Росатом и минпромторг рф подписали соглашение о развитии искусственного интеллекта в машиностроении

Использование нейросетей и машинного зрения для контроля качества углеродного волокна

Команда NordClan выполняла проект для крупнейшего в России производителя углеродного волокна, который входит в состав композитного дивизиона госкорпорации Росатом.

Завод занимает первое место в России и входит в десятку мировых лидеров по производству углеродного волокна. Его производственная мощность составляет 1400 тонн продукции в год. Для поддержания высокого уровня качества продукции компания приняла решение автоматизировать процесс контроля качества с помощью новых технологий.

Реализация проекта

Идея автоматизированного определения дефектов волокна с помощью машинного зрения появилась давно. Мы понимали, что для аппаратчиков это большая нагрузка и, чтобы в том числе устранить человеческий фактор, и добиться высокого качества производимой продукции, решили доверится более острому зрению – машинному зрению. Мы идем в ногу со временем и используем инновационные решения для поставленных задач. — рассказывает инженер-технолог производства углеродного волокна Алина Бутусова.

Контроль качества на производстве волокна

Углеродное волокно состоит из тонких нитей диаметром от 6 до 8 мкм, образованных преимущественно атомами углерода. Этот материал поставляется для производства композитных крыльев, ракетных двигателей, лопастей ветрогенераторов, и других изделий. Для обеспечения высокой прочности волокна, важен контроль качества на всех этапах производства.

Дефекты волокна

В процессе производства углеродного волокна могут появляться различные дефекты, такие как обрыв, узел, ворс (пучок), отклонение в толщине жгута и полотна, посторонние включения и другие. Дефекты несовместимы с производством углеродной ткани.

Примеры некоторых дефектов волокна, которые распознает система ML Sense:

  1. Обрыв нити
  2. Узел
  3. Ворс
  4. Отклонение толщины
  5. Посторонние включения

Реализация машинного зрения

На заводе дефекты контролировались вручную сотрудниками, что было недостаточно эффективно из-за объема производства и сложности выявления всех дефектов. Для автоматизации процесса было решено внедрить систему машинного зрения. NordClan, как опытный подрядчик, предложил использовать продукт ML Sense, который обладает высокой точностью и способен определять дефекты от 0,1 мм.

Читайте также:  Как изменить вид разрешенного использования земельного участка

Иллюстрация алгоритма машинного зрения

Выводы

Внедрение и использование нейросетей и машинного зрения в контроле качества углеродного волокна позволило не только повысить эффективность производства, но и обеспечить более высокое качество продукции. Автоматизация процесса контроля качества имеет большое значение для современных производственных предприятий, что становится ключевым конкурентным преимуществом в современном мире технологий.

Оценка масштабов и сложности задачи

На старте проекта мы выехали на производство, чтобы определить точки контроля, на которые будем устанавливать оборудование. Важно было оценить факторы, которые влияют на работу системы ML Sense:

  • уровень освещения
  • наличие пыли
  • вибрации

Мы также ориентировались на производственный процесс, чтобы установленное оборудование не мешало сотрудникам производства выполнять свои задачи, и одновременно было защищено от случайного повреждения, учитывая высокую стоимость камер.

Ожидания от новой системы высоки. Мы ставили сложную задачу коллегам NordClan добиться не менее 97 % выявления дефектов, так как мы, как производители углеродного волокна, понимаем ответственность изделий, для производства которых используется наше волокно. Мы дорожим своей репутацией и коллеги NordClan проявили высокую заинтересованность и нацеленность на результат. Общаться с ними было легко, так как они, как профессионалы своего дела, легко улавливали наши пожелания и превращали их в жизнь.

Команда NordClan на производстве

Наше решение должно детектировать дефекты на финальной стадии производства и вовремя оповещать ответственных сотрудников, чтобы они успели принять необходимые меры.

Подбор оборудования

Для каждого проекта на основе машинного зрения наши специалисты подбирают набор оборудования. Например, если для выявления дефекта на листе металла достаточно камеры стандартного разрешения, то с поиском дефектов на тончайших нитях волокна она не справится. Из-за санкций нам пришлось отказаться от немецких камер Basler и найти аналог достойного качества — Hikrobot (Китай).

