Ученые ТГУ помогут снизить число аварий на производстве

Поделиться: Аспирант Института прикладной математики и компьютерных наук ТГУ Дамир Мурзагулов разрабатывает методы и алгоритмы, которые позволят в автоматическом режиме выявлять аномалии в технологических сигналах.

Поделиться:

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. 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», – говорит молодой ученый ИПМКН ТГУ Дамир Мурзагулов.

Сейчас технологические сигналы в большинстве случаев анализируются 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, 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», – рассказывает Дамир Мурзагулов.

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.


Последние новости

КПРФ обсуждает будущее партии на Пленуме в Томске

Коммунисты региона подводят итоги и ставят новые задачи.

Завершение уборочной кампании в Кривошеинском районе

Аграрии региона достигли 83% завершенности уборки урожая.

Форум медицинских университетов: Стратегия развития до 2030 года

Обсуждение цифровой трансформации и интеграции науки в медобразование.

Card image

В современном мире бизнеса успешность компании напрямую зависит от эффективности работы отдела продаж

Здесь вы можете узнать о лучших предложениях и выгодных условиях, чтобы купить квартиру в Челябинске

Комментарии (0)

Добавить комментарий

Ваш email не публикуется. Обязательные поля отмечены *