Построение цифрового двойника склада металлопроката с использованием искусственной нейронной сети

Введение

Цифровой двойник склада готовой продукции – это виртуальная копия реального физического склада, созданная на основе информации о расположении, статусе, характеристиках продукции на складе, отражающая его состояние в реальном режиме времени. При этом цифровой двойник может быть отражён в виде трёхмерной модели склада с точным расположением полок, стеллажей и других структур, на которых хранится продукция, либо в виде таблиц с привязкой к конкретному месту расположения той или иной единицы продукции.

Создание цифрового двойника склада обеспечивает: автоматизацию аналитики и отчётности; прогнозирование потребности в ресурсах и оптимизацию распределения продукции; управление инвентаризацией; симуляцию сценариев, таких как оптимизация распределения продукции или реакция на изменения в спросе; автоматизацию складских процессов и управление перемещением продукции: отслеживание и обеспечение безопасности, например, мониторинг доступа к определённым зонам склада. Таким образом, цифровой двойник склада готовой продукции позволяет повысить эффективность управления складскими операциями, минимизировать ошибки и сни-зить затраты на управление и обслуживание инфраструктуры склада.

Одним из способов реализации цифрового двойника склада является использование системы датчиков и технологии Интернета вещей (Internet of Things, или IoT), построенных, как правило, на технологии RFID либо комбинации RFID [1–3]. Такой способ является источником данных для цифрового двойника, предоставляя актуальные данные о перемещении единиц продукции, а также о температуре, влажности и других параметрах.

Однако использование RFID и технологии Интернета вещей имеют определённые недостатки, связанные с необходимостью снабдить каждый элемент готовой продукции датчиком или меткой и оснастить само складское помещение считывателями этих меток. Это усложняет применение названных технологий в случаях открытых складов, складов с большой площадью, складов производственного предприятия, где готовая продукция хранится рядом с заготовками, подлежащими обработке (а движение таких изделий тоже необходимо отслеживать). Примером таких складов являются склады в производственных цехах, где осуществляет-ся обработка металлопроката. 

В то же время идёт интенсивное развитие технологий технического зрения, работающих на основе искусственных нейронных сетей [4–6], в частности, ориентированных на определение и отслеживание направления движения конкретных объектов на видеопотоке. 

Цель настоящей работы – оценка возможности использования технологии детектирования объектов на видеопотоке для построения цифрового двойника склада с металлопрокатом: рулонами нержавеющей стали, как упакованными и готовыми к отгрузке, так и требующими дополнительной обработки. 

Методика проведения эксперимента и подготовки данных, план размещения камер

Для осуществления эксперимента штатив с ноутбуком и двумя веб-камерами, как отражено на рис. 1, был размещён на складе цеха по обработке рулонов из стали. В течение десяти часов видеопотоки с видеокамер записывались на жёсткий диск ноутбука.

Далее была осуществлена подготовка обучающего набора изображений с использованием инструмента разметки «Label Studio». При этом учитывалось разнообразие сценариев перемещения рулонов металла, таких как повороты, движение в разных направлениях и остановки, наличие на изображениях рулонов с различными размерами. Разметка кадров обеспечила отметку местоположения и границы рулонов металла на каждом изображении. После разметки набор был разделён на обучающий и тестовый комплекты в соотношении 70 к 20.

В качестве искусственной нейрон-ной сети для обнаружения рулонов была использована архитектура YOLO-8 (You Only Look Once). Тренировка нейронной сети составила 80 эпох. 

После завершения обучения с использованием языка программирования Python было разработано программное обеспечение, которое обеспечивает выполнение следующих функций: 

1. присвоение уникального номера каждому обнаруженному в кадре рулону; 
2. отслеживание передвижения всех обнаруженных в кадре рулонов; 
3. регистрацию перемещения рулона из поля зрения одной камеры в поле зрения другой камеры с сохранением уникального номера; 
4. визуализация на видеопотоке найденных рулонов с присвоенными им номерами. 

Далее на записи с камеры был выбран промежуток времени, в котором произошло перемещение рулона мостовым краном с места хранения на разматыватель агрегата горячего цинкования, и к этой записи было применено разработанное программное обеспечение. 

Результаты и обсуждение 

В результате проигрывания отрезка видео с использованием разработанного программного обеспечения можно видеть найденные на кадрах рулоны с номерами (рис. 2в). Перемещаемый мостовым краном рулон переходит от камеры к камере с сохранением присвоенного ему уникального номера. На рис. 2а и 2б убрана визуализация всех найденных рулонов и оставлена визуализация только рулона, который мостовым краном перемещается на разматыватель агрегата горячего цинкования. Рис. 2а отражает стартовую позицию рулона на складской площадке, а рис. 2б – его финишную позицию на разматывателе. 

Применение разработанного программного обеспечения позволяет обнаруживать все рулоны в поле зрения камеры, а также отслеживать перемещение рулонов по складу. 

Применение такого способа для идентификации и отслеживания перемещений продукции позволяет избежать недостатков использования технологии Интернета вещей. 

Выводы и перспективы внедрения

Таким образом, протестирована возможность создания цифрового двойника склада на основе искусственной нейронной сети с его интеграцией со смежными системами цеха, что позволит обеспечить: оптимизацию производственных процессов, предотвращая задержки и оптимизируя маршруты перемещения; предотвращение возможных аварий и несчастных случаев, связанных с перемещением продукции в производственном пространстве; информацию об актуальном местоположении продукции, что позволит эффективнее планировать производст-венные ресурсы в реальном времени; предотвращение потерь продукции вследствие оперативной реакции системы и фиксации любых изменений в движении и местоположении продукции; снижение зависимости от операторов и минимизация человеческого фактора; создание единой интеллектуальной системы производства. 

Перспективным, на взгляд авторов, является использование такого способа отслеживания перемещения продукции для трекинга изделия от заготовки до полной готовности с использованием имеющейся уже на предприятии системы видеонаблюдения с дополне-ниями или без них. ●

Литература

1. URL: https://isbc-rfid.ru/applications/warehouses/.
2. URL: https://1cab.ru/ab/news/VnedrenieRFIDtekhnologiidlyaavtomatizatsiiskladaiprovedeniyainventarizatsii/.
3. URL: https://skladovoy.ru/rfid-texnologiya-na-skladax.html.
4. URL: https://arxiv.org/abs/1506.02640.
5. URL: https://arxiv.org/abs/1812.00442.
6. URL: https://arxiv.org/abs/1803.08375.

© СТА-ПРЕСС, 2024