Современное металлургическое производство невозможно представить без использования технологий Индустрии 4.0. Производство сегодня активно цифровизируется, и у ученых ЮУрГУ в этом процессе значимая роль.
Предотвращение аварий и незапланированных простоев оборудования на производстве сегодня вполне реально. Это возможно благодаря применению методов интеллектуальной обработки информации. Данные собираются с датчиков, которые отслеживают тепловой поток от подшипников под высокой нагрузкой. В качестве инструмента обработки данных с датчиков выступает нейросеть.
Данные передаются нейросети через беспроводные каналы связи. Нейросеть проводит анализ данных, предупреждая оператора станка о возможных нарушениях в работе и об угрозе поломки оборудования.
Важно, что технический специалист может только контролировать работу уже обученной нейросети. Для обучения нейросети необходим специалист по машинному обучению.
Инженер лаборатории технической самодиагностики и самоконтроля приборов и систем Денис Лебедев в проекте «Технологии диагностики элементов АСУ ТП и средств измерений» разрабатывает программное обеспечение верхнего уровня: системы хранения и визуализации данных, реализации алгоритмов диагностики; а также занимается обучением моделей искусственного интеллекта. Проект реализуется в университете в рамках программы «Приоритет-2030».
«Роль нейросети в диагностике датчика ключевая, – отмечает Денис Константинович, – и в целом работа лаборатории технической самодиагностики и самоконтроля приборов и систем направлена на применение технологий искусственного интеллекта и машинного обучения в задачах технической диагностики».
Нейронная сеть – один из основных блоков проекта. Без нее не будет интеллектуальной обработки данных, не будет интеллектуальной диагностики. Важное уточнение: качество работы нейросети необходимо постоянно оценивать, проводить внешний контроль.
Сегодня инженеры лаборатории находятся на этапе разработки нейронной сети, подготовки оптимальной модели, которая будет справляться с поставленной задачей. Далее предстоит ряд масштабных испытаний, чтобы подтвердить работоспособность системы. Испытания планируется проводить на оборудовании лаборатории технической самодиагностики и самоконтроля приборов и систем, материально-техническая база которой улучшена в рамках проекта «Приоритет-2030».
Полезный продукт проекта – комбинированную нейросетевую модель обработки данных – планируется использовать для системы диагностики станков в металлургии и станкостроении.
Если по результатам испытаний нейросеть будет успешно справляться с поставленными задачами, то постепенно часть работы по оценке технического состояния ляжет на её «плечи». В таком случае на дисплее сотрудник предприятия получает статус, информирующий либо о том, что оборудование работает исправно, либо о том, что возник какой-то дефект. В перспективе в этом проекте нейросеть может полностью заменить человека в задачах определения технического состояния. Но чтобы этого достичь, предстоит выполнить еще много работы.
«Наша цель – разработка методов обработки данных, включающих использование нейросетевых моделей, которые в дальнейшем будут самостоятельно справляться с задачами технической диагностики без участия специалиста из этой области. Это перспективы развития нашего проекта», – поясняет Денис Лебедев.
Технология имеет большой потенциал для коммерциализации. Разработками в этой сфере уже заинтересовались крупные промышленные партнеры. Отметим, что разработка нейросетей должна опираться на конкретного потребителя, так как у всех предприятий свои особенности, и настраивать нейросети необходимо под конкретного заказчика.
Проект реализуется на площадке лаборатории технической самодиагностики и самоконтроля приборов и систем, функционирующей в ЮУрГУ в рамках программы «Приоритет-2030» национального проекта «Наука и университеты».