Промышленность

Ёлочки — цифровые иголочки: как Segezha Group автоматизирует лесозаготовку

2 декабря 2020

10 мин

Поделиться в соцсетях

Сергей Меркулов

Сергей Меркулов

Руководитель цифровой трансформации Segezha Group

Машинное зрение позволяет добиться точности и сэкономить десятки миллионов рублей в год на лесозаготовках.

Погрешность в 60 000 кубометров леса в год

Цифровая трансформация началась в Segezha Group в 2019 году. После всестороннего анализа бизнес-процессов было определено первое приоритетное направление — мониторинг сырьевых потоков.

Учётной единицей измерения круглого леса является не складочный объём, а плотный. Поверхность стволов неровная, у неё есть сучки, кора, между брёвнами при укладке на лесовоз возникают пустоты. Чтобы получить плотный (полезный) объём заготовленной древесины, приёмщик измеряет параметры линейкой и рассчитывает складочный объём. Затем он умножает полученную цифру на коэффициент полнодревесности, определяемый на глаз.

Сегежский целлюлозно-бумажный комбинат за год потребляет около 2 млн кубометров круглого леса. Допустимая погрешность измерений на приёмке по ГОСТу составляет 3%. Но никто не может дать гарантий того, что человек на всех этапах измерений уложится даже в эти 3%. А 3—5% погрешности от 2 млн кубометров — это 60—100 тыс. кубометров леса.

Segezha Group — российский лесопромышленный холдинг с полным циклом лесозаготовки и переработки древесины. Segezha Group занимает первое место в России по производству бумажных мешков, мешочной бумаги, домокомплектов из клееного бруса и по валовому производству хвойных пиломатериалов. Продукция SG экспортируется более чем в 100 стран мира.

Лесовозы едут сквозь рамку

Система автоматизированного учёта круглого леса — это решение, разработанное на основе машинного зрения и нейронных сетей. В стационарном пункте приёмки лесовоз должен проехать сквозь рамку, на которой смонтированы лидар (лазерный датчик) и камеры — две сбоку, две сверху. Лидар фиксирует передвижение лесовоза и управляет работой камер, ведущих скоростную съёмку с разных ракурсов. Сопоставляя полученные фотоснимки с данными датасета, система автоматически рассчитывает объём леса, коэффициент полнодревесности и определяет породу древесины. Временные затраты на автоматизированную приёмку машины составляют 2 секунды, тогда как ручной обмер и расчёт одного лесовоза занимает около 12 минут. В месяц Сегежский целлюлозно-бумажный комбинат принимает от 2 до 5 тыс. лесовозов.

Обработкой данных занимается единое ядро, но базовый расчётный модуль может работать не только в составе клиент-серверной архитектуры, а также непосредственно на планшете или смартфоне в отсутствие интернета. Например, для обмера леса на временных складах в местах заготовки. Это позволяет обходиться без дорогостоящих каналов связи, все первичные измерения могут проводиться с помощью мобильных устройств. Мастер участка периодически выгружает данные с устройства в аналитическую базу.

2 секунды

— за такое время ИИ обмеривает лесовоз

Можно ли сертифицировать искусственный интеллект?

Благодаря такой гибкости система получается простой и компактной, в лесу это смартфоны или планшеты, а во всех крупных точках приёмки леса — стационарные рамки или комплексы камер. После запуска первых локаций дальнейшее масштабирование системы требует самых минимальных затрат, которые сводятся к монтажу камер или установке ПО на носимые устройства. С ними взаимодействует уже обученная нейросеть, в работе которой не потребуется никаких изменений.

Сегодня система машинного зрения работает на приёмке леса в тестовом режиме параллельно с человеком. Это позволит на длинной дистанции определить реальный уровень погрешности работы людей, понять разницу между ними и внести много дополнительных функций. Есть и другие ограничения: на основании действующего законодательства искусственный интеллект не может получить метрологический сертификат. Возможно, систему искусственного интеллекта удастся сертифицировать в составе программно-аппаратного комплекса.

Затраты и срок окупаемости

Документально подтверждённые расчёты показали, что система машинного зрения позволяет сократить погрешность приёмки леса до 1,5—2% (допустимая погрешность по ГОСТу — 3%). Затраты на развёртывание системы в масштабе всей компании составляют несколько десятков миллионов рублей.

Прямой экономический эффект появляется, когда предприятие будет готово отказаться от услуг человека на приёмке леса. Сейчас идёт обучение системы, накапливается материал в датасетах. Началом промышленной эксплуатации системы можно будет считать тот момент, когда она начнёт работать вместо людей. Срок окупаемости будет зависеть от периметра внедрения. Если система распространится на всю группу компаний, на все точки присутствия, то окупаемость будет очень быстрая, в пределах полугода.

До 1,5—2%

позволяет сократить погрешность приёмки леса система машинного зрения

Автоматические дроны и предиктивная аналитика

В ближайших наших планах реализация ещё нескольких точечных проектов, решающих проблемы «узких мест» производственной цепочки. Их запуск позволит высвободить или сэкономить значительные ресурсы.

Один из них — это инспекция стационарных складов с круглым лесом и щепой с помощью дронов. Обычно дроны используются операторами и не обеспечивают полной автоматизации процессов. Здесь речь идёт об использовании автоматических дронов и купольной системе с дрон-портами. Такие дроны смогут летать по заданным параметрам, ориентируясь на геометки, установленные на территории склада и передавать всю информацию на сервер. От точности и частоты инспекции складов зависит качество складской логистики и объём затрат на персонал склада.

Ещё один перспективный проект Segezha Group относится к сфере предиктивной аналитики. Это использование машинного зрения для инспекции бумажного полотна с целью выявления брака и предотвращения внеплановой остановки производственного узла.

Путь снизу вверх

В работе над задачами цифровой трансформации мы предпочитаем микросервисную архитектуру — точечное решение наиболее актуальных проблем, способное сразу дать измеримый финансовый результат.

Создавая цифровые слои отдельных участков процесса, мы идём не сверху вниз, а снизу вверх. К моменту, когда все эти элементы превратятся в полный цифровой двойник Segezha Group, затраты на его создание уже окупятся. Каждый из микросервисов должен быть рентабельным и приносить прибыль. Такой подход позволяет параллельно запускать вспомогательные сервисы, не несущие прямых выгод, но способные повысить качество аналитики и синергетический эффект. Масштабные инвестиции в цифровую трансформацию не являются гарантией результата и уж тем более не подразумевают быстрой окупаемости. Мы придерживаемся другой стратегии: быстрые внедрения и точечные проекты с измеримым эффектом.

Поделиться в соцсетях

Статья была вам полезна?

Да

Нет