Была вероятность, что при замене камеры придется переучивать нейросеть, так как алгоритм ML Sense обучен на определенном типе оборудования и чувствителен к правильному расположению камеры и освещения. Для дополнительных тестов системы мы запросили у завода бобины углеродного волокна и воспроизвели весь процесс проверки качества волокна в собственной лаборатории. Испытания показали тот же уровень точности распознавания до 98% и мы были готовы к следующему этапу работ.

Второй важный фактор для выявления дефектов с помощью машинного зрения — освещение. Для точного распознавания нейросеть должна получать четкие снимки высокой контрастности, в нашем случае это черные нити на ярком белом фоне.

Сложность в том, что высокоскоростная камера способна делать до тысячи кадров в секунду и обычный светильник при таких скоростях будет мерцать и ровный белый фон мы не получим. Эффект будет примерно как при съемке на телефон видео с экрана старого телевизора — картинка будет “прыгать”. Такое мерцание незаметно для человеческого глаза, но у системы с машинным зрением в таких условиях может снижаться процент точности распознавания.


Оценка масштабов и сложности задачи

При старте проекта мы провели выезд на производство для определения точек контроля, где будет установлено оборудование. Было важно учесть факторы, влияющие на работу системы ML Sense, такие как уровень освещения, наличие пыли и вибраций.

Также мы учитывали производственный процесс, чтобы новое оборудование не мешало сотрудникам выполнять задачи и было защищено от повреждений, учитывая высокую стоимость камер.

Мы надеемся на высокие результаты от новой системы. Мы поставили перед коллегами NordClan сложную задачу: достичь не менее 97% обнаружения дефектов. Мы, как производители углеродного волокна, понимаем важность качества наших изделий и доверяем коллегам NordClan, которые проявили интерес и целеустремленность. Общение было легким, так как профессионалы NordClan легко превратили наши пожелания в реальность.

Команда NordClan на производстве

Наше решение должно обнаруживать дефекты на финальном этапе производства и своевременно уведомлять ответственных сотрудников.

Подбор оборудования

Для каждого проекта специалисты NordClan подбирают оборудование на основе машинного зрения. Например, для обнаружения дефектов на листе металла может потребоваться камера стандартного разрешения, но для поиска дефектов на тончайших нитях волокна такая камера не подойдет. Из-за санкций мы заменили немецкие камеры Basler на аналог хорошего качества — Hikrobot (Китай).

Существовала вероятность того, что при замене камеры нейросеть потребуется переобучать из-за особенностей алгоритма ML Sense. Для дополнительных тестов мы запросили у завода бобины углеродного волокна и провели проверку качества волокна в собственной лаборатории. Результаты тестов показали точность распознавания до 98%, подтверждая готовность к следующему этапу.

Важным фактором для обнаружения дефектов при использовании машинного зрения является освещение. Нейросеть требует четких снимков с высокой контрастностью, в данном случае черные нити на ярком белом фоне.

Однако при использовании высокоскоростной камеры, способной делать до тысячи кадров в секунду, традиционное освещение может мерцать, что приведет к потере равномерного белого фона и снижению точности распознавания системы машинного зрения.

Также ширина вала в месте контроля волокна почти 3 метра и типовое освещение для этой задачи не подходило. Для проекта мы заказали светильник по индивидуальным параметрам: нестандартной длины и со светодиодами высокой интенсивности, которые расположены плотно друг к другу.

Параллельно с процессом подбора оборудования наши инженеры моделировали виртуальную 3D сцену в SolidWorks на основе замеров оборудования с производства. Рассчитали оптимальное расстояние для установки камер, светильника и подготовили чертежи мачты для крепления оборудования, по которым изготовили конструкцию.

## Создание алгоритма

Для проекта использована предобученная система с машинным зрением ML Sense, которая способна определять дефекты на производстве различного типа. В ее основе сверхточная нейросеть, каждый элемент (слой) которой отвечает за распознавание разных параметров: форма, размер, цвет и др. Для определения дефектов волокна мы добавили новые слои нейросети, которые обучили распознавать типовые дефекты нитей.

Сбор данных для обучения нейронной сети

Для этого мы установили на заводе камеры и обеспечили сбор данных, а после отобрали кадры, на которых были видны дефекты волокна. Сбор проходил около месяца, но так как на производстве дефект не такое частое явление, а для обучений нейросети требуются тысячи изображений, то дополнительные данные мы сгенерировали синтетическим путем, а также сделали фото дефектов волокна в собственной лаборатории.

