Интеллектуальная система предупредит о неисправности оборудования

Техническая диагностика включает в себя мониторинг состояния оборудования и прогнозирование возможных неисправностей. Ее задача - обеспечить безопасность, функциональную надежность и эффективную работу. Кроме того, она позволяет сократить затраты на техническое обслуживание оборудования и уменьшить потери от штрафов и простоев из-за его отказа.

Сегодня российские компании все активнее внедряют системы удаленного мониторинга и предиктивной аналитики. При этом на отечественном рынке их не так уж много. Одна из тех, что может использоваться в самых разных отраслях - система SmartDiagnostics, разработанная компанией Ctrl2GO Solutions (входит в Группу Ctrl2GO).

Это целиком российская система, которая разработана и развивается силами самой компании и не содержит сторонних (в том числе иностранных) платных и лицензируемых компонентов и библиотек. Что дает возможность не зависеть от качества кода сторонних разработчиков. В условиях ограничений на покупку зарубежных программных продуктов - это, несомненно, плюс. Также разработчики отмечают, что учли все требования по обеспечению информационной безопасности.

За счет постоянного мониторинга и выявления отклонений в работе оборудования, производственных линий промышленных компаний SmartDiagnostics может заблаговременно обнаружить дефект и предотвратить серьезную поломку на ранней стадии. Система универсальна - способна работать на разных производствах и в самых разных отраслях, включая нефтегазовый сектор, транспорт, энергетику, металлургию, машиностроение, химическую и пищевую промышленность, ЖКХ и др.

Для чего предприятиям нужен такой мониторинг? Это можно объяснить на примере тепловой электростанции. Наиболее сложное и критически важное оборудование ТЭС -котлы и турбины. Если авария случится с ними, из строя выйдет весь энергоблок. Срок эксплуатации такого оборудования приличный - более 35 лет. При этом через каждые 100 - 300 тысяч часов наработки оно проходит большую инспекцию и замену части деталей или узлов (вкладышей подшипников, уплотнений, поврежденных лопаток турбомашин и т.д.). Объем этих работ строго регламентирован и не может быть сокращен. Такой подход называется планово-предупредительным ремонтом (ППР).

Однако нормативный ресурс детали и фактический могут не совпадать. Возможно, что какие-то узлы находятся в хорошем состоянии, но по регламенту подлежат замене. А это лишние расходы. Поэтому существует и другой подход - ремонт по техническому состоянию оборудования. В этом случае ремонтируются только те узлы, где ресурс детали исчерпан или близок к этому. Интервалы между заменами не регламентированы. Это - дешевле, но важным фактором здесь является своевременное выявление отклонений в работе агрегата. Отсюда и необходимость в системах диагностики и предиктивной аналитики.

Конечно, оборудование ТЭС уже находится "под присмотром" контрольно-измерительных приборов и автоматики (КИПиА) и автоматизированной системы управления технологическими процессами (АСУТП). При выходе параметров за установленные пределы срабатывает сигнализация, защита, и работу оборудования останавливают сразу или через положенное по регламенту время. Таким образом удается избежать крупной аварии, но, при этом, может оказаться, что агрегат сильно поврежден и требует серьезного ремонта или замены.

Системы мониторинга дополняют АСУТП и позволяют выявить изменения в техническом состоянии оборудования на ранней стадии, задолго до срабатывания защиты. Это самый важный шаг в переходе от ППР к обслуживанию по техническому состоянию.

Каким образом обеспечивается мониторинг? Все основные западные аналоги таких системы, которые давно зарекомендовали себя, от General Electric, Oracle или Schneider Electric используют для этого статистическое моделирование. Оно основано на данных, полученных по результатам работы конкретного агрегата. Поскольку энергетическое оборудование оснащено АСУТП, сбор данных, как правило, не представляет проблемы.

Качество статистической модели определяется качеством выборки исходных данных, по которым она строится - их полнотой (максимальным числом регистрируемых параметров) и глубиной архива накопленных данных, желательно за несколько лет эксплуатации. Архив данных должен содержать периоды аномалий и неисправностей.

Модель строится (обучается) на данных периодов нормальной работы. Далее она запускается на тестовых данных из архива и проверяются все участки и моменты времени, когда модель начала выявлять отклонения от нормального состояния. Происходит сверка с журналом дефектов, который ведется на производстве. Таким образом модель "учат" выявлять аномалии.

Найденные моделью отклонения могут быть отказами КИПиА или зарождением и развитием дефектов. В случае сложного дефекта требуется анализ отклонений. Это делается либо вручную специалистами, либо система SmartDignostics способна сама выдавать диагнозы с рекомендациями в автоматическом режиме на основе правил, составленных экспертами.

Основное преимущество системы - полная автоматизация при построении статистических моделей работы оборудования, а также возможность создания правил в среде low-code для автоматической диагностики и точного определения неисправностей с выдачей рекомендаций.

Вот конкретный пример работы системы - на тепловой электростанции с помощью SmartDiagnostics проводился анализ работы турбогенератора. По историческим данным удалось обнаружить скрытый дефект за полтора года до наступления отказа. Это позволило сэкономить на штрафах и ремонте 140 миллионов рублей.

На другом предприятии - транспортном - эта система используется для мониторинга эксплуатации и прогноза технического состояния локомотивов. Благодаря постоянному контролю подвижного состава, оперативному устранению замечаний и заблаговременному планированию получилось уменьшить количество отказов техники и существенно сэкономить деньги.

По оценке Ctrl2GO, при внедрении SmartDiagnostics сокращение числа аварийных остановов и простоев оборудования может составить до 70 процентов. До 50 процентов можно сократить операционные затраты на техническое обслуживание и ремонт, на 3-5 процентов повысить энергоэффективность оборудования.