Разработка автоматизированной системы прогнозирования отказа оборудования на основе нейросетевых технологий в интернете

1.

Федеральное государственное бюджетное
образовательное учреждение высшего образования
«Московский государственный университет технологий и управления
имени К.Г. Разумовского (Первый казачий университет)»
Институт системной автоматизации, информационных технологий и предпринимательства
Кафедра «Информационные системы и технологии»
Багданов Руслан Батырханович
Моделирование терминологических карт по теме «Разработка
автоматизированной системы прогнозирования отказа оборудования на основе
нейросетевых технологий в индустриальном интернете вещей»
Научный руководитель:
д.п.н., проф. ВАК по кафедре ИИТ, проф. кафедры
информационных систем и технологий Чванова М. С.
2.3.1. Системный анализ, управление и обработка информации, статистика

2.

Актуальность
Кандидатская диссертация посвящена моделированию и разработке автоматизированной
системы прогнозирования отказа оборудования на основе нейросетевых технологий в
индустриальном интернете вещей.
Индустриальный интернет вещей предоставляет огромное количество данных о
состоянии оборудования, но анализ и прогнозирование отказов остаются актуальными
проблемами. Рост потребительского спроса на надежные и бесперебойные
производственные процессы подчеркивает важность разработки более точных и адаптивных
систем прогнозирования отказов оборудования.
Общие меры для прогнозирования отказа оборудования были рассмотрены в литературе
ранее, но с использованием моделирования прогнозирования, основанной на нейросетевых
технологиях не рассматривалась.

3.

Цель и объект исследования
Цель исследования: разработка автоматизированной системы прогнозирования отказа
оборудования на основе нейросетевых технологий в индустриальном интернете вещей.
Объект
исследования:
автоматизация
процессов
прогнозирования
отказа
оборудования.
Предмет исследования: прогнозирование отказа оборудования на основе нейросетевых
технологий.

4.

Гипотеза исследования
Гипотеза исследования включает в себя предположения о том, что разработка
автоматизированной системы прогнозирования отказа оборудования на основе
нейросетевых технологий в индустриальном интернете вещей обеспечит возможность
прогнозирования отказа оборудования и своевременную замену без задержек, если:
• Выявлены лучшие практики разработки автоматизированных систем;
• Уточнена сущность, цели, задачи, разработки нейросетевых технологий для;
• Спроектирована информационная модель Х;
• Реализованы ключевые компоненты модели в виде прототипа.

5.

Задачи исследования
• Проанализировать этапы развития комплексных автоматизированных решений Индустрии 4.0
в отечественной и зарубежной практике.
• Выявить сущность комплексных решений цифровизации предприятий их цели, задачи,
направления внедрения. (проанализировать опыт прогнозирования поломки оборудования и
переосмыслить, что можно сделать для автоматизации прогнозирования отказа).
• Определение критериев сравнения решений по прогнозированию отказа оборудования и
возможности выбора оптимальных решений.
• Информационное моделирование процесса внедрения системы прогнозирования отказа
оборудования на предприятии Х (можно в рамусе) (процесс анализа, прогнозирования,
управления отказами, формирования отчётов, формирования предложения для увеличения
срока службы).
• Реализация отдельных компонентов информационной модели в виде прототипов для
предприятий.
• Определение
и
обоснование
методических
рекомендаций
по
использованию
автоматизированной системы на предприятиях.
5

6.

Научная новизна и практическая значимость исследования
Научная новизна исследования заключается в том, что впервые разрабатывается
автоматизированная система прогнозирования отказа оборудования на основе нейросетевых
технологий в индустриальном интернете вещей.
Практическая значимость исследования заключается в том, что результаты
исследования можно использовать для прогнозирования отказа оборудования.

7.