Разнообразие материалов обеспечили процессом аугментации данных. В результате мы имеем датасет из 10 000 фотографий, где каждый вид дефектов размечен и классифицирован для обучения нейросети: это узел, это ворс и т.д.

Как теперь работает обученный алгоритм?

Линейная камера направлена на нити волокна и делает фото в заданной точке шириной 1 пиксель. Таких кадров камера делает 40 000 штук в секунду - рабочая частота кадров камеры синхронизирована со скоростью конвейера, чтобы получать данные такими, как они есть в реальности, а не вытянутые фотографии из-за движущегося конвейера. Далее, для дальнейшего анализа нейросетью, эти кадры собираются в полноценное изображение по “строчкам” шириной 1 пиксель, примерно как линни при игре в тетрис. Полученный кадр нейросеть сравнивает с имеющимися в своей “памяти” данными и определяет есть ли на изображении дефект.

## Разработка системы оповещения

Особенностью производства углеродного волокна является то, что полотно жгутов распределяется и наматывается на бобины на разных приемных местах, расположенных на разных отрезках производственной линии. Условно разделили полотно на 3 зоны (красный, зеленый и оранжевый), чтобы аппаратчик мог быстро понять на какие места приемной машины движется дефект и сразу направиться в зону дефекта.

Схематичное разделение по цветовым зонам приемочной машины

Для быстрого оповещения сотрудников о дефектах вместе с технологами завода мы придумали систему оповещения:

Система контроля качества в производстве углеродного волокна

Световые индикаторы

Световые индикаторы зон приемной машины (красный, желтый и зеленый) должны показывать в какую зону намотки попадает готовый жгут и как быстро нужно принять меры по устранению дефекта.

Настройка световых оповещателей

Голосовое оповещение

Голосовое оповещение дублирует данные о дефекте. Это помогает ускорить получение аппаратчиками и контролерами ОТК информации, когда он находится вдалеке от киоска с АРМ. Уведомления записаны мужским и женским голосом – отдельно для каждого этажа, так аппаратчик понимает в какую зону ему подойти.

“Новая система оповещения очень удобна в эксплуатации. Теперь аппаратчику не требуется непрерывно отслеживать полотно жгутов, он может заниматься пересъемом бобин с волокном, учетом готовой продукции и др. сопутствующими работами не боясь пропустить дефект на волокне. Ведь система машинного зрения вовремя просигнализирует и привлечет его внимание”, — рассказывает инженер-технолог производства углеродного волокна Алина Бутусова.

Классификация дефектов

Каждому дефекту присвоили свой класс (числовой код от 1 до 9), чтобы аппаратчик производственной линии быстро понимал насколько дефект критичен.

Интерфейс системы ML Sense: в красной зоне обнаружен критический дефект узел (класс 2)

Запуск системы контроля качества волокна ML Sense

После тщательной подготовки и тестирования в нашей ML-лаборатории система была готова к монтажу на объекте. Но на реальном производственном объекте нельзя просто так взять и приехать на установку оборудования. Для допуска к производству работ создается пакет исходно-разрешительной документации, включая исполнительные схемы, допуски, ведомости, сметы, удостоверения и всё, что требовали регламенты ФЗ и ГОСТ. Наконец мы доставили, собрали и установили мачты с камерами на трех постах контроля качества завода.

Установка оборудования

  • Мачта с установленной высокоскоростной камерой на одном из постов
  • Блок с освещением интегрирован в производственные конструкции
  • Смонтированное освещение на производственной конструкции завода

Рабочее место оператора

Рядом с мачтой установлено автоматизированное рабочее место (АРМ) оператора системы ML Sense — это киоск с защитой IP65. Такая защита нужна из-за того, что углеродное волокно — токопроводящий материал, также как и пыль, которая образуется в процессе производства. Установленная на приемной машине светосигнальная колонна загорается, когда в эту зону намотки катушек движется дефект.

“При обнаружении дефекта, система машинного зрения подает сигнал и, в зависимости от вида дефекта, аппаратчик линии может либо устранить дефект, либо вовремя снять бобину с дефектным волокном, — рассказывает инженер-технолог производства углеродного волокна Алина Бутусова. — Во время обучения были вовлечены как аппаратчики линии и контролеры ОТК – непосредственные участники процесса, так и технологи, инженеры КИП и А, ИТР службы главного инженера. Именно благодаря совместному интересу и участию всех служб, работа шла эффективно и плодотворно (некоторые решения по улучшению систему принимались на ходу во время обучения, и коллеги NordClan сразу же их подхватывали)”.

