Искусственный интеллект проанализировал состояние технических сооружений на производстве.

Статья опубликована в журнале «Вестник ПТО РААСН». Исследование выполнено в рамках программы стратегического академического лидерства «Приоритет-2030».

Здания перегрузочных узлов сыпучих материалов (таких как уголь, шихта, руда) играют ключевую роль в металлургической, химической, угольной, горнорудной, энергетической и других отраслях промышленности. Это один из наиболее популярных видов транспортных коммуникаций на большинстве современных производств. В рамках одного предприятия может находиться от одного до 40 и более таких узлов. Разрушение подобных конструкций создает опасность и увеличивает вероятность несчастных случаев, а также может привести к остановке производственного процесса.

Обследование и мониторинг технического состояния, а также своевременный ремонт таких объектов помогают предотвратить серьезные последствия, однако экспертная оценка часто бывает субъективной. Человеку не всегда удается точно классифицировать конструкцию: находится ли она в норме, нуждается ли в замене элементов или требует полного восстановления. Для адекватного анализа ситуации специалист должен иметь многолетний опыт и знания, и для становления экспертом требуется не один год практической работы.

Ученые Пермского Политеха разработали программу для оценки технического состояния и назначения ремонтных мероприятий для зданий перегрузочных узлов, используя технологии искусственного интеллекта – нейросетевую модель. Для обучения модели были использованы материалы технических отчетов за период с 1997 по 2024 годы.

На текущем этапе создан алгоритм обучения полносвязной нейронной сети с двумя скрытыми слоями, но пока без пользовательского интерфейса.

«В выборку для обучения нейросети вошли колонны, вертикальные и горизонтальные связи, главные и второстепенные балки перекрытий и покрытия, данные о монолитных плитах и так далее. В качестве входных данных учитывались все параметры, которые могут встретиться при обследовании перегрузочных узлов: уровень коррозии материала, состояние защитного покрытия, узлов, данные расчетов, нарушения целостности. В зависимости от их сочетания ИИ определяет, к какой категории следует отнести конструкцию и нуждается ли она в ремонте», – делится информацией Виталий Платунов, аспирант кафедры «Строительные конструкции и вычислительная механика» ПНИПУ.

«В ходе экспериментов модель показала точность до 95 процентов и уже может быть использована в строительстве. В дальнейшем мы планируем протестировать ее на большем объеме данных и доработать до полноценного бота в Telegram. Это значительно упростит работу молодым специалистам с программой», – комментирует Галина Кашеварова, профессор кафедры «Строительные конструкции и вычислительная механика» ПНИПУ, доктор технических наук.

Разработка ученых Пермского Политеха позволит внедрить автоматизированные решения в области экспертных оценок, повысить качество обследований и, как следствие, гарантировать надежную и безопасную эксплуатацию зданий перегрузочных узлов.