Система визуального контроля мостового крана LXD
Технология AI-визуального контроля мостовых кранов включена в список типовых примеров применения ИИ в промышленности Министерства промышленности и информатизации КНР. Данный перечень, формируемый министерством, является национальным признанием глубины интеграции технологий искусственного интеллекта и обрабатывающей промышленности.
Перечень типовых примеров применения ИИ в промышленности, формируемый Министерством промышленности и информатизации КНР, — это национальное признание уровня интеграции технологий искусственного интеллекта и обрабатывающей промышленности. Технология AI-визуального контроля мостовых кранов недавно официально вошла в этот перечень. В рамках конкурса по всей стране было подано более 600 заявок, в итоговый список вошли около 120 проектов; технология AI-визуального контроля мостовых кранов стала единственным проектом в сфере грузоподъёмных машин. В данной статье представлены содержание заявки, процедура отбора и практические результаты внедрения.
Содержание типовой заявки
В заявке в качестве конкретного сценария применения представлена система визуального мониторинга безопасности мостовых кранов на предприятиях чёрной металлургии. Проект охватывает три ключевых направления: система обнаружения вторжения персонала на основе модели YOLOv8 в реальном времени выявляет людей в зоне подъёма и транспортировки груза; трёхуровневая сигнализация передаёт сигнал на ПЛК крана для замедления или аварийной остановки (STO). На металлургическом предприятии, указанном в заявке, показатель полноты обнаружения вторжений достиг 96,2%. Система позиционирования груза обеспечивает точное позиционирование стальных рулонов и стальных листов за счёт преобразования координат, сокращая среднее время позиционирования с 8 до 3 минут. Система онлайн-обнаружения дефектов стального каната на основе ИИ развёрнута на 12 металлургических литейных кранах предприятия; суммарная эффективная длина проконтролированного каната составила около 4800 м, заблаговременно выявлено 17 дефектов.
Процедура отбора
Отбор типовых примеров проходил в три этапа: рекомендация регионального промышленного ведомства, экспертная оценка и утверждение с публикацией списка. Заявка прошла предварительный отбор и рекомендацию Промышленного департамента провинции Хэнань и была допущена к этапу экспертной оценки. Экспертная группа оценивала проекты по четырём критериям: техническая передовость, практическая эффективность, масштабируемость и инновационность.
Результаты внедрения и ценность тиражирования
Металлургическое предприятие из заявки — типичный сценарий применения системы визуального мониторинга безопасности. С 2024 года предприятие развернуло систему на 87 мостовых кранах в три этапа; общий объём инвестиций составил около 2 220 000 руб. По данным эксплуатации, количество инцидентов, связанных с вторжением персонала, снизилось на 82%: за год зафиксировано лишь 2 случая случайного попадания людей в опасную зону, и оба были успешно обнаружены системой с активацией аварийной остановки STO без причинения вреда. Что касается эффективности подъёмно-транспортных операций, среднесуточное количество подъёмов на 87 кранах выросло с 410 до 530, т.е. примерно на 29%. После внедрения модуля дефектоскопии стального каната на 12 ключевых кранах годовое количество замен каната сократилось в среднем с 4,2 до 2,8, что позволило напрямую сэкономить около 197 000 руб. на закупке канатов.
Часто задаваемые вопросы
В: Как включение в перечень типовых примеров Минпрома помогает продвижению крановой продукции на рынке?
О: Включение в перечень типовых примеров Минпрома означает, что техническая передовость и практическая эффективность технологии AI-визуального контроля мостовых кранов получили признание на государственном уровне. При продвижении продукции среди заказчиков этот перечень служит авторитетным подтверждением со стороны третьей стороны. Кроме того, при подаче заявок на участие в государственных и региональных программах в области интеллектуального производства наличие такого опыта является дополнительным преимуществом при оценке проекта.
В: Какие показатели отбора типовых примеров наиболее важны для экспертов?
О: Эксперты уделяют наибольшее внимание трём показателям: тиражируемость и масштабируемость технологии, достоверность количественных данных о результатах внедрения и обоснованность соотношения затрат и выгод. Проект AI-визуального контроля по всем трём показателям вошёл в топ-20% — по масштабируемости проект подтверждён на 19 предприятиях, охватывая металлургию, судостроение и тяжёлое машиностроение. По соотношению затрат и выгод: инвестиции в размере 2 220 000 руб. на 87 кранов обеспечивают годовую экономическую эффективность около 1 171 000 руб.
В: Предусмотрен ли последующий мониторинг или контрольные проверки после включения в перечень?
О: После включения в перечень необходимо раз в полгода предоставлять в Минпром отчёт о ходе реализации проекта с актуальными данными о тиражировании и результатах внедрения. Минпром проводит динамическую корректировку перечня раз в два года на основе эффективности тиражирования. Оценка типовых примеров проводится в соответствии с оценочными критериями модели зрелости интеллектуального производства GB/T 39116-2020. Проекты с подтверждённой высокой эффективностью тиражирования сохраняют статус без повторной экспертизы.
В: Тиражируется ли проект в других отраслях, помимо чёрной металлургии?
О: Проект уже тиражирован в трёх отраслях: в тяжёлом машиностроении система визуального мониторинга безопасности развёрнута у 5 заказчиков на 42 мостовых кранах; в судостроении — у 3 заказчиков на 28 кранах; в сфере новых источников энергии — у 2 заказчиков на 15 кранах. Результаты внедрения в этих отраслях практически сопоставимы с показателями металлургии: количество инцидентов с вторжением персонала снизилось на 75–85%, эффективность подъёмно-транспортных операций выросла на 20–30%.
