отчет. Отчет по практике -Губанова И.Р.. Отчет по ознакомительной практике по направлению подготовки

Название	Отчет по ознакомительной практике по направлению подготовки
Анкор	отчет
Дата	14.05.2022
Размер	441.52 Kb.
Формат файла
Имя файла	Отчет по практике -Губанова И.Р..docx
Тип	Отчет #528866
страница	5 из 5

1 2 3 4 5

Математическое обеспечение для оценки технического состояния оборудования- пример модели.

В своей статье - Математическое обеспечение для оценки технического состояния оборудования, автор Краковский Юрий Мечеславович,д-р техн. наук, профессор, кафедры УЭР ИРГУПС приводит пример математического обеспечения для оценки технического состояния оборудования, включая вероятностно-статистический и статистический подход. Особое внимание уделено формализации гибкого мониторинга.

Под контролем технического состояния объекта понимают проверку соответствия значений его параметров состояния требованиям документации и определение на этой основе одного из классов технического состояния на текущий момент времени. Целью мониторинга технических объектов является сбор, накопление и обработка диагностической информации, а также оценка на ее основе технического состояния объекта. Отсюда следует, что мониторинг и контроль выполняют совпадающие функции. Дополнительной задачей мониторинга является прогнозирование остаточного ресурса оборудования, а через этот ресурс определение периодичности контроля. Решение задачи прогнозирования весьма важно, в частности, для организации технического обслуживания машин по фактическому состоянию вместо планового обслуживания. Целью работы является обобщение математического обеспечения для оценки технического состояния оборудования, включая формализацию гибкого мониторинга.

Процедура мониторинга реализована в программе в двух вариантах: мониторинг, при котором границы раздела зон технического состояния определяются по эксплуатационным нормам вибрации; гибкий мониторинг, при котором индивидуальные границы определяются автоматически по предыстории измерений. При этом мониторинг в обоих вариантах осуществляется как по общему уровню вибрации, так и по вибрации в узкой, выбранной экспертом полосе частот.

В настоящее время в качестве основной модели установившихся режимов работы нефтепроводов принимается статическая модель в виде системы уравнений (1), составленной в соответствии с законами Кирхгофа для трубопроводной сети.

Модель чаще всего состоит из большого количества уравнений, т.е. относится к классу больших моделей. Использование модели (1) связано с решением двух задач:

1. Нахождение неизвестных значений расходов сети при заданных значениях активных напоров – идентификация сети (прямая задача);

2. Настройка параметров гидравлического сопротивления – идентификация параметров гидравлического сопротивления (обратная задача)

Пользуясь моделью вида (1) на предприятиях, эксплуатирующих трубопроводные сети, в том числе и магистральные нефтепроводы, производится расчет некоторого множества возможных технологических режимов работы сети. По результатам моделирования, вычисляются значения расходов по каждой из труб и значения активных напоров сети, необходимых для обеспечения заданного отбора в узлах. Процесс моделирования технологических режимов является обязательной процедурой и регламентируется руководящей документацией (РД) предприятий. К алгоритмам решения системы нелинейных уравнений предъявляются требования как по скорости, так и по точности производимых расчетов. При этом более жесткие требования предъявляются именно к быстроте отыскания решения. Можно выделить два варианта решения расчетной задачи в зависимости от приоритетов:

1. Расчет технологических режимов, планируемых к осуществлению в ближайшем будущем. Здесь основным приоритетом является точность приближения решения к истинным технологическим показателям. Основным алгоритмом, применяемым для решения систем уравнений вида в нефтепроводных компаниях Западной и Центральной Сибири и обеспечивающим высокую точность нахождения решения, является модифицированный метод последовательных приближений (ММПП).

2. Расчет технологических режимов, которые могут возникнуть с той или иной вероятностью вследствие наступления различных ситуаций: штатных и нештатных. Для обеспечения поддержки технологических режимов в этом случае необходимы средства экспресс-прогноза. Приоритет в данном случае принадлежит скорости расчета.

