Цифровая аналитика/Система поддержки принятия решения
Система Поддержки Принятия Решений (СППР) с функциями предиктивного анализа Sdisol PAD - кроссплатформенный программный комплекс непрерывной обработки и интерпретации гетерогенных данных технологического процесса предприятия с использованием технологии обработки больших данных (BigData) и машинного обучения (MachineLearning), позволяющий повысить уровень безопасности эксплуатации опасного производственного объекта и создать цифровой двойник объекта.
В ходе непрерывного анализа поступающих данных, СППР Sdisol PAD позволяет выявлять на ранней стадии аномалии в работе оборудования и технологического процесса на промышленных предприятиях, прогнозировать риски возникновения и развития нештатных ситуаций, а также рассчитывать обобщенные (интегральные) оценки технического состояния установок на промышленных предприятиях. Программа предназначена для предприятий нефтегазового сектора, химической, угольной, металлургической и прочих отраслей промышленности.
Основными эффектами при внедрении СППР Sdisol PAD является:
- создание цифрового двойника технологического процесса (любой сложности) с использованием технологии машинного обучения;
- сокращение аварийных остановов технологического оборудования;
- снижение простоев технологического оборудования;
- сокращение расходов на выполнение ТОиР;
- минимизация рисков возникновения аварий;
- повышение безопасности эксплуатации объекта.
Прогнозная аналитика
В СППР Sdisol PAD реализованы как классические методы прогнозирования, такие как экстраполяция, корреляционный анализ, анализ приращений, так и современные методы прогнозирования, основанные на искусственном интеллекте и машинном обучении.
Непрерывный анализ приращений позволяет выявить тенденции на изменение в сторону уставок значений отдельных контролируемых параметров, благодаря чему оперативный персонал получает соответствующие сообщения о движении в сторону уставок отдельных параметров, в то время как в классических SCADA сообщения формируются при фактическом достижении параметрами пороговых (предупредительных и аварийных) значений (уставок). Анализ приращений позволяет выявить момент времени, соответствующий началу развития нештатной (аварийной ситуации).
Экстраполяция непрерывно поступающих значений контролируемых параметров позволяет рассчитывать время до достижения пороговых (предупредительных и аварийных) значений (уставок) этих параметров, то есть предоставить оперативному персоналу прогнозную оценку времени, оставшегося до аварийного останова с момента начала развития нештатной ситуации. Как правило, условием для расчета экстраполяции значений какого-либо параметра является наличие тенденции на изменение указанного параметра в сторону уставки. Такой подход позволяет реализовать эффективное использование вычислительных мощностей, благодаря чему становится возможным организовать расчет прогнозных оценок для значительного количества контролируемых параметров на ограниченных по вычислительной мощности технических средствах.
Корреляционный анализ позволяет выявить отклонения в значениях взаимозависимых контролируемых параметрах. В настоящий момент, в связи с появлением технологий основанных на искусственном интеллекте и машинном обучении, корреляционный анализ используется для визуального отображения взаимозависимостей контролируемых параметров, а также выявлении неисправности дублированных измерительных приборов, на основе анализа измеряемых ими величин.
Современные технологии, основанные на искусственном интеллекте и машинном обучении, реализованные в СППР Sdisol PAD, позволяют создавать в системе отдельные блоки анализа данных, называемые в СППР Sdisol PAD «Инспекторы», каждый из которых представляет собой модель машинного обучения (ML-модель), которая сформирована (обучена) на исторических значениях определенных групп контролируемых параметров, на заданных промежутках (интервалах) времени. Каждая ML-модель непрерывно анализирует поступающие значения контролируемых параметров из заданной группы и формирует соответствующую оценку - степень аномальности или близости к отказу для заданной группы контролируемых параметров. Значение степеней аномальности или близости к отказам, сформированные ML-моделями, записываются в соответствующие внутренние переменные системы, по которым в последующем выполняется анализ приращений, а также расчет и анализ экстраполирующих функций, что позволяет выявлять риски (предпосылки) возникновения и развития нештатных аварийных ситуаций задолго до фактического проявления видимых признаков отклонения в работе технологического оборудования.
Заложенные методы машинного обучения позволяют на основе исторических данных контролируемых параметров сформировать цифровую модель технологического процесса, с помощью которой можно моделировать состояние технологического процесса при изменении значений отдельных контролируемых параметров, без привлечения лицензиаров.
Статистическая аналитика
В СППР Sdisol PAD реализованы функции расчета интегральных оценок состояния оборудования и технологических процессов. Интегральные оценки позволяют обобщенно оценить состояние технологического процесса либо оборудования.
При расчете интегральных оценок формируется накопительная информация по количеству и продолжительности событий (достижению отдельными аналоговыми параметрами предупредительных и аварийных значений, выявление тенденций на изменение параметров в сторону уставок, наличие высокого (порогового) значения степеней аномальности и близости отказа и т.д.) и учитывая критичность каждого события рассчитывается соответствующая интегральная оценка.
Интегральные оценки могут быть рассчитаны как для текущего момента времени – мгновенные интегральные оценки, так и за заданный интервал времени. Расчет интегральных оценок за интервал времени равный рабочей смене позволяет оценить качество управления технологическим процессом той или иной сменой эксплуатирующего персонала.
Интеграция со смежными информационными системами
Для связи с внешними информационными системами предусмотрены как классические промышленные протоколы передачи данных: OPC DA/UA, ModBus TCP, так и общепринятые в сфере IT технологии передачи данных: REST API, MQ (Message Queue) и т.д.
СППР Sdisol PAD предусматривает 2-сторонний обмен данными, при котором СППР Sdisol PAD непрерывно получает гетерогенные данные о значениях технологических параметров и сигналов и передает прогнозные сообщения и значения прогнозных оценок, благодаря чему результаты аналитической обработки данных СППР Sdisol PAD могут быть отображены в смежных информационных систем (например в SCADA).
Программный комплекс СППР Sdisol PAD позволяет интегрировать его функционал в систему АСУ ТП при комплексной разработке и комплексном внедрение АСУ ТП c СППР.
Видео
Документы
Отзывы
Запрос коммерческого предложения
Система Поддержки Принятия Решения Sdisol PAD является кастомным решением, так как разрабатывается индивидуально и под конкретный объект. В связи с чем, для определения корректной стоимости внедрения Системы просим заполнить опросный лист. На основании внесенных данных наши специалисты смогут оперативно подготовить для вас технико-коммерческое предложение.
По вопросам подготовки предложения просьба обращаться к Техническому директору ООО «Смарт Цифровые Решения», Лунцеву Николаю Владимировичу
Тел: +7 926 696 05 69
Е-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.