Помощь студентам в учебе
Разработка интеллектуальной системы для прогнозирования даты проведения планово-предупредительных ремонтных работ
|
Определения, обозначения, сокращения, нормативные ссылки 12
Введение 13
1. Модуль прогнозирования коэффициента загрузки 16
1.1. Описание проблемы 16
1.2. Постановка задачи 17
1.3. Требования к разрабатываемой системе 17
1.4. Структура нейро-нечёткой сети 18
1.5. Формирование правил 20
1.6. Реализация функций принадлежности 23
1.7. Алгоритм работы интеллектуальной системы 24
1.8. Программная реализация 29
1.9. Вычислительный эксперимент 31
1.10. Выводы 39
2. Модуль формирования оптимального графика планово-предупредительных
ремонтных работ 40
2.1. Описание проблемы 40
2.2. Подготовка данных 40
2.3. Формальная постановка задачи 41
2.4. Математический алгоритм решения задачи 43
2.5. Программный алгоритм решения задачи 44
3. Проектирование системы 48
3.1. Структура информационной системы 48
3.2. Формирование требований к разрабатываемой системе 49
3.2.1. Блок «Авторизация» 49
3.2.2. Блок «База данных» 50
3.2.3. Блок «Анализ экономических показателей» 55
3.2.4. Блок «Имитационные модели и ННС» 59
3.3. Архитектура системы 63
3.4. Проектирование базы данных 67
3.4.1. Анализ предметной области 67
3.4.2. Построение инфологической модели 72
3.4.3. Физическая модель базы данных 76
3.4.4. Анализ сложности физической схемы базы данных 77
3.5. Графический интерфейс 79
4. Концепция стартап-проекта 81
4.1. Описание продукта как результата НИР 81
4.2. Интеллектуальная собственность 81
4.3. Целевые сегменты потребителей 82
4.4. Объём и ёмкость рынка 82
4.5. Анализ современного состояния и перспектив развития отрасли 84
4.6. Планируемая стоимость продукта 85
4.7. Конкурентные преимущества создаваемого продукта 86
4.8. Бизнес-модель проекта. Производственный план и план продаж 88
4.9. Стратегия продвижения продукта на рынок 88
5. Социальная ответственность 90
5.1. Введение 90
5.2. Правовые и организационные вопросы обеспечения безопасности 90
5.3.1. Отклонение показателей микроклимата 92
5.3.2. Недостаточная освещенность рабочей зоны 93
5.3.3. Повышенная световая и цветовая контрастность 94
5.3.4. Повышенный уровень шума на рабочем месте 95
5.3.5. Повышенный уровень статического электричества 96
5.3.6. Повышенная запыленность воздуха рабочей зоны 97
5.3.7. Опасность поражения электрическим током 98
5.4. Экологическая безопасность 99
5.5. Безопасность в чрезвычайных ситуациях 99
5.5.1. Затопление 99
5.5.2. Землетрясение 100
5.5.3. Короткое замыкание 100
5.5.4. Пожар 101
5.6. Вывод по разделу 102
Заключение 103
Список публикаций студентов 104
Список использованных источников 105
Приложение A 109
Приложение Б 115
Приложение В 133
Приложение Г 138
Приложение Д 142
Введение 13
1. Модуль прогнозирования коэффициента загрузки 16
1.1. Описание проблемы 16
1.2. Постановка задачи 17
1.3. Требования к разрабатываемой системе 17
1.4. Структура нейро-нечёткой сети 18
1.5. Формирование правил 20
1.6. Реализация функций принадлежности 23
1.7. Алгоритм работы интеллектуальной системы 24
1.8. Программная реализация 29
1.9. Вычислительный эксперимент 31
1.10. Выводы 39
2. Модуль формирования оптимального графика планово-предупредительных
ремонтных работ 40
2.1. Описание проблемы 40
2.2. Подготовка данных 40
2.3. Формальная постановка задачи 41
2.4. Математический алгоритм решения задачи 43
2.5. Программный алгоритм решения задачи 44
3. Проектирование системы 48
3.1. Структура информационной системы 48
3.2. Формирование требований к разрабатываемой системе 49
3.2.1. Блок «Авторизация» 49
3.2.2. Блок «База данных» 50
3.2.3. Блок «Анализ экономических показателей» 55
3.2.4. Блок «Имитационные модели и ННС» 59
3.3. Архитектура системы 63
3.4. Проектирование базы данных 67
3.4.1. Анализ предметной области 67
3.4.2. Построение инфологической модели 72
3.4.3. Физическая модель базы данных 76
3.4.4. Анализ сложности физической схемы базы данных 77
3.5. Графический интерфейс 79
4. Концепция стартап-проекта 81
4.1. Описание продукта как результата НИР 81
4.2. Интеллектуальная собственность 81
4.3. Целевые сегменты потребителей 82
4.4. Объём и ёмкость рынка 82
4.5. Анализ современного состояния и перспектив развития отрасли 84
4.6. Планируемая стоимость продукта 85
4.7. Конкурентные преимущества создаваемого продукта 86
4.8. Бизнес-модель проекта. Производственный план и план продаж 88
4.9. Стратегия продвижения продукта на рынок 88
5. Социальная ответственность 90
5.1. Введение 90
5.2. Правовые и организационные вопросы обеспечения безопасности 90
5.3.1. Отклонение показателей микроклимата 92
5.3.2. Недостаточная освещенность рабочей зоны 93
5.3.3. Повышенная световая и цветовая контрастность 94
5.3.4. Повышенный уровень шума на рабочем месте 95
5.3.5. Повышенный уровень статического электричества 96
5.3.6. Повышенная запыленность воздуха рабочей зоны 97
5.3.7. Опасность поражения электрическим током 98
5.4. Экологическая безопасность 99
5.5. Безопасность в чрезвычайных ситуациях 99
5.5.1. Затопление 99
5.5.2. Землетрясение 100
5.5.3. Короткое замыкание 100
5.5.4. Пожар 101
5.6. Вывод по разделу 102
Заключение 103
Список публикаций студентов 104
Список использованных источников 105
Приложение A 109
Приложение Б 115
Приложение В 133
Приложение Г 138
Приложение Д 142
Эксплуатационные расходы промышленных предприятий в зависимости от масштабов производства могут составлять от 15 до 30% от общего числа затрат [1]. Объём закупок запасных изделий имеет непосредственное влияние на данный показатель и напрямую зависит от оценки состояния оборудования, а также плана ремонтов компании.