Аналитические возможности систем оценки и мониторинга

В рамках систем оценки и мониторинга возможно решение прямой и обратной задачи. Прямая задача заключается в нахождении критических путей таких элементов модели, малое изменение которых приводит к изменению всех выше лежащих узлов, включая верхний. Для большого класса операторов агрегирования информации возможно вычисление степени критичности каждого элемента модели. Задача также может решаться перебором для достаточно компактной модели. Обратная задача позволяет оптимизировать бюджет на достижение определённого уровня целевого показателя. Если задан бюджет, и мы знаем стоимость изменения состояния узла модели, то возможно нахождение тех узлов, изменение которых находится в рамках заданного бюджета и дает максимальной эффект повышения корневого узла модели. Формализовать такую постановку можно следующим образом. Пусть модель содержит N узлов, к i-му узлу приписано mi значений: ai = {a1i , a2i , . . . , amii } (i = 0, 1, . . . ,N − 1) (рис. 2). Пусть задано: X _ бюджет, ci _ стоимость изменения состояния i-го узла (перевода его из состояния aki в состояние ak+1 i , k = 1, . . . , mi − 1; будем для простоты записи считать такую стоимость одинаковой для всех k). Обозначим через _ai силу изменения узла ai. Эта величина равна q для ситуации, когда состояние узла поменялось с ak i на ak+q i . Для множества номеров узлов I = {1, 2, . . . ,N − 1} обозначим S(I) множество всех его непустых подмножеств.

Рис. 2. Пример модели процесса.
Задача 1. Найти множество номеров узлов s 2 S(I): _a0 ! max, Pi2s ci 6 X.

Это задача нахождения максимального эффекта в рамках заданного бюджета.

При заданных условиях возможно и решение сопряжённой задачи:

Задача 2. Найти множество номеров узлов s 2 S(I): Pi2s ci ! min,_a0 > q.

Это задача нахождения минимального бюджета, позволяющего достичь необходимого эффекта.

Примерами таких задач, при наличии соответствующих моделей, могут быть оценка и повышение капитализации технологических стартапов; повышение рейтинга банков, университетов, спортивных команд; повышение инвестиционной привлекательности компаний, регионов, стран (обычно рейтинговые агентства публикуют структуру оценки); снижение уровня технологических рисков опасных производств (при наличии карты технологических рисков); повышение устойчивости развития бизнеса и многие другие задачи.

Перечисленные задачи возможно решать как в рамках фрагментов модели (например, оптимизация работы соответствующих подразделений компании), так и модели в целом (например, оптимизация работы компании в целом).

Аналитические возможности систем оценки и мониторинга суммированы на рис. 3.

Рис. 5. Эволюция аналитических инструментов.
Текущий уровень почти всех компаний OLAP аналитика; лишь немногие компании используют Big Data аналитику; аналитические инструменты систем оценки и мониторинга используются в единичных международных и правительственных организациях, а также в крупном международном высокотехнологическом бизнесе. Использование аналитических возможностей систем оценки и мониторинга - это естественный эволюционный этап развития аналитических инструментов.

Заключение

В результате прохождения ознакомительной практики, сформируем следующие выводы, системы информационного мониторинга:

• решают задачу мониторинга;

• позволяют аналитику вводить информацию из всех возможных (доступных) источников .естественным. образом (вводятся только оценки);

• хранят историю развития процесса, оценивают его текущее состояние, прогнозируют и моделируют будущее.

Системы информационного мониторинга эффективны, когда нет (нельзя построить) математическую модель процесса в виде уравнений, автоматов, и т. п. Разработка таких систем возможна, когда можно построить семантическую модель процесса в виде набора понятий и их взаимосвязей, и когда поступает и анализируется реальная информация (возможно обучение или настройка). Возможна разработка оптимальных систем с точки зрения удобства ввода информации аналитиком, согласованности мнений аналитиков, информационного обеспечения ввода информации, и моделирования. На основе описанных методов разработаны системы оценки и мониторинга процессов создания странами специальных видов технологий и материалов в интересах управления гарантий Международного Агентства по Атомной Энергии, риска развития сердечно-сосудистых заболеваний в РФ, создания изделий микроэлектроники (оценка технологических стартапов). Что в свою очередь есть возможность применения в мониторинге нефтетранспортной отрасли. Возможности применения подобных систем в оценке и мониторинге кризисных ситуаций и в стратегическом управлении компаниями описаны соответственно.

В результате прохождения ознакомительной практики были освоены все ОПК и УК компетенции.

