Ученые Пермского Политеха разработали программу, которая позволяет управляющей системе самообучаться в реальном времени: подстраиваться под изменения без остановки производства, дорогих тестов и участия технолога. На одном из крупнейших заводов страны внедрение этой разработки повысило стабильность качества на 30% и почти вдвое снизило расход энергии. Об этом CNews сообщили представители Пермского Политеха.
Когда вы чистите зубы утром или заправляете машину, вы вряд ли думаете о том, как появилась эта паста или бензин. А за ними стоит сложнейшее производство: реакторы, мешалки, трубопроводы, непрерывный процесс. Чтобы производство работало без сбоев, а товары оставались доступными, управлять заводом нужно с высочайшей точностью. Потому что любое отклонение от режима оборачивается серьезными потерями, которые в итоге закладываются в цену на полке.
Современные заводы управляются интеллектуальными системами, которые прогнозируют, что произойдет, если изменить температуру или расход сырья, и на основе этого выбирают самый выгодный режим. Система каждую минуту оценивает текущее состояние, просчитывает варианты и принимает решение, чтобы продукт оставался в норме, а затраты были минимальными.
Проблема в том, что заводские настройки устаревают. В реальном производстве меняется сырье, катализаторы теряют активность, механизмы изнашиваются — это невозможно предсказать заранее и заложить в настройки. Через два-три года алгоритмы в компьютере остаются прежними, хотя завод уже не тот. Прогнозы перестают совпадать с реальностью: качество продукции выходит за нормы, растёт перерасход энергии. Классическая система не умеет подстраиваться, и технологу приходится вручную корректировать настройки.
Вот как это выглядит на примере производства бензина. В системе заложены правила: повышение температуры немного увеличивает качество топлива, но снижает его выход. Каждую минуту система выбирает оптимальный режим. Но через три года оборудование покрывается отложениями, насосы изнашиваются, катализатор теряет активность, сырьё меняется. Это неизбежно: отложения не убрать настройкой, износ не отменить, сырьё поступает то, что есть. Система же по-прежнему ожидает прежней зависимости температуры и качества, но по факту качество ниже. В результате бензин становится нестабильным, растет перерасход энергии.
Существующие системы управления строятся на статичных моделях, которые быстро устаревают, а их перенастройка требует привлечения специалистов. Но остановить завод для тестов и настройки очень сложно, так как производство непрерывное, и даже короткий простой обходится в миллионы рублей. Не помогает и опора на опыт технолога, который вручную корректирует параметры: это занимает много времени, зависит от конкретного человека и не гарантирует оптимальности.
Ученые ПНИПУ разработали программу, которая решает проблему устаревания заводских моделей управления. Система непрерывно анализирует архивные данные работы производства и самостоятельно обновляет свои алгоритмы, подстраиваясь под текущее состояние оборудования и сырья в реальном времени без остановки процесса.
Ключевой элемент разработки — блок текущей идентификации, включенный в схему управления. Он постоянно сравнивает прогноз модели с фактическими параметрами работы. Как только накопленная ошибка превышает допустимый порог, программа автоматически запускает процедуру переобучения: загружает свежие данные, пересчитывает параметры и обновляет настройки. Весь цикл выполняется без остановки производства, участия технолога и проведения дорогостоящих тестов.
Это похоже на то, как опытный врач лечит пациента. В начале он назначает лечение, опираясь на стандартные протоколы и свой опыт. Но если состояние больного меняется или анализы показывают неожиданный результат, врач сверяет прогноз с реальностью, анализирует свежие данные и корректирует терапию. Разработка делает это же, но применительно к огромному заводу.
Программа уникальна тем, что работает в реальном времени, использует только данные нормальной эксплуатации (не требует рискованных тестов), справляется со сложными объектами, где десятки параметров влияют друг на друга, гарантирует устойчивость системы при обновлении и уже подготовлена для встраивания в промышленные компьютеры.
Разработка прошла три этапа испытаний. Сначала компьютерное моделирование: исследователи создали цифровую копию завода, запустили алгоритм 1,2 тыс. раз и доказали, что он работает. Затем проверили на реальных данных завода по производству масляных альдегидов — точность прогнозов выросла примерно вдвое. И наконец, протестировали на действующем производстве, на «ЗапСибНефтехиме», одном из крупнейших нефтехимических комплексов страны.
Программу внедрили на установку депропанизации, где пропан отделяют от бутана. Ранее автоматика работала с настройками, заложенными при запуске несколько лет назад. За это время оборудование износилось, изменился состав сырья, а параметры оставались прежними. Новая программа актуализировала настройки: она проанализировала архивные данные, а это 4 тысячи измерений за последние дни, и заново рассчитала 25 ключевых коэффициентов. Эти коэффициенты отражают, как температура, расход сырья и другие параметры влияют на качество конечного продукта.
«После внедрения система стала прогнозировать качество продукта точнее в два раза. Расход пара, который тратится на нагрев, снизился с 524 килограммов в час до 290 — сокращение в 1,8 раза. А главный показатель качества вырос на 30 процентов. Это значит, что продукт стал стабильным: раньше он то соответствовал стандарту, то чуть хуже, а теперь держится в узком коридоре нормы», — сказал Михаил Работников, старший преподаватель кафедры «Оборудование и автоматизация химических производств» ПНИПУ, кандидат технических наук.
Сам алгоритм лег в основу коммерческого программного продукта для управления производством. По оценкам разработчиков, использование сокращает время настройки и внедрения таких систем на 10%–20%
«Эффект складывается из четырёх составляющих. Прежде всего, сокращается брак: продукт всегда соответствует норме, его не нужно перерабатывать или выбрасывать. Заодно снижается потребление энергии, так как оптимальный режим требует меньше пара и топлива. Когда процесс становится предсказуемым и стабильным, появляется возможность вести его в более выгодной зоне, не рискуя получить брак, а значит, увеличивается выход готового продукта. И наконец, технологу больше не нужно постоянно сидеть у экрана и подкручивать настройки — автоматика работает сама. Все это существенно снижает расходы и делает производство более эффективным», —сказал Михаил Работников.
Мир движется к «цифровым двойникам» и «умным» производствам, но без регулярного обновления даже умная система теряет точность. Разработка решает именно эту задачу. Она применима на любом непрерывном производстве — от переработки сырья до пищевой промышленности, от энергетики до металлургии. Везде, где оборудование изнашивается и меняются условия, нужна самонастройка. Технология уже работает на крупнейшем нефтехимическом комплексе страны и легла в основу коммерческого ПО.
Внедрение дает промышленности экономию ресурсов и стабильное качество. Экология выигрывает за счет снижения выбросов и отходов, потребители получают предсказуемые цены и надёжное качество. И наконец, для технологического суверенитета важно, что это собственный российский алгоритм, уже работающий на отечественных заводах.
Поделиться
