Аннотация: Железнодорожный путь представляет собой протяженный технический объект, участки которого подвержены разнообразным внешним воздействиям. Статистический анализ данных, полученных от систем мониторинга, выявил несбалансированность отступлений по типам, годам и сезонам, низкую взаимосвязь между параметрами, а также отсутствие регистрации идеального состояния пути. Для повышения качества оценки технического состояния железнодорожного пути предложен метод идентификации, отличающийся от известных тем, что отступления агрегируют по типам с учетом физической природы, балансируют агрегаты по общему и сезонному числу отступлений, выбирают длину сегмента пути и параметр отступления и оценивают его поагрегатное стандартное отклонение. В заключении по сумме поагрегатных стандартных отклонений идентифицируют техническое состояние сегмента пути.

Аннотация: Рассмотрены основные показатели надёжности, влияющие на выбор оптимального резервирования информационных систем с архитектурой «клиент-сервер». Представлены теоретические основы исследования надежности и математическая модель на основе марковских процессов. Приведены расчеты основных характеристик надежности резервированной информационной системы. Отмечено, что выполнена разработка программы в среде Python для расчета параметров управления клиент-серверными системами. Результаты исследования могут быть использованы при проектировании отказоустойчивых систем.

Аннотация: Показана актуальность применения технологий машинного обучения совместно с реализации цифровых двойников объектов и технологических процессов. Рассмотрены примеры реализованных проектов для хранения фруктов, высокотемпературной стерилизации в пищевой промышленности, нефтехимии.

Аннотация: Рассмотрены вопросы краткосрочного прогнозирования потребления электрической энергии промышленными предприятиями с использованием методов искусственного интеллекта. Приведены результаты исследования влияния учета производственных и метеорологических факторов на точность прогнозов. Показан сравнительный анализ ансамблевых и нейросетевых прогнозных моделей, обосновано использование ансамблей регрессионных деревьев решений. Применение предложенных моделей позволяет повысить точность прогнозов электропотребления промышленными предприятиями и избежать штрафов за перерасход ресурсов.

Аннотация: Рассмотрена разработанная информационная система расчёта и моделирования очистных систем для предприятий переработки фосфатного рудного сырья. Применение данной системы позволяет проектировать современные очистные системы, обеспечивающие необходимое качество очистки газовых выбросов и сточных вод, отвечающих отечественным и международным требованиям по экологической безопасности. Информационная система включает комплекс математических моделей ключевых технических узлов, учитывающих свойства очищаемых газов и требования нормативов заданной степени очистки. На основе полученных расчетных параметров система, включающая в свой состав базу данных необходимого оборудования, в автоматизированном режиме подбирает необходимые компоненты и формирует графическую модель принципиальной схемы очистной системы. Для оценки эффективности разработанной информационной системы были проведены расчетные эксперименты и производственные испытания смоделированных очистных систем.

Аннотация: Внедрение технологий искусственного интеллекта (ИИ) в промышленность в рамках концепции Industry 4.0 требует эффективного управления промышленными данными. Однако их неоднородность, низкое качество и сложность обработки в реальном времени остаются ключевыми проблемами, ограничивающими широкое применение ИИ-решений. В работе систематизируются подходы к управлению промышленными данными, разработаны критерии их качества и практические рекомендации по их подготовке для эффективного обучения моделей ИИ в условиях реального производства. Разработана методика оценки качества данных на основе четырехуровневой системы критериев, охватывающих доступность, точность, полноту и безопасность информации. Разработанные в исследовании подходы позволяют существенно повысить эффективность управления промышленными данными при внедрении технологий ИИ.

Аннотация: Рассматриваются актуальные вопросы влияния современных технологий, в том числе технологий искусственного интеллекта (ИИ) на безопасность промышленных систем автоматизации. Фокус исследования сделан на совокупности стандартов, на базе которой может быть построена система оценки применения технологий ИИ для целей обеспечения заданного уровня безопасности компонент промышленных систем автоматизации. В определенном смысле исследование может рассматриваться как частная задача в составе более широкой проблемы – создание доверенной системы применения технологий ИИ с использованием известных требований валидации и верификации технических систем.

Аннотация: Рассматривается архитектура интеллектуальной системы поддержки принятия решений для контроля и диагностики электротехнических комплексов промышленных предприятий на примере компрессорных установок нефте- и газоперерабатывающей промышленности. Приведены основные компоненты архитектуры и экспериментальные результаты ее применения на реальном предприятии. Разработанная архитектура включает модули сбора данных, диагностики, прогнозирования состояния и формирования рекомендаций для поддержки принятия решений по эксплуатации электротехнических комплексов. Особенностью системы является используемые методы интеллектуального анализа данных на основе ансамблевых моделей для решения задач классификации и нейронных сетей для задач прогнозирования.

Аннотация: Описывает разработанная многоуровневая архитектура систем интеллектуальной обработки потоковых данных с использованием методов машинного обучения, способных работать в присутствии значительного информационного шума. В основе системы лежит механизм поиска информационных паттернов, позволяющий обнаруживать закономерности различных уровней абстракции, независимо от природы исходных данных. Целевые системы, построенные на базе данной архитектуры, могут быть применены в процессах контроля качества при производстве сложных электронных устройств. Такие системы, помимо автоматизированного обнаружения дефектов, смогут подняться до выявления причин их возникновения.

Аннотация: Рассматривается задача обнаружения аномалий в сигналах датчика пламени подогревателей газа, которая имеет важное значение для обеспечения безопасности и надежности промышленных систем. Отказы или ложные срабатывания датчиков могут привести к серьезным последствиям, включая аварийные остановки оборудования, снижение производительности, увеличение эксплуатационных затрат и угрозу безопасности персонала. Для решения этой задачи предложен метод, основанный на применении автоэнкодера — нейронной сети, обучаемой на нормальных данных и способной выявлять аномалии по значению ошибки реконструкции, которая возрастает при отклонении сигнала от нормального состояния. Приведен сравнительный анализ различных алгоритмов обучения автоэнкодера, таких как стохастический градиентный спуск (SGD), Adam и RMSProp. Описаны эксперименты, проводимые на смоделированных данных, имитирующих работу датчиков пламени в условиях нормальной эксплуатации подогревателя газа. Результаты экспериментов показали высокую эффективность предложенного подхода, демонстрируя его потенциал для применения в реальных промышленных системах мониторинга и диагностики.

Аннотация: Описана автоматизированная система управления процессом снятия напорно-энергетических характеристик при проведении испытаний электронасосов. Показано, что для автоматического поддержания (получения) заданного расхода воды применен программно-аппаратный комплекс, включающий контроллер реального времени и программно реализованный ПИД-регулятор.