В России решили проблему неточных измерений на предприятиях

МОСКВА, 20 авг – РИА Новости. Новые методы обработки данных, которые позволят без дополнительных затрат значительно повысить точность измерений на промышленных предприятиях, разработали ученые Санкт-Петербургского Политеха. По их мнению, это поможет улучшить качество выпускаемой продукции. Результаты опубликованы в журнале Measurement.

Недостаточно точные результаты измерений характеристик производственных процессов – одна из актуальных проблем современного производства. Методы их согласования призваны частично уменьшить погрешность результатов измерений, выполненных на одном и том же промышленном объекте, путем обнаружения и устранения несоответствия между ними.

Такие методы основаны на подходах теории вероятностей и математической статистики совместно с применением математического моделирования. Они позволяют инженерам на производстве повысить точность получаемых данных и извлечь из них максимум полезной информации для изменения настроек и параметров технологических процессов на производстве.

Ученые Санкт-Петербургского политехнического университета Петра Великого разработали новые методы согласования результатов измерений, позволяющие повысить их точность за счет комплексного анализа взаимосвязей между измеряемыми величинами, не прибегая к замене или модернизации измерительного оборудования. По мнению авторов, созданные ими методы более универсальны, чем существующие, и подходят для гораздо большего количества ситуаций.

В основе методов лежит новый математический алгоритм, который позволяет проверить, насколько результаты измерений разных характеристик согласованы друг с другом и соответствуют друг другу, отметил один из авторов работы, доцент Высшей школы компьютерных технологий и информационных систем СПбПУ Константин Семенов.

При этом, по его словам, не имеет значения, какие именно параметры технологических процессов измеряются – главное, чтобы имелась цифровая модель процесса. Предложенные методы применимы и для оценки качества промышленной продукции, когда производимые изделия подвергаются контролю путем измерений их характеристик.

«

"Например, при работе силового агрегата, который вырабатывает электричество, крутится турбина, которая, естественно, испытывает вибрацию. Нам важно понимать, не превосходит ли амплитуда колебательных процессов допустимых пределов и не сломается ли агрегат. Для измерения уровня вибрации на турбине всегда стоят специальные датчики для контроля. И если мы видим, что вибрация на каком-то участке не очень большая, но знаем, что этого не может быть, потому что турбина в этом месте трясется, то, значит, скорее всего, этот датчик не вполне исправен. Наш алгоритм учитывает все эти соображения в формальном математическом виде, находит ошибки и устраняет их", – рассказал он.

Константин Семенов отметил, что новые методы позволят добиться максимально возможной точности за счет того, что алгоритм учитывает не каждый результат измерений в отдельности, а все сразу. Достичь этого можно без значительных капитальных затрат, используя уже имеющееся оборудование.

"Повышение точности измерений улучшает качество и конкурентоспособность выпускаемой продукции. При этом процедура согласования данных внедряется в информационно-измерительные системы, системы контроля и управления технологическими процессами и более никак на стоимость производства не влияет. Стоит прекратить разбрасываться той информацией, что накоплена на производстве и на получение которой уже были потрачены средства, и перевести ее в точность получаемых результатов", – добавил ученый.

По мнению специалистов СПбПУ, другие известные подходы к согласованию индустриальных данных, в основном, позволяют отсеивать лишь наиболее грубые ошибки в измерениях. Для повышения точности результатов измерений часто используются упрощенные модели, которые не всегда соответствуют реальным условиям на производстве. Уникальность нового подхода, по словам авторов, заключается в том, что он позволяет работать с любым распределением значений измеряемых величин и их погрешностей и учитывать нелинейные зависимости между параметрами технологических процессов, что делает его более гибким и эффективным.

Работы были поддержаны грантом Российского научного фонда № 23-29-00694 "Непараметрические методы и программные средства на их основе для согласования и уточнения неточных данных, основанные на учете известных взаимосвязей и априорной информации".