АРМ оператора ОТК: киоск поста контроля качества

Светосигнальная колонна на линии приемочной машины

Оптимизация работы системы после запуска на производстве

Алгоритмы системы ML Sense обрабатывают большой массив данных, моделируя из полученных кадров полноценное изображение и выявляя признаки дефектов на полученном фото. Для подобных высоконагруженных задач был установлен отдельный сервер. Однако, первое время выходил из строя стабилизатор напряжения, через который подключались серверы для работы системы. Это происходило из-за токопроводящей способности углеродного волокна и его пыли. Изначально сервера были установлены в отдельной комнате, но в ней банально часто открывалась дверь и на оборудование попадало много пыли с производства. Сервера переместили в более защищенное помещение на территории завода и проблема с перебоями напряжения была решена.

После первых запусков системы, мы обнаружили вибрацию на нитях от намоточных машин. Камера фиксировала причудливые узоры, которые нейросеть детектировала как аномалии.

Пример аномалий из-за вибрации нитей после первых запусков системы ML Sense

Чтобы система игнорировала подобные события, добавили в систему дополнительный готовый алгоритм из библиотеки системы ML Sense. Решение заработало в штатном режиме и было введено в эксплуатацию.

Пост контроля качества волокна

На каждом этапе внедрения системы с нами активно взаимодействовали технологи предприятия. Благодаря вовлеченности персонала мы смогли глубоко погрузиться в производственные процессы компании, чтобы система контроля качества упростила работу аппаратчиков линии. Каждый сотрудник со стороны Заказчика был заинтересован в результате проекта и мы быстро проходили все этапы согласования.

Отличительно то, что руководство завода лично присутствовало на рабочих встречах по согласованию точек контроля дефектов и мест установки постов с АРМ оператора. Именно такая заинтересованность и вовлеченность в процесс внедрения новых технологий позволяет нам максимально эффективно использовать возможности решения ML Sense на пользу производству.

В установленной системе обнаруженные дефекты отображаются в интерфейсе: на временной шкале отмечены все события возникновения дефекта. По каждому событию можно просмотреть подробный отчет, где указано в какой цветовой зоне находится жгут, на каких нитях обнаружен дефект и какой именно. Система контроля дефектов интегрирована с MES-системой завода.

Калининская АЭС (входит в электроэнергетический дивизион Госкорпорации «Росатом») подтвердила соответствие системы менеджмента качества предприятия требованиям международного стандарта ISO 9001:2015. Проверку провела компания ООО «ДКС РУС».

В область сертификации вошли все основные виды деятельности, связанные с производством и поставкой электрической энергии: организация процессов планирования и управления деятельностью, обучения, закупок и материально-технического обеспечения, управления документацией и др.

Росатом и минпромторг рф подписали соглашение о развитии искусственного интеллекта в машиностроении

В ходе аудита было выявлено 20 сильных сторон в области управления качеством. В их числе — поддержание с минимальными отклонениями диспетчерского графика производства электроэнергии благодаря разработке и внедрению собственного программного обеспечения, эффективное управление технической документацией и рисками процессов, внедрение технических решений, которые становятся стандартом для аналогичного оборудования на других атомных станциях. Также было отмечено создание и применение информационной системы управления техническим обслуживанием и ремонтом, которая аккумулирует в себе всю информацию об оборудовании на атомной станции. Эта система позволяет оптимизировать и контролировать процессы, связанные с ремонтом и обслуживанием агрегатов и узлов, анализировать их состояние, осуществлять планирование, в том числе долгосрочное.

«Действующая система менеджмента качества Калининской АЭС отвечает всем критериям международного стандарта, предприятием были предоставлены объективные свидетельства реализации его требований. Органу по сертификации будет рекомендовано выдать атомной станции соответствующий сертификат», — сказала Мария Захарова, аудитор ООО «ДКС РУС».

