Разработка алгоритма предиктивной диагностики технологического процесса производства БОПП-пленки

Целью работы является потенциальное уменьшение количества остановок установки поперечного ориентирования БОПП-пленки и планирование мероприятий по обслуживанию оборудования. Для этого производится построение прогностических моделей для предсказания дальнейшего тренда технологического процесса и выявления в нем аномальных значений.

Реферат…………………………………………………………………………………………………….11
Обозначения и сокращения……………………………………………………………………….16
Определения…………………………………………………………………………………………….17
Введение…………………………………………………………………………………………………..19
Цели и задачи исследования……………………………………………………………………..20
Обзор существующих решений…………………………………………………………………21
1 Описание технологического процесса производства БОПП-пленки………23
2 Оборудование ТДО……………………………………………………………………………..28
2.1 Контроллерное оборудование ТДО…………………………………………………..28
2.2 Датчики ТДО……………………………………………………………………………………29
2.3 Двигатели ТДО…………………………………………………………………………………30
2.4 Ректифер ТДО………………………………………………………………………………….30
2.5 Control Unit ТДО………………………………………………………………………………31
3 Схема информационных потоков ТДО…………………………………………………32
4 Разработка предиктивной модели………………………………………………………..33
4.1 Основные шаги в разработке предиктивной модели…………………………..33
4.2 Сбор данных для предиктивной модели…………………………………………….33
4.3 Постановка задачи……………………………………………………………………………34
4.4 Требования к временному ряду…………………………………………………………34
4.5 Стек технологий для исследования……………………………………………………38
4.6 Метрики качества……………………………………………………………………………..40
4.7 Подготовка данных…………………………………………………………………………..41
4.8 Прогнозные модели………………………………………………………………………….42
4.8.1 Методы скользящего среднего (moving average, MA)……………………..43
4.8.2 Методы экспоненциального сглаживания………………………………………44
4.8.2.1 Экспоненциальное сглаживание…………………………………………………….44
4.8.2.2 Двойное экспоненциальное сглаживание………………………………………..45
4.8.2.3 Тройное экспоненциальное сглаживание (Holt-Winters)………………….47
4.8.3 Авторегрессионые модели……………………………………………………………..49
4.8.3.1 AR (autoregreesive) модель……………………………………………………………..49
4.8.3.2 ARIMA (autoregressive integrated moving average) модель………………..50
4.8.3.3 SARIMA (seasonal autoregressive integrated moving average) модель…52
4.8.4 Скрытая марковская модель (Hidden Markov model)……………………….53
4.8.5 Регрессионные модели…………………………………………………………………..56
4.8.5.1 Теоретическая часть………………………………………………………………………56
4.8.5.2 Практическая часть………………………………………………………………………..57
4.8.6 Модели на базе классификационно-регрессионных деревьев………….60
4.8.6.1 CatBoost…………………………………………………………………………………………60
4.8.6.2 XGBoost………………………………………………………………………………………..62
4.8.6.3 LightGBM………………………………………………………………………………………64
4.8.6.4 Сравнение CatBoost, XGBoost, LightGBM………………………………………66
4.8.7 Нейросетевые модели…………………………………………………………………….67
4.8.8 Готовые решения (Facebook Prophet, Amazon Gluon TS)…………………71
4.8.8.1 Facebook Prophet……………………………………………………………………………71
4.8.8.2 Amazon Gluon TS…………………………………………………………………………..72
4.8.9 Сравнение моделей прогнозирования…………………………………………….74
4.9 Детектирование аномалий………………………………………………………………..76
4.9.1 Статистические методы…………………………………………………………………77
4.9.1.1 Ящик с усами…………………………………………………………………………………77
4.9.1.2 Z-score…………………………………………………………………………………………..78
4.9.2 Контрольные карты……………………………………………………………………….79
4.9.3 Методы, основанные на плотности…………………………………………………80
4.9.3.1 Локальный уровень выброса (LOF, Local outlier factor)…………………..80
4.9.3.2 DBSCAN……………………………………………………………………………………….81
4.9.4 Методы машинного обучения………………………………………………………..82
4.9.4.1 One Class SVM………………………………………………………………………………82
4.9.4.2 Isolation Forest……………………………………………………………………………….84
4.9.5 Модельные методы………………………………………………………………………..85
4.9.6 Методы на основе экспертных знаний……………………………………………86
