На складах горно-металлургической компании, работающей в условиях Крайнего Севера, накапливались сверхнормативные запасы (трубы, кабели, КИП и расходные материалы), в которых были заморожены значительные оборотные средства. Вывоз таких запасов экономически нецелесообразен, при этом часть из них со временем теряет свойства. Параллельно продолжались закупки аналогичных позиций для новых проектов, потому что спецификации сопоставлялись со складскими остатками только на основе точного совпадения.

ИИ-ассистент встроен между формированием спецификации и подачей заявки в закупки и устраняет разрыв между «языком склада» и «языком проектировщиков». Сервис нормализует складские данные и спецификации, приводя описания к единому формату (классы, характеристики, ГОСТ/ТУ, единицы измерения), после чего автоматически сопоставляет заявки со складскими остатками: сначала ищет точные совпадения, затем — допустимые аналоги по заданным правилам замены. На выходе формирует предложение — использовать имеющийся материал или закупать новый, при этом финальное решение остаётся за специалистом.

В результате высвобождено не менее 330 млн рублей оборотных средств за счёт вовлечения ранее неиспользуемых складских остатков в закупочный контур.

менее 330 млн рублей оборотных средств за счёт вовлечения ранее неиспользуемых складских остатков в закупочный контур.

The post ИИ-ассистент по оптимизации сверхнормативных запасов first appeared on Компания НТР.

Мы разработали сервис распознавания номеров контейнеров для трех точек контроля — на закрытой и открытой площадках

Система принимает на вход кадры контейнера через API, автоматически определяет маркировку контейнеров с точностью более 98% и передает во внутреннюю систему компании.

После внедрения сервис упростил работу:

• Сократилось количество ошибок персонала
• Ускорилась операция обработки контейнера
• Повысилась прозрачность учета
• Сотрудники тратят меньше времени на рутину, а компания получает более точные и оперативные данные для управления логистикой

The post Распознавание номеров контейнеров first appeared on Компания НТР.

Для производства гофрокартона важнейшую роль играет раскрой полотна на отдельные заказы. От того, каким образом настроен раскрой, зависит объем отходов производства, эффективность и скорость работы и в конечном итоге — прибыльность. На одном из крупнейших картонных производств использовалась иностранная система раскроя. Возникла необходимость заменить систему раскроя на собственную так, чтобы эффективность раскроя не ухудшилось

Мы разработали и внедрили систему оптимизации раскроя картона на гофроагрегате. Операторы вводят заказы с их параметрами (размеры, количество) и ограничениями (максимальная/минимальная обрезь, размеры полотен сырья и др.). Система строит оптимальный раскрой с учетом настроек агрегата, текущих производственных потребностей и других технических особенностей. В любой, даже нестандартной производственной ситуации, можно установить нужные параметры оптимизации, чтобы решение было наилучшим.

Благодаря внедрению системы оптимизации раскроя картона у заказчика нет зависимости от иностранной системы раскроя, также снизилась нагрузка на операторов. 

Результаты работы нашей системы по сравнению с импортным ПО: 

• Средняя разница в обрези: 0%
• Средняя экономия сырья: 250 м²/месяц

The post Система оптимизации раскроя картона на гофроагрегате first appeared on Компания НТР.

Оператору печей приходилось хранить информацию на отдельном носителе и постоянно перемещаться между печами для мониторинга температуры и соблюдения технологического процесса. Такой подход часто приводил к человеческим ошибкам и усложнял проверку со стороны главного сотрудника.

Мы создали мобильное приложение, через которое сотрудник в цеху может одновременно фиксировать показатели всех печей, а также веб-интерфейс для контроля и анализа проведенной им работы. Наряду с этим была сделана система администрирования и отчетности, выполнена интеграция с системой управления технологического процесса заказчика.

The post Система мониторинга, хранения и анализа параметров процесса термической обработки изделий first appeared on Компания НТР.

Компания НТР внедрила программное обеспечение, представляющее собой веб-интерфейс, который интегрируется со SCADA-системой и собирает данные во время испытаний двигателей на испытательных стендах завода. Таким образом сотрудники могут контролировать данные со всех тестовых стендов. Также программа предоставляет готовый для распечатки шаблон с автозаполнением всех доступных данных, что экономит время рабочих специалистов на заводе.

The post Система мониторинга параметров испытания двигателей first appeared on Компания НТР.

