Создан удобный инструмент для прогнозирования поломок оборудования
В крупных компаниях для того, чтобы обслуживать оборудование, инженерам и аналитикам часто приходится разбираться в огромном количестве данных. Например, чтобы избежать поломок и вовремя ремонтировать оборудование, нужно понять, что сильнее влияет на появление дефектов: температура, вибрация или износ? Для этого специалисты занимаются анализом данных с применением технологий машинного обучения, однако это сложные области, которые требуют глубоких знаний программирования и математики. Ученые из Пермского Политеха создали программу в виде электронной книги, которая помогает легко разобраться в основах классификации данных. Она уже успешно применяется в обучении студентов высшей школы авиационного двигателестроения.
На программу выдано свидетельство. Разработка выполнена в рамках программы стратегического академического лидерства «Приоритет 2030» и внедрена в ПИШ ВШАД ПНИПУ. Программа выиграла конкурс в рамках мероприятия по поиску и защите способных к правовой охране решений, отвечающих требованиям, установленным к программам для ЭВМ, в аэрокосмической отрасли.
В техническом обслуживании оборудования, инженерии и аналитике специалистам часто приходится работать с большими массивами информации. Это позволяет предсказать, когда конкретное оборудование выйдет из строя, и провести профилактическое обслуживание, снизить простои и увеличить эффективность производства. На современных производствах данные ежесекундно собираются с тысяч датчиков на трубопроводах, реакторах, турбинах и насосах. В крупных предприятиях их объем может достигать от одного до 100 ТБ в месяц (для сравнения, это примерно 1 000 часов видео или 310 000 фотографий). В таком массиве разнородной информации сложно определить, какие параметры (температура, вибрация, износ) более критичны для поломки оборудования, а какие – менее, и что нужно ремонтировать в первую очередь.
При работе с такими объемами информации аналитики данных используют специальные программы и подходы. Однако в настоящее время они очень сложны и требуют от пользователя высокого уровня знаний и умений в области программирования и математики.
Для упрощения оперирования большими данными и обучения этому ученые Пермского Политеха разработали программу, которая позволяет студентам и специалистам без опыта в программировании освоить основы классификации данных и анализа значимости признаков.
Программа разработана на языке программирования Visual Basic for Applications и представляет собой электронную книгу. Это позволяет ее запускать в любых стандартных офисных пакетах, таких как Excel, Numbers, P7, Polaris Office, Open Office, LibreOffice и др., что делает ее простой в использовании и доступной для широкого круга. Она использует метод, который разделяет объекты на два класса на основе их признаков – это называется дихотомической классификацией.
Предположим, что у нас есть множество приборов – например, датчики на заводе, которые могут работать в двух режимах: нормальный и аварийный (когда что-то сломалось). Нам нужно понять, в результате воздействия каких факторов датчики выходят из строя. Для этого в программе пользователь в одну таблицу вносит параметры приборов в нормальном режиме (например, температура = 25°C, давление = одна атмосфера), в другую — в аварийном (например, температура = 100°C, давление = пять атмосфер). Далее это анализирует программа: смотрит, какие значения чаще встречаются в аварийных случаях, а какие — в нормальных. Например, если при температуре выше 90°C почти всегда случается авария, программа это запомнит. Так она определяет важность параметров и выясняет, какие показатели лучше всего помогают отличить аварию от нормы (например, температура важнее, чем влажность).
– Перед полноценной работой программу нужно обучить на основе уже известной информации. Для этого пользователю необходимо самостоятельно разбить данные, которые он вносит, на категории – «предельный» или «допустимый» износ. Программа построит модель, которая будет учитывать взаимосвязи между признаками и классами. Впоследствии пользователь сможет вводить новые данные, и ПО уже автоматически будет определять, к какому классу они относятся – корректно будет работать этот датчик или нет. Благодаря этому можно предсказывать, как поведет себя оборудование при тех или иных условиях, прогнозировать возможные аварии и предотвращать их, – рассказывает Юлия Большакова, учебный мастер деканата факультета прикладной математики и механики ПНИПУ.
Такая программа будет полезна специалистам в области технического обслуживания и ремонта, инженерам и аналитикам данных, а также студентам и преподавателям технических и экономических специальностей. Молодыми специалистами она может использоваться для диагностики состояния оборудования (станки, датчики), прогнозирования отказов и необходимости выполнения ремонтных работ, студентам поможет лучше понять основы статистического анализа и классификации данных, а для преподавателей вузов станет отличным наглядным инструментом демонстрации того, как работают методы машинного обучения. Программа показывает принципы классификации на реальных примерах, можно менять параметры и сразу видеть результат.
