Могилев, Беларусь
Могилев, Беларусь
Брянск, Брянская область, Россия
Статья посвящена разработке технологии повышения эффективности процессов управления организацией сварочных работ на основе комплексного использования алгоритмов роевого интеллекта, эволюционного моделирования в сочетании с применением сверточных нейро-нечетких сетей (СННС). Актуальность задачи связана с отсутствием возможности постоянного контроля и анализа работы сварщиков, сложностью объективной оценки качества сварных швов, наличием большого количества курсов обучения сварщиков, из которых сложно выбрать соответствующие потребностям производства, необходимостью обработки большого количества данных для эффективного распределения сварочных работ между исполнителями. Разработана новая технология повышения эффективности управления организацией сварочными работами, основанная на применении комплексного использования алгоритмов роевого интеллекта при обучении сварщиков, эволюционного моделирования при распределении сварочных работ между исполнителями в сочетании с применением СННС для распознавания дефектов сварных швов. Предложенная информационная технология обеспечивает комплексную автоматизацию следующих этапов управления сварочными работами: формирование структуры и состава знаний, умений и навыков сварщиков, востребованных производством; формирование состава курсов, обеспечивающих эффективное обучение сварщиков востребованным производством работам с использованием алгоритмов роения пчел; обучение сварщиков работам, востребованным производством, в минимальные сроки с использованием алгоритма муравьиной колонии и светлячков; рациональное распределение работ между сварщиками на основе эволюционного моделирования; контроль качества работ путем автоматического распознавания дефектов сварных швов с использованием СННС.
повышение эффективности, управления сварочными работами, роевой интеллект, эволюционное моделирование, сверточные нейро-нечеткие сети
Введение
Проблематика создания методов, средств и технологий повышения эффективности процессов управления сварочными работами исследуется в ряде работ отечественных и зарубежных авторов: вопросам организации сварочных работ и повышению мотивации исполнителей посвящены работы [1 – 5], вопросы разработки и применения систем цифрового управления сварочными работами рассматриваются в работах [6 – 10]. Известны подходы к автоматизированному анализу дефектов сварных швов [11 – 16]. Актуальной задачей в настоящий момент остается разработка и применение информационных технологий, позволяющих обеспечить комплексную автоматизацию решения задач управления сварочными работами на всех этапах: от обучения сварщиков, до непосредственного выполнения сварочных работ.
Нарушение сварщиками технологических инструкций из-за недостаточно высокой квалификации, несоответствия квалификации используемым технологиям при выполнении сварочных работ на нефте- и газопроводах, теплотрассах и промышленных предприятиях машиностроения приводит к образованию недопустимых дефектов сварных швов. Разрушение сварных швов приводит к авариям на нефте- и газопроводах, теплотрассах, поломкам машин и механизмов в процессе эксплуатации, дорогостоящим и продолжительным ремонтам. Найти дефекты, которые привели к разрушению сварного шва, сварщиков, ответственных за нарушение технологий, по истечении некоторого периода времени при отсутствии автоматизации практически невозможно. Решением данной задачи является создание технологии автоматизированного контроля на всех этапах обучения и производства сварочных работ, обеспечивающей идентификацию сварщиков, автоматизированный контроль и анализ результатов обучения и работы каждого сварщика, объективную непредвзятую оценку качества сварных швов. Для решения задачи повышения эффективности сварочных работ перспективным является применение мягких вычислений в процессе управления обучением сварщиков и распределения работ между сварщиками.
Целью данной работы является разработка новой информационной технологии повышения эффективности процессов управления сварочными работами, обеспечивающей автоматизацию обучения сварщиков с использованием алгоритмов роевого интеллекта, автоматизацию распределения работ между сварщиками на основе эволюционного моделирования, автоматизацию рентгенографического контроля (РК) сварных швов на основе сверточных нейро-нечетких сетей (СННС).
Обзор существующих систем управления сварочными работами
Автоматизация, как чисто механическая составляющая сварочных процессов, так и интеллектуальная помощь в принятии решений при сварочных работах, становится критически важной в условиях дефицита квалифицированных рабочих.
В таких условиях автоматизация не только помогает компенсировать нехватку человеческих ресурсов, но и позволяет повысить общую эффективность производства за счет точного распределения задач и минимизации ошибок.
Современный рынок предлагает широкий спектр программных решений для автоматизации сварочных процессов, среди которых выделяются такие продукты, как Decapower и Valk Welding. Эти системы обеспечивают высокую степень автоматизации за счет использования передовых технологий, таких как мониторинг параметров сварки в реальном времени с использованием технологии интернета вещей. Это значительно упрощает работу операторов и снижает вероятность появления брака.
