The object of research, development or design (in Russian) : Является показания датчиков (временной ряд), события об авариях или отклонения работы технического устройства и методы анализа временных рядов. Данные временного ряда будут получены с биогазовой установки, на котором выполнена цифровизация процессов работы.

The object of research, development or design (in Kazakh) : Датчиктердің көрсеткіштері (уақыт қатары), апаттар туралы оқиғалар немесе техникалық құрылғы жұмысының ауытқуы және уақыт қатарларын талдау әдістері. Уақыт қатарының деректері жұмыс процестерін цифрландыру орындалған биогаз қондырғысынан алынатын болады.

Aim of work (in Russian) : Разработка интеллектуальной системы для анализа и оценки аварийности технических систем, построенная на основе современных метода нейронных дифференциальных уравнений.

Aim of work (in Kazakh) : Нейрондық дифференциалдық теңдеулердің заманауи әдісіне негізделген техникалық жүйелердің апаттылығын талдау және бағалау үшін интеллектуалды жүйені құру.

Методы исследования (на русском) : Алгоритмы машинного обучения, методики искусственного интеллекта, теория дифференциальных уравнений, данные направления позволят построить модель предсказания аварийности системы. Теория управления базами данных (не реляционных базы данных), данные системы позволят установить оптимальное хранение временных рядов большого объема.

Методы исследования (на казахском) : Машиналық оқыту алгоритмдері, жасанды интеллект әдістері, Дифференциалдық теңдеулер теориясы, осы бағыттар жүйенің апаттылығын болжау моделін құруға мүмкіндік береді. Деректер базасын басқару теориясы (реляциялық емес мәліметтер базасы), жүйенің деректері үлкен көлемдегі уақыт қатарларының оңтайлы сақталуын орнатуға мүмкіндік береді.

Obtained results and novelty (in Russian) : Предсказание аварийности и устойчивой работы технического комплекса является важной задачей в проблеме поддерживания качественной работы различного вида оборудования. Решение данной проблемы логическим образом является экономически выгодной по сравнению с проблемой полной замены или глубокого ремонта технического комплекса или устроуства. Выявления пред аварийности технического комплекса основывается на предсказании аварийности основных компонентов устройства, которые оказывают огромное влияние на рабочие характеристики. Современные исследования показали, что мониторинг характеристик компонентов технического комплекса по – прежнему остается важнейшей задачей для принятия обоснованных решений в области эксплуатации и технического комплекса. В данном проекте апробация технических, теоретических методов и гипотез будет выполнена на техническом комплексе – биогазовой установке. Данная биогазовая установка уже собрана и работает в тестовом режиме, в рамках коммерциализации МОН РК 0365-18-ГК – «Производство и реализация биогаза, биоудобрений на базе разработки и построения модульного автоматизированного биогазового комплекса с цифровыми технологиями управления и функционирования».

Obtained results and novelty (in Kazakh) : Апатты және техникалық кешеннің тұрақты жұмысын болжау әр түрлі жабдықтардың сапалы жұмысын қамтамасыз етудегі маңызды міндет болып табылады. Бұл мәселені логикалық түрде шешу техникалық кешенді немесе құрылғыны толығымен ауыстыру немесе терең жөндеу мәселесімен салыстырғанда экономикалық тұрғыдан тиімді. Техникалық кешеннің апатқа дейінгі анықтамасы құрылғының негізгі компоненттерінің апаттылығын болжауға негізделген, олар жұмыс сипаттамаларына үлкен әсер етеді. Заманауи зерттеулер көрсеткендей, техникалық кешен компоненттерінің сипаттамаларын бақылау пайдалану және техникалық кешен саласында негізделген шешімдер қабылдау үшін маңызды міндет болып қала береді. Бұл жобада техникалық, теориялық әдістер мен гипотезаларды сынақтан өткізу техникалық кешенде – биогаз қондырғысында Орындалатын болады. Бұл биогаз қондырғысы қазірдің өзінде жиналып, сынақ режимінде жұмыс істейді, ҚР БҒМ 0365-18-ГК коммерцияландыру шеңберінде – "цифрлық басқару және жұмыс істеу технологиялары бар модульдік автоматтандырылған биогаз кешенін әзірлеу және құру негізінде биогазды, био тыңайтқыштарды өндіру және сату".

