Разработка стратегии цифровой трансформации и автоматизации.

Деятельность в качестве разработчика (все производство в зоне ответственности): - Разработка программного обеспечения на основе Python. - Программирование многопоточных приложений, разработка микросервисов. - Разработка систем машинного зрения и цифровых двойников. ПРОЕКТЫ В ОБЛАСТИ РАЗРАБОТКИ: Успешное внедрение проектов по машинному зрению и цифровых двойников: 1. Разработка программного обеспечения по контролю пересорта продукции на конвейере. Стек и технологии: Python, Pyside6, OpenCV, Numpy, YOLOv6, Git, Multithreading, ООП. Вызовы: - программное обеспечение и инженерное решение разрабатывалось с нуля, таких систем еще не было. - сначала была проведена исследовательская работа, по возможности реализации проекта. - использованы технологии для Image Preprocessing, в условиях нестабильного качества изображения. - так же был использован объектив с автоматическим фокусированием, который управлялся через SDK. - в рамках написанного программного обеспечения, была проведена интеграция с производственным оборудованием. 2. Разработка приложения для контроля внутреннего слоя полиэтилена, что предотвратило масштабные остановки и невыпуск продукции фабрики из-за некачественного сырья. Результат: победа в конкурсе сотрудник года (более чем среди 1000 сотрудников компании) в номинации «Качество». Стек и технологии: Python, OpenCV on GPU, Multithreading, Multiprocessing, ASPNet, Pyside, PostgreSQL, SQLAlchemy, ООП, Microservices Architecture. Вызовы: - программное обеспечение и инженерное решение разрабатывалось с нуля, таких систем еще не было. - сначала была проведена исследовательская работа, по возможности реализации проекта, начиная с валидации оборудования заканчивая черновым программным обеспечением. - скорость получения кадров, с последующей обработкой, в разрешении 4096x4096 - 22 кадра в секунду, что влечет за собой выстраивание определнной архитектуры приложения, для обеспечения скорости обработки. - использованы технологии для Image Preprocessing, в условиях нестабильного качества изображения, в т.ч. программное выравнивание освещения и компенсация теней. - в рамках написанного программного обеспечения, была проведена интеграция с производственным оборудованием (контроллеры). 3. Разработка программы машинного зрения по предотвращению неверной загрузки сырья. Стек: Python, KeyPointFinder, Open CV, YOLO, ResNet, PostgreSQL, CNN - сверточные нейронные сети, SQLAlchemy, PostgreSQL, GPU, OpenCV on GPU. Вызовы: - программное обеспечение и инженерное решение разрабатывалось с нуля, таких систем еще не было. - сначала была проведена исследовательская работа, по возможности реализации проекта, начиная с валидации оборудования заканчивая черновым программным обеспечением. - Было протестировано более 5 разных способов для решения поставленной задачи, чтобы обеспечить заданную точность и скорость распознания. Среди них и классические OpenCV методы и использование разных нейронных сетей, в т.ч. с добавлением и обучением собственных слоев. - Большая выборка для обучения более 5000 фотографий (фото собирались автоматически, через вспомогательный алгоритм. Для разметки был написан скрипт, чтобы разметка работала в полуавтоматическом режиме). В итоге выбрано два метода работы программного обеспечения, которые работают параллельно, для повышения надежности работы системы. 4. Создание системы сбора данных (Historian) и сохранение в NoSQL базы данных, создание web-приложения на базе Grafana. Стек и технологии: Python, Async, Influx, Kafka, Telegraf, Grafana, OPC Kepware Server, Docker, Docker Compose, Git, SQLAlchemy, Alembic , PostgreSQL, Bash, Telegraf, Microservices App Architecture. Вызовы: - около 10'000 сигналов для опроса. - необходимость обсепечения заданного времени опроса. - разработка модуля программного обеспечения статистического контроля данных (с применением математической статистики), для обеспечения качества процесса, привязанного к сигналу. 5. Учет производственного оборудования Написано приложение - которое считывает и хранит информацию со сканера штрих/QR кодов. Стек и технологии: Python, PostgreSQL, Pyside6, COM reader. 6. Приложение для контроля и учета красок. Разработана архитектура приложения и спроектирована инфраструктура под него, для контроля и учета используемых красок, с глубиной хранения данных - 2 года. Стек и технологии: Python, Flask, PostgreSQL. ЛИДЕРСКИЕ НАВЫКИ: Лидирование (в своем кластере) международного проекта по разработке и внедрению программного обеспечения для предотвращения поломок (predictive maintenance). - 7 фабрик под управлением - разработка стандартов для программного обеспечения - разработка программного обеспечения - внедрение, контроль и тестирование на пилотных фабриках -ведение проекта по локальной EM (Early management) методологии и методологии SCRUM Awards: в 2021 году команда под моим управлением получила награду за самую быструю разработку, внедрение и тестирование решения, среди всех кластеров по миру (всего 4 кластера - 42 фабрики) УПРАВЛЕНИЕ ПЕРСОНАЛОМ: - распределение обязанностей среди участников команды - приоритезация активностей - представление отдела в международных кросс аудитах - обеспечение достижения поставленных KPI, KMI отдела - распределение ресурсов на полуготовой страт сессии

Деятельность в качестве разработчика - Программирование промышленных контроллеров Siemens, Beckhoff на языках SCL, STL, LAD, FBD,VB - Программирование частотных приводов Siemens, Parker SSD, Schneider Electric, Bosch Rexroth - Программирование HMI SCADA систем на основе WinCC, WinCC flexible -Troubleshooting, отладка текущих программ управления - Улучшение программ управления, на основе выявленных потерь -Внедрение проектов по автоматизации с установкой новых контроллер и проектированием систем - Программирование контроллеров Allen-Bradley (ControlLogix, CompactLogix), Siemens (S7-300, S7-400, TIA Siemens 1200, 1500). Программное обеспечение RSLogix500, RSLogix5000, STEP7, PCS7, TIA. Awards: 3 награды за лучшее внедренное программное решение (с отметкой в трудовой книжке) Проектная деятельность: 1. Руководитель международного проекта по разработке системы предсказания поломок, на основе локального программного обеспечения: - проектная группа состояла из 7 постоянных участников (5 человек из Швеции, в качестве лидеров своих направлений) - 7 фабрик по миру были вовлечены для сбора и обработки информации, а так же тестирования пилотного решения - готовое решение внедрено на всех фабриках Tetra Pak

- Работа в программной среде "MasterSCADA" (создание мнемосхем, отладка существующих мнемосхем) - Разработка программ автоматизации для технологических процессов: VB скрипты, C++ - Программирование контроллеров на SCL, STL, панелей управления