Также существуют системы предиктивной аналитики для мониторинга состояния сварочного оборудования и оптимизации потока задач между сварщиками. Среди лидеров этого направления – Daihen Corporation и Fronius International GmbH, чьи решения демонстрируют повышение производительности до 30 % при внедрении. Интернет вещей играет ключевую роль в оптимизации производственных процессов, предоставляя возможность сбора данных о состоянии оборудования и прогнозирования технического обслуживания. Компании, такие как Illinois Tool Works, Inc. и The Lincoln Electric Company, предлагают платформы для мониторинга параметров сварки, что помогает не только улучшить качество швов, но и повысить безопасность рабочих процессов. Такие технологии делают возможным мгновенное обнаружение отклонений и корректировку задач в режиме реального времени [17 – 19].
Вместе с тем, качество сварных соединений в первую очередь зависит от квалификации и опыта сварщика, а также их соответствия уровню сложности выполняемых работ. В этой связи актуальным направлением автоматизации управления сварочными работами становится комплексная обработка информации и поддержка принятия решений при организации обучения сварщиков и распределении сварочных работ между ними, с учетом результатов контроля качества сварных швов.
Задачи повышения эффективности управления организацией сварочных работ
Предлагаемая технология повышения эффективности управления организацией сварочных работ охватывает следующие этапы процесса управления: обучение сварщиков, распределение сварочных работ между ними, контроль качества сварных швов. Состав задач каждого этапа и связанные с ними задачи и методы принятия решений представлены в табл. 1.
Разработан программный комплекс, предназначенный для управления обучением сварщиков на основе алгоритмов роевого интеллекта и распределения сварочных работ между исполнителями, позволяющий автоматизировать решение задач, представленных в табл. 1.
Программный комплекс повышения эффективности процессов управления организацией сварочных работ
Разработанный программный комплекс управления сварочными работами включает следующие модули:
1) модуль автоматического распознавания дефектов сварных швов обеспечивает автоматизацию распознавания дефектов швов на рентгенографических снимках с использованием СННС. Результаты распознавания используются в других модулях для оценки качества сварных швов;
2) модуль повышения эффективности управления обучением сварщиков обеспечивает возможность оценки результатов обучения каждого сварщика руководителем сварочных работ по итогам ВИК, РК, УЗК, автоматически формировать протоколы с результатами контроля, ведомости аттестационных и конкурсных комиссий;
3) модуль повышения эффективности управления работой сварщиков решает задачу назначения исполнителей на сварочные работы с учетом информации о результатах ВИК, РК, УЗК предыдущих работ, уровня владения технологиями и опыта работы сварщиков;
Таблица 1
Состав задач, обеспечивающих повышение эффективности процессов управления организацией сварочных работ
Table 1
Composition of tasks that ensure increased efficiency of welding work management processes
|
№ цели (задачи) |
Описание |
Способы решения задач |
Организационные действия |
Результат |
|
Цель 1 |
Повышение эффективности управления обучением сварщиков |
|||
|
Задача 1.1 |
Предварительная оценка умений и навыков сварщиков |
Выбор направлений и методов обучения каждого сварщика |
1. Организация сварки контрольных образцов, позволяющих определить умения и навыки сварщика 2. Оценка результатов сварки контрольных образцов на основе визуально-измерительного контроля (ВИК), РК, ультразвукового контроля (УЗК) |
Повышение эффективности управления определением направлений и методов обучения сварщиков |
|
Задача 1.2 |
Выбор лучших и перспективных курсов обучения сварщиков |
Выбор лучших и перспективных курсов на основе алгоритма роения пчел [20, 21] |
1. Организация прохождения учебных курсов сварщиками, выступающими в роли пчел-разведчиков 2. Оценка результатов подготовки сварщиков, выступающих в роли пчел-разведчиков |
Повышение качества обучения сварщиков за счет рационального выбора лучших и перспективных курсов |
|
Задача 1.3 |
Формирование индивидуальных траекторий обучения сварщиков |
Формирование индивидуальных траекторий обучения сварщиков на основе алгоритма колонии муравьев [20, 21] |
1. Организация прохождения учебных курсов сварщиками, выступающими в роли муравьев 2. Оценка результатов подготовки сварщиков, выступающих в роли муравьев, по результатам прохождения каждого курса |
