Учёные Омского ГАУ создают платформу с ИИ для предсказания поломок сельхозтехники

На базе Международного научно-методического центра (МНМЦ) ТГУ состоялась защита проектов, разработанных преподавателями российских вузов с использованием сквозных технологий. Из 100 работ в финал вышли 26. По оценке международных экспертов, в тройке лидеров прототип цифровой платформы предиктивной аналитики агромашин Hector Al, созданный учёными Омского ГАУ при участии промпартнёров вуза. Новый инструмент способен существенно сократить экономические потери, которые российские аграрии несут в период уборки урожая из-за выхода из строя сельхозтехники.

Процесс работы над проектами шёл параллельно четырехмесячному обучающему курсу, организованному МНМЦ ТГУ в рамках нацпроекта «Цифровая экономика». Его участниками стали 1200 преподавателей, которые получили новые компетенции в области ИИ, анализа больших данных, использования технологий смешанной и дополненной реальности и т.д. Полученные знания и консультации специалистов помогли многим командам довести перспективные идеи до продукта.

Над проектом, признанным жюри одним из самых успешных, работала команда Омского ГАУ, в которую вошли: начальник управления ИТ Павел Игоревич Ревякин, инженеры управления ИТ Анна Сергеевна Басакина, Вячеслав Николаевич Клинг, Виталий Николаевич Чернопольский, а также доцент кафедры математических и естественнонаучных дисциплин Павел Владимирович Кийко.  Разработчики выбрали для решения одну из самых актуальных проблем, с которой сталкиваются аграрии многих стран – выход из строя сельхозтехники в период уборки урожая. Акцент был сделан на комбайнах, которые являются наиболее востребованными машинами. 

Павел Игоревич Ревякин, начальник управления ИТ Омского ГАУ: 

Зерноуборочный комбайн – это сезонная техника, работает две-три недели в году, но несёт огромную нагрузку. На качество зерна влияют ночная влажность и роса, поэтому комбайн работает без обедов и выходных.

По опыту анализа отказов, у комбайнов есть составные части, которые изнашиваются быстрее остальных – элементы системы транспортировки зерна: шнеки и их привод, лопатки транспортёра и сама конвейерная лента транспортёра, подшипники и ремни.

Снизить потребность в экстренном ремонте поможет платформа для прогнозирования поломок. Её основными инструментами стали анализ больших данных и использование технологий машинного обучения – методов искусственного интеллекта, которые позволяют научить нейросеть выявлять проблемы до их возникновения и разрабатывать варианты решения.

Команда проекта работала с выборкой данных, содержащей данные телеметрии 5 тестовых зерноуборочных комбайнов за год работы, данные по неисправностям, эксплуатационные и паспортные характеристики машин.

С помощью статистических методов исследования разработчики выявили тренды частоты возникновения отклонений в работе узлов и агрегатов. После этого была создана модель предиктивного анализа, способная выявить частоты вращения рабочих узлов и агрегатов комбайна, отличающиеся от номинальной в недопустимых пределах.

На основе этих данных компьютерная модель может заблаговременно спрогнозировать неисправность в конкретном агрегате. К примеру, платформа способна предсказывать возникновение неисправностей, связанных с обрывом и растяжением ремней, которые приводят в действие все рабочие узлы комбайна. Аварийная диагностика и замена ремней приводит к суточному простою зерноуборочного комбайна (с учетом времени на доставку запасных частей и прибытие сервисной бригады в поле).

Использование платформы даёт возможность оценивать уровень износа и остаточные ресурсы машин и механизмов, контролировать соблюдение технологических операций. В конечном итоге это позволяет существенно повысить экономическую эффективность использования агромашин.

Александр Владимирович Замятин, директор МНМЦ ТГУ 

На наш проект команда Омского ГАУ пришла с хорошим заделом. В ходе обучения коллеги добрали те компетенции, которые им были необходимы для того, чтобы прототип обрёл свой завершённый вид. Развивать его омская команда готова, в том числе, в тандеме с ТГУ.

Мы считаем, что данный проект очень перспективен в плане коммерциализации. Думаю, что производители сельхозтехники обязательно оценят эту разработку, ведь она способна повысить надёжность их продукции, а, значит, и её конкурентоспособность на российском и зарубежном рынках.

Как отметил Александр Владимирович, переход промышленности на «цифру» –тренд, распространённый во всем мире. Работу над созданием систем предиктивной аналитики ведут такие известные компании как Siemens, Yokogawa, Schneider Electric. Российские учёные при поддержке государства тоже работают над подобными системами. 

 Добавим, что одним из приоритетов нацпроекта «Цифровая экономика» является развитие направления «Индустрия 4.0». Это поможет России кратно увеличить количество решений для повышения эффективности отечественной промышленности.