Список литературы:

Баженов В.В. Оценка технического состояния и остаточного ресурса насосных агрегатов в условиях автоматизации магистральных нефтепроводов. Дис. к.т.н. Уфа, 2014.- 135 с.
Беляев П.В. Повышение достоверности вибродиагностики магистральных насосных агрегатов нефтеперекачивающих станций в условиях нечеткой исходной информации. Дис. к.т.н. Москва, 2011. - 152 с.
Неразрушающий контроль и диагностика :справочник / Под ред. В. В. Клюева. М. : Машиностроение, 1995. 488 с.
Острейковский В. А. Старение и прогнозирование ресурса оборудования атомных станций. М.: Энергоатомиздат, 1994. 204 с.
Байхельт Ф. Надежность и техническое обслуживание. Математический подход : пер. с нем. /Ф. Байхельт, П. Франкен М. : Радио и связь,1988. 392 с.
Краковский Ю. М. Математические и программные средства оценки технического состояния оборудования. Новосибирск : Наука, 2006. 228 с.
Medvedev, A.V. Identification and Control For Linear Dynamic Systems for Unknown Order / A.V. Medvedev // Optimization Techniques IFIP Technical Conference / Berlin – Heidelberg – New-York: Springer Verlag, 1975. - P. 48-55.
"Транснефти" нужно больше безопасности // ПАО «Транснефть» [Электронный ресурс]. – 15.12.2017. – Режим доступа: https://www.transneft.ru/pressReleases/view/id/11718/
Трофимов, В.В. Автоматизированное управление магистральными нефтепроводами [Текст] / В.В. Трофимов, В.П. Тарасенко, В.И. Мащенко. – Томск: Изд-во Том. ун-та, 1994. – 247 с.
Трубопроводный транспорт нефти [Текст] / Г.Г. Васильев, Г.Е. Коробков, А.А. Коршак [и др.]: под ред. С.М. Вайнштока: в 2 т. – М.: ООО «Недра-Бизнесцентр», 2002.
Трубопроводный транспорт нефти и нефтепродуктов. Справочное пособие: в 2 т. [Текст]; под общ. ред. Ю.В. Лисина. – М.: ООО «Издательский дом Недра», 2017. – Т.1. – 494 с.
Рыжевский, О.Н. К расчету оптимальных режимов работы магистрального нефтепровода// Нефтяная промышленность: сер. Транспорт и хранение нефти и нефтепродуктов. – М.: ВНИИОЭНГ, 1965. – № 2. - С. 3-5.
Рыжевский, О.Н. Универсальный модуль в задачах оперативного управления нефтепроводом/ О.Н. Рыжевский, В.В. Сидоров // Нефтяная промышленность: сер. Автоматизация и телемеханизация нефтяной промышленности. – М.: ВНИИОЭНГ, 1978. – № 6. – С. 22-25.
Рыжиков, Ю.И. Имитационное моделирование: теория и технологии / Ю.И. Рыжиков. – М.: Альтекс, 2004. – 384 с.
Ахметов, Р.М. Диспетчеризация и учет на нефтепроводах/ Р.М. Ахметов, Ю.В. Ливанов, А.В. Матвиенко. – М.: Недра, 1976. – 351 с.
Кадымов, Я.Б. Переходные процессы в системах с распределенными параметрами / Я.Б. Кадымов. – М.: Наука, 1968. - 192 с.
Зайцев, Л.А. Регулирование режимов магистральных нефтепроводов / Л.А. Зайцев, Г.С. Ясинский. – М.: Недра, 1980. – 187 c.
Фельдбаум, А.А. Методы теории автоматического управления/ А.А. Фельдбаум, А.Г. Бутковский. - М.: Наука, 1971. - 744 с.
Цыпкин, Я.З. Адаптация и обучение в автоматических системах/ Я.З. Цыпкин. - М.: Наука, 1968. - 400 с.
Цыпкин, Я.З. Основы теории обучающихся систем/ Я.З. Цыпкин. - М.: Наука, 1970. - 252 с.
Красноштанов, А.П. Комбинированные многосвязные системы: монография / А.П. Красноштанов. – Новосибирск: Наука, 2001. – 175 с.
Лебедев А.А., Рыжов А.П. Оценка и мониторинг проектов разработки высокотехнологических изделий микроэлектроники // Известия ТРТУ. Тематический выпуск .Интеллектуальные САПР.. _ 2006. № 8. _ ISBN 5–8327–0249–2. _ С. 93–99.
Рыжов А.П., Федорова М.С. Генетические алгоритмы в задаче выбора операторов агрегирования информации в системах информационного мониторинга // V Всероссийская конференция .Нейрокомпьютеры и их применение.. Сборник докладов. Москва, 17–19 февраля 1999 г. _ С. 267–270.
Саати Т. Анализ иерархических процессов. _ М.: Радио и связь,1993.

1 2 3 4 5