Разработка алгоритма предиктивной диагностики технологического процесса производства БОПП-пленки

Бесплатно
Работа доступна по лицензии Creative Commons:«Attribution» 4.0
Поданев, Максим Николаевич Отделение автоматизации и робототехники (ОАР)
Бесплатно
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

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

Одна из главных тенденций современного производства – это
концепция «Индустрия 4.0» [1]. «Индустрия 4.0» предполагает
цифровизацию производства, внедрение в него киберфизических систем,
предиктивной аналитики, использование виртуальной реальности для
обучения сотрудников, работу с большими данными, создание цифровых
двойников. Тенденция появилась потому, что крупные компании и России, и
мира стремятся увеличить экономическую эффективность, повысить
безопасность и надежность производства, автоматизировать процессы на
всех уровнях. А одной из важнейших проблем, решаемой индустрией 4.0,
является непрерывная работа оборудования.
На данный момент существует несколько методов обслуживания
оборудования – аварийное, регламентное и предиктивное [2].
Аварийное обслуживание – обслуживание оборудования после
выхода его из строя. Данный метод оправдан при обслуживании дешевого
оборудования, не оказывающего решающего влияния на технологический
процесс, либо имеющего резервирование.
Регламентное обслуживание осуществляется плановыми проверками
согласно документации оборудования. План проверок рассчитывается с
помощью статистического анализа компанией-изготовителем. Проблема
возникает при работе оборудования на высоких нагрузках, что повышает
шанс выхода из строя раньше плана проверки и соответственно приводит к
нарушению технологического процесса.
Третий вид обслуживания – предиктивный. Когда процесс
контролируется непрерывно по фактическому состоянию. Часто происходит
так, что отклонения производственного процесса от обычного своего течения
обнаруживается только по факту самого отклонения. Выявление таких
отклонений (аномалий) происходит с помощью предсказательной аналитики,
то есть строится модель предсказаний, имитирующая ход процесса и
прогнозирующая его на несколько шагов вперед, после чего возникает
подзадача – детектирование аномалий в прогнозируемой части процесса.
Данный метод позволяет сформировать мероприятия технического
обслуживания к моменту отклонения процесса, что уменьшает количество
фактических неисправностей, простоев, затрат на обслуживание и т.д.
Данная работа посвящена применению методов машинного обучения
для предиктивной аналитики технологического процесса производства
БОПП-пленки с последующим детектированием аномалий.
Производство БОПП-пленки – это сложный технологический процесс,
в котором некорректная работа какого-либо оборудования может привести к
большому времени простоев, что, в свою очередь, приведет к значительным
экономическим потерям. Поэтому предсказание процесса и выявление в нём
аномалий существенно увеличит экономическую эффективность
производства, так как уменьшит вероятность нарушения хода работы
технологической линии.
Цели и задачи исследования

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.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Читать «Разработка алгоритма предиктивной диагностики технологического процесса производства БОПП-пленки»

    Последние выполненные заказы

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Дарья Б. МГУ 2017, Журналистики, выпускник
    4.9 (35 отзывов)
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных ко... Читать все
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных компаниях, сейчас работаю редактором. Готова помогать вам с учёбой!
    #Кандидатские #Магистерские
    50 Выполненных работ
    Екатерина Д.
    4.8 (37 отзывов)
    Более 5 лет помогаю в написании работ от простых учебных заданий и магистерских диссертаций до реальных бизнес-планов и проектов для открытия своего дела. Имею два об... Читать все
    Более 5 лет помогаю в написании работ от простых учебных заданий и магистерских диссертаций до реальных бизнес-планов и проектов для открытия своего дела. Имею два образования: экономист-менеджер и маркетолог. Буду рада помочь и Вам.
    #Кандидатские #Магистерские
    55 Выполненных работ
    Екатерина С. кандидат наук, доцент
    4.6 (522 отзыва)
    Практически всегда онлайн, доработки делаю бесплатно. Дипломные работы и Магистерские диссертации сопровождаю до защиты.
    Практически всегда онлайн, доработки делаю бесплатно. Дипломные работы и Магистерские диссертации сопровождаю до защиты.
    #Кандидатские #Магистерские
    1077 Выполненных работ
    Мария А. кандидат наук
    4.7 (18 отзывов)
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет... Читать все
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет, реклама, журналистика, педагогика, право)
    #Кандидатские #Магистерские
    39 Выполненных работ
    Кирилл Ч. ИНЖЭКОН 2010, экономика и управление на предприятии транс...
    4.9 (343 отзыва)
    Работы пишу, начиная с 2000 года. Огромный опыт и знания в области экономики. Закончил школу с золотой медалью. Два высших образования (техническое и экономическое). С... Читать все
    Работы пишу, начиная с 2000 года. Огромный опыт и знания в области экономики. Закончил школу с золотой медалью. Два высших образования (техническое и экономическое). Сейчас пишу диссертацию на соискание степени кандидата экономических наук.
    #Кандидатские #Магистерские
    692 Выполненных работы
    Татьяна П.
    4.2 (6 отзывов)
    Помогаю студентам с решением задач по ТОЭ и физике на протяжении 9 лет. Пишу диссертацию на соискание степени кандидата технических наук, имею опыт годовой стажировки ... Читать все
    Помогаю студентам с решением задач по ТОЭ и физике на протяжении 9 лет. Пишу диссертацию на соискание степени кандидата технических наук, имею опыт годовой стажировки в одном из крупнейших университетов Германии.
    #Кандидатские #Магистерские
    9 Выполненных работ
    Евгения Р.
    5 (188 отзывов)
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и со... Читать все
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и создаю красивые презентации. Сопровождаю работы до сдачи, на связи 24/7 ?
    #Кандидатские #Магистерские
    359 Выполненных работ
    Андрей С. Тверской государственный университет 2011, математический...
    4.7 (82 отзыва)
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)
    #Кандидатские #Магистерские
    164 Выполненных работы
    Евгений А. доктор, профессор
    5 (154 отзыва)
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - ... Читать все
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - по социальной работе.
    #Кандидатские #Магистерские
    260 Выполненных работ

    Другие учебные работы по предмету