НП-090-11 «Требования к программам обеспечения качества для объектов использования атомной энергии» (утверждены приказом Ростехнадзора от 07.02.2012 № 85) НП-090-11

НП-071-18 «Правила оценки соответствия продукции, для которой устанавливаются требования, связанные с обеспечением безопасности в области использования атомной энергии, а также процессов ее проектирования (включая изыскания), производства, строительства, монтажа, наладки, эксплуатации, хранения, перевозки, реализации, утилизации и захоронения» (утверждены приказом Ростехнадзора от 06.02.2018 № 52) НП-071-18 Изменения в НП-071-18 (утверждены приказом Ростехнадзора от 05.04.2018 № 163)

ГОСТ Р 50.03.01-2017 «Система оценки соответствия в области использования атомной энергии. Оценка соответствия продукции в форме экспертизы технической документации. Порядок проведения» ГОСТ Р 50.03.01-2017

ГОСТ Р 50.06.01-2017 «Система оценки соответствия в области использования атомной энергии. Оценка соответствия продукции в форме приемки. Порядок проведения» ГОСТ Р 50.06.01-2017

ГОСТ Р 50.07.01-2017 «Система оценки соответствия в области использования атомной энергии. Оценка соответствия в форме решения о применении импортной продукции на объекте использования атомной энергии. Процедура принятия решения» ГОСТ Р 50.07.01-2017

ГОСТ Р 50.08.01-2017 «Система оценки соответствия в области использования атомной энергии. Оценка соответствия в форме обязательной сертификации продукции. Порядок проведения» ГОСТ Р 50.08.01-2017

ГОСТ Р 15.301-2016 «Система разработки и постановки на производство. Продукция производственно-технического назначения. Порядок разработки и постановки продукции на производство» ГОСТ Р 15.301-2016

ГОСТ Р 15.309-98 «Система разработки и постановки на производство. Испытания и приемка выпускаемой продукции. Основные положения» ГОСТ Р 15.309-98

ГОСТ Р ИСО 9000-2015 «Системы менеджмента качества. Основные положения и словарь» 11.04.2016 № 9/441-П О введении в действие ГОСТ Р ИСО 9000-2015

ГОСТ Р ИСО 9001-2015 «Системы менеджмента качества. Требования» 11.04.2016 № 9/441-П О введении в действие ГОСТ Р ИСО 9001-2015

МУ 1.2.3.07.0057-2018 «Состав и объём испытаний специальной трубопроводной арматуры и приводов для атомных станций. Методические указания» МУ 1.2.3.07.0057-2018 с изм. № 1 и № 2 13.02.2019 № 9/203-П О введении в действие МУ 1.2.3.07.0057-2018 08.04.2021 № 9/01/564-П Об утверждении и введении в действие Изменения № 1 к МУ 1.2.3.07.0057-2018 13.02.2023 № 9/01/249-П Об утверждении и введении в действие Изменения № 2 к МУ 1.2.3.07.0057-2018

МУ 1.1.4.01.1422-2019 «Проведение испытаний на вибростойкость и вибропрочность трубопроводной арматуры атомных электростанций. Методические указания» 09.12.2019 № 9/1784-П О введении в действие МУ 1.1.4.01.1422-2019

ПОР 1.1.3.19.1739-2020 «Программы обеспечения качества АО «Концерн Росэнергоатом». Порядок разработки, введения в действие, проверки выполнения и оценки результативности выполнения» (действует с 01.04.2021 взамен РД ЭО 1.1.2.29.0960-2015, РД ЭО 1.1.2.01.0573-2019, РД ЭО 1.1.2.29.0940-2013) ПОР 1.1.3.19.1739-2020 с изм. 1-3 12.11.2020 № 9/01/1801-П О введении в действие ПОР 1.1.3.19.1739-2020 03.08.2021 №9/01/1213-П Об утверждении и введении в действие Изменения № 1 к ПОР 1.1.3.19.1739-2020 26.08.2022 № 9/01/1414-П Об утверждении и введении в действие Изменения №2 к ПОР 1.1.3.19.1739-2020 30.03.2023 № 9/01/520-П Об утверждении и введении в действие Извещения № 3 к ПОР 1.1.3.19.1739 – 2020

