Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ представил мультиагентный программно-аппаратный комплекс, который анализирует электрические параметры промышленного оборудования и помогает заранее выявлять признаки неисправностей. Об этом сообщили в пресс-службе НИУ ВШЭ.
В промышленной сфере выход из строя двигателя или насоса может привести не только к финансовым затратам на ремонт, но и к приостановке всего технологического процесса. Стандартные методы диагностики не всегда способны обнаружить проблему на ранних этапах: оборудование проверяется по установленному графику, тогда как неисправность может развиваться между этими проверками.
Разработчики предложили альтернативное решение. Новая система непрерывно мониторит ток и напряжение в трехфазной промышленной сети, анализирует изменения в электрических сигналах и с использованием ИИ-моделей оценивает состояние оборудования, вероятность отказа и оставшийся ресурс.
Одним из главных отличий является то, что для диагностики электродвигателей применяются электропараметры трехфазной сети. Дополнительные вибродатчики, устанавливаемые на корпус оборудования, не требуются. Система функционирует постоянно, создавая общую картину состояния оборудования вместо отдельных измерений.
Основу подхода составляет анализ спектра электрического тока. Разработчики исследовали способы выявления различных неисправностей электродвигателей, таких как повреждения подшипников, ротора и статора, а также отклонения в воздушном зазоре. Для каждого типа дефектов характерны изменения сигнала в определённых частотных диапазонах.
Система объединяет данные, поступающие непосредственно от оборудования, с информацией из SCADA и систем технического обслуживания и ремонта. Отраслевые математические модели интегрируются в платформу в виде отдельных ИИ-модулей, а сама платформа выполняет обработку данных, запуск расчётов, управление версиями моделей и формирование результатов.
Расчёты производятся внутри корпоративной сети. Система может функционировать без использования внешних облачных сервисов, а диагностика запускается автоматически по заранее установленному расписанию. Платформа предназначена для масштабирования от одного двигателя до парка до 1000 единиц оборудования. Помимо определения типа и степени тяжести дефекта, а также оценки остаточного ресурса, система выдаёт рекомендации по обслуживанию.
Разработка уже прошла опытно-промышленное тестирование на объекте ЛОКС — Володарский водопровод. Целевыми показателями являются снижение аварий до 40%, экономия энергии до 15% и сокращение затрат до 30%.
«Главное преимущество нашего решения — это неинвазивная установка датчиков электропараметров, которая не требует разбирать двигатель и даже его останавливать. Таким образом комплекс предиктивной аналитики устанавливается на объект легко и не требует практически никаких затрат со стороны клиента. Также преимуществом решения является анализ только электропараметров (величин тока и напряжения) объекта без необходимости получать дополнительные виброданные», — отметил Александр Ерошкин, менеджер лаборатории естественного языка ВШЭ-Яндекс, НИУ ВШЭ в Санкт-Петербурге.
Система разрабатывается в рамках стратегического технологического проекта «Мультиагентная платформа искусственного интеллекта для отраслевых задач». Эти проекты входят в Программу развития НИУ ВШЭ на период с 2025 по 2036 год, которая выиграла конкурс программ стратегического академического лидерства «Приоритет-2030». Ожидается, что данный подход изменит принципы технического обслуживания: вместо того чтобы ждать поломки оборудования, инженеры смогут заранее выявить признаки износа и принять меры по ремонту до выхода оборудования из строя.
И-системы предсказывают не только поломки оборудования, но и финансовые кризисы компаний. Как рассказывала интернет-газета «ЖУК», учёные Пермского Политеха разработали систему раннего предупреждения финансовых кризисов компаний на основе искусственного интеллекта. Она способна заранее выявлять предприятия в зоне риска с точностью 94,45% и даёт шанс на спасение бизнеса.