|
Аннотация Создание алгоритмов и программных средств с целью обнаружения поломок и определения их типа и локализации. Задача Разработка программного комплекса для систематического сбора, хранения и анализа данных технологических процессов в режиме реального времени. Решение Программный комплекс, включающий в себя функционал по сбору оперативных и исторических промышленных данных, их хранение, платформа для подбора и настройки алгоритмов под каждую единицу оборудования и последующий анализ с целью выявления аномалий. Результаты Развёрнутое решение позволило оперативно и централизованно выявлять возникающие аномалии, связанные с поломками, нарушениями правил эксплуатации и сменой режимов работы, а также быстро анализировать и определять причины их возникновения. В результате возросло время доступности оборудования. |
Клиент:
Нефтехимическое предприятие Сфера деятельности: Мониторинг технологических процессов в производстве Технологии: Python, TensorFlow, InfluxDB, PyQt |
Кейс 1: Система сбора и хранения промышленных данных
Цель проекта
Программный комплекс для непрерывного сбора и хранения промышленных данных.
Back-end часть для сбора данных с узлов оборудования, сохранения в базу данных с целью дальнейшего доступа и анализа, а также desktop-приложение для взаимодействия с операторами.
Исходные данные
Сигналы, непрерывно генерируемые различными узлами оборудования в ходе выполнения технологических процессов
Результат работ
Средства для подключения и сбора промышленных данных, представляющих собой значения параметров технологических процессов
Проектирование базы данных, хранение и доступ
Выдача текущих и исторических значений операторам
Конечный результат
Приложение для операторов с графическим представлением технологических параметров
Программный комплекс для непрерывного сбора и хранения промышленных данных.
Back-end часть для сбора данных с узлов оборудования, сохранения в базу данных с целью дальнейшего доступа и анализа, а также desktop-приложение для взаимодействия с операторами.
Исходные данные
Сигналы, непрерывно генерируемые различными узлами оборудования в ходе выполнения технологических процессов
Результат работ
Средства для подключения и сбора промышленных данных, представляющих собой значения параметров технологических процессов
Проектирование базы данных, хранение и доступ
Выдача текущих и исторических значений операторам
Конечный результат
Приложение для операторов с графическим представлением технологических параметров
Данные
Примеры используемых данных временных рядов:
|
Использование протокола OPC UA (Open Platform Communications Unified Architecture)
|
Кейс 2: Система выявления аномалий
Цель проекта
Создание модуля по анализу и выявлению аномалий, их типов и локализации.
Описание проекта
Создание платформы по подбору, обучению и дальнейшему использованию моделей для выявления аномалий во временных рядах.
Исходные данные
Исторические данные технологических процессов в виде временных рядов
Результат работы
Решение позволило оперативно выявлять не только поломки, но и нарушения правил эксплуатации, а также скрытые и незначительные неисправности. Как следствие, своевременное реагирование позволило повысить время доступности оборудования
Создание модуля по анализу и выявлению аномалий, их типов и локализации.
Описание проекта
Создание платформы по подбору, обучению и дальнейшему использованию моделей для выявления аномалий во временных рядах.
Исходные данные
Исторические данные технологических процессов в виде временных рядов
Результат работы
- Компонент настройки и визуализации: выбор, обучение моделей, привязка
- Сервис обработки данных с привязкой к отдельным единицам и категориям оборудования
Решение позволило оперативно выявлять не только поломки, но и нарушения правил эксплуатации, а также скрытые и незначительные неисправности. Как следствие, своевременное реагирование позволило повысить время доступности оборудования
Аналитическая
|
Основанная на данных
|
Основанная на знаниях
|
Метод на основе машинного обучения и статистических параметров временного ряда:
-
Подбор обучающей выборки на основе наборов исторических данных
-
Сбор статистики по множеству наборов из ряда (выделение признаков)
-
Сопоставление наблюдаемых значений с предсказанием модели