ПОР 1.1.3.19.1759-2020 «Порядок согласования, проверки выполнения и оценки результативности выполнения программ обеспечения качества организациями, выполняющими работы и предоставляющими услуги АО «Концерн Росэнергоатом» (действует с 30.03.2021 взамен РД ЭО 1.1.2.29.0960-2015, РД ЭО 1.1.2.01.0573-2019, РД ЭО 1.1.2.29.0940-2013, РД ЭО 1.1.2.29.0955-2014) ПОР 1.1.3.19.1759-2020 с изм. № 1-№4 22.03.2024 № 9/01/480-П Об утверждении и введении в действие Изменения № 4 к ПОР 1.1.3.19.1759-2020 23.12.2020 № 9/01/2109-П О введении в действие ПОР 1.1.3.19.1759-2020 15.11.2021 № 9/01/1800-П Об утверждении и введении в действие Изменения № 1 к ПОР 1.1.3.19.1759-2020 «12.10.2022 № 9-01-1703-П Об утверждении и введении в действие Изменения № 2 к ПОР 1.1.1.3.19.1759-2020» 28.06.2023 № 9-01-1005-П Об утверждении и введении в действие Изменения № 3 к ПОР 1.1.3.19.1759-2020

ПОР 1.1.3.19.1870-2021 «Управление несоответствиями при изготовлении и входном контроле продукции для атомных станций. Порядок» (действует с 14.03.2022 взамен РД ЭО 1.1.2.01.0930-2013) 13.01.2022 № 9/01/37-П О введении в действие ПОР 1.1.3.19.1870-2021 30.10.2023 № 9 01 1790-П Об утверждении и введении в действие Изменения № 1 к ПОР 1.1.3.19.1870-2021

19.02.2024 № 9-01-266-П Об утверждении и введении в действие Изменения № 2 к ПОР 1.1.3.19.1870-2021

Изменение № 2 к ПОР 1.1.3.19.1870-2021

ПОР 1.1.3.19.1870-2021 с изм. 1-2

ПРГ-1.2.2.15.999.0075-2022 «Общая программа обеспечения качества эксплуатирующей организации АО «Концерн Росэнергоатом» 01.12.2022 № 9/01/2000-П О введении в действие ПРГ-1.2.2.15.999.0075- 2022 07.12.2023 № 9-01-2045 П Об утверждении и введении в действие Изменения № 1 к ПРГ 1.2.2.15.999.0075-2022 ПРГ-1.2.2.15.999.0075-2022 с изм. №1

РГ 1.1.3.21.1705-2020 «Согласование и утверждение решений о применении импортной продукции в АО «Концерн Росэнергоатом». Регламент» РГ 1.1.3.21.1705-2020 с изм. 1-3 20.04.2020 № 9/01/588-П О введении в действие РГ 1.1.3.21.1705-2020 01.09.2020 № 9/01/1316-П Об утверждении и введении в действие Изменения № 1 к РГ 1.1.3.21.1705-2020 24.03.2021 № 9/01/456-П Об утверждении и введении в действие Изменения № 2 к РГ 1.1.3.21.1705-2020 06.04.2022 № 9/01/533-П Об утверждении и введении в действие Изменения № 3 к РГ 1.1.3.21.1705-2020

РГ 1.1.3.21.1562-2019 «Согласование технических заданий и технических условий на оборудование и кабельную продукцию, применяемые на энергоблоках атомных станций. Регламент» РГ 1.1.3.21.1562-2019 с изм. 1-7 21.02.2019 № 9/253-П О введении в действие РГ 1.1.3.21.1562-2019 25.11.2019 № 9/1678-П Об утверждении и введении в действие Изменения № 1 к РГ 1.1.3.21.1562-2019 26.03.2021 № 9/01/479-П Об утверждении и введении в действие Изменения № 2 к РГ 1.1.3.21.1562-2019 09.09.2021 № 9/01/1424-П Об утверждении и введении в действие Изменения № 3 к РГ 1.1.3.21.1562-2019 19.12.2022 № 9/01/2151-П Об утверждении и введении в действие Изменения № 4 к РГ 1.1.3.21.1562-2019 25.12.2023 № 9/01/2181-П Об утверждении и введении в действие Изменения № 5 к РГ 1.1.3.21.1562-2019 26.03.2024 № 9/01/501-П Об утверждении и введении в действие Изменения № 6 к РГ 1.1.3.21.1562-2019 18.04.2024 № 9/01/631-П Об утверждении и введении в действие Изменения № 7 1.1.3.21.1562-2019

РД ЭО 1.1.2.01.0931-2021 «Входной контроль продукции, поставляемой для филиалов АО «Концерн Росэнергоатом». Основные положения» 20.02.2021 № 9/01/300-П О введении в действие РД ЭО 1.1.2.01.0931-2021 Изменение № 1 к РД ЭО 1.1.2.01.0931-2021

