Александр Юрьевич Чесалов,
Тверь.
Alexander Y. Chesalov,
Tver.
Постановка проблемы. Одна из актуальных проблем промышленной автоматизации заключается в том, что работа немногих имеющихся на Российском рынке систем прогнозируемого обслуживания, как правило, основывается на сборе и анализе данных оборудования без учета совместного воздействия внутренних и внешних факторов. В текущих экономических условиях необходим обоснованный выбор и применение новых технологий искусственного интеллекта для исследования и реализации базовых принципов потенциала негативности рассогласования, которые откроют новые горизонты для повышения эффективности и надежности промышленных автоматизированных систем прогнозируемого или предписывающего обслуживания многостадийных технологических процессов. Моделирование автоматических реакций на изменения окружающей среды и прогнозирование отказов позволит создать адаптивные системы, которые существенно снизят риски возникновения сбоев и аварий, а также будут способствовать оптимизации производственных ресурсов и снижению эксплуатационных затрат.
Цель. Исследовать возможность применения технологий искусственного интеллекта для реализации алгоритмов, созданных на основе потенциала негативности рассогласования (англ. mismatch negativity, MMN) и возможности их применения в промышленных автоматизированных системах прогнозируемого или предписывающего обслуживания, а также разработать базовый MMN-алгоритм и реализовать его на языке программирования Python.
Результаты. Разработан алгоритм, реализующий базовые принципы потенциала негативности рассогласования. Определена практическая необходимость применения данного вида алгоритма, основанных на нейрофизиологических механизмах обработки сенсорной информации в мозге человека, для обнаружения аномалий в работе промышленного оборудования, вызванных внешними факторами, такими как температура, влажность, вибрации и электромагнитные помехи, что позволяет решить следующие задачи промышленной автоматизации: обнаружение аномалий; моделирование воздействия окружающей среды; оптимизация эксплуатационных процессов; прогнозирование отказов; адаптация к изменяющимся условиям. Предложена базовая архитектура автоматизированной системы, учитывающая необходимость использования программных алгоритмов потенциала негативности рассогласования, которая состоит из модулей верификации данных, обучения модели, обнаружения аномалий, прогнозной модели, визуализации и модуля интеграции с другими производственными информационными и автоматизированными системами. В работе также представлен программный код реализации базового MMN-алгоритма на языке Python.
Практическая значимость. Результаты исследования могут быть использованы для проектирования промышленных автоматизированных систем прогнозируемого или предписывающего обслуживания, в которых точность и время принятия решения играют важную роль.
Problem statement. One of the urgent problems of industrial automation is that the operation of the few predictive maintenance systems available on the Russian market is usually based on the collection and analysis of equipment data without considering the joint impact of internal and external factors. In the current economic conditions, it is necessary to make a reasonable choice and apply new technologies of artificial intelligence for research and realization of basic principles of mismatch negativity potential, which will open new horizons for increasing efficiency and reliability of industrial automated systems of predictive or prescriptive maintenance of multistage technological processes. Modeling of automatic reactions to environmental changes and prediction of failures will allow to develop adaptive systems that will significantly reduce the risks of failures and accidents, as well as contribute to optimization of production resources and reduction of operating costs.
Purpose. To study the possibility of using artificial intelligence technologies to implement algorithms based on the potential of mismatch negativity (MMN) and the possibility of their application in industrial automated systems of predictive or prescriptive maintenance, as well as to develop a basic MMN algorithm and implement it in the Python programming language.
Results. An algorithm implementing the basic principles of mismatch negativity potential has been developed. The practical necessity of using such an algorithm, which is based on neurophysiological mechanisms of sensory information processing in the human brain, for detecting anomalies in the operation of industrial equipment caused by external factors such as temperature, humidity, vibrations, and electromagnetic interference was determined, which allows solving the following tasks of industrial automation: anomaly detection, modeling of environmental impact, optimization of operational processes, prediction of failures, adaptation to changes in the environment. The basic architecture of the automated system is proposed, which takes into account the need to use software algorithms of mismatch negativity potential. It consists of modules of data verification, model training, anomaly detection, predictive model, visualization and module of integration with other industrial information and automated systems. The paper also presents the program code for the implementation of the basic MMN algorithm in Python language.
Practical significance. The results of the study can be used to design industrial automated systems of predictive or prescriptive maintenance, in which accuracy and decision time play an important role.
The authors declare that there are no conflicts of interest present.