В настоящий момент на многих промышленных предприятиях используется экспертный метод оценки состояния оборудования, либо на основании эксплуатационного срока службы, предоставленного производителем агрегатов. Однако данный не позволяет учитывать реальную нагрузку аппаратов, что приводит либо к авариям на производстве, либо к преждевременным заменам элементов оборудования.
Система планово-предупредительного ремонта (Ш1Р) является наиболее надёжным подходом к организации и планированию технического обслуживания и ремонтов оборудования на производственных площадках [2]. Данный метод позволяет поддерживать заданный уровень исправности и работоспособности оборудования, т.к. предполагает проводить замены деталей оборудования без учёта его реального состояния. Однако существенным недостатком системы ППР является высокая стоимость обслуживания и рост эксплуатационных расходов, что делает метод экономически неэффективным при отсутствии должного обоснования.
Целью работы является разработка интеллектуальной системы для прогнозирования даты проведения планово-предупредительных ремонтных работ на производственном оборудовании. Для её достижения необходимо выполнить ряд задач:
- Разработать нейро-нечёткую сеть для прогнозирования коэффициента неравномерности загрузки производственного оборудования;
- Реализовать алгоритм вычисления остаточного ресурса и необходимого запаса сменных деталей на основании коэффициента неравномерности загрузки;
- Разработать алгоритм формирования оптимального графика Ш1Р с минимизацией суммарной остаточной стоимости оборудования и стоимости простоя на производстве;
- Реализовать программный продукт с графическим интерфейсом пользователя.
Работа выполнена в рамках договора возмездного оказания услуг с индустриальным партнёром АО «УК ЭФКО». Авторы выражают благодарность Алексею Леонидовичу Руцкову - начальнику отдела оптимизации бизнес- процессов филиала АО «УК ЭФКО» в г. Воронеж, Екатерине Анатольевне Миронченко - специалисту оптимизации бизнес процессов отдела оптимизации бизнес-процессов филиала АО «УК ЭФКО» в г. Воронеж, Андрею Игоревичу Бондаренко - специалисту по созданию информационных систем отдела оптимизации бизнес-процессов филиала АО «УК ЭФКО» в г.Воронеж и Юрию Николаевичу Барзанову - специалисту по оптимизации цепей поставок отдела оптимизации бизнес-процессов филиала АО «УК ЭФКО» в г. Воронеж за участие в постановке задачи, сотрудничестве при разработке и обсуждении результатов работы.
Результаты работы представлены на таких конференциях как:
- Международная научно-практическая конференция «Электронные средства и системы управления» (Томск, 18.11.2021),
- XIX Международная конференция студентов, аспирантов и молодых учёных «1ерспективы развития фундаментальных наук» (Томск, 28.04.2022).
И опубликованы в:
- Материалах докладов XVII Международной научно-практической конференции «Электронные средства и системы управления»,
- Journal of Physics: Conference Series 2022 (в печати),
- Сборнике научных трудов XIX Международной конференции студентов, аспирантов и молодых ученых "Перспективы развития фундаментальных наук" (в печати).
В настоящий момент на многих промышленных предприятиях используется экспертный метод оценки состояния оборудования, либо на основании эксплуатационного срока службы, предоставленного производителем агрегатов. Однако данный не позволяет учитывать реальную нагрузку аппаратов, что приводит либо к авариям на производстве, либо к преждевременным заменам элементов оборудования.
Система планово-предупредительного ремонта (Ш1Р) является наиболее надёжным подходом к организации и планированию технического обслуживания и ремонтов оборудования на производственных площадках [2]. Данный метод позволяет поддерживать заданный уровень исправности и работоспособности оборудования, т.к. предполагает проводить замены деталей оборудования без учёта его реального состояния. Однако существенным недостатком системы ППР является высокая стоимость обслуживания и рост эксплуатационных расходов, что делает метод экономически неэффективным при отсутствии должного обоснования.
