На базе Международного научно-методического центра по математике, информатике и цифровым технологиям (МНМЦ) ТГУ состоялась защита проектов, разработанных преподавателями российских вузов с использованием сквозных технологий. Из 100 работ в финал вышли 26. По оценке международных экспертов в тройке лидеров – прототип цифровой платформы предиктивной аналитики агромашин Hector Al. Он создан во время обучения в МНМЦ командой Омского государственного аграрного университета при участии промпартнёров. Новый инструмент способен существенно сократить экономические потери, которые российские аграрии несут в период уборки урожая из-за выхода из строя сельхозтехники.
Процесс работы над проектами шёл параллельно четырехмесячному обучающему курсу, организованному МНМЦ ТГУ в рамках нацпроекта «Цифровая экономика». Участниками курса стали 1200 преподавателей, которые получили новые компетенции в области ИИ, анализа больших данных, использования технологий смешанной и дополненной реальности и по другим направлениям. Полученные знания и консультации специалистов помогли многим командам довести перспективные идеи до продукта.
Проект, признанный жюри одним из самых успешных, был создан учеными Омского ГАУ при участии ООО «КЗ «Ростсельмаш».
– На наш курс команда Омского ГАУ пришла с хорошим заделом, – отмечает директор МНМЦ ТГУ Александр Замятин. – В ходе обучения коллеги добрали те компетенции, которые им были необходимы, чтобы прототип обрёл свой завершённый вид. Развивать его омская команда готова в том числе в тандеме с ТГУ. Мы считаем, что данный проект очень перспективен в плане коммерциализации. Думаю, что производители сельхозтехники обязательно оценят эту разработку, ведь она способна повысить надёжность их продукции, а значит, и её конкурентоспособность на российском и зарубежном рынке.
Разработчики выбрали для решения одну из самых актуальных проблем, с которыми сталкиваются аграрии многих стран, – выход из строя сельхозтехники в период уборки урожая. Акцент был сделан на комбайнах, которые являются наиболее востребованными машинами.
– Зерноуборочный комбайн – это сезонная техника, она работает две-три недели в году, но несёт огромную нагрузку, – отметил в ходе презентации платформы руководитель управления ИТ Омского ГАУ Павел Ревякин. – На качество зерна влияют ночная влажность и роса, поэтому комбайн работает без обедов и выходных. По опыту анализа отказов, у комбайнов есть составные части, которые изнашиваются быстрее остальных – элементы системы транспортировки зерна: шнеки и их привод, лопатки транспортёра и сама конвейерная лента транспортёра, подшипники и ремни.
Снизить потребность в экстренном ремонте поможет платформа для прогнозирования поломок. Её основными инструментами стали анализ больших данных и использование технологий машинного обучения – методов искусственного интеллекта, которые позволяют научить нейросеть выявлять проблемы до их возникновения и разрабатывать варианты решения.
Команда проекта работала с выборкой, содержащей данные телеметрии 5 тестовых зерноуборочных комбайнов за год работы, данные по неисправностям, эксплуатационные и паспортные характеристики машин. С помощью статистических методов исследования разработчики определили тренды частоты возникновения отклонений в работе узлов и агрегатов. После этого была создана модель предиктивного анализа, способная выявить частоты вращения рабочих узлов и агрегатов комбайна, отличающиеся от номинальной в недопустимых пределах.
На основе этих данных компьютерная модель может заблаговременно спрогнозировать неисправность в конкретном агрегате. К примеру, предсказывать возникновение неисправностей, связанных с обрывом и растяжением ремней, которые приводят в действие все рабочие узлы комбайна. По статистике, аварийная диагностика и замена ремней приводит к суточному простою зерноуборочного комбайна (с учетом времени на доставку запасных частей и прибытие сервисной бригады в поле).
Использование платформы даёт возможность оценивать уровень износа и остаточные ресурсы машин и механизмов, контролировать соблюдение технологических операций. В конечном итоге это позволяет существенно повысить экономическую эффективность использования агромашин.
Как отметил Александр Замятин, переход промышленности на «цифру» – тренд, распространённый во всем мире. Работу над созданием систем предиктивной аналитики ведут такие известные компании, как Siemens, Yokogawa, Schneider Electric. Российские учёные при поддержке государства тоже работают над подобными системами. Например, аспирант ИПМКН ТГУ Дамир Мурзагулов разрабатывает методы и алгоритмы, которые позволят в автоматическом режиме выявлять аномалии в технологических сигналах. Это снизит количество поломок оборудования и нештатных ситуаций на предприятиях, для которых безопасность производства особенно важна – производства по нефтепереработке, предприятия ТЭК.
Добавим, что одним из приоритетов нацпроекта «Цифровая экономика», в реализации которого участвует ТГУ, является развитие направления «Индустрия 4.0». Это поможет России кратно увеличить количество решений для повышения эффективности отечественной промышленности.