Статья опубликована в журнале «Уголь». Исследование выполнено за счет гранта Российского научного фонда.
Перегрузочные машины (краны, погрузчики, конвейеры) — это необходимое техническое средство для выполнения работ во многих сферах народного хозяйства, включая горнодобывающую, строительную, лесную отрасли. Они позволяют поднимать, перекладывать или перемещать грузы разных типов, включая контейнеры, бревна, песок, грунт, кирпичи, металлические конструкции. Такие устройства бывают разных видов, размеров и техники управления. Операторы, работающие на них, должны не только хорошо знать теорию, но и обладать развитыми сенсомоторными навыками для выполнения погрузочно-разгрузочных операций, а также уметь подготовить технику к работе, вовремя диагностировать неисправности и провести ее ремонт.
Традиционное обучение персонала часто сводится к изучению инструкций и длительной практике на реальной технике, что экономически невыгодно, требует остановки производства и связано с рисками для жизни. Неправильное управление оборудованием — это одна из основных причин тяжелого, а иногда и смертельного травматизма на производстве. В среднем от 60 до 80% всех несчастных случаев связанны с человеческим фактором из-за несоблюдения инструкций и нарушения регламентов.
Современные технологии позволяют повысить качество и скорость подготовки кадров с помощью виртуальных тренажеров и других средств электронного обучения. Подобные симуляторы уже нашли применение в энергетике, нефтехимии и буровом деле, где точно моделируют рабочие процессы конкретного оборудования, за счет чего учащийся может близко с ним познакомиться и научиться правильно взаимодействовать. Однако такого универсального инструмента для автоматизированного обучения операторов разных установок, в том числе для перегрузочных машин, пока нет.
Ученые Пермского Политеха совместно с коллегами из Российского биотехнологического университета (Москва) разработали новую систему (ПО) на основе имеющихся компьютерных тренажерных комплексов, которую можно адаптировать под любую установку и уровень сложности — от простых тестовых приложений до полноценных виртуальных симуляторов с использованием технологий VR/AR.
— Мы создали программу, которую инструктор сможет гибко настраивать на необходимую производственную операцию – от разборки узла машины до ее запуска. Она работает за счет трех взаимосвязанных подсистем. Первая – позволяет управлять сценариями конкретных упражнений, ставит задачу обучающемуся, например, выбрать последовательность действий при разборе крана или включении станции питания. Также возможно контролировать уровень сложности, наличие подсказок, критерии оценки. Вторая подсистема отвечает за выполнение заданий и оценку их качества. Третья – демонстрирует результаты в доступной форме, позволяет посмотреть успехи конкретного оператора или всей группы, а также результаты по определенному упражнению или за выбранный период, — объясняет Иван Полевщиков, доцент кафедры информационных технологий и автоматизированных систем ПНИПУ, кандидат технических наук.
Уникальность программного продукта в том, что он представляет собой универсальный конструктор, с помощью которого можно реализовать различные методики обучения, подходящие как для новичков, так и для повышения квалификации опытных специалистов. В отличии от аналогов, разработка ученых обеспечивает полную автоматизацию процесса и контроля навыков операторов.
В ее основе лежит язык моделирования UML, который широко используется в IT для проектирования сложных систем. С его помощью эксперты создали наглядные диаграммы, которые детально описывают как архитектуру тренажерного комплекса, так и пошаговые сценарии конкретных упражнений для отработки навыков. Именно такой подход позволяет настраивать программу под различные производственные задачи, которым оператор должен научиться: от ремонта и замены фильтров до аварийной остановки или запуска турбины, а также управления рабочими органами техники.
Один из ключевых элементов ПО — алгоритм интегральной оценки качества. Он учитывает не только правильность действий, но и количество попыток и время выполнения. Если обучающийся совершает ошибку, то система в режиме реального времени указывает на нее и позволяет повторить действие, что способствует лучшему закреплению навыков. В конце инструктор получает детальный отчет обо всем процессе обучения.
— В качестве примера на основе разработанной программы мы реализовали действующий прототип тренажера в форме приложения с веб-интерфейсом. Он предназначен для контроля знаний у операторов и навыков технического обслуживания перегрузочной машины (на примере автокрана). Обучаемый видит на экране последовательность шагов и выбирает правильное действие из предложенных. В ходе упражнения для просмотра также доступны 2D- и 3D-изображения устройств машины. В случае ошибки система ее визуализирует, а итоговый интерфейс наглядно отображает подробные результаты по каждой задаче и общую оценку (например, 73,2% от требуемых нормативов), — рассказывает Иван Полевщиков.
Эксперты отмечают, что предлагаемые модели и алгоритмы универсальны, их можно адаптировать к разработке тренажеров, предназначенных для любых типов технологического оборудования и производственных процессов — от буровых установок и химических реакторов до конвейерных линий и горнодобывающих комбайнов.
Разработка ученых ПНИПУ открывает новые возможности для подготовки кадров в разных отраслях промышленности. Технология позволяет создавать как дорогостоящие иммерсивные тренажеры с 3D-графикой и VR-очками для отработки сложных сценариев, так и бюджетные статические симуляторы для проверки базовых знаний, что делает ее доступной для предприятий любого масштаба. Это особенно актуально в условиях появления новых современных установок в отечественной промышленности и необходимости быстрой подготовки для них высококвалифицированных сотрудников.