Разработка системы прогнозирования поломок оборудования на основе показаний датчиков

ВВЕДЕНИЕ 5
1 АНАЛИЗ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ ПОЛОМОК ОБОРУДОВАНИЯ 7
1.1 ОПИСАНИЕ ПРЕДМЕТНОЙ ОБЛАСТИ 7
1.2 АНАЛИЗ АНАЛОГИЧНЫХ РАЗРАБОТОК 11
1.3 ПОСТАНОВКА ЗАДАЧИ И ОПРЕДЕЛЕНИЕ ТРЕБОВАНИЙ 23
2 ПРОЕКТИРОВАНИЕ ПРОТОТИПА СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ПОЛОМОК ОБОРУДОВАНИЯ НА ОСНОВЕ ПОКАЗАНИЙ ДАТЧИКОВ 24
2.1 ПРОГРАММНАЯ АРХИТЕКТУРА МОДУЛЯ 24
2.2 МЕТОДЫ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ 34
2.2.1 Фильтрация выбросов и шумов 34
2.2.2 Заполнение пропусков 36
2.2.3 Нормализация данных 37
3 РАЗРАБОТКА ПРОТОТИПА СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ПОЛОМОК ОБОРУДОВАНИЯ НА ОСНОВЕ ПОКАЗАНИЙ ДАТЧИКОВ 39
3.1 ОБЗОР СРЕДСТВ РЕАЛИЗАЦИИ 39
3.2 ФОРМИРОВАНИЕ ДАННЫХ И ЭТАЛОННОЙ МОДЕЛИ 44
3.3 РАЗРАБОТКА НЕЙРОННОЙ СЕТИ 52
3.4 ОБУЧЕНИЕ НЕЙРОННОЙ СЕТИ 54
3.4.1 Оценка качества обучения 55
3.5 АНАЛИЗ РЕЗУЛЬТАТОВ 57
3.6 ПРОЕКТИРОВАНИЕ ИНТЕРФЕЙСА ПРОТОТИПА РАЗРАБОТАННОЙ СИСТЕМЫ 59
ЗАКЛЮЧЕНИЕ 64
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 66
ПРИЛОЖЕНИЕ (ОБЯЗАТЕЛЬНОЕ) ЛИСТИНГ ПРОГРАММНОГО КОДА 69
УДОСТОВЕРЯЮЩИЙ ЛИСТ № 205113 77
ИНФОРМАЦИОННО-ПОИСКОВАЯ ХАРАКТЕРИСТИКА ДОКУМЕНТА НА ЭЛЕКТРОННОМ НОСИТЕЛЕ 78

Весь текст будет доступен после покупки

Эффективная работа компании требует от руководства, в первую очередь, поддержание на высоком уровне следующих показателей производственной деятельности:
1) качество продукции;
2) количество продукции;
3) скорость обработки данных;
4) безопасность производства;
5) автоматизация технологических процессов;
6) уровень оптимизации производственных процессов.
Аварии и следующий за ними простой технологического оборудования оказывают прямое влияние на вышеперечисленные показатели и понижают эффективность работы всего производства. Расходы на техническое обслуживание составляют значительную часть общих эксплуатационных расходов любого бизнеса, сопряженного с использованием сложного оборудования. Проводимые исследования эффективности управления обслуживанием показывают, все расходы, которые тратятся на техническое обслуживание, можно сократить при повышении эффективности выполнения обслуживания. В настоящее время трудно найти индустриальное предприятие, в котором не были бы внедрены инструменты для мониторинга показателей износа производственного оборудования. Наибольшее распространение на данный момент имеют две концепции обслуживания — реактивное и превентивное. Реактивное обслуживание — простейший подход, при котором ремонт или замена оборудования производится после его выхода из строя. Поэтому, в последние несколько лет обслуживание промышленных систем в их рабочих режимах является одной из основных стратегических проблем, стоящих перед отраслью, от проектирования машины до ее эксплуатации. Вторым трендом в этой области является предиктивное обслуживание, позволяющее по данным с датчиков оценить время до поломки оборудования для планирования своевременного ремонта. Несмотря на свою очевидную ценность для индустрии, предиктивное обслуживание, как правило, внедряется в крупных, технологически развитых корпорациях, поскольку его внедрение сопряжено с решением большого количества задач. В частности, одной из ключевых составляющих системы предиктивного обслуживания является модуль, в режиме реального времени принимающий поток показаний с датчиков, установленных на оборудовании, обрабатывающий этот поток и прогнозирующий время до выхода из строя для каждого устройства. В связи со спецификой обработки больших объемов потоковых данных, такой модуль нужно реализовывать с применением специализированных инструментов и методов.
В данной работе предлагается подход к реализации модуля прогнозирования поломок, а именно, его архитектура, набор методов, используемых для решения каждой из задач модуля, решаются задачи предварительной обработки поступающих данных, их подготовка для подачи на вход модели, осуществляющей прогнозирование времени до поломки, а также описывается программная реализация метода. Для подтверждения работоспособности подхода приведены результаты его работы. Таким образом, целью данной работы является разработка системы прогнозирования поломок оборудования на основе показаний датчиков.
Для достижения поставленной цели необходимо решить следующие задачи:
1) анализ предметной области для выявления наиболее распространенных неисправностей в работе оборудования и их причин;
2) поиск аналогичных разработок и выделение их характерных особенностей;
3) проектирование архитектуры системы;
4) анализ способов реализации системы;
5) разработка пользовательского интерфейса;
6) реализация системы прогнозирования.

Весь текст будет доступен после покупки

1 АНАЛИЗ ПРОЦЕССА ПРОГНОЗИРОВАНИЯ ПОЛОМОК ОБОРУДОВАНИЯ
1.1 Описание предметной области
В отчетах Европейской комиссии по сохранению чистого воздуха и воды (CONCAWE) дается следующая классификация причин или типов отказов, которые могут произойти на оборудовании, по различным категориям.
По характеру изменения параметров объекта:
1. Прогрессивный (параметрический) сбой означает сбой, вызванный постепенным изменением одного или нескольких параметров без резких скачков. Обычные сбои могут быть предотвращены и устранены с помощью текущего обслуживания. Его причиной может являться старение материала, коррозия, износ деталей и т. д.
2. Внезапный (мгновенный) отказ. Характеризуется внезапным изменением одного или нескольких параметров. Как правило он возникает в связи со спонтанным повреждением (переломом, разрывом, разрушением и т.д) какого либо агрегата, не сопровождающегося явными признаками. Причиной может быть внутренний сбой, ошибка оператора или нарушение правил работы. Не смотря на то, что неправильный режим работы в большинстве случаев является причиной этого сбоя, точная причина события не может быть определена немедленно, и остается неизвестной в течение определенного периода времени, и ее можно определить с помощью теории вероятностей.

Весь текст будет доступен после покупки

1. Волков, В.Н., Требования к выполнению и оформлению выпускных и квалификационных работ [Текст] / В.Н., Загородних, Н.А., Ужаринский, А.Ю., Преснецова, В.Ю. А.А. Стычук, - Орел, ОГУ им. И.С. Тургенева.- 2017.- 71 с.
2. Интуит - Методология построения экспертных систем / Национальный открытый университет: [Электронный ресурс]. – Режим доступа: http://www.intuit.ru/studies/courses/46/46/lecture/1378/. Загл. с экрана. – Дата доступа: 10.02.2022.
3. Бертсекас, Д. Сети передачи данных [Текст] / Д. Бертсекас, Р. Галлагер- М.: Мир.-1989.- 544 с.
4. Бройдо, В.Л. Архитектура ЭВМ и систем [Текст] / В.Л. Бройдо, О.П. Ильина.- СПб: Питер.- 2006.- 717 с.
5. Евстигнеев, В. А. Применение теории графов в программировании [Текст] / В.А. Евстигнеев / Под ред. А.П. Ершова - М.: Наука. Главная редакция физико-математической литературы.-1985.- 352 с.
6. Филлипс, Д. Методы анализа сетей [Текст] / Д. Филипс, А. Гарсиа-Диас /Пер. с англ. Е.Г. Коваленко, М.Г. Фуругяна / Под ред. Б.Г. Сушкова.- М.: Мир.-1984.- 500 с.
7. Портал искусственного интеллекта: [Электронный ресурс]. – Режим доступа: http://www.aiportal.ru/articles/expert-systems/examples-expsys/. Загл. с экрана. – Дата доступа: 15.05.2022.
8. Бондарев, В.Н. Искусственный интеллект [Текст]:Учеб.пособие для вузов /В.Н. Бондарев, Ф.Г.Аде. – Севастополь, СевНТУ, 2002. – 615 с.
9. Прохоров, А.М. Большая Советская Энциклопедия. [Текст]. — М: Советская Энциклопедия, 1969-1978. — 616 с.
10. Боровиков, С.М. IT-система прогнозирования над?жности сложных электронных систем методом анализа дерева отказов / Информационные системы и технологии: управление и безопасность. -2013. -№2. 140-144.
11. Маценов, А. А. Комитетный бустинг: минимизация числа базовых алгоритмов при простом голосовании / Всероссийская конференция ММРО-13. – 2007. 180-183 с.
12. Тулупьев, А. Л., Фильченков А. А., Вальтман Н. А. Алгебраические байесовские сети: задачи автоматического обучения / Информационно-измерительные и управляющие системы. – 2011. – Т. 9. – №. 11. 57-61 с.
13. Беляков, М. И. Оптимизация программы обслуживания оборудования на основе методологии RCM / Главный механик. – 2015. – №. 9. 69 с.
14. Баскакова, Н.Т. Оптимизация затрат ремонтов в условиях теории ограничений с применением методов RCM / Н.Т. Баскакова, И.Л. Сидорук / Актуальные проблемы современной науки, техники и образования. 2014. Т.2. №1. 207-211 с.
15. Колобов, А.Б. Диагностика: теория и практика: учебное пособие / А.Б. Колобов. - М.: Инфра-Инженерия, 2019. - 252 с.
16. Генкин, М.Д., Соколова А.Г. Виброакустическая диагностика машин и механизмов / М.Д. Генкин, А.Г. Соколова. - М.: Машиностроение, 1987. - 288 с.
17. Тейл, Г. Прикладное экономическое прогнозирование [Текст]: учебник/ Генри Тейл: Пер. под ред. Э.Б. Ершова. – М.: Прогресс, 1970 . – 509 с.
18. Громова, Н. М. Основы экономического прогнозирования [Текст] : учеб. пособие / Н. М. Громова, Н. И. Громова. – М.:Академия Естествознания, 2007. – 112 с.
19. Хайкин, С. Нейронные сети: полный курс. - М.: Издательский дом "Вильямс", 2006. - 198-204 с.
20. Просто о больших данных / Дж. Гурвиц, А. Ньюджмент, Ф. Халпер, М. Кауфман. – М.: Эксмо, -2015. -365 с.
21. Соловьев, В.М. Построение диагностических экспертных систем на основе нейронных сетей / Известия Саратовского университета, 2006. Т. 6.
22. Шилов, С.А. Россия является одной из лучших стран в мире с точки зрения развития цифровой экономики : Интервью Сергея Шилова ИА Ведомости : [Электронный ресурс]. – Режим доступа: https://www.vedomosti.ru/spec/2021/08/30/rossiya-yavlyaetsya-odnoi-iz-luchshih-stran-v-mire-s-tochki-zreniya-razvitiya-tsifrovoi-ekonomiki. Загл. с экрана. – Дата доступа: 11.05.2022.
23. Домингос, П. Верховный алгоритм Как машинное обучение изменит наш мир /П. Домингос. – М.: Манн, Иванов и Фербер, 2016.
24. Боровиков, С.М. IT-система прогнозирования над?жности сложных электронных систем методом анализа дерева отказов / Информационные системы и технологии: управление и безопасность. -2013. -№2. - 140-144 с.
25. Баскакова, Н.Т. Оптимизация затрат ремонтов в условиях теории ограничений с применением методов RCM \ Н.Т. Баскакова, И.Л. Сидорук / Актуальные проблемы современной науки, техники и образования. 2014. Т.2. №1. 207-211 с.
26. Городничев, Д.Ю., Машинное обучение и глубокое обучение [Текст] / Современные проблемы лингвистики и методики преподавания в вузах и школе. – Воронеж, 2022. №38 - 278-281 с.

Весь текст будет доступен после покупки