Разработка ученых Пермского Политеха не только демонстрирует принципы машинного обучения, но и открывает новые возможности для образования и профессиональной деятельности. Она уже успешно используется в учебной программе студентов Передовой инженерной школы «Высшая школа авиационного двигателестроения». Отметим, что на практическое занятие с данной программой у студентов отведено всего два академических часа – этого достаточно, чтобы объяснить, как работают базовые методы машинного обучения. Обычно для того, чтобы познакомить студентов с основами статистического анализа и классификации данных, требуется не менее одной лекции и двух практик, то есть шесть академических часов. Используя данную программу, удалось включить эту тему в дисциплину.
Эту программу в силу ее простоты можно использовать не только для обучения магистров Передовой инженерной школы, но и для повышения цифровой грамотности студентов любых специальностей, поэтому ее можно тиражировать в рамках проекта «Цифровая кафедра».
Telegram 
Дзен 
VK Инфекции, такие как коронавирус, наносят серьезный удар организму, из-за чего даже после выздоровления он продолжительное время остается уязвимым. Сегодня для оценки иммунитета врачи смотрят в первую очередь на уровень антител в крови, однако такой подход не отражает реального состояния здоровья человека. Это не позволяет врачам точно прогнозировать, как будет протекать болезнь и насколько быстро пациент выздоровеет. Ученые Пермского Политеха и ПГАТУ впервые выяснили, как именно восстановление иммунитета зависит от пола человека и кто наиболее подвержен осложнениям после коронавирусной инфекции. Результаты исследования помогут правильно учитывать гендерные особенности пациента при лечении и реабилитации, что повысит точность прогнозов и эффективность терапии.
Плавящийся асфальт в США, многие тысячи погибших в Западной Европе, своеобразное лето в России — все это списывают на вредоносный феномен рекордного Эль-Ниньо. И конечно же, на него спихивают и ожидаемый рост цен на кофе и основные сельхозтовары. Правда, есть в этой картине и белые пятна: в прошлые Эль-Ниньо мировые урожаи росли. Что скорее всего случится в 2026 году и отчего роль этого события может быть куда больше, чем мы думаем?
Исследователи смоделировали, сколько энергии потратили солдаты, лошади и боевые слоны армии Ганнибала при переходе через тот или иной альпийский перевал. Расчеты показали, что преимущество у перевала Коль-де-ла-Траверсетт: несмотря на свою высоту, это был самый короткий и наименее энергозатратный маршрут из всех.
Анализ более 150 тысяч древних звезд Млечного Пути показал, что возраст космоса, судя по всему, близок к 13,8 миллиарда лет. Авторы нового исследования заключили, что сценарии, в которых Вселенную приходится делать заметно «моложе» ради решения хаббловского кризиса, плохо согласуются с наблюдениями. Это важно, поскольку возраст старейших светил — один из немногих независимых способов проверить космологические модели не по данным ранней Вселенной, а по объектам нашей собственной Галактики.
Сканирующая туннельная микроскопия достигла квантово-механического предела пространства-времени. Физики провели эксперимент и смоделировали перемещение одиночного электрона с атомарной точностью и скоростью в доли фемтосекунды. Результат показал границы применимости квантовых законов и объяснил механику сверхбыстрых процессов.
Плавящийся асфальт в США, многие тысячи погибших в Западной Европе, своеобразное лето в России — все это списывают на вредоносный феномен рекордного Эль-Ниньо. И конечно же, на него спихивают и ожидаемый рост цен на кофе и основные сельхозтовары. Правда, есть в этой картине и белые пятна: в прошлые Эль-Ниньо мировые урожаи росли. Что скорее всего случится в 2026 году и отчего роль этого события может быть куда больше, чем мы думаем?
Хотя длительность помех не превышала десяти секунд, это первый известный случай такого рода. Обычно спутникам не хватает мощности для создания радиосигналов той силы, что нужна для подобных помех.
Вселенная может оказаться «замкнутой» глобальной структурой, где свет от далеких галактик способен возвращаться к наблюдателю с разных направлений. Именно такой сценарий не удалось исключить авторам нового масштабного обзора. Проверить его предсказания астрономы смогут уже в ближайшие годы.
Ученые впервые на молекулярном уровне доказали, что обычная вода одновременно состоит из двух разных жидких состояний — более плотного и менее плотного, которые непрерывно сменяют друг друга. Раз молекулярная «двойственность» действительно существует, это подтверждает спорную 30-летнюю гипотезу. Новое открытие поможет, наконец, объяснить десятки «странных» физических аномалий воды, включая ее расширение при замерзании и парадоксальное изменение вязкости под давлением.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Что-то в вашем комментарии показалось подозрительным, поэтому перед публикацией он пройдет модерацию.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно