Современные технологии диагностики кардинально меняют подход к управлению и обслуживанию ресурсов на промышленных предприятиях. Путем анализа различных параметров оборудования, таких как вибрация, температура и потребление энергии, операторы могут получить ранние сигналы о возможных неисправностях. Это позволяет планировать и проводить своевременные ремонты, что значительно увеличивает время безотказной работы.
Университет технологий Лулео (Швеция) взял на себя задачу воссоздания в производственной среде связи между вибрационными сигналами и повреждениями подшипников. Спонсорами исследования стали несколько крупных промышленных компаний, среди которых находятся известные производители оборудования, включая SKF и два крупных целлюлозно-бумажных комбината, на которых установлены огромные бумагоделательные машины, оснащенные тысячами датчиков.
Аспирант Карл Ловемарк начал свою диссертационную работу в 2020 году, исследуя, как искусственный интеллект может помочь в проведении экспертного анализа, освобождая время специалистов для выполнения более ценных задач, что позволит улучшить надежность работы комбинатов.
Технологии распознавания изображений значительно развились за последнее десятилетие, но их применение в диагностическом контроле и прогнозировании отказов оборудования остается сложной задачей. Первой задачей является определить, на что системы ИИ должны обращать внимание. На протяжении нескольких лет специалисты по мониторингу оборудования из SKF и двух бумажных комбинатов собрали множество отчетов, где были зафиксированы отказы, меры коррекции и данные, использовавшиеся для диагностики проблем. Ловенмарк применил ряд методов для преобразования инженерных данных и отчетов в формат, понятный современным системам ИИ. Он включил разъяснения данных и определения ключевых терминов в запросы, которые использовались для запуска модели ИИ, а также добавил ссылки на пояснительные материалы. Новые модели искусственного интеллекта доказали свою эффективность в задачах прогнозирующего обслуживания в реальных условиях.
Первый успех был достигнут, когда Ловенмарк продемонстрировал, что модели ИИ способны надежно идентифицировать сигналы, исходящие от дефектов в датчиках или их соединительных кабелях. Такие события часто встречаются в крупных системах мониторинга оборудования, их легко исправить, но для их обнаружения обычно требуется участие аналитика, что занимает много времени.
Искусственный интеллект также может помочь в диагностике более сложных неисправностей. Новейшая версия системы Ловенмарка создана для ускорения и повышения точности работы аналитиков. Следующая версия системы, находящаяся в стадии разработки, станет интерактивным виртуальным помощником для анализа состояния оборудования. Она будет работать в формате чата, отвечая на текстовые запросы пользователей, извлекая соответствующие данные, запуская аналитические инструменты и предлагая необходимые шаги для диагностики проблем.
Является ли это признаком того, что мониторинг с применением ИИ уже готов к активному использованию? Ловенмарк настроен оптимистично, но осторожно.
«У нас есть прочная основа, но каждая установка системы мониторинга уникальна, и пользователям потребуется обучать модели на своих собственных данных, адаптируя их под свои процессы и политику. Системы ИИ используют обучение с подкреплением, основываясь на сигналах от окружающей среды, что позволяет модели постепенно улучшать свою эффективность и точность, реагируя на отклики пользователей».
В компании SKF активно исследуют возможность применения этого подхода и обсуждают проекты по внедрению ИИ в других областях.