19.02.2024 № 9-01-266-П Об утверждении и введении в действие Изменения № 2 к РД ЭО 1.1.2.01.0931-2021

Изменение № 2 к РД ЭО 1.1.2.01.0931-2021

РД ЭО 1.1.2.01.0931-2021 с изм. 1-2

РД ЭО 1.1.2.01.0713-2019 «Оценка соответствия в формах приемки, испытаний продукции для атомных станций. Положение» РД ЭО 1.1.2.01.0713-2019 с изм.1-4 31.07.2023 № 9 01 1199-П Об утверждении и введении в действие Изменения № 3 РД ЭО 1.1.2.01.0713-2019 04.10.2023 № 9 01 1600 Об утверждении и введении в действие Изменения № 4 РД ЭО 1.1.2.01.0713-2019 25.12.2019 № 9/1939-П О введении в действие РД ЭО 1.1.2.01.0713-2019 01.09.2020 № 9/01/1314-П Об утверждении и введении в действие Изменения № 1 к РД ЭО 1.1.2.01.0713-2019 26.03.2021 № 9/01/475-П Об утверждении и введении в действие Изменения № 2 к РД ЭО 1.1.2.01.0713-2019

РУ 1.1.3.16.1817-2021 «Проведение приемочных инспекций на предприятиях-изготовителях и входного контроля на атомных станциях оборудования 1, 2, 3 и 4 классов безопасности. Руководство» (действует с 01.11.2021 взамен РД ЭО 1.1.2.05.0929-2013) 17.09.2021 № 9/01/1464-П О введении в действие РУ 1.1.3.16.1817-2021

СТО 1.1.1.07.003.2200-2023 «Сертификация предприятий-изготовителей продукции для атомных станций» 29.12.2023 № 9-01-2275-П О введении в действие СТО 1.1.1.07.003.2200-2023

СТО 1.1.1.04.003.1293-2022 «Интегрированная система управления. Общее руководство по качеству эксплуатирующей организации АО «Концерн Росэнергоатом» 01.11.2022 № 9/01/1815-П О введении в действие СТО 1.1.1.04.003.1293- 2022

МУ 1.1.4.01.1483-2023 «Интегрированная система управления. Проведение оценки результативности. Методические указания» 21.02.2023 № 9/01/317-П О введении в действие МУ 1.1.4.01.1483-2023

ПО-УПК.00.00.04 "Интегрированная система управления. Положение о Представителе руководства по качеству АО «Концерн Росэнергоатом» ПО-УПК.00.00.04

ПО-УПК.00.00.03 "Интегрированная система управления. Положение об уполномоченном по качеству в структурном подразделении АО «Концерн Росэнергоатом» ПО-УПК.00.00.03

СТО 1.1.1.04.004.1108-2023 «Интегрированная система управления АО «Концерн Росэнергоатом». Общие положения, структура, требования»14.08.2023 № 9/01/1284-П О введении в действие СТО 1.1.1.04.004.1108-2023

Решение № 1/11-Пч от 10.03.2015 «О дополнительной (к проведенной на предприятиях-изготовителях Украины) оценке соответствия продукции для атомных станций Российской Федерации» Решение № 1/11-Пч от 10.03.2015 с изм. № 1 Решение № 1/11-Пч от 10.03.2015 Изменение № 1 от 28.09.2016 к Решению № 1/11-Пч Изменение № 2 от 16.07.2019 к Решению № 1/11-Пч

Решение № 1-8/9-Пр от 11.03.2019 «О применении при изготовлении и монтаже оборудования и трубопроводов атомных энергетических установок федеральных норм и правил в области использования атомной энергии НП-104-18 и НП-105-18» Решение № 1-8/9-Пр от 11.03.2019 Решение № 1-1-8/50-ПрГК от 14.08.2020

Решение № 1-8/41-Пр от 08.07.2020 «О временном порядке проведения оценки соответствия продукции в форме приемки согласно ГОСТ Р 50.06.01-2017» Решение № 1-8/41-Пр от 08.07.2020

Решения о временных мерах проведения оценки соответствия импортной продукции Протокол от 30.03.2022 Решение № 1-8/49-Пр О временных мерах ОС импортной продукции в форме экспертизы Решение № 1-8/57-Пр О временных мерах ОС импортной продукции в формах приемки и испытаний

