Штучний інтелект оцінив технічний стан виробничих споруд.

Стаття опублікована у журналі «Вісник ПТО РААСН». Дослідження проведено в рамках реалізації програми стратегічного академічного лідерства «Пріоритет-2030».

Важливу роль у металургійній, хімічній, вугільній, гірничодобувній, енергетичній та інших галузях промисловості відіграють будівлі перевантажувальних вузлів сипучих матеріалів (наприклад, вугілля, шихти, руди) з одного конвеєра на інший. Це один з найбільш поширених видів транспортних комунікацій на більшості сучасних заводів. На території одного виробництва їх може бути від одного до 40 і більше. Руйнування такої конструкції створює небезпеку і збільшує ризик нещасних випадків, зупинки виробництва.

Обстеження та моніторинг технічного стану і своєчасний ремонт таких об'єктів дозволяє уникнути тяжких наслідків, але експертна оцінка є суб'єктивною. Людині не завжди вдається точно визначити, до якої категорії належить конструкція: в нормі, потребує заміни елементів або потребує тотального відновлення. Для грамотного розгляду проблем спеціаліст повинен мати багаторічний досвід і знання, і щоб стати експертом, потрібно не один рік практичної діяльності.

Вчені Пермського Політеху розробили програму для визначення технічного стану і призначення ремонтних заходів для будівель перевантажувальних вузлів, використовуючи технологію штучного інтелекту – нейронну мережу. Для її навчання використовували матеріали технічних звітів за 1997 – 2024 роки.

На даному етапі розроблено алгоритм навчання повнозв'язної нейронної мережі з двома прихованими шарами, але поки без користувацького інтерфейсу.

«У вибірку для навчання нейронної мережі увійшли колони, вертикальні та горизонтальні зв'язки, головні та другорядні балки перекриттів і покриттів, дані про монолітні плити і так далі. В якості вхідних даних враховувалися всі параметри, що зустрічаються при обстеженні перевантажувальних вузлів: рівень корозії матеріалу, стан захисного покриття, вузлів, дані розрахунків, порушення цілісності. В залежності від їх поєднання один з одним ШІ визначає, до якої категорії слід віднести конструкцію і чи потрібен їй ремонт», – розповідає Віталій Платунов, аспірант кафедри «Будівельні конструкції і обчислювальна механіка» ПНІПУ.

«В ході експериментів модель показала до 95 відсотків точності і вже може застосовуватися у будівництві. У подальшому ми плануємо перевірити її на більшій кількості даних і доопрацювати в повноцінного бота в Telegram. Там молодим спеціалістам буде набагато зручніше і простіше працювати з програмою», – коментує Галина Кашеварова, професор кафедри «Будівельні конструкції і обчислювальна механіка» ПНІПУ, доктор технічних наук.

Розробка вчених Пермського Політеху дозволить застосовувати автоматизовані рішення в галузі експертних оцінок, підвищити якість обстежень і, як наслідок, забезпечити надійну та безпечну експлуатацію будівель перевантажувальних вузлів.