Внедрение ИИ — удалённая работа в Москве

Пожелания и особенности: Техническое задание на внедрение системы искусственного интеллекта (AI) для оптимизации производства металлообработки на станках с ЧПУ Цели • Снижение общих операционных затрат (OEE) на 15% в течение 12 месяцев после внедрения. • Повышение общего коэффициента эффективности оборудования (OEE) на 10-12%. • Сокращение количества бракованной продукции на 25%. • Увеличение срока службы режущего инструмента на 20%. • Переход от реактивного к предсказательному обслуживанию станков. Задачи • Реализовать систему мониторинга станков в реальном времени со сбором данных. • Внедрить AI-модели для прогнозирования остаточного ресурса режущего инструмента. • Разработать систему автоматического обнаружения аномалий в процессе обработки (вибрация, скачки нагрузки, поломка инструмента). • Создать модуль оптимизации режимов резания на основе анализа исторических данных. • Интегрировать систему визуального контроля качества на основе компьютерного зрения для выявления дефектов. • Обеспечить формирование предиктивных уведомлений о необходимости технического обслуживания станков. Что не входит в Задачи (Objectives) • Реализовать систему мониторинга станков в реальном времени со сбором данных. • Внедрить AI-модели для прогнозирования остаточного ресурса режущего инструмента. • Разработать систему автоматического обнаружения аномалий в процессе обработки (вибрация, скачки нагрузки, поломка инструмента). • Создать модуль оптимизации режимов резания на основе анализа исторических данных. • Интегрировать систему визуального контроля качества на основе компьютерного зрения для выявления дефектов. • Обеспечить формиение предиктивных уведомлений о необходимости технического обслуживания станков. самих станков ЧПУ. • Замена действующей ERP/MES системы. • Полная автоматизация управления цехом (внедрение AGV, роботов-манипуляторов и т.д.) – проект фокусируется на аналитике и оптимизации. Функциональные требования • F1. Сбор данных: – Система должна собирать данные с контроллеров станков ЧПУ (через OPC UA, MTConnect или аналогичные протоколы). – Система должна интегрироваться с установленными датчиками (виброакселерометры, датчики силы, датчики тока). – Частота дискретизации данных с датчиков должна быть не менее 1 кГц. • F2. Мониторинг в реальном времени: – Визуализация состояния всех пилотных станков на единой карте цеха. – Отображение текущих заданий, прогресса выполнения, активности (работает, простои, alarm). • F3. Предиктивный анализ инструмента: – Модель должна анализировать нагрузку, вибрацию и энергопотребление для оценки износа инструмента. – Система должна генерировать предупреждения о необходимости замены инструмента за N рабочих часов/минут до predicted отказа. • F4. Обнаружение аномалий: – Автоматическое определение коллизий, поломки инструмента, вибрационной неустойчивости ( chatter). – Мгновенное оповещение оператора (звуковое/световое) и остановка станка при критической аномалии. • F5. Оптимизация режимов резания: – Анализ успешных выполненных программ для предложения оптимизированных значений подачи и скорости (S и F) для снижения времени цикла и износа. • F6. Визуальный контроль качества (Computer Vision): – Интеграция камер на выходе со станков. – AI-модель для обнаружения дефектов: сколы, царапины, отсутствие отверстий, несоответствие геометрии. • F7. Предиктивное обслуживание: – Мониторинг состояния компонентов станка (шпинделя, шарико-винтовых пар, подшипников) для планирования ТО. Функциональные требования • F1. Сбор данных: – Система должна собирать данные с контроллеров станков ЧПУ (через OPC UA, MTConnect или аналогичные протоколы). – Система должна интегрироваться с установленными датчиками (виброакселерометры, датчики силы, датчики тока). – Частота дискретизации данных с датчиков должна быть не менее 1 кГц. • F2. Мониторинг в реальном времени: – Визуализация состояния всех пилотных станков на единой карте цеха. – Отображение текущих заданий, прогресса выполнения, активности (работает, простои, alarm). • F3. Предиктивный анализ инструмента: – Модель должна анализировать нагрузку, вибрацию и энергопотребление для оценки износа инструмента. – Система должна генерировать предупреждения о необходимости замены инструмента за N рабочих часов/минут до predicted отказа. • F4. Обнаружение аномалий: – Автоматическое определение коллизий, поломки инструмента, вибрационной неустойчивости ( chatter). – Мгновенное оповещение оператора (звуковое/световое) и остановка станка при критической аномалии. • F5. Оптимизация режимов резания: – Анализ успешных выполненных программ для предложения оптимизированных значений подачи и скорости (S и F) для снижения времени цикла и износа. • F6. Визуальный контроль качества (Computer Vision): – Интеграция камер на выходе со станков. – AI-модель для обнаружения дефектов: сколы, царапины, отсутствие отверстий, несоответствие геометрии. • F7. Предиктивное обслуживание: – Мониторинг состояния компонентов станка (шпинделя, шарико-винтовых пар, подшипников) для планирования ТО. Нефункциональные требования • Н1. Производительность: Задержка в системе оповещения об аномалиях не более 500 мс. • Н2. Надежность: Доступность системы 99.5%. • Н3. Безопасность: Все данные должны передаваться и храниться в зашифрованном виде. Разграничение прав доступа для разных ролей пользователей. • Н4. Масштабируемость: Архитектура должна позволять добавлять новые станки и новые типы анализа без полного перепроектирования. • Н5. Интерфейс: Веб-интерфейс, адаптированный для просмотра на планшетах, смартфонах и стационарных компьютерах. Нефункциональные требования • Н1. Производительность: Задержка в системе оповещения об аномалиях не более 500 мс. • Н2. Надежность: Доступность системы 99.5%. • Н3. Безопасность: Все данные должны передаваться и храниться в зашифрованном виде. Разграничение прав доступа для разных ролей пользователей. • Н4. Масштабируемость: Архитектура должна позволять добавлять новые станки и новые типы анализа без полного перепроектирования. • Н5. Интерфейс: Веб-интерфейс, адаптированный для просмотра на планшетах, смартфонах и стационарных компьютерах.