Все кейсы
Анализ данныхПромышленность1 января 2024 г.

Модель предсказания поломки оборудования

Предиктивная модель для экструдера полимеров Сибура обнаруживает признаки засора по данным датчиков. В описании проекта зафиксирована доля предугаданных неполадок около 80%.

Модель предсказания поломки оборудования

Задача

Для экструдера полимеров Сибура требовалось обнаруживать признаки засора до аварийной остановки. Показания датчиков меняются по мере развития неполадки, поэтому задача состояла в использовании этих данных для раннего предупреждения оператора.

Решение

Разработана предиктивная модель, которая анализирует данные датчиков и выявляет признаки приближающегося засора. Предупреждение даёт возможность планировать профилактическое обслуживание вместо реакции после отказа оборудования.

В таком процессе прогноз становится дополнительным сигналом для оператора. Специалист сопоставляет его с текущим состоянием экструдера и решает, когда вмешаться в работу оборудования. Назначение модели связано с конкретным типом неполадки и данными конкретного производственного узла.

Результат

Для проекта указана доля предугаданных неполадок около 80%. Это показатель обнаружения рассматриваемых событий, а не универсальная точность предсказания любых отказов. В описании также отмечен переход от аварийного ремонта к плановому профилактическому обслуживанию.

При наличии истории показаний и отказов похожий подход можно проверить на другом оборудовании в рамках внедрения ИИ на предприятии.