The main constructive and technical economic indicators (in Russian) : Разработана системы для мониторинга технического устройства, которая состоит из пяти уровней, а именно уровня сбора данных, уровня хранение и обработки данных, уровня интеллектуального анализа, уровня мониторинга и визуализации и уровня определения знаний по аварийности системы. На уровне сбора и хранения данных для входных данных могут использоваться измерения временных рядов точечных значений и векторов и выходные данные модели (многомерные данные).

The main constructive and technical economic indicators (in Kazakh) : Бес деңгейден тұратын техникалық құрылғыны бақылауға арналған жүйелер әзірленді, атап айтқанда деректерді жинау деңгейі, деректерді сақтау және өңдеу деңгейі, интеллектуалды талдау деңгейі, бақылау және визуализация деңгейі және жүйенің апаттылығы туралы білімді анықтау деңгейі. Кіріс деректерін жинау және сақтау деңгейінде нүктелік мәндер мен векторлардың уақыт қатарларын өлшеу және модельдің шығуы (көп өлшемді деректер) қолданылуы мүмкін.

Level of implementation (in Russian) : Выполнен обзор литературы по задаче предсказания значений с помощью подхода глубокого обучения. Были рассмотрены подходы Deep neural network (DNN), Convolutional neural network (CNN), Long short-term memory (LSTM) и нейросетевых ОДУ. Также был создан API, для доступа и получения значений из созданной программы извне, используя который можно самому указывать файл с данными для обучения системы, а также количество дней на сколько вперёд система будет пытаться предсказать значения.

Level of implementation (in Kazakh) : Терең оқыту тәсілін қолдана отырып, мағыналарды болжау міндеті бойынша әдебиеттерге шолу жасалды. Deep neural network (DDN), Convolutional neural network (CNN), Long short-term memory (STM) және нейрондық желілік ОДУ тәсілдері қарастырылды. Сондай-ақ, API құрылған бағдарламадан мәндерге сырттан қол жеткізу және алу үшін құрылды, оны жүйені оқыту үшін деректері бар файлды, сондай-ақ күндер санын көрсетуге болады.жүйе мәндерді болжауға қанша уақыт кетеді.

Efficiency (in Russian) : Применение новой архитектуры имеет ряд преимуществ по сравнению существующими архитектурами (recurent neural network) RNN, такие как: - Эффективность. В обучении нейронных дифференциальных уравнений не обязательно вычислять градиент через все операции численного метода и также нет необходимости хранить промежуточные результаты. - Гибкость времени работы. По сравнению с решениями дифференциальных уравнений, где шаг сетки определяет точность модели и влияет на время вычисления, в нейронных дифференциальных уравнениях мы можем явно контролировать баланс между численной точностью и вычислительными затратами. -Количество параметров. Если сравнивать ResNet, преимуществом предложенной архитектуры является меньшее количество параметров, так как не требуется для каждого слоя новые параметры.

Efficiency (in Kazakh) : Жаңа архитектураны пайдалану бар архитектураларға (recurent neural network) RNN қарағанда бірқатар артықшылықтарға ие, мысалы: - Тиімділік. Нервтік дифференциалдық теңдеулерді оқытуда сандық әдістің барлық операциялары арқылы градиентті есептеу қажет емес, сонымен қатар аралық нәтижелерді сақтаудың қажеті жоқ. - Жұмыс уақытының икемділігі. Тор аралығы модельдің дәлдігін анықтайтын және есептеу уақытына әсер ететін дифференциалдық теңдеулерді шешумен салыстырғанда, нейрондық дифференциалдық теңдеулерде сандық дәлдік пен есептеу құны арасындағы тепе-теңдікті анық басқара аламыз. - Параметрлер саны. ResNet-пен салыстырғанда, ұсынылған архитектураның артықшылығы - параметрлердің аздығы, өйткені әрбір қабат үшін жаңа параметрлер қажет емес.

Field of application (in Russian) : Целевыми потребителями являются организации, которые решают проблему цифровизации производства и решают проблему оптимизации производства с помощью снижении издержек на ремонт и техническое обслуживание технических устройств. Такие компании как, горнодобывающие компании и нефтегазовые компании.

Field of application (in Kazakh) : Мақсатты тұтынушылар-өндірісті цифрландыру мәселесін шешетін және техникалық құрылғыларды жөндеу және техникалық қызмет көрсету шығындарын азайту арқылы өндірісті оңтайландыру мәселесін шешетін ұйымдар. Тау-кен компаниялары және мұнай-газ компаниялары сияқты компаниялар.