"Энергичные люди" 0 комментариев

Предиктивная аналитика: алгоритмы покажут будущее

Росэнергоатом получил первые результаты реализации пилотного проекта по созданию системы предиктивной аналитики.

Робот ясновидящий

Площадкой для системы предиктивного анализа выбрали турбогенератор блока № 6 ВВЭР‑1200 Нововоронежской АЭС. Программа отслеживает около 700 параметров, поступающих с датчиков на турбогенераторе и смежном с ним оборудовании. А специальные математические модели, разработанные учеными ВНИИАЭС, автоматически оценивают характер изменений этих параметров, сравнивают их текущие значения с состоянием оборудования, которое фиксировалось в ходе эксплуатации оборудования за все годы работы.

Все самое интересное и уникальное мы публикуем в альманахе «Управление производством»300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!

Если система обнаруживает нехарактерные колебания в параметрах, то «бьет тревогу» и выдает рекомендации: почему произошли изменения в работе, когда стоит начать ремонт, сколько времени оборудование еще сможет проработать в таком состоянии. Для этого необходимо не только сделать обработку математических методов предиктивного анализа, полученных данных по эксплуатации оборудования, но и организовать сбор и передачу данных от систем контроля и диагностики оборудования в реальном времени. К процессу рассмотрения результатов предиктивной аналитики привлечены специалисты с высоким уровнем технической экспертизы в анализируемом оборудовании.

Технология создания технологии

На предварительной стадии проекта прошел открытый технический конкурс, перед участниками которого стояла задача проанализировать информацию об опыте эксплуатации турбогенераторов блоков АЭС.

В конкурсе участвовали 19 организаций: ИТ‑компании разного масштаба, научно-исследовательские организации и институты, компании, специализирующиеся на диагностике состояния оборудования. Они представили технический отчет, объединивший результаты анализа информации с применением предиктивной аналитики и описание выбранного подхода к решению задач. Результаты, полученные участниками конкурса, оценивались по нескольким критериям. После этого на базе ВНИИАЭС и ЦОД «Калининский» был организован и запущен в работу полигон системы предиктивной аналитики.

— По итогам первого этапа мы создали и проверили алгоритмы и математические модели, необходимые для выявления фактов возникновения и развития скрытых дефектов в оборудовании АЭС, — объясняет директор Департамента цифровой энергетики и коммерческого диспетчирования РЭА Любовь Андреева.— Для отдельных групп дефектов, которые могут появиться в основном оборудовании блока, мы смогли выявить наиболее значимые параметры. Их изменения в совокупности, а не по отдельности помогают определить факты отклонения условий эксплуатации оборудования от нормального значения технологических параметров. Получается, если каждый параметр сам по себе в пределах нормы, это не дает полной гарантии отсутствия скрытых дефектов в нем, и тут нам важно понять возможные причины образования дефектов, скорость их развития и оценку времени до выходов параметров оборудования за пределы нормальной эксплуатации.

Внедрение такой системы предиктивной аналитики позволит РЭА снизить и в перспективе исключить неплановые, неотложные и аварийные остановы блоков АЭС.

В работе по созданию системы предиктивной аналитики участвуют специалисты РЭА, ВНИИАЭС, КОНСИСТ-ОС и внешние подрядчики.

0 комментариев
Отправить
обсуждения
Это переводная статья из альманаха № 5 2013 года, вот источники: 1. «OEE Improvement by TPM Imple... Механизм расчета общей эффективности оборудования: пример Jordan Steel Company
Добрый день! Вопрос: почему у Вас в расчете доступности берется операционное время с учетом внеплано... Механизм расчета общей эффективности оборудования: пример Jordan Steel Company
Эта статья 2010 года, тех времён, когда представители Голдрата в России ТОС продвигали и рекламирова... Постоянно улучшать – практическое руководство по управлению производством на основе ТОС
А как насчёт самосвалов как КИО вы применяете какой эффективность вы проявляете? «Карельский окатыш»: 35% – показатель общей эффективности оборудования для экскаваторного парка
Узнайте больше Альманах “Управление производством” 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов
Альманах “Управление производством”