Abstract:
Большинство сварочных работ в настоящее время выполняется бригадным методом. В статье
рассматривается одна из задач, возникающих при управлении организацией сварочных работ – поиск
рационального распределения сварочных работ между исполнителями. Под рациональностью понимается
соответствие выдаваемых заданий квалификации сварщиков, которая оценивается на основе опыта
выполненных ими ранее работ, по результатам анализа дефектов сварных швов, зафиксированных средствами
визуального, рентгенографического и ультразвукового контроля. Для данной задачи приводится формализованное
описание, и предлагается эволюционный алгоритм нахождения решения, с минимизацией времени выполнения
работ и ожидаемого числа дефектов сварных швов. Особенностью данного алгоритма является использование
данных о квалификации сварщиков, полученных на основе оценки размеров и количества дефектов выполненных
ими ранее сварных швов, путем распознавания рентгеновских снимков с использованием сверточных нейронных
сетей. Описываются основные шаги алгоритма, с подробным рассмотрением применяемых генетических
операторов, и приводятся результаты его экспериментальной проверки и апробации, которые подтверждают
эффективность его применения по сравнению с распределением сварочных работ между исполнителями в ручном
режиме. Приводятся сведения о внедрении программных решений, реализующих предложенный алгоритм, в
системы управления организацией сварочных работ на промышленных предприятиях.
Most welding operations today are carried out using team-based methods. This article addresses one of the challenges
arising in organizing welding activities, namely finding rational distribution of welding tasks among performers.
Rationality here means assigning tasks corresponding to welders’ qualifications assessed based on previous work
experience, on welding joint defect analysis results obtained through visual inspection, on radiographic testing, and
ultrasonic control techniques. For this task, the authors provide formalized description along with an evolutionary
algorithm proposed for solution seeking, aimed at minimizing execution time and expected number of defects in welded
joints. The distinguishing feature of this algorithm lies in its using welders’ skill data derived from evaluating sizes and
numbers of previously detected welding joint defects via recognizing X-ray images employing convolutional neural
networks. The paper describes the main steps of the algorithm, focusing particularly on applied genetic operators; presents
experimental verification and validation results, which confirm its superior performance compared to manual distribution
of welding tasks among personnel. The work also gives information about implementing software solutio