Введение
ИИВ сокращение от Индустриального Интернета вещей, первоначально описывался как Интернет
вещей (IoT), поскольку он используется в нескольких отраслях промышленности, таких как
производство (Индустрия 4.0), логистика, нефть и газ, транспорт, энергетика, коммунальные услуги,
горнодобывающая промышленность и металлургия, авиация и другие отрасли промышленности, а
также использование случаи, которые типичны для этих отраслей.
Возникновение технологии Индустриального Интернета вещей (IIoT) является итогом
осмысления перспектив широкого применения информационных технологий средств радиочастотной
идентификации электронных объектов между собой и с внешним окружением.
Как и Интернет вещей в целом, промышленный Интернет вещей охватывает множество вариантов
использования, отраслей и приложений. Изначально ориентированный на оптимизацию операционной
эффективности и рационализацию / автоматизацию / техническое обслуживание, играющий важную
роль в сближении ИТ и ОТ, промышленный Интернет вещей открывает множество возможностей в
области автоматизации, оптимизации, интеллектуального производства и интеллектуальной
промышленности, управления производительностью активов, технического обслуживания,
промышленного контроля, перехода к модель обслуживания спроса, новые способы обслуживания
клиентов и создание новых моделей получения доходов - более зрелая цель промышленной цифровой
трансформации.

8.

Материалы и методы
Источниками публикаций были выбран один из наиболее популярных в научном сообществе
информационный ресурс с научными статьями - Lens.org. Базы данных, сформированные ресурсом
Lens.org, содержат в себе такие пункты, как: автор, страна, год публикации научного текста, ключевые
слова, источники, организация в которой состоит автор, название статьи и количество цитирований.
Кроме того, для построения библиометрических данных был выбран дополнительный
аналитический инструмент VOSviewer. Этот инструмент позволяет визуализировать различные
данные, такие, как: статьи, количество опубликованных статей, количество статей от конкретного
автора, публикации из каждой страны и число публикаций за определенный период времени. Также
можно отследить количество взаимосвязей между статьями, авторами и странами, что помогает
оценить дату публикации, степень цитирования и интерес к теме в разных странах мира.
VOSviewer создает наглядные взаимосвязи между статьями, создавая терминологические карты,
четко оценивать степень цитируемости, отслеживать время публикации, интерес страны или странылидера к той или иной теме.

9.

Актуальность выбранной темы исследования
В качестве проблемы исследования выбрана проверка гипотезы об актуальности «Моделирование
и разработка автоматизированной системы прогнозирования отказа оборудования на основе
нейросетевых технологий в индустриальном интернете вещей». Анализ научных статей производился,
по ключевым словам, industrial internet of things (индустриальный интернет вещей) и Анализ интернет
вещей при помощи нейронных сетей (analanalysis internet of things using a neural network).
Анализ по такому сочетанию слов позволит дать оценку заинтересованности научного сообщества
в вопросах, связанных с проектированием, контролем и анализом экосистем. Для выявления искомых
слов производится анализ не только заголовка статьи, но и анализируется тело научного текста.

10.

Моделирование терминологической карты публикаций по словосочетанию «industrial
internet of things»
Рис.1 Моделирование терминологической карты публикаций по словосочетанию «Индустриальный
интернет вещей»

11.

Анализ терминологической карт публикаций по словосочетанию «industrial internet of
things»
График роста публикаций по ключевым
словам «industrial internet of things»
Диаграмма активности публикаций по
ключевым словам «industrial internet of things»
3500
3500
3000
3000
2751
2500
2967 2500
2000
1500
1695
1500
1000
500
1000
0
3187
2395
2000
500
3328
955
40
1916
1730
1197
878
865
672
498
483
444
437
394
377
371
0
160
2010 год 2013 год 2017 год 2018 год 2019 год 2020 год 2021 год 2022 год
Линия роста
Статьи с данным словосочетаниями публикуются с 1996 года и с каждым годом интерес увеличивается.
Можно заметить тенденцию, что с 2010 по 2017 количество публикаций выросло в 59,6 раз. Затем с 2017 по
2020 в 5,5 раза.
9

12.

Карта частоты использования ключевых слов «analysis internet of things using a neural
network»
Рис.2 Карта частоты использования ключевых слов «analysis internet of things using a neural network»

13.

Диаграмма активности публикаций по ключевым словам «analysis internet of things using
a neural network»
Рис.3 Диаграмма активности публикаций по ключевым словам «analysis internet of things using a
neural network»

14.

Карта активности публикаций по ключевым словам «analysis internet of things using a neural network»
Рис.4 Карта активности публикаций по ключевым словам «analysis internet of things using a neural
network» созданная при помощи инструмента анализа на сайте Lens.org

15.

Карта активности публикаций авторов по ключевым словам «analysis internet of things using a neural
network»
Рис.5 Карта активности публикаций авторов по ключевым словам «analysis internet of things using
a neural network»

16.

СПАСИБО ЗА ВНИМАНИЕ!