Мы внедрили нашу систему видеоаналитики VideoAI.NTR. Система обрабатывает видеопоток с камер, выделяет проходящий контейнер в кадре, определяет номенклатуру в контейнере на основе обработки множества кадров и передает данные на терминал. Точность детекции составляет не менее 95%, что позволяет исключить ручную регистрацию сырья и сократить производственный персонал цеха упаковки, а также обеспечить перенаправление потока сырья для увеличения мощности обвалки.

The post Классификация продукции на выходе с обвалки (PoC) first appeared on Компания НТР.

Ежедневные рассевы для определения гранулометрического состава сырья перестали соответствовать современным требования к эффективности управления доменным производством. Это снижало эффективность работы доменной печи и ухудшало качество выплавляемого металла.

Система потокового контроля гранулометрического состава в режиме реального времени определяет тип шихты, фракционный состав и посторонние предметы на конвейерах цеха рудоподготовки. Она основана на нашей собственной технологии машинного зрения — VideoAI.NTR.

Мы внедрили систему, которая обеспечила стабильность и эффективность работы печи, снизив удельный расход кокса на 0,5 кг/тонну. Автоматический гранулометрический контроль дополнительно позволил оперативно информировать персонал об ошибках и предотвращать опасные инциденты.

The post Система поточного контроля гранулометрического состава шихты на конвейерах first appeared on Компания НТР.

К нам пришли заказчики — голландский стартап. Они попросили разработать промышленную систему навигации беспилотного летательного аппарата (БПЛА) для проведения инспекций нефтяных резервуаров. Внутри резервуаров не работают компас, ГЛОНАСС, GPS, нет радиосигнала — то есть обычный дрон ориентироваться там не может.
‍
Никто такого в мире еще не делал, но мы все же взялись за эту сложную задачу. Мы разработали уникальное программное обеспечение для управления БПЛА в помещениях, в котором было: прецизионное позиционирование, алгоритмы облета поверхности с полным покрытием, алгоритмы облета препятствий, умная система стабилизации изображения и улучшения качества изображения в условиях плохого освещения.

Мы успешно тестировали дроны с нашей системой навигации.
Тестовые полеты в Московском метрополитене в 2017. Провели испытание дрона в московском метро. Дрон самостоятельно выполнил полёт через предопределенные 3D точки в отсутствие GPS, успешно пролетел между колоннами станции, начал с платформы, нашел метку в туннеле и вернулся обратно.
‍
Тестовые полеты в Томском нефтехранилище в 2018. Провели испытание дрона в одном из нефтехранилищ г. Томска.  Автономный дрон все сделал сам: облетел помещение по спирали, сфотографировал каждый метр и проверил состояние стен на наличие дефектов таких как крип, коррозия, несоответствие установки. Видео: UAV for oil tank inspection.
‍
Тестовые полеты в Хьюстоне в 2019. Впервые представили дрон в Америке. Презентация прошла на мероприятии BBL Labs Energy Tech Accelerator Launch Party & Drone Demo. В той же поездке провели тестовые полеты в помещениях двух нефтегазовых компаний. Видео: BBL Labs Launch + Drone Event Recap.

Презентации, выступления.
‍Мы представили дрон на различных конференциях: SPRINT ROBOTICS 2018 Robotics Showcasing and Demonstration Events in Richmond and Pittsburgh в Калифорнии (Америка), AI Expo Europe в Амстердаме (Нидерланды), U-NOVUS2018 в Томске (Россия), The 38th GITEX TECHNOLOGY WEEK в Дубаи (ОАЭ), The IDTechEx Show в Силиконовой Долине (Америка), China International Technology Transfer Convention в Пекине (Китай), Американской торговой палате в Москве (Россия), Commercial UAV Expo Europe 2019 в Амстердаме (Нидерланды).
‍
Технология
Технология основана на компьютерном зрении и Методе одновременной локализации и построения карты (SLAM).
Локализация, построение карты, обнаружение и идентификация объектов используя собственные алгоритмы компьютерного зрения, глубокие сверточные нейронные сети и сочетание набора установленных на БПЛА сенсоров.
Мы не разрабатываем дрон. Наш продукт – это платформа для разработки приложений для промышленного применения дронов.

Наша технология не требует предварительной подготовки карты. Дрон оснащен множеством сенсоров, которые помогают ему определять местонахождение, наклон, высоту и другие важные для полета параметры. На данный момент наша навигационная система состоит из таких сенсоров: сканирующий круговой лидар, лазерные дальномеры, стереокамера, Jetson TX2, IMU, фонарик и программного обеспечения. Специальные алгоритмы позволяют дрону по собранной информации идентифицировать положение в пространстве и управлять движением самостоятельно.