Повышение качества обучения сварщиков за счет рационального выбора индивидуальных траекторий обучения |
|
Задача 1.4 |
Формирование индивидуальных траекторий обучения сварщиков |
Формирование индивидуальных траекторий обучения сварщиков выбранным видам работ на основе алгоритма светлячков [20, 21] |
1. Организация прохождения учебных курсов сварщиками, обучающимися выбранным видам работ, на основе алгоритма светлячков 2. Оценка результатов подготовки сварщиков, следующих траекториям светлячков |
Повышение качества обучения сварщиков выбранным видам работ за счет рационального выбора индивидуальных траекторий обучения |
|
Цель 2 |
Повышение эффективности управления распределением сварочных работ между исполнителями |
|||
|
Задача 2.1 |
Формирование состава сварочных работ |
Синтез состава сварочных работ |
1. Формирование перечня сварных швов на основании технологических карт 2. Оценка опыта работы сварщиков на основе количества дефектов сварных швов 3. Рациональное распределение сварочных работ между исполнителями на основе эволюционного моделирования [22]. |
Сокращение времени выполнения сварочных работ
|
|
Задача 2.2 |
Формирование рационального распределения сварщиков на работы |
Оценка распределения сварочных работ между исполнителями лицом, принимающим решение, с учетом результатов расчета времени выполнения работ |
||
|
Цель 3 |
Повышение эффективности контроля качества сварочных работ |
|||
|
Задача 3.1 |
Повышение качества сварочных работ |
Оценка результатов контроля качества сварочных работ для поддержки принятия решений по составу учебных курсов, индивидуальным траекториям обучения сварщиков, рациональному распределению работ между сварщиками |
Оценка качества сварочных работ на основе ВИК, РК, УЗК с автоматическим распознаванием дефектов сварных швов путем использования СННС [23] |
Объективная непредвзятая оценка качества сварочных работ |
4) модуль мягких вычислений реализует алгоритмы роевого интеллекта и эволюционного моделирования. Алгоритмы роевого интеллекта используются при обучении сварщиков. Алгоритмы эволюционного моделирования обеспечивают распределение сварочных работ между исполнителями. При этом используются результаты автоматического распознавания дефектов сварных швов на основе СННС.
Технология повышения эффективности процессов управления организацией сварочных работ
Этапы технологического совершенствования процессов управления организацией сварочных работ:
Этап 1. Оценка первоначальных знаний, умений и навыков сварщиков на основе результатов сварки контрольных образцов. Оценка осуществляется на основании ВИК, РК, УЗК. По результатам ВИК определяются наружные дефекты: дефекты формы шва, подрезы, прожоги, наплывы, кратеры, наружные трещины. Результаты РК автоматически распознаются с использованием СННС, определяются такие виды дефектов, как прожог, трещины, непровары, газовые поры и другие. По результатам УЗК определяются следующие виды внутренних дефектов: поры, шлаковые включения, трещины, непровары.
Этап 2. Комплексная обработка информации о результатах опыта работы сварщиков. Оценка качества выполнения различных видов работ и владения технологиями осуществляется на основании результатов обучения и выполнения предыдущих работ на основании протоколов ВИК, РК, УЗК. Для этого используется модуль повышения эффективности управления обучением сварщиков и модуль повышения эффективности управления работой сварщиков. Исходные данные для оценки качества выполнения сварщиком работ поступают в модули в процессе обучения и работы сварщиков.
Этап 3. Обучение сварщиков востребованным технологиям и сварочным работам. На данном этапе используется модуль повышения эффективности управления обучением сварщиков.
Шаг 3.1. Выбор лучших и перспективных курсов. Для определения лучших и перспективных курсов используется алгоритм роения пчел. Сварщики, выступающие в роли пчел-разведчиков, проходят курсы. По результатам прохождения курсов на основании результатов ВИК, РК, УЗК определяются лучшие и перспективные курсы.
Шаг 3.2. Формирование индивидуальных траекторий обучения сварщиков на основе алгоритма муравьиной колонии. Сварщики последовательно проходят курсы, обучаясь востребованным технологиям и видам работ. Наиболее успешные переходы между курсами постепенно становятся более заметными, и по ним перемещаются другие сварщики.
Шаг 3.3. Обучение сварщиков выбранным видам работ на основе алгоритма светлячков. Траектории подготовки наиболее успешных сварщиков, выполняющих роль светлячков, постепенно становятся более заметными. По ним перемещаются другие сварщики при обучении выбранным видам работ.
