Главная » Блоги Экспертов И ИТ-Компаний » Прескриптивная аналитика технического состояния. Прескрептивная система диагностики технического состояния электропоездов
Возможность размещать посты на проекте остановлена

Редакция CNews готова принять пресс-релизы компаний на адрес news@cnews.ru.

Приглашаем вас делиться комментариями о материалах CNews на наших страницах платформ Facebook, Telegram и Twitter.

Прескриптивная аналитика технического состояния. Прескрептивная система диагностики технического состояния электропоездов

Основной задачей разработки прескрептивной системы диагностики технического состояния электропоездов является обеспечение удаленного мониторинга и прогноза технического состояния электропоездов, прогнозирование возможности эксплуатации и принятия решения о его движении при применении беспилотных технологий ведения поездов.

Компания Сименс ведет разработки в области предиктивных систем диагностики. Основным направлением является диагностика промышленного оборудования, а в диагностики подвижного состава компания Сименс описывает лишь электрические параметры работы подвижного состава.

Работы в области диагностических систем и комплексов проводимые в  ООО «Центр инновационного развития Синара-Транспортные Машины» (ООО «ЦИР СТМ») признаны компанией DB Systemtechnik (лидером инноваций Европейских железных дорог). Между ООО «ЦИР СТМ» и DB Systemtechnik подписано соглашение о сотрудничестве в области цифровых двойников и разработке систем диагностики подвижного состава.

Предиктивная (предсказательная) диагностика оборудования позволяет предугадать наступление аварийной ситуации на основе анализа и мониторинга его текущего состояния и предсказания сбоев. В результате предприятие может заблаговременно предпринять действия для устранения проблемы или смягчения неблагоприятного эффекта.

Создание систем предиктивной аналитики и диагностики охватывает ряд этапов:

- первичный сбор эксплуатационных данных оборудования, включая историю его работы;

- анализ данных и построение прогностических моделей (на основе математических алгоритмов, обучения нейронных сетей, методов распознавания образов); (стадия, на которой находятся все разработчики предиктивных систем диагностики)

- верификация и проверка точности моделей. (данная стадия успешно пройдена лишь Сколтехом и DB)

Статистические данные об отказах электропоездов свидетельствуют о том, что действующие системы диагностики и мониторинга отказов (а именно: КАСАНТ (АО НИИАС), МПСУиД (НПО САУТ)) имеют ряд таких недостатков, как:

  • сбор информации осуществляется по различным узлам в отдельности и не соотносится с состоянием электропоезда состава в целом;
  • анализ периодичности отказов и причин отказов невозможен ввиду разрозненности полученных данных;
  • отсутствует возможность оценки остаточного ресурса узлов подвижного состава;
  • диагностика не может осуществляться в режиме реального времени;
  • отсутствие дескриптивной и прогнозной аналитики в системах диагностики, применяемых на электропоездах;
  • применяемые системы и методы диагностики зачастую снижают надежность единицы подвижного состава и приводят к её отказу.

Данные недостатки существующих систем диагностики не позволяют выполнять комплексный анализ причин отказов и осуществлять необходимые мероприятия по предотвращению отказов отдельных узлов, и реализовать систему, принимающую решение о возможности эксплуатации электропоезда.

Дескриптивная аналитика – основывается на выявлении и мониторинге отказов технических средств и позволяется осуществлять планирование на основе статистических данных.

Прогнозная аналитика – основывается на подтвержденных статистических данных и с их учетом позволяет осуществлять ресурсные прогнозы работы компонентов (узлов).

Предиктивная аналитика – основывается на выявлении в статистических данных и онлайн массивах данных неочевидные зависимости и мультиварианты сценариев работы компонентов (узлов), что позволяет прогнозировать ресурс компонента (узла) с помощью расчетных моделей.

Прескриптивная аналитика – основывается на вариантных расчетах с использованием многоуровневых моделей и наложением на модели реальных нагружений из эксплуатации и позволяет принимать решение о дальнейшей эксплуатации исследуемого объекта.

Отсутствие дескриптивной и прогнозной аналитики в системах диагностики, применяемых на электропоездах «Ласточка» не позволяет осуществить создание цифрового двойника (прогнозной модели) электропоезда и перейти к предиктивной аналитике технического состояния.

Следует отметить, что электропоезда необходимо дооборудовать средствами диагностики, позволяющими наполнять, цифровой двойник статистическими данными и мультивариантными сценариями нагружения узлов в эксплуатации.

Прескриптивная аналитика отвечает на вопрос «Что делать?». Основывается на вариантных расчетах с использованием многоуровневых цифровых двойников. Позволяет предсказывать события на основе сопоставления данных за прошедший и текущий период эксплуатации электропоезда.

Важно, что вывод о возможности движения поезда делается не на основе текущего технического состояния, а исходя из наработки при различных условиях эксплуатации.

В области разработки диагностических комплексов, цифровых двойников подвижного состава и инфраструктуры ООО «ЦИР СТМ» имеет признанный опыт в отрасли железнодорожного транспорта за реализацию таких проектов как: МПСУиД тепловозов ТЭМ10 и ТЭМ9.


Данный материал является частной записью члена сообщества Club.CNews.
Редакция CNews не несет ответственности за его содержание.
Комментарии
RU, Москва
Первый заместитель генерального директора
79670099375
Машиностроение и приборостроение

Развитие цифровизации в машиностроении и производстве




Забыли пароль?

Редакция CNews готова принять пресс-релизы компаний на адрес news@cnews.ru.

Приглашаем вас делиться комментариями о материалах CNews на наших страницах платформ Facebook, Telegram и Twitter.