euro-pravda.org.ua

У Пермі вдосконалили систему управління технологічними процесами на виробництві.

Будь-яке виробництво є складним набором технологічних процесів, які потребують постійного контролю та своєчасної реакції. Для цього розробляється система управління. З часом, під впливом зовнішніх і внутрішніх факторів, характеристики процесу можуть змінюватися, що може призвести до погіршення якості продукції, що виготовляється. Вирішити цю проблему допомагає адаптивна система управління, яка швидко підлаштовується під зміни. Її ефективність значною мірою залежить від точності математичних моделей технологічних процесів. Вчені Пермського Політеху розробили метод оперативної ідентифікації, заснований на використанні нейронних мереж. Він дозволить більш точно та безпечно відстежувати зміни у виробництві.
В Перми модернизировали систему управления технологическими процессами на предприятиях.

Стаття опублікована в мережевому науковому журналі «Інженерний вісник Дона». Дослідження проведено в рамках програми стратегічного академічного лідерства «Пріоритет 2030».

Адаптивний тип управління використовується в виробництвах хімічної, нафтової, целюлозно-паперової та інших галузях промисловості. Він полягає в тому, що система автоматично змінює свої характеристики та (або) структуру залежно від змін значень параметрів моделей технологічних процесів, отриманих в результаті їх оперативної ідентифікації. Таке управління дозволяє підвищити якість продукції або мінімізувати витрати енергії, витраченої на виробництво. Вчені Пермського Політеху протестували метод параметричної ідентифікації на регресійних моделях.

«Проведення експериментів на діючих виробництвах може призвести до негативних наслідків. Для нашого методу ідентифікації цього не потрібно, тобто немає порушення планової роботи, що робить цей метод безпечним», – коментує Рустам Ісламов, аспірант кафедри «Обладнання та автоматизація хімічних виробництв» ПНІПУ.

«Ми провели обчислювальні експерименти за допомогою нашого методу і з'ясували, що середнє значення відносної помилки отриманих регресійних моделей при оперативній ідентифікації не перевищує 0,43 відсотка. Це означає, що розроблений метод застосовний в адаптивному управлінні. Однією з його переваг є те, що для навчання нейронних мереж не потрібні статистичні експериментальні значення змінних технологічного процесу. Це прискорює підготовку даних», – розповідає Олександр Шуміхін, доктор технічних наук, професор кафедри «Обладнання та автоматизація хімічних виробництв» ПНІПУ.

Дослідження вчених ПНІПУ сприяє створенню більш ефективних адаптивних систем управління технологічними процесами, що дозволяє зменшити ризик зниження якості виробництва.