Этап 4. Предварительная обработка информации для формирования первоначального распределения работ между сварщиками в модуле повышения эффективности управления работой сварщиков.
Этап 4.1. Ранжирование претендентов на выполнение каждой работы по количеству и размерам дефектов сварных швов предыдущих работ.
Этап 4.2. Формирование распределения работ между сварщиками руководителем сварочных работ. Кандидаты на выполнение работ выбираются из числа сварщиков, имеющих опыт работы и не назначенных на другую работу.
Этап 5. Синтез рационального распределения работ между сварщиками на основе алгоритмов эволюционного моделирования [22] в модуле мягких вычислений [23].
Результатом этапа 5 является назначение сварщиков на каждую работу и длительность выполнения всех работ.
Разработанная технология представлена на рис. 1.
Рис. 1. Структурная схема технологии повышения эффективности процессов управления организацией сварочных работ на основе мягких вычислений
Fig. 1. Structural diagram of technology for improving the efficiency of welding management processes based on soft computing
Результаты
Апробация разработанной технологии проводилась в процессе обучения сварщиков и распределения сварочных работ между исполнителями в ОАО «БелГазСтрой» и ООО «ИНВЕСТАП-МАИНД». Все сварщики обучались и распределялись на работы по сварке труб различных диаметров.
Для апробации выбора лучших курсов обучения сварщиков было выбрано 60 курсов различных частных и государственных компаний, занимающихся обучением сварщиков. На выбранные курсы было направлено 30 сварщиков, выступающих в роли пчел-разведчиков. По результатам обучения на основании улучшения значений целевой функции было выбрано 20 лучших курсов.
На выбранные лучшие курсы были направлены 40 сварщиков, выступающих в роли муравьев. На первых двух итерациях переходы между курсами выбирались случайным образом, далее – в зависимости от количества феромона на переходе между курсами. Количество феромона на переходе рассчитывалось как разность значений целевой функции до и после прохождения обучения в соответствующем узле. Количество испаряющегося феромона на каждой дуге рассчитывалось как 10 % от общего количества феромона на дуге в течение одной итерации.
По результатам обучения строились траектории обучения сварщиков по переходам между курсами с максимальным количеством феромона. В соответствии с алгоритмом светлячков, для обучения выбранным видам работ и технологиям сварщики могли следовать траекториям обучения сварщиков, выступающих в роли светлячков.
По результатам апробации разработанной технологии в процессе обучения сварщиков было установлено сокращение количества дефектов на 21,5 %, а времени обучения на 23 %, что подтверждено теоретическими расчетами и актом внедрения.
Распределение сварочных работ между исполнителями выполнялось в зависимости от результатов обучения сварщиков на основе эволюционного моделирования. Для апробации было выбрано 20 сварочных работ и 40 лучших сварщиков.
В результате было экспериментально установлено сокращение количества дефектов сварных швов при применении разработанной технологии на 24 %. Актом о внедрении результатов НИР в ООО «ИНВЕСТАП-МАЙНД» подтверждено сокращение количества дефектов сварных швов на 20…30 %.
Заключение
В статье представлена новая технология повышения эффективности процессов управления организацией сварочных работ на основе мягких вычислений. Разработанная технология отличается применением комплексного похода к обработке информации и принятию решений при организации обучения сварщиков и распределении сварочных работ между исполнителями, с применением моделей и алгоритмов мягких вычислений. Предложенная технология обеспечивает повышение эффективности за счет автоматизации следующих этапов подготовки и проведения сварочных работ: распознавание дефектов сварных швов на основе СННС, формирование протоколов и ведомостей в процессе обучения сварщиков, распределение сварочных работ между исполнителями, объективная непредвзятая оценка качества сварочных работ.
1. РД 95 10436-91 Технологическая подготов-ка и организация сварочного производства монтаж-ных и строительных предприятий. Введен 14.05.91. – Группа Т53. – 34 с.
2. Dynamic work distribution in workflow man-agement systems: How to balance quality and perfor-mance. / Kumar A., Van Der Aalst, W.M.P., Verbeek E.M.W. // Journal of Management Information Systems. – 2002. – 18(3). – pp. 157-193.
3. Osama A.E. Welding education in Europe: What direction is it taking? // Welding journal. – 1994. – Т. 73. – № 7. – С. 56-57.
4. Сас А.В., Грузинцев Б.П. Основы создания системы эффективной подготовки высококвалифици-рованных операторов ручной дуговой сварки // Сва-рочное производство. – 2013. – № 12. – С. 47-49.
