Цифровой двойник эксгаустеров агломашины для ЕВРАЗ + предикт неисправности.
Контекст
Агломерационная машина предназначена для окускования железных руд и концентратов для доменной плавки путем их спекания на аглоленте под разрежением создаваемым эксгаустерами.
Проблема
В составе одной агломашины обычно работает два эксгаустера. Выход из строя хотя бы одного эксгаустера может означать остановку агломашины, сокращение производства и вытекающие из этого денежные потери.
Задача
Вам предстоит разработать веб-приложение, с помощью которого машинист эксгаустера сможет мониторить состояние эксгаустеров и прогнозировать их возможную поломку.
Основа работы сервиса - поток реальных данных с датчиков агрегата.
Задачу можно разбить на три основные подзадачи:
- Разработка сервиса для приема и сохранения потока данных с эксгаустера и предоставления интерфейса доступа к этим данным.
- Разработка веб-интерфейса для рабочего места машиниста эксгаустера. Интерфейс должен позволять как минимум:
- Отображать текущее состояние всех эксгаустеров на одном экране
- Визуализировать детальные данные по конкретному эксгаустеру
- Визуализировать поток данных во времени для анализа трендов
- Разработка алгоритма определения даты замены ротора эксгаустера и отображение результатов его работы в веб-интерфейсе. Подзадача оценивается только при условии реализации двух предыдущих подзадач.
Решение:
Использование микросервисной архитектуры. На базе шаблона реализовали Frontend на Vue.js, который чезре RestAPI получает с Backend с NGINX на FastAPI данные. Данные забираются с серверов Apache Kafka, обрабатываются внутренними алгоритмами, строятся предсказания и передаются на фронт. Использование clickhouse для хранения метрик. Реализовано предсказание отказа эксгаустера. Используемый маппер хранится в БД, что позволяет гибко его настраивать.
1. Используя регрессор на CatBoost определили важность каждого датчика:
2. Дальше сложили с учетом этих весов нормализованные значения датчиков.
3. Экспериментировали с различными фильтрами: Moving Average, Savgol Filter.
4. После этого выделили тренд в получившихся данных через аппроксимацию полиномами 3,2,1 степеней
5. Это и взяли как индикатор износа эксгаустера
Исследование отказов происходило на выборке в ~25 дней, при среднем периоде выхода из строя эксгаустера в 1 меясц. Расширение датасета повлечёт усовершенствование статистической модели и, соответственно, точности предсказаний.
Основные фичи:
Вибрации 8,7,2 подшипников
Остальные подшипники вносят менее значимый вклад в предсказание
