01 — Кейс · ML Нейросети

Свой классификатор спектров для NIR-сортировки пластика

Линия сортировки пластика перерабатывает около 12 тыс. т в год, и её покупной NIR-сепаратор пропускал ПВХ в поток ПЭТ, из-за чего партии уходили как микс с дисконтом. Мы поставили поверх сепаратора свой классификатор спектров, обученный на данных этой линии, и подключили его к управлению форсунками. Проект занял 7 месяцев. За 4 месяца замера чистота ПЭТ на одной ступени выросла с 88% до 94,5%.

7 месяцев
Обновлено:
Смотреть кейс
срок проекта
7 месяцев
функциональных модулей
6
этапов разработки
5
ключевых технологий
6
Свой классификатор спектров для NIR-сортировки пластика

02 — Контекст

Задача проекта

Исходная ситуация, ограничения и проблемы, которые должна была решить новая система.

Через линию проходит около 12 тыс. т пластика в год: 4 т в час, около 3 000 часов работы. В потоке пять полимеров: ПЭТ, ПЭ, ПП, ПС и ПВХ. Сортировку вёл покупной NIR-сепаратор, настроенный на четыре фракции.

Слабым местом был ПВХ. Он проскакивал в поток ПЭТ и обесценивал партию. Чистота ПЭТ держалась на 88%, поэтому материал сдавался как микс с дисконтом. Ошибки машины добирали руками: на постах доразборки стояли 24 человека.

Решение строили поверх существующего сепаратора: линия должна была отличать ПВХ от ПЭТ надёжнее заводской настройки и использовать для этого те же форсунки.

  1. ПВХ в потоке ПЭТ

    В потоке ПЭТ было 340 ppm ПВХ. Даже такая доля обесценивает партию, и покупатель платит за неё как за смешанное сырьё.

  2. Продажа как микс

    Чистота ПЭТ 88% не дотягивала до сортированного сырья. Материал уходил как микс с дисконтом, хотя основная часть потока была нужным полимером.

  3. 24 человека на доразборке

    Ошибки сепаратора исправляли вручную на постах доразборки. Это 24 ставки, занятые тем, что дочищают поток после машины.

  4. Четыре фракции из коробки

    Сепаратор был настроен на четыре фракции и не выделял ПВХ отдельно и надёжно. Без доступа к управлению форсунками свою логику сортировки в него было не встроить.

  1. Классификатор поверх штатного сепаратора

    Штатный NIR-сепаратор и его форсунки остались, а свой классификатор работает поверх них и сам решает, какой объект куда отправить. Для этого нужен был доступ к управлению форсунками, и его согласовывали с производителем сепаратора 2,5 месяца. Решение по каждому объекту принимает модель, обученная на спектрах этой линии.

  2. Спектры с этой самой линии

    Модели обучены на 42 тыс. размеченных спектров, снятых на этой линии в диапазоне 900–1700 нм. Это ближний инфракрасный свет: каждый полимер поглощает его по-своему, и спектр работает как отпечаток материала. Данные с собственной линии отражают её сырьё и условия съёмки.

  3. Две модели на разные случаи

    Основные фракции разделяет PLS-DA, классический метод хемометрии: он сжимает спектр до нескольких главных признаков и по ним относит объект к классу. Загрязнённые спектры, где этого мало, разбирает одномерная свёрточная нейросеть 1D-CNN, которая анализирует форму спектра целиком. Вместе они покрывают и чистые, и загрязнённые объекты.

  4. Отдельная модель на ПВХ

    ПВХ в потоке ПЭТ обесценивает всю партию, поэтому для него сделана своя модель. На отложенной выборке, которую модель не видела при обучении, она находит 97% объектов из ПВХ. Отдельная модель настроена именно на ту ошибку, из-за которой партии уходили как микс с дисконтом.

  5. Расчёт у линии

    Модели работают на edge-модуле рядом с линией и передают команды контроллеру линии (ПЛК) по Modbus. Расчёт идёт на месте, а не на удалённом сервере: при потоке 4 т в час решение по каждому объекту нужно принимать быстро.

  6. Ежемесячная перекалибровка

    Сырьё меняется, и вместе с ним меняются спектры. Раз в месяц модели перекалибруются на свежих размеченных данных, чтобы точность не уплывала. Особенно это важно при смене поставщика сырья: тогда нужно около 2 тыс. новых размеченных спектров в месяц, иначе чистота ПЭТ проседает до 89–90%.

04 — Архитектура

Технологический стек

Технологии выбраны под нагрузку, интеграции и дальнейшее развитие продукта.

Зачем в проекте · 01 / 06

Python

На нём собран весь контур: подготовка спектров, обучение моделей, перекалибровка и обмен с линией. Для хемометрии и нейросетей у Python зрелые библиотеки, и обе модели живут в одной кодовой базе.

Ещё в проекте
  • NIR Spectroscopy

05 — Процесс

Как шла разработка

Последовательность работ от исследования задачи до запуска и проверки результата.

  1. Доступ к форсункам

    Чтобы классификатор сам управлял форсунками, нужно было согласие производителя сепаратора. Согласование заняло 2,5 месяца.

  2. Сбор и разметка спектров

    Сняли и разметили 42 тыс. спектров с этой линии по всем пяти полимерам, включая загрязнённые объекты.

  3. Обучение моделей

    Обучили PLS-DA для основных фракций, 1D-CNN для загрязнённых спектров и отдельную модель на ПВХ. Качество проверяли на отложенной выборке.

  4. Подключение к линии

    Развернули модели на edge-модуле у линии и связали его с ПЛК по Modbus. Через 7 месяцев от старта линия вышла в промышленную эксплуатацию с новым классификатором.

  5. Замер и перекалибровка

    4 месяца линия работала с классификатором, модели раз в месяц перекалибровались. По этим месяцам и посчитаны результаты.

06 — Итог

Результаты

Что создано в рамках проекта: рабочий контур, реализованные возможности и подтверждённые факты.

чистота ПЭТ на одной ступени, замер за 4 месяца
88 → 94,5%
ПВХ в потоке ПЭТ, замер за 4 месяца
340 → 70 ppm
человек на ручной доразборке, замер
24 → 15

За 4 месяца замера чистота ПЭТ после одной ступени сортировки выросла с 88% до 94,5%, а ПВХ в потоке ПЭТ стало почти в пять раз меньше: 70 ppm вместо 340. ПЭТ продаётся уже как сортированное сырьё, а не как микс, и выход товарного ПЭТ немного вырос. На ручной доразборке теперь 15 человек вместо 24.

У результата есть конкретные границы. 70 ppm ПВХ хватает для волокна и плёнки, но не для производства бутылок из бутылок (bottle-to-bottle): там нужно меньше 50 ppm, и для этого нужна вторая ступень сортировки. Физически отделяется меньше, чем распознаётся: форсунки промахиваются по кувыркающимся и слипшимся объектам, разрыв около 10%. Тёмные и чёрные полимеры, около 6% потока, NIR не видит, и они остаются на ручном посту. При смене поставщика сырья без примерно 2 тыс. новых размеченных спектров в месяц чистота падает до 89–90%.

FAQ

Вопросы о проекте

Обсудим похожий проект?

Расскажите о задачах вашего бизнеса — предложим архитектуру и оценим сроки