4.9.7 Сравнение методов детектирования……………………………………………….87
4.10 Интеграция предиктивной модели в технологический процесс
производства БОПП-пленки………………………………………………………………………90
4.10.1 Имитационная модель ТДО……………………………………………………………90
4.10.2 SCADA-пакет………………………………………………………………………………..91
4.10.3 OPC-сервер……………………………………………………………………………………92
4.10.4 База данных…………………………………………………………………………………..92
4.10.5 Онлайн-мониторинг технологического процесса…………………………….93
4.10.6 Реализация взаимодействия технологического процесса и
предиктивной модели……………………………………………………………………………….94
5 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение…98
5.1 Организация и планирование работ……………………………………………………..98
5.1.1 Продолжительность этапов работ………………………………………………………99
5.2 Расчет сметы затрат на выполнение проекта……………………………………….107
5.2.1 Затраты на материалы и покупные изделия……………………………………..107
5.2.2 Затраты на заработную плату…………………………………………………………..108
5.2.3 Затраты на социальный налог………………………………………………………….109
5.2.4 Затраты на электроэнергию……………………………………………………………..109
5.2.5 Амортизационные расходы……………………………………………………………..110
5.2.6 Расходы, учитываемые непосредственно на основе платежных
документов……………………………………………………………………………………………..111
5.2.7 Прочие расходы………………………………………………………………………………112
5.2.8 Общая себестоимость разработки……………………………………………………112
5.2.9 Доход……………………………………………………………………………………………..112
5.2.10 Затраты на НДС…………………………………………………………………………….113
5.2.11 Цена разработки НИР……………………………………………………………………113
5.3 Оценка экономической эффективности проекта………………………………….113
6 Социальная ответственность…………………………………………………………………115
6.3 Правовые и организационные вопросы обеспечения безопасности……116
6.3.1 Особенности трудового законодательства……………………………………….116
6.3.1 Особенности трудового законодательства……………………………………….117
6.4 Производственная безопасность………………………………………………….118
6.5 Анализ опасных и вредных факторов…………………………………………………120
6.6 Экологическая безопасность………………………………………………………………129
6.7 Безопасность в чрезвычайных ситуациях……………………………………………130
Заключение…………………………………………………………………………………………….132
Список литературы…………………………………………………………………………………133
Приложение А (обязательное) Description of the manufacturing process of the
BOPP film TDO equipment Scheme of information flows Development of a
predictive model algorithm…………………………………….………………140
Приложение Б…………………………………………………………………156
Приложение В…………………………………………………………………157
Приложение Г…………………………………………………………………159
Приложение Д…………………………………………………………………160
Приложение Е…………………………………………………………………161

В магистерской диссертации произведено исследование предиктивной
модели двигателей технологического процесса производства БОПП-пленки.
Собраны данные в виде временных рядов для разработки предиктивной
модели, которые отображают основные параметры двигателя – скорость, ток,
температура и момент. После чего подготовлены для проведения анализа
основных методов (прогнозных и поиска аномалий) на которых базируется
предиктивная модель. Совершен сравнительный анализ методов и выявлены
лучшие для последующего их внедрения в технологический процесс. Как
видно из результатов сравнительного анализа в качестве прогнозной части
можно использовать практически любой, кроме простого и двойного
экспоненциального сглаживания, а в качестве части для поиска аномалий
лучше всего себя показывает DBSCAN.
В результате работы является внедрение в разработанный
имитационный технологический процесс. Построены информационные
потоки для передачи данных по протоколу OPC UA, организовано их
хранение в базе данных временных рядов InfluxDB, а также визуализированы
эти данные с помощью платформы онлайн-мониторинга Grafana.
В итоге, разработана предиктивная модель и архитектура для её
внедрения, что позволяет использовать её в любом технологическом
процессе, а в частности в технологическом процессе производства БОПП-
пленки.