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».

https://ria.ru/20221205/tusur-1835946330.html