В России научились предсказывать внезапную поломку важного оборудования

МОСКВА, 22 ноя — РИА Новости. Ученые ВолгГТУ разработали новую модель оценки остаточного ресурса работы генерирующего оборудования, позволяющую точно предсказать, когда оно выйдет из строя. Особенностью модели является гибридная структура, построенная на основе глубоких нейронных сетей – мощного инструмента искусственного интеллекта. Результаты исследования опубликованы в журнале "ACM Transactions on Cyber-Physical Systems".

Генерирующим называют оборудование для производства энергии и используемое при организации автономного, аварийного или резервного электроснабжения. Специалисты объясняют, что вопрос надежности такого оборудования важен практически для всех предприятий топливно-энергетического комплекса. От этого зависит бесперебойное снабжение электричеством и теплом жителей городов, промышленных предприятий.

Несмотря на профилактическое техническое обслуживание (ТО), невозможно исключить внезапный выход оборудования из строя. Применение инструмента точного прогнозирования отказов может изменить подходы к ТО и ремонту. Также это существенно сокращает издержки от простоя оборудования.

«

“Техническое обслуживание, ориентированное на обеспечение безотказности, является общемировым трендом. Основная идея такого подхода — определение оптимального набора операций ТО и частоты их применения с учетом вероятностей и последствий отказов оборудования”, — объясняет заведующий кафедрой Систем автоматизированного проектирования и поискового конструирования Максим Щербаков.

В проведенном исследовании точность прогнозирования остаточного ресурса повысилась в 1,5 раза за счет выделения интервалов жизненного цикла оборудования и применения предложенной модели, отмечает Щербаков.

Модель основана на комбинации математических моделей, известных как глубокие нейронные сети. Нейронные сети – технология, копирующая работу центральной нервной системы и решающая сложные технические задачи, например, распознавание образов или, как в данном случае, прогнозирование отказов оборудования.

Существенный прогресс в использовании этих подходов в настоящее время обусловлен появившимися вычислительными возможностями, позволяющими обучать нейронные сети за относительно короткое время. В работе предложена новая конфигурация сети на основе сверточной нейронной сети и сети долгой краткосрочной памяти.

Дальнейшая задача научного коллектива – создать новую технологию, позволяющую не только прогнозировать отказы оборудования, но и формировать оптимальные решения – что конкретно необходимо сделать с оборудованием, чтобы продлить ресурс его использования.

Направление, в рамках которого проводится исследование, входит в стратегический проект ВолгГТУ в рамках программы "Приоритет-2030". В программе развития вуза заложены четыре стратегических проекта, в том числе "Центр цифровых научно-образовательных проектов и разработок" и "Технологии для промышленного инновационного кластера".