquent, le paradigme de notre système est que nous essayons de tirer le meilleur parti de l'infrastructure existante que nous avons déjà installée. Les serveurs chargés d'analyser le flux vidéo sont situés dans la zone antidéflagrante, au plus près de la caméra. Le bus d'intégration, qui assure l'intégration avec un système de vidéosurveillance, un lac de données, une plateforme IoT et d'autres services, ainsi qu'une logique de traitement des événements, est déployé sur plusieurs machines virtuelles du cluster de production pour garantir une haute disponibilité du système.
La solution au problème de l'analyse directe du signal nous intéresse particulièrement. Ici, il convient de mentionner tout de suite que tous les modèles d'analyse d'image fonctionnant dans SIBUR ne sont pas entièrement développés à l'intérieur. Conformément à notre paradigme d'utilisation du maximum de ce que nous avons, nous utilisons activement les résultats des modèles qui sont déjà dans des systèmes de vidéosurveillance ou dans des systèmes d'analyse vidéo d'autres sociétés. Mais s'il n'y a pas de modèles installés, nous devons trouver / développer quelque chose de nouveau. Pour cela, au stade de la conception du système, nous avons développé et corrigé l'interface du programme pour le modèle.
Cela nous a donné la possibilité d'engager des développeurs tiers et d'intégrer rapidement des choses intéressantes comme OpenVINO. Nous avons un très large éventail de problèmes à résoudre en reconnaissance. En commençant par les problèmes classiques de détection et de classification dans l'espace RVB (analyse de l'apparence des agglomérats sur des écrans vibrants), en poursuivant avec le suivi des objets (analyse du re-classement des produits) et en terminant par travailler avec RVB lors de l'analyse du flux des caméras pour contrôler le fonctionnement des manipulateurs.
La principale subtilité dans le cas de la pétrochimie est le déséquilibre de l'échantillon. Il y a beaucoup de données dans une situation où tout va bien - même beaucoup. Mais il y a très peu de données en cas de problème. Il est impossible d’aller et, par exemple, de marquer une ligne simplement pour collecter un ensemble de données de test. Quelque part, il est tout simplement impossible sans arrêter et redémarrer la ligne (ce qui entraînera une perte d'argent en raison des temps d'arrêt), quelque part il est généralement dangereux du point de vue du processus technologique. Par conséquent, nous explorons activement les possibilités d'augmentation supplémentaire et de synthèse de données. Cela a ses succès, nous espérons terminer l'écriture et publier un article à ce sujet :)
Le même développement que nous avons est en Python, à la fois en arrière et en modèles. Déployez principalement sur Docker.
résultats
Le projet a été lancé il y a un peu plus d'un an, au cours duquel nous avons déjà réussi à mettre en œuvre notre logiciel dans nos installations de Tomsk, Tobolsk, Voronezh.
Grâce au système, de nombreux événements ont été remarqués, qui ont été traités par les opérateurs en temps opportun.
L'essentiel est que le système a prouvé qu'il est utile et reçoit une évaluation positive de la production, comme il était prévu, les situations sont nivelées dans lesquelles nous continuerions à produire un produit de qualité inférieure pendant un certain temps, gaspillant une production impossible à vendre et assez difficile à collecter avant comment se débarrasser. Ou lorsque, au lieu du produit attendu, en raison de défaillances inaperçues, nous produisons un autre produit moins cher.
Par exemple, cela est possible avec du polypropylène. La dernière étape de la production avec nous est les granulés de polypropylène que vous avez vus dans nos autres articles et vidéos. Il est pratique de les mettre dans des sacs, de les transporter, de les remplir dans des conteneurs, ils correspondent aux caractéristiques de performance déclarées. Mais si vous ne remarquez pas et ne gérez pas la situation avec le plug-in à temps, vous obtiendrez un autre produit. L'agglomérat se déversera, les granules commenceront à coller ensemble. Il s'agit du même polypropylène, mais à cause de ces jambages lors de la production, il s'agit d'une marque de produit différente. Bien sûr, moins cher.
Par conséquent, il s'avère que le système nous a évités à la fois des arrêts d'urgence supplémentaires lorsque les gens passent du temps et que les voitures sont au ralenti malheureusement, et de produire un tel produit avec une classe inférieure à celle prévue.
Projets pour le futur
Nous continuons d'affiner le système, car il existe de nombreux systèmes de vidéosurveillance dans les installations et ils sont différents, mais nous devons nous intégrer à chacun. À l'heure actuelle, nous sommes occupés par le fait que nous sommes en train d'établir un déploiement à distance complet du système dans les installations. Avec l'accès à distance dans les usines, tout n'est pas si simple, donc il y a des particularités ici - le circuit d'entreprise, les différents segments de réseau, les restrictions de sécurité, etc.
De plus, nous travaillons à une collecte plus complète des données des capteurs afin d'avoir une image la plus détaillée de ce qui se passe.
Les retours des opérateurs sont majoritairement positifs. Si nous décidions de créer le système, en partant du paradigme «Maintenant, vous allez tous travailler dans cette nouvelle chose», ce serait probablement un peu différent.