Известная аксиома, что любую аварию лучше предотвратить, чем устранять её последствия, на современных производствах приобретает новые смыслы. В индустрию внедряются новые решения, работающие на опережение, которые способны предсказывать развитие дефектов. Именно такое решение, нацеленное на сокращение издержек от аварийного простоя оборудования, разрабатывает стартап CyberPhysics, родившийся в Сколтехе.
В нашем материале директор по развитию CyberPhysics Михаил Гусев рассказывает, как цифровые двойники помогают оптимизировать технологический процесс и прогнозировать поломки оборудования, что нужно учитывать при переносе информации в цифровую модель и почему физика лежит в основе такого решения.
Как узнать, когда заболеет оборудование?
Ни для кого не секрет, что любая поломка оборудования может повлиять на работу всего предприятия. Например, выход из строя критических агрегатов и вовсе влияет на экономику фабрик и заводов целиком. Но в современной индустрии на борьбу с такими неожиданностями приходит предиктивная аналитика. Эта технология в реальном времени отслеживает состояние оборудования и способна заранее диагностировать развитие критической неисправности, которая может привести к поломке.
Если в классических системах АСУ ТП отслеживаются конкретные показатели (выход которых за диапазоны считается критическим), то предиктивная аналитика позволяет не дожидаться, когда механик обнаружит подозрительный шум в станке, а заранее диагностировать проблему. Разработанные в ПО СyberStudio модели отслеживают и прогнозируют ряд важных показателей, опираясь на условия эксплуатации. Словно доктор, расшифровывающий кардиограмму, умные алгоритмы диагностируют развивающуюся неисправность в недрах промышленных машин по малейшим расхождениям между сигналом с оборудования и предиктивной модели.
Однако предиктивные модели работают не только наперёд, но и, словно детективы, собирают даже незначительные улики, чтобы разобраться, что на самом деле убило оборудование. Для этого разработчики строят набор моделей, которые описывают состояние оборудования. В практике CyberPhysics есть один показательный случай, когда специалисты смогли понять причину поломки критического агрегата с помощью данных в рабочем состоянии, сравнивая их с данными на пуске уже поломанного агрегата с локализацией неисправности до конкретного узла.
Каждому станку по двойнику
В основе таких предиктивных моделей лежат цифровые двойники. Они полностью копируют свой физический прототип — от маленького винтика до всех ключевых узлов —, имитируя состояние и работу оборудования. Во-первых, это помогает быстро определить расхождения в работе цифрового двойника и реального оборудования. Во-вторых, двойники — это отличный инструмент, чтобы спрогнозировать, когда при текущих условиях могут возникнуть проблемы.
В цифровом мире создается не только двойник оборудования, но досконально имитируется и среда, в которой оно находится. Важно учесть весь набор факторов, которые влияют на функциональность оборудования. Глубина проработки среды зависит уже от целей.
Например, возьмём промышленную печь нагрева. В некоторых случаях достаточно учесть только температуру в цехе и на улице. Но, если цель — проконтролировать качество прогрева заготовки и сэкономить расход газа, то набор параметров значительно расширится. Необходимо понять, как физически происходит процесс нагрева в печи и учесть геометрические особенности зон печи. В таком случае подключается физико-математическая модель. Для её создания закладываются настоящие чертежи печи и реальные параметры материалов стенок.
Развивая подход физико-математического моделирования, в CyberPhysics придумали новый тип моделей — нейрофизичные. Такой цифровой двойник работает, как повторение уравнений физики и связи физических параметров друг с другом.
Внедрение
Весь этот цифровой комплекс с лёгкостью внедряется на современное оборудование, потому что оно уже оснащено достаточным количеством телеметрии. Однако, бывает, что датчиков недостаточно и ими нужно дооснастить оборудование. Даже самое старое оборудование можно модернизировать, чтобы оно могло работать в связке с самыми современными предиктивными технологиями. Для этого специалисты по схемам и чертежам производителей определяют точное место расположения датчика на оборудовании в зависимости от целей диагностики. Дальше принцип простой: обучить модель, подключить к источнику реальных данных и запустить модель в эксплуатацию.
Оптимизация процессов
В каждом технологическом процессе важно понять, что конкретно можно оптимизировать. Например, расход газа для печи, нагревающей заготовки. В этом случае с точки зрения физики важно рассмотреть все факторы, влияющие на расход газа. Например, температуру в зонах, калорийность смеси. Таким образом формируется набор тегов или, другими словами, параметров, влияющих на конечную цель. Из этого и строится цифровой двойник или, как его называют в CyberPhysics, цифровой советчик, который в зависимости от целей начинает правильно описывать процесс.
На самом деле система работает довольно просто: она берёт из истории лучшие практики, как использовался газ для нагрева заготовок; нейросеть-цифровой советчик понимает, что сейчас достаточно N расхода и перегревать печь не нужно, а потом дает рекомендацию персоналу по оптимальному управления печью. Одновременно получается экономия и оптимизация.
Но просто собрать все лучшие практики и выбрать, какую из них применить, не всегда оказывается оптимальным решением. Зачастую условия не соответствуют условиям, которые были при лучшем сценарии: могут отличаться геометрия, масса, калорийность смеси. В таком случае нейрофизичная модель может правильно сделать аппроксимацию между этими данными, интерполировать и экстраполировать прогнозные значения в ситуациях, которые отличаются от предыдущих. Алгоритм модели позволяет корректировать уставки на управляющие параметры, чтобы добиться нужных целей.
Перспективы технологии
Производители тоже заинтересованы в таком цифровом решении. Один из партнёров CyberPhysics — поставщик и производитель оборудования уже на старте производства нового двигателя закладывает алгоритмы решения компании в свои новые агрегаты. Направление развивается, а российские разработчики оборудования понимают, что такие системы прогнозного анализа и оптимизации необходимо встраивать в контур управления и контроля агрегата.