На нашей платформе мы можем разработать систему навигации для подобных видов роботов, например, кроулеров.

Отличие нашей технологии от технологии конкурентов. Во-первых, наша довольно сложная система на SLAM запускается с одной кнопки. В идеале можно поставить дрон, нажать кнопочку, отойти, дрон взлетит и выполнит миссию и приземлится в это же самое место. После этого человек может выключить дрон, перенести его в другое место и провести следующую инспекцию. Технология действительно является автономной, она не требует от человека навыков пилотирования.
‍
Во-вторых, наша навигационная система состоит из нескольких компонентов.  — это визуальная одометрия, это навигация основанная на лазерных сканерах — лидарах. Обрабатывается и синтезируется общая информация на основе всех вот этих систем. Это означает, что если дрон попадает в условия, где одна из систем не работает, то дрон продолжает лететь на основе другой. Например, если дрон попадает в сложное окружение, где много проводов и труб, то он продолжает лететь на основе компьютерного зрения. У нас три уровня навигации, которая там присутствует. Отшибает одну, продолжает лететь на другой по мере того, как меняются условия.
‍
Используя беспилотник для обследования нефтехранилищ, можно выполнить полную съемку, построить трехмерную модель и оценить состояние резервуара, почти не заходя в него.

Нигде таких промышленных дронов пока не производится.
‍
Преимущества обследования резервуаров с помощью БПЛА
• Инспектора могут находиться вне резервуара во время обследования
• Изображения высокого разрешения и качества
• Точная привязка изображений и дефектов к плану и 3D-модели.

Текущее состояние
• Предпромышленные образцы
• Очередь из клиентов на демонстрацию технологии, включая DNV, Lloyds, UTC
• Поданы две российских заявки на регистрацию в Роспатенте, готовятся еще несколько и американские
• Идут переговоры с российскими и европейскими производителями дронов

Возможные области применения
‍Дрон на такой платформе сможет обслуживать любые задачи, подразумевающие внутреннюю навигацию и полёты в помещениях в условиях отсутствия освещения, сигналов GPS, радиосигнала, некорректной работы магнитометра.

• Технические инспекции: нефтехранилища, топки, здания, строительные сооружения, мосты, шахты, туннели, карьеры, подземные сооружения, метро, горнодобывающие предприятия, морские танкеры, корабли, самолеты, то есть в самых разнообразных местах, где не работает GPS.
• Складская инвентаризация
• Охранные системы
• Спасательные операции
• Доставка внутрь помещений
• Съемка в помещениях
• Дроны-гиды и др.
‍

The post Первая в мире автономная система навигации дронов для технических инспекций внутри сооружений first appeared on Компания НТР.

Целевая метрика – маржинальная прибыль, полученная через рекомендации в корзине (товары, добавленные из рекомендаций)

Построенная НТР система сравнивалась с несколькими системами российских и зарубежных разработчиков и показала лучшие результаты – порядка 10 млн. рублей в месяц дополнительной маржинальной прибыли

Компания имеет несколько сотен ресторанов быстрого питания по всей стране. Целью заказчика был выбор наиболее эффективной рекомендательной системы для допродаж из корзины в киосках.

Для участия в A/B тестировании было выделено 150 ресторанов, заказы из которых были равномерно распределены между пятью конкурирующими системами посредством nginx. Таким образом каждый следующий заказ из одной торговой точки отдавался на обработку другой рекомендательной системе, чтобы исключить локальный фактор пользовательского поведения и предпочтений покупателей.

В рамках тестирования мы разработали несколько рабочих моделей, в том числе использующих нейросети. Каждую ночь модели дополняются новыми данными о выборе пользователях и продажах.

За время исследования наши дата-сайентисты проверили более 15 гипотез о пользовательском поведении и смогли создать модель, которая дает прирост 0,9% к общему обороту за счет выдачи рекомендаций в корзине.

Такие показатели выше показателей конкурентов на 0,2-0,4%, что позволяет получать ~10 млн.рублей в месяц дополнительной маржинальной прибыли.

Подобный результат стал возможен благодаря опыту НТР в построении рекомендательных систем (см. Crosss), экспертизе дата-сайенс инженеров компании, а также глубокому изучению получаемых и ежедневно обновляемых данных.

The post Рекомендательная система для крупной сети быстрого питания first appeared on Компания НТР.