Целью работы является разработка интеллектуальной системы для прогнозирования даты проведения планово-предупредительных ремонтных работ на производственном оборудовании. Для её достижения необходимо выполнить ряд задач:
- Разработать нейро-нечёткую сеть для прогнозирования коэффициента неравномерности загрузки производственного оборудования;
- Реализовать алгоритм вычисления остаточного ресурса и необходимого запаса сменных деталей на основании коэффициента неравномерности загрузки;
- Разработать алгоритм формирования оптимального графика Ш1Р с минимизацией суммарной остаточной стоимости оборудования и стоимости простоя на производстве;
- Реализовать программный продукт с графическим интерфейсом пользователя.
Работа выполнена в рамках договора возмездного оказания услуг с индустриальным партнёром АО «УК ЭФКО». Авторы выражают благодарность Алексею Леонидовичу Руцкову - начальнику отдела оптимизации бизнес- процессов филиала АО «УК ЭФКО» в г. Воронеж, Екатерине Анатольевне Миронченко - специалисту оптимизации бизнес процессов отдела оптимизации бизнес-процессов филиала АО «УК ЭФКО» в г. Воронеж, Андрею Игоревичу Бондаренко - специалисту по созданию информационных систем отдела оптимизации бизнес-процессов филиала АО «УК ЭФКО» в г.Воронеж и Юрию Николаевичу Барзанову - специалисту по оптимизации цепей поставок отдела оптимизации бизнес-процессов филиала АО «УК ЭФКО» в г. Воронеж за участие в постановке задачи, сотрудничестве при разработке и обсуждении результатов работы.
Результаты работы представлены на таких конференциях как:
- Международная научно-практическая конференция «Электронные средства и системы управления» (Томск, 18.11.2021),
- XIX Международная конференция студентов, аспирантов и молодых учёных «1ерспективы развития фундаментальных наук» (Томск, 28.04.2022).
И опубликованы в:
- Материалах докладов XVII Международной научно-практической конференции «Электронные средства и системы управления»,
- Journal of Physics: Conference Series 2022 (в печати),
- Сборнике научных трудов XIX Международной конференции студентов, аспирантов и молодых ученых "Перспективы развития фундаментальных наук" (в печати).
В результате выполнения выпускной квалификационной работы была разработана интеллектуальная система для прогнозирования даты проведения планово-предупредительных ремонтных работ на производственном оборудовании.
В качестве одного из компонентов интеллектуальной системы разработана программная реализация нейро-нечёткой сети для прогнозирования коэффициента неравномерности загрузки оборудования. Реализация написана на языке программирования Python с использованием таких библиотек как PyTorch, NumPy, Matplotlib. Структура разработанной сети включает в себя ANFIS модель, состоящую из пяти слоёв, трёх входов и одного выхода, а также линейную сеть с одним входом и выходом, имеющую настраиваемое количество скрытых слоёв. Также реализована возможность пользовательской настройки таких параметров как количество входов, скрытых слов и нейронов на них, эпох; типы функций активаций и алгоритма логического вывода ANFIS; число и вид лингвистических правил; тип и количество функций принадлежности. Приведены рекомендации по выбору параметров настройки ННС. По результатам вычислительных экспериментов ошибка прогнозирования не превышала 5%. Разработан алгоритм вычисления остаточного ресурса и необходимого запаса сменных деталей на основании коэффициента неравномерности загрузки.
Далее, был разработан алгоритм формирования оптимального графика ППР с минимизацией суммарной остаточной стоимости оборудования и стоимости простоя.
Реализован программный продукт с графическим интерфейсом пользователя, который позволяет управлять всеми вышеперечисленными компонентами созданной интеллектуальной системы
В качестве одного из компонентов интеллектуальной системы разработана программная реализация нейро-нечёткой сети для прогнозирования коэффициента неравномерности загрузки оборудования. Реализация написана на языке программирования Python с использованием таких библиотек как PyTorch, NumPy, Matplotlib. Структура разработанной сети включает в себя ANFIS модель, состоящую из пяти слоёв, трёх входов и одного выхода, а также линейную сеть с одним входом и выходом, имеющую настраиваемое количество скрытых слоёв. Также реализована возможность пользовательской настройки таких параметров как количество входов, скрытых слов и нейронов на них, эпох; типы функций активаций и алгоритма логического вывода ANFIS; число и вид лингвистических правил; тип и количество функций принадлежности. Приведены рекомендации по выбору параметров настройки ННС. По результатам вычислительных экспериментов ошибка прогнозирования не превышала 5%. Разработан алгоритм вычисления остаточного ресурса и необходимого запаса сменных деталей на основании коэффициента неравномерности загрузки.
Далее, был разработан алгоритм формирования оптимального графика ППР с минимизацией суммарной остаточной стоимости оборудования и стоимости простоя.
Реализован программный продукт с графическим интерфейсом пользователя, который позволяет управлять всеми вышеперечисленными компонентами созданной интеллектуальной системы