Computer Vision против производственного брака: как снизить простой на 83%

ML и AI в производственных компаниях

Бизнес-процессы
Трансформационные изменения
ML
Методологии

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Относительно несложные реализации часто могут вывести некоторые производственные циклы на совершенно новый уровень. Андрей расскажет, как существенно повысить этап контроля качества при его автоматизации с помощью алгоритмов ИИ и достигнуть значительных производственных показателей эффективности.

Целевая аудитория

CDTO, CISO, CTO, тимлиды, менеджеры проектов, Delivery Manager, а также ведущие разработчики, специалисты в области Data Science и инженеры нефтегазодобывающих компаний.

Тезисы

Производство дорожных ограждений требует высокой точности и надежности. Наш клиент столкнулся с проблемой: при изготовлении продукции на прокатной линии ошибки смещения пробития отверстий прессом приводили к значительным финансовым потерям, в том числе потому, что накопление ошибки часто обнаруживалось на другом этапе производственного процесса.

В ходе доклада я расскажу о предпосылках создания системы для обнаружения и устранения этих ошибок на ранних этапах, этапах и процессе разработки системы, а также о результатах ее внедрения.

Руководитель направления Нефтегаз и химия.

ITentika

ITentika (ранее российский центр разработки DataArt) — разработчик ПО с 25-летним опытом создания IТ-решений для ведущих международных компаний и крупнейших экосистем РФ. Проектируют и разрабатывают технологически сложные решения на стыке информационных технологий и бизнес-консалтинга, позволяющие их клиентам кратно увеличить прибыль и стать лидером отрасли. ITentika входит в топ-20 крупнейших разработчиков ПО (рейтинговое агентство RAEX).

Видео

Другие доклады секции

ML и AI в производственных компаниях