В НИУ ВШЭ представили ИИ-комплекс для прогноза поломок промышленного оборудования по току и напряжению

Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ представил мультиагентный программно-аппаратный комплекс, который анализирует электрические параметры промышленного оборудования и заранее выявляет признаки неисправностей. Систему показали на IV профессиональной конференции для ИТ и инженерного сообщества в нефтегазовой отрасли.

Разработка переводит обслуживание от ремонта после отказа к прогнозированию состояния оборудования и планированию работ до аварии. Выход из строя одного двигателя или насоса грозит не только затратами на ремонт, но и остановкой технологического процесса, а неисправность может развиться между плановыми проверками.

Система непрерывно анализирует ток и напряжение в трёхфазной промышленной сети. По изменениям электрических сигналов ИИ-модели оценивают состояние оборудования, риск отказа и остаточный ресурс. Дополнительные вибродатчики на корпус не нужны.

В основе лежит анализ спектра электрического тока. Разработчики исследовали обнаружение повреждений подшипников, ротора и статора, а также эксцентриситета воздушного зазора: для разных дефектов характерны изменения сигнала в определённых частотных диапазонах. Датчики электропараметров устанавливаются неинвазивно, без разборки и остановки двигателя.

Комплекс объединяет данные с оборудования, SCADA, систем технического обслуживания и ремонта и других источников. Отраслевые математические модели подключаются как отдельные ИИ-модули, а платформа берёт на себя данные, запуск расчётов, версии моделей и формирование результатов.

Расчёты идут внутри контура предприятия, без внешних облачных сервисов, диагностика запускается по расписанию. Платформа масштабируется от одного двигателя до парка в 1000 машин. Помимо типа и степени тяжести дефекта и остаточного ресурса, система формирует рекомендацию по обслуживанию, чтобы потенциальная авария превращалась в плановый останов.

Руководитель проекта Данил Швецов отметил, что на неполных или испорченных данных система не выдаёт догадку, а сообщает об этом: доверие к прогнозу на производстве стоит дороже лишнего срабатывания.

Источник — Высшая школа экономики