Порядок применения оборудования, изготовленного по требованиям проекта одной АЭС, на другой АЭС 06.04.2020 № 9/01/526-П О введении в действие Порядка применения оборудования, изготовленного по требованиям проекта одной АЭС, на другой АЭС

Единый отраслевой порядок по управлению несоответствиями 05.12.2023 №9-01-2008_П О введении в действие ГКМУ-УПК.00.00.01 ГКПОР-УПК.02.03.01 ЕОП УН

МР-УПК.02.03.01 Методические рекомендации. Назначение, построение и правила применения Единой отраслевой системы управления качеством Госкорпорации «Росатом» (ЕОС-Качество) 17.05.2022 № 9-01-780-П Об утверждении и введении в действие МР-УПК.02.03.01 «Методические рекомендации. Назначение, построение и правила применения Единой отраслевой системы управления качеством Госкорпорации «Росатом» (ЕОС-Качество)»

АО «Атомдата-Интеграция» (входит в Электроэнергетический дивизион Госкорпорации «Росатом») и ФГАУ «Ресурсный центр универсального дизайна и реабилитационных технологии» (ФГАУ «РЦУД и РТ», экспертно-аналитический центр компетенций в контуре управления Министерства промышленности и торговли Российской Федерации) подписали соглашение о намерениях, направленных на развитие решений в области искусственного интеллекта. Подписание прошло в рамках Международной промышленной выставки «ИННОПРОМ-2023», которая проходит в Екатеринбурге.

Документ подписали Николай Мухин, генеральный директор АО «Атомдата-Интеграция», и Александр Сергеев, руководитель ФГАУ «РЦУД и РТ». Соглашение было подписано в присутствии директора по информационным технологиям Госкорпорации «Росатом» Евгения Абакумова и заместителя министра промышленности и торговли Российской Федерации Василия Шпака.

Росатом и минпромторг рф подписали соглашение о развитии искусственного интеллекта в машиностроении

Предметом соглашения является объединение и координация сторонами совместных усилий для достижения Российской Федерацией позиций одного из лидеров на рынке искусственного интеллекта. Участники будут подключены к ресурсам Центра коллективного пользования Минпромторга РФ «Межведомственная платформа моделирования и применения технологий искусственного интеллекта» (ЦКП МПТ ИИ, оперативное управление осуществляет ФГАУ «РЦУД и РТ») для апробирования, тестирования и развития решений, построенных на базе применения технологий ИИ, формирования дата-сетов и ML-моделей.

«Мы активно развиваем корпоративные и дивизиональные решения на основе технологий искусственного интеллекта. Они уже применяются как для управления качеством изделия и прогнозирования технического состояния оборудования, так и для интеллектуальной проверки научно-технической документации. Новым вызовом для нас является имплементация искусственного интеллекта в рамках критической инфраструктуры и сегодняшнее соглашение – это важный шаг в развитии этого направления. Хочу поблагодарить Минпромторг России за оказанное доверие», – подчеркнул Евгений Абакумов.

«Заключение соглашений между организациями-разработчиками аппаратной части и разработчиками программного обеспечения с использованием искусственного интеллекта – это самый верный шаг. Он способен привести к наращиванию не только количества разрабатываемых отраслевых программно-аппаратных решений, но и к повышению качества их внедрения для конечных потребителей», – резюмировал Василий Шпак.

АО «Атомдата-Интеграция» – разработчик и интегратор комплексных ИТ-решений в сфере государственных информационных систем, импортонезависимых инфраструктурных и программных решений, геоинформационных систем, а также сервисов информационной безопасности. Компания входит в периметр управления АО «Концерн Росэнергоатом».

ФГАУ «РЦУД и РТ» находится на этапе реорганизации во ФГАУ «Федеральный центр прикладного развития искусственного интеллекта» – экспертно-аналитический центр компетенций в сфере искусственного интеллекта для целей сопровождения, внедрения и развития решений с использованием технологий искусственного интеллекта в деятельности Минпромторга России и промышленных предприятий.

Перед российской промышленностью стоит цель в кратчайшие сроки обеспечить технологический суверенитет и переход на новейшие технологии. Государство и крупные отечественные компании направляют ресурсы на ускоренное развитие отечественной исследовательской, инфраструктурной, научно-технологической базы. Внедрение инноваций и нового высокотехнологичного оборудования позволяет Росатому и его предприятиям занимать новые ниши на рынке, повышая конкурентоспособность атомной отрасли и всей российской промышленности в целом.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *