ПЕРЕДОВЫЕ
ПРОИЗВОДСТВЕННЫЕ
ТЕХНОЛОГИИ
Платформа для создания цифровых двойников производственных линий
Проблема промышленных предприятий
На промышленных предприятиях регулярно проводятся плановые проверки состояния оборудования, но простои и аварии всё равно происходят, приносят серьёзные убытки.
Мы предлагаем внедрить цифровые двойники - программный комплекс для прогнозирования износа оборудования на основе физических моделей и данных с датчиков на самих аппаратах. Внедрение цифровых двойников и предиктивного ТО в смежные сферы сокращает убытки.
Повышение темпа производства
Отставание от сроков
Простой линий
Повышение скорости износа
Износ оборудования
Поломка оборудования
В год затраты на лицензии иностранных решений.
Из-за ухода иностранных компаний эта ниша освободилась.
~3,7 млрд ₽
Сокращаются потери от простоя оборудования, при внедрении цифровых двойников в смежных отраслях.
На 30-40%
Аварий в среднем происходит за год у химических предприятий.
23
Приблизительные потери в год у ФосАгро из-за простоя оборудования.
1,5 млн ₽
Текущее состояние промышленных предприятий

Актуальность для государства

Указ №309
«Цифровая трансформация государственного и муниципального управления, экономики и социальной сферы».
Национальный курс
Для достижения этой цели необходимо активно внедрять современные цифровые технологии на всех уровнях. Это требует не только обновления технической базы, но и развития компетенций, способных обеспечить устойчивое и безопасное цифровое будущее.
Инновации и рост
Главный партнер проекта
Целевая аудитория
Химическая промышленность
Нефтегазовая промышленность
Одна из крупнейших химических компаний Европы с экспортом в более чем 100 стран.
Лидер в химической отрасли
Поддерживает инновационные и экологические проекты, сотрудничает с ведущими научными центрами.
Сильный индустриальный партнёр
ФосАгро — №1 в России по производству фосфорсодержащих удобрений.
Ведущий производитель удобрений
  • Ручные проверки разрозненных
датчиков, в том числе IoT-датчиков, без глубокой аналитики.
  • Частичная интеграция
с системами автоматизации бизнес-процессов (ERP).
Текущие решения
  • Точно прогнозировать период безаварийной
работы оборудования.
  • Оперативное оповещение персонала о скорой
возможности поломки оборудования.
  • Масштабирование решения на все
производственные площадки
  • Подбор лучших технологических параметров для
получения максимального КПД без модернизации оборудования
Потребности партнера к проекту
Оценки риска компаний, по шкале от 1 до 10
Опрос целевой аудитории
Наше решение
Система, сравнивающая математическую модель и показания реальных данных, для оценки состояния оборудования, с возможностью симуляции технологического процесса и симуляции производственных сценариев.
Цель проекта
Результаты проекта
  • Точность симуляции ~85%
  • Ускорение вычислений в 20 раз, по
сравнению с математической моделью
(за счет KAN-нейросетей).
  • Возможность интеграции с АСУТП через
API (программный интерфейс приложения).
  • Снижения простоев за счет
своевременного технического обслуживания.
  • Обеспечение безопасности
производства за счет недопущения аварийных ситуаций.
  • Имитация различных производственных
сценариев для обучения персонала.
Целевые характеристики
Прогнозирование поломок и аварий путем сравнения эталонной модели с реальными данными
Ход работы
Создание математической модели
Для создания достаточно точной математической модели аппаратов было изучено множество материалов, выведены и запрограммированы в MATLAB необходимые уравнения, чтобы обучить быструю KAN-модель.
Обучение KAN-модели
На основе математической модели мы обучили несколько видов нейросетей. Архитектура KAN показала себя лучше всего. Обучение происходило с использованием Python + Pytorch и PyKAN.
Разработка UI интерфейса
Для создания графического интерфейса мы использовали C# и AvaloniaUI.
Развертывание и тестирование
Было установлено ядро на сервер. Проверена доступность связи для системы. Протестировано подключение к АСУТП.
Дорожная карта

База данных

Шкафы управления АСУТП
Производственные аппараты
Панель оператора
Пользовательские ПК
Вычислительный сервер
Программная архитектура
Мы реализовали серверное и клиентское приложение.
Серверное приложение может рассчитывать физическую модель и генерировать KAN-формулы для клиентского приложения.
Демонстрация работы платформы
Наша команда
  • Максим Пискун
    Инженер АСУТП и координатор команды
  • Егор Мартынов
    Старший разработчик
  • Никита Болбот
    Инженер по демонстрационной
    3D-модели
  • Артём Журавлев
    Физик-программист
Наши наставники
  • Павел Веденеев
    Аспирант УрФУ, руководитель проекта
  • Сергей Петряков
    Бизнес-руководитель
  • Дарья Барсукова
    Эксперт от компании ФосАгро
  • Татьяна Иванова
    Бизнес-тренер
  • Дмитрий Фролов
    Ответственный за математическую модель
  • Илья Буренко
    Старший разработчик, ML-инженер
  • Артем Максимов
    Дизайнер системы визуализации
Фотоотчет