Ученые ТГУ помогут снизить число аварий на производстве
14 Октября 2019

Аспирант Института прикладной математики и компьютерных наук ТГУ Дамир Мурзагулов разрабатывает методы и алгоритмы, которые позволят в автоматическом режиме выявлять аномалии в технологических сигналах. Это поможет снизить количество поломок оборудования и нештатных ситуаций на предприятиях, для которых безопасность производства особенно важна – производства по нефтепереработке, предприятия ТЭК и т.д. Проект поддержан грантом РФФИ.

– Задача, поставленная в рамках проекта, заключается в разработке алгоритмов, которые позволят в режиме онлайн обрабатывать большие данные, поступающие с измерительных устройств, установленных на промышленном оборудовании – задвижки, компрессоры, насосы и т.д., – говорит молодой ученый ИПМКН ТГУ Дамир Мурзагулов. – Аномалии в технологических сигналах могут носить как позитивный, так и негативный характер, но, как правило, они являются свидетельством сбоев в работе оборудования либо предвестником отказа техники.

Сейчас технологические сигналы в большинстве случаев анализируется человеком-оператором, но, во-первых, не у каждого сотрудника хватит квалификации для того, чтобы выявить аномалии, во-вторых, объем поступающих данных настолько высок, что для их обработки тысяч сигналов потребуются десятки специалистов. Гораздо быстрее и качественнее эту задачу выполнят компьютерные модели. Для того, чтобы фиксировать тревожные изменения в сигналах, будут использованы разные подходы: от статистических методов до машинного обучения.

– Сейчас идет работа по созданию компьютерных моделей и специальных наборов данных, в которые вносят как нормальные, так и синтезированные сигналы с многочисленными типами аномалий с разного оборудования, – рассказывает Дамир Мурзагулов. – Модель тренируется распознавать моменты, когда оборудование работает в штатном режиме, затем учится выявлять аномальные фрагменты в сигнале и анализировать риски. На основе полученной информации можно будет разработать предупреждающие меры, например, провести плановый ремонт, который всегда менее затратен по времени и финансам, нежели экстренный.

Конечной целью исследования является создание отдельного продукта – системы предиктивного анализа технологических сигналов, которую можно будет легко интегрировать в ИТ-инфраструктуру промышленного предприятие и эксплуатировать без специалистов по анализу данных.

По словам аспиранта ТГУ, технологические данные, необходимые для создания наборов и обучения моделей, поступают от партнеров ТГУ – нефтедобывающих компаний и заводов по производству стройматериалов. Работу над созданием нового инструмента для Индустрии 4.0 ученый ТГУ планирует завершить в конце 2021 года.

Стоит отметить, что универсальных алгоритмов, позволяющих промышленникам автоматизировать диагностику технических сигналов, в России практически нет. Есть продукты, которые позволяют решать эти вопросы локально на отдельно взятом предприятии. Работу над созданием систем предиктивной аналитики ведут такие известные компании как Siemens, Yokogawa, Schneider Electric.

Добавим, что ИПМКН совместно с промышленными партнерами ведет активные исследования, нацеленные на создание новых продуктов и технологий, необходимых для цифровизации производства. Самым крупным проектом является совместная разработка с компанией ЭлеСи – программно-инструментальный комплекс Integrity SCADA, работающий под импортонезависимыми операционными системами. Он создан при поддержке Правительства РФ для отраслей с критической инфраструктурой – атомной и химической промышленности и т.д. В мае на базе Министерства экономического развития РФ состоялась презентация этого продукта для компаний и корпораций, которые являются его потенциальными потребителями.