Как прогнозировать поломки энергетического оборудования

Проверка возможности внедрения готового продукта Clover в систему управления техническим обслуживанием и ремонтами энергетического оборудования.

Турбонасосная установка предназначена для бесперебойной поставки питательной воды в котельные агрегаты. Питательные турбонасосы (ПТН) работают в тяжелых условиях, поэтому они снабжены множеством датчиков и автоматов безопасности. Работу этого устройства нужно периодически проверять по установленному на предприятии графику.

В современных условиях проверку технического состояния ПТН, предсказание дат поломок и ремонта можно предоставить технологиям. Например, программному обеспечению на основе предиктивной аналитики и интеллектуального анализа данных. Для проверки возможности адаптации таких решений в систему управления предприятия команда Clover реализовала пилотный проект модели «Питательный турбонасос».

Задачей проекта стало определение дат наступления дефектов на работающем оборудовании, неизвестных специалистам Clover. Для этого команде были предоставлены данные за три года с АСУ ТП, которые относились к питательному турбонасосу — 94 млн значений по 45 параметрам. Кроме этого, была использована обучающая выборка в 600 тысяч значений при работе в номинальном режиме работы без дефектов и указаны десять отказов с датами обнаружения. В силу человеческого фактора дата обнаружения не всегда соответствовала дате появления дефекта: поломка произошла сегодня, а в журнал ее могут записать завтра.

Для обработки данных был выбран алгоритм решающих деревьев (Random forest regression). В данном случае он оказался самым эффективным. В результате чего был рассчитан коридор допустимых значений, отклонение от которого считается аномальным наблюдением.

Выявлено 20 групп аномалий с высоким значением ошибки, восемь из десяти представленных отказов и 12 дополнительных «аномальных» периодов (совокупность аномальных всплесков с высоким значением ошибки).

Модель, разработанная командой Clover показала эффективность в вопросе выявления аномалий, что было подтверждено в результате апробации. Кейс продемонстрировал действенность подобных продуктов для предприятий.