Система анализа структуры металла на основе нейронных сетей
Данный проект был выполнен на базе образовательного центра Сириус
При производстве металлопродукции очень важным этапом является оценка микроструктуры, который определяет свойства конечной продукции : твёрдости, прочности и дальнейшей эксплуатации
Проблема и актуальность Ежегодно количество исследований микроструктуры стали увеличивается в среднем на 3%. Основные причины увеличения: -освоение новых видов продукции; -повышение производительности; -ввод в эксплуатацию новых производств. По результатам 2023 года: -выполнено более 1800 исследований; -затрачено 24480 чел/часов РИСК: к 2028 г нехватка фонда рабочего времени (ФРВ) на выполнение всего комплекса необходимых исследований - срыв поставки металлопродукции потребителям |
Цель и задачи проекта
Цель проекта:
- Разработать систему, которая позволит повысить производительность и автоматизировать процесс определения микроструктуры стали
Задачи проекта:
- анализ ≥ 3 основных микроструктур стали (рисунок 1);
- функция самообучения –возможность внесения корректировок (по решению эксперта-металловеда);
- точность анализа 94-98%;
- автоматическая подготовка отчета;
- удобный пользовательский интерфейс
- Разработать анализатор изображений микроструктуры стали который будет обладать следующими характеристиками:
- анализ ≥ 3 основных микроструктур стали (рисунок 1);
- функция самообучения –возможность внесения корректировок (по решению эксперта-металловеда);
- точность анализа 94-98%;
- автоматическая подготовка отчета;
- удобный пользовательский интерфейс
Потенциальные партнёры
-металлургические комбинаты
-профильные испытательные лаборатории по экспертизе качества металла;
-техникумы, профильные институты и ВУЗы, направленные на обучение специалистов
-профильные испытательные лаборатории по экспертизе качества металла;
-техникумы, профильные институты и ВУЗы, направленные на обучение специалистов
Архитектура нейронной сети
•Использование нейросети ведёт к необходимости выбора её архитектуры
•Свёрточные и полно связные архитектуры, возможно реализовать в рамках за 24 дня
•Основная задача – классификация изображений => свёрточные нейросети
•Индексы после одинаковых архитектур – количество слоёв(В таблице вводились наилучшие результаты)
•Использование нейросети ведёт к необходимости выбора её архитектуры
•Свёрточные и полно связные архитектуры, возможно реализовать в рамках за 24 дня
•Основная задача – классификация изображений => свёрточные нейросети
•Индексы после одинаковых архитектур – количество слоёв(В таблице вводились наилучшие результаты)
Пользовательский сценарий
1ый вариант продукта - Telegram bot
2ой вариант - сайт по оценке микроструктуры с выведением готового отчёта
2ой вариант - сайт по оценке микроструктуры с выведением готового отчёта
Результат и эффект
- Разработан MVP-продукт системы анализа микроструктуры стали на базе нейронной сети
- Анализ трех микроструктур стали: перлит, бейнит, мартенсит
- Точность анализа 93,6%
- Интерфейс программы реализован на базе web-сайта
- Повышение производительности процесс определения микроструктуры стали на 62%
- Экономический эффект:
15300 чел\час х 211 руб = 3,2 млн. руб\годруктуры стали на 62%
Дальнейшее развитие проекта
1
Доработка возможности самообучения программы;
Определение 9 микроструктур стали
Определение 9 микроструктур стали
2
Создание расширенной РГ - доработка функционала системы
3
Проработка вопроса интеллектуальной собственности
4
Запуск пилотного проекта на ЕВРАЗ НТМК
5
Внедрение системы на всех предприятиях ЕВРАЗа
Команда
- Дьяченко АнтонАссистент
- Петровская ТатьянаScrum master / программист 1
- Утеев ДаниярПрограммист 2
- Малюгин ЮрийПрограммист 3
- Бабкина ПолинаАналитика, числовые данные
- Анашкина АлинаРазработчик датасета
Руководитель команды
- Пузырёв Сергей СергеевичMarketing Director
Если возникнут вопросы по проекту
