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.