Собирать и классифицировать данные об аварийных факторах на производствах в разы быстрее поможет нейросетевой комплекс с обучающим интеллектуальным модулем, который создают в ТУСУРе, считают в вузе. На базе разработки исследователи планируют создать комплексную быстро обучающуюся сверхсистему. Об этом сообщили в программном офисе "Приоритет 2030" ТУСУР.
На крупных предприятиях, особенно нефте- и газодобывающих или АЭС, необходимы особенно точные системы предотвращения аварийных ситуаций. ЧП может привести к крупным потерям ресурсов либо возникновению опасностей для жизни сотрудников, пояснили в Томском государственном университете систем радиоуправления и электроники (ТУСУР).
Своевременный сбор колоссального количества данных о функционировании оборудования практически не возможен без помощи компьютерных технологий. Чаще всего для мониторинга используются специальные программы. В более технологичных предприятиях статистическую информацию не только собирают, но и анализируют нейросети, уточнили специалисты.
Ученые ТУСУР предложили следующий этап \"умных\" противоаварийных систем — со сверхбыстрым обучением нейросетей в реальном времени. Согласно задумке разработчиков, развитие компонентов искусственного интеллекта обеспечивает специальный модуль, который следит за адаптацией сети сбора данных к изменяющимся обстоятельствам.
"Наша разработка — интеллектуальные системы нового поколения. Сегодня "умная система" ищет лучшие решения проблемы при некотором наборе негативных условий. Мы предлагаем нацеливать ее на оптимальное самообучение в любой ситуации", — рассказал ведущий научный сотрудник Лаборатории "Системного проектирования и автоматического расчета систем" ТУСУРа Игорь Боровской.
Ученый пояснил, что в результате работы модуля, который подготавливает актуальные данные для постоянной адаптации нейросетей, можно получать исчерпывающие данные о состоянии оборудования в разы быстрее, чем если бы такую подготовку выполнял человек.
"Но критерии факторов риска для интеллектуального блока по-прежнему подготавливают эксперты, и конечный анализ информации тоже проводит специализированная команда сотрудников предприятия. Вместе с тем уровень обучаемости имеющихся компонентов достаточно высок, при совершении и фиксации своей ошибки система "учится", больше ее не совершает", — дополнил Боровской.
Организовать автономный и быстро обучающийся комплекс ученые планируют в ближайшие пять-семь лет. Наиболее вероятным путем достижения результата исследователи видят выстраивание так называемого ансамбля нейросетей, продолжил он. Это значит — соединить искусственные нейронные сети разного типа (сверточные сети, сети памяти и другие) в единый механизм. В таком случае, если выстроить их слаженную работу, то они смогут дополнять и корректировать друг друга.
Игорь Боровской обратил внимание, что разработки вуза уже проходит апробацию в одной из крупных российских нефтяных компаний. Результатом сотрудничества университета с индустриальным партнером могут стать протоколы обработки данных как об обнаруженных, так и о вероятных дефектах в стенках нефтепроводов.
Работы по данному направлению предусмотрены в стратегическом проекте Программы развития вуза до 2030 года, который реализуется в рамках государственной программы Минобрнауки "Приоритет-2030".
