Разработка цифрового двойника технологического процесса с использованием производственных данных
В данной работе рассматривается алгоритм создания цифрового двойника технологического процесса на основе “сырых” данных с применением статистических методов.
Введение …………………………………………………………………………………………………………………………. 13
Обозначения и сокращения ……………………………………………………………………………………………… 15
1 Обзор литературы …………………………………………………………………………………………………………………… 16
2 Описание технологического процесса …………………………………………………………………………… 23
3 Создание цифрового двойника………………………………………………………………………………………. 29
3.1 Подготовка данных ……………………………………………………………………………………………………. 29
3.2 Разработка модели ……………………………………………………………………………………………………… 37
3.3 Проверка моделей ………………………………………………………………………………………………………. 40
3.4 Создание приложения ………………………………………………………………………………………………… 43
4 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение ……………………….. 46
4.1 Организация и планирование работ ……………………………………………………………………………. 46
4.2 Продолжительность этапов работ ……………………………………………………………………………….. 47
4.3.1 Расчет затрат на материалы ……………………………………………………………………………………… 51
4.3.2 Расчет заработной платы …………………………………………………………………………………………. 52
4.3.3 Расчет затрат на социальный налог ………………………………………………………………………….. 53
4.3.4 Расчет затрат на электроэнергию ……………………………………………………………………………… 53
4.3.5 Расчет амортизационных расходов…………………………………………………………………………… 54
4.3.6 Расчет расходов, учитываемых непосредственно на основе платежных документов …. 55
4.3.7 Расчет прочих расходов …………………………………………………………………………………………… 55
4.3.8 Расчет общей себестоимости разработки………………………………………………………………….. 55
4.3.9 Расчет прибыли ……………………………………………………………………………………………………….. 56
4.3.10 Расчет НДС……………………………………………………………………………………………………………. 56
4.3.11 Цена разработки НИР…………………………………………………………………………………………….. 56
4.4 Оценка экономической эффективности проекта ………………………………………………………….. 56
5 Социальная ответственность ………………………………………………………………………………………………….. 58
5.1 Правовые и организационные вопросы обеспечения безопасности ……………………………… 59
5.1.1 Особенности трудового законодательства ………………………………………………………………… 59
5.1.2 Компоновка рабочей зоны ……………………………………………………………………………………….. 60
5.2 Производственная безопасность …………………………………………………………………………………. 62
5.2.1 Анализ опасных и вредных факторов ………………………………………………………………………. 62
5.2.1.1 Микроклимат производственных помещений ………………………………………………………… 62
5.2.1.2 Освещённость рабочей зоны …………………………………………………………………………………. 63
5.2.1.3 Повышенный уровень шума ………………………………………………………………………………….. 64
5.2.1.4 Электромагнитные излучения ……………………………………………………………………………….. 65
5.2.1.5 Электробезопасность ……………………………………………………………………………………………. 65
5.2.1.6 Пожарная безопасность ………………………………………………………………………………………… 66
5.3 Экологическая безопасность ………………………………………………………………………………………. 67
5.3.1 Анализ воздействия на окружающую среду ……………………………………………………………… 67
5.4 Безопасность в чрезвычайных ситуациях ……………………………………………………………………. 67
5.4.1 Перечень возможных чрезвычайных ситуаций на объекте………………………………………… 67
Выводы по разделу ………………………………………………………………………………………………………….. 69
Заключение……………………………………………………………………………………………………………………… 70
Список литературы………………………………………………………………………………………………………….. 71
Приложение A …………………………………………………………………………………………………………………. 78
Приложение Б …………………………………………………………………………………………………………………. 97
Приложение В ……………………………………………………………………………………………………………….. 100
Развитие цифровизации в современном мире во многом обусловлено
эффективной работой со стремительно увеличивающимися большими объемами
данных (Big Data), а точнее с содержательными («умными») данными (Smart Big
Data), включая снижение объемов «мусорных» данных и трансакционных
издержек, а также повышение прозрачности и наглядности процессов генерации
и обработки данных.