5. Марьина И.С., Файрушин А.М., Мардага-ниев М.Р. Повышение эффективности системы моти-вации персонала сварочного производства // Сварка и контроль: Сборник статей. – Уфа: Уфимский госу-дарственный нефтяной технический университет. – 2022. – С. 125-128.
6. Информационные технологии при подго-товке сварщиков и специалистов сварочного произ-водства: современные тенденции / Б.Е. Патон и др. // Сварка и диагностика. – 2010. – № 1. – С. 10-15.
7. Краснопевцева И.В. Краснопевцев А.Ю. Применение информационных технологий в управлении производительностью труда рабочих промышленных предприятий // Вестник НГИЭИ. – 2020. – № 2(105). – С. 90-99.
8. Файрушин А.М., Марченко И.А., Хазиев В.С. Повышение эффективности входного контроля сварщиков при строительстве опасных производ-ственных объектов // Электронный научный журнал Нефтегазовое дело. – 2020. – № 6. – С. 58-72.
9. Информационно-измерительная система для интерактивной визуализации процесса сварки плавлением / И.О. Ишигов и др. // Сварочное произ-водство. – 2015. – № 3. – С. 55-58.
10. Болотов С.В., Захарченков К.В., Крутоле-вич С.К. Интеллектуальная аппартно-программная поддержка и повышение эффективности сварочных процессов // Двадцать первая Национальная конфе-ренция по искусственному интеллекту с междуна-родным участием (КИИ-2023): Труды конференции. В 2-х томах, Смоленск, 16–20 октября 2023 года. – Смоленск: Принт-Экспресс. – 2023. – С. 162-172.
11. Transfer learning with CNN for classifica-tion of weld defect / Samuel Кumaresan and others // Access. – 2021. – Vol. 9. – P. 95097-95108.
12. A vision-based method for lap weld defects monitoring of galvanized steel sheets using convolution-al neural network / Guohong Ma and others // Journal of Manufacturing Processes. – 2021. – Vol. 64. – P. 130-139.
13. Using deep learning for defect classification on a small weld X-ray image dataset / Chiraz Ajmi and others // Journal of Nondestructive Evaluation. – 2020. – 39:68. – P. 1-13.
14. Automatic detection of welding defects us-ing deep neural network / Wenhui Hou and others // Journal of Physics: Conf. Series 933. – 2017. – P. 1-11.
15. X-Ray weld defect recognition using deep learning technique / Distun Stephen and others // Interna-tional Research Journal of Engineering and Technology. – 2021. – Vol. 8 Issue 06. – P. 818-823.
16. Automatic detection of weld defects in pres-sure vessel X-Ray image based on CNN XIAO Wenkai and others // Wuhan University Journal of Natural Sci-ences. – 2022. – Vol.27. – No.6. – P. 439-498.
17. Акименко Т.А., Кремповский П.Р. Обзор цифровых систем управления сварочным процессом // Известия Тульского государственного университе-та. Технические науки. – 2024. – № 12. – С. 447-449.
18. Баженова О.А, Городов А.В. Будущее за интеллектуальной сваркой // Инновационная техника и технология. – 2019. – № 7. – С. 25-31.
19. Фурманов С.М. Цифровое управление оборудованием и процессами при сварке // Белорус-ско-Российский университет. – 2022. – № 6. – С. 19-27.
20. Карпенко А.П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: учеб. пособие. – М.: МГТУ им. Н. Э. Бау-мана, 2017.
21. Заровчатская Е.В., Мисник А.Е., Аверчен-ков О.Е. Комплексное повышение эффективности управления обучением сварщиков на основе алгорит-мов роевого интеллекта и эволюционного моделиро-вания // Вестник Самарского государственного тех-нического университета. Серия: Технические науки. – 2024. – Т. 32. – № 1(81). – С. 56-73.
22. Заровчатская Е.В., Захарченков К.В., Под-весовский А.Г. Алгоритм интеллектуальной под-держки принятия решений при управлении распреде-лением сварочных работ между исполнителями // Эргодизайн. – 2025. – № 2 (28). – С. 117-125.
23. Капелько Э.А., Мисник А.Е. Обнаружение дефектов сварки на малых данных // Интегрирован-ные модели и мягкие вычисления в искусственном интеллекте (ИММВ-2024): Сборник научных трудов XII Международной научно-практической конферен-ции. В 2-х томах, Коломна, 14–17 мая 2024 года. – Смоленск: Универсум, 2024. – С. 285-292.