Центральное место в экономике по праву занимает материальное
производство – высокотехнологичная промышленность, отвечающая, в первую
очередь, требованиям высокой производительности труда, экономической
эффективности и глобальной конкурентоспособности.
Цифровые двойники способствуют стремительному развитию
современных компаний последнее время. С помощью них упрощается
поддержка технических систем, возрастает эффективность, митигируются риски
ошибок и сбоев, что повышает стабильность работы. Данные возможности
позволяют бизнесу максимально повысить доходность от инвестиций, увеличить
конкурентоспособность и, нарастить и преумножить клиентскую базу.
Одно из европейских нефтеперерабатывающих предприятий благодаря
применению системы предиктивной аналитики от компании Schneider Electric
предсказало сбой большого компрессора за 25 дней до того, как он случился.
Данное предсказание и оперативное реагирование позволило сэкономить
компании несколько миллионов долларов.
Цифровой двойник позволяет по входным данным оборудования
предсказать ключевым параметры объекта. Если взять абстрактный пример, то
это как по габаритам верхушки айсберга мы получили бы его точный объем и
форму с помощью предсказательной модели. При помощи технологии цифровых
двойников возможно решать различные типы задач диагностики состояния
объекта, оптимизации работы, предсказания.
С помощью технологии цифровых двойников удалось объединить 20
нефтедобывающих и нефтеперерабатывающих предприятий компании ADNOC,
ключевого представителя нефтегазовой отрасли на Ближнем Востоке, в единый
диспетчерский пункт. Цифровой двойник состоял из комплекса
рассредоточенных по всему Ближнему Востоку объектов компании. Удалось
унифицировать все процессы и привести их к единому стандарту.
Данный комплекс содержал в себе большое количество различных
пакетов – предиктивная аналитика, визуализация в реальном времени, система
моделирования различных режимов работы объектов и анализа нештатных
ситуаций. К тому же комплекс предполагал моделирование и оптимизацию
ресурсов.
По мнению экспертов в ближайшем будущем потребители и владельцы
продуктов смогут пользоваться технологиями цифровых двойников в
повседневной жизни, причем цифровые двойники станет возможным
использовать с целью улучшения качества человеческой жизни, а не только для
оптимизации работы какого-то объекта.
Разработав предиктивную модель производства, необходимо обеспечить
ее работоспособность в динамике. Разработчики ПО для взаимодействия с
моделями стремятся минимизировать участие человека в процессе. В это
находится принципиальное отличие цифрового двойника от обыкновенной
трехмерной визуализации. Основа данного этапа – обучение и последующее
самообучение моделей для выполнения поставленных задач. Машинное
обучение является классом методов искусственного интеллекта, характерной
чертой которых является не прямое решение задачи, а обучение в процессе
применения решений множества сходных задач. Для построения таких методов
используются средства математической статистики, численных методов,
методов оптимизации, теории вероятностей, теории графов, различные техники
работы с данными в цифровой форме.
Обозначения и сокращения
В работе используются следующие обозначения и сокращения:
АСУТП – автоматизированная система управления технологическим процессом;
МБ – мегабайт;
ПК – персональный компьютер;
ППР – план производства работ
В работе в рамках поставленной задачи были достигнуты следующие
цели:
1. Изучен технологический процесс стана тянущих валов, для лучшей
интерпретации данных.
2. Выполнен анализ реальных данных, сделана обработка методами
сглаживания, заполнения пропусков и удаления выбросов для последующей
обработке и создания предсказательных моделей.
3. Разработаны модели прогнозирования временных рядов скорости
приводных электродвигателей стана тянущих валов (P.R.S.), используя функции
Matlab.
4. Создано приложение для взаимодействия с моделью предсказания с
помощью Designer App. Данное приложение можно разместить на любом ПК.
ПО Matlab для корректного функционирования не требуется.
Читать «Разработка цифрового двойника технологического процесса с использованием производственных данных»
Последние выполненные заказы
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
5 (18 отзывов)
5 (158 отзывов)
5 (8 отзывов)
4.2 (5 отзывов)
4.7 (46 отзывов)
4.5 (80 отзывов)
4.2 (25 отзывов)
4.6 (30 отзывов)
5 (14 отзывов)
