Применение инструментов моделирования в рамках функционирования «умного» нефтехимического производства
(Стр. 46-58)

Подробнее об авторах
Нургалиев Рустам Карлович кандидат технических наук, доцент; заведующий кафедрой систем автоматизации и управления технологическими процессами
Казанский национальный исследовательский технологический университет Шинкевич Алексей Иванович доктор технических наук, профессор; заведующий кафедрой логистики и управления
Казанский национальный исследовательский технологический университет
Чтобы читать текст статьи, пожалуйста, зарегистрируйтесь или войдите в систему
Аннотация:
Цель исследования. Исследование направлено на выявление возможностей применения различных инструментов моделирования в рамках функционирования «умного» нефтехимического производства. Достижению цели способствовало решение ряда задач: изучить возможности применения методологии IDEF0 в условиях построения «умного» производства, построить декомпозицию процесса внедрения нового оборудования в условиях «умного» нефтехимического производства в нотации BPMN, исследовать специфику нейросетевого моделирования и разработать модель нейронной сети в целях прогнозирования энергопотребления нефтехимических производств. Выводы. Резюмируется, что моделирование является неотъемлемым элементом проектирования и управления «умным» нефтехимическим производством, обеспечивает оптимизацию процессов, рационализацию информационно-коммуникационной среды предприятия, энергоресурсосбережение, повышение качества нефтехимической продукции, эффективности производства, сокращение негативного воздействия на окружающую среду; «умное» производство должно сопровождаться выработкой механизма цифровизации производственных процессов, регламентацией алгоритма построения киберпространства; необходим интегрированный подход к моделированию производства, предполагающий сквозное управление данными на всех этапах производства, с применением различных методов моделирования, консолидацию результатов моделирования в единой базе данных, что служит релевантной эмпирической базой для принятия рациональных управленческих решений. В результате исследования разработана схема ввода производственных активов в условиях «умного» производства (в нотации BPMN), транслирующая протекание данного процесса, учитывающая сложные ситуации, связанные с функционированием производственного оборудования; построена логико-информационная модель формирования «умного» нефтехимического производства (в нотации IDEF0), учитывающая взаимосвязи между подпроцессами и потенциальный эффект, позволяющая разработать инструкции и методические материалы по модернизации нефтехимического производства; предложена прогностическая модель регулирования уровня энергопотребления нефтехимическими предприятиями в зависимости от затрат на технологические инновации и от объемов загрязняющих выбросов, генерируемых промышленными предприятиями, основанная на обучении нейронных сетей разной архитектуры и позволяющая в соответствии с функцией активации скрытого слоя нейронной сети выявить тенденции изменения энергопотребления.
Образец цитирования:
Нургалиев Р.К., Шинкевич А.И., (2021), ПРИМЕНЕНИЕ ИНСТРУМЕНТОВ МОДЕЛИРОВАНИЯ В РАМКАХ ФУНКЦИОНИРОВАНИЯ «УМНОГО» НЕФТЕХИМИЧЕСКОГО ПРОИЗВОДСТВА. Computational nanotechnology, 1: 46-58. DOI: 10.33693/2313-223X-2021-8-1-46-58
Список литературы:
Абрамова И.Г., Абрамов Д.А. Повышение эффективности производственных мощностей в свете реализации технологий бережливого и умного производства // Известия Самарского научного центра Российской академии наук. 2013. Т. 15. № 6-3. С. 557-562.
Ахмадиев Ф.Г., Маланичев И.В. Нейросетевые алгоритмы топологической оптимизации в задачах гидродинамики // Вестник Технологического университета. 2019. Т. 22. № 7. С. 110-113.
Барвинок В.А. Смелов В.Г., Кокарева В.В., Малыхин А.Н. Построение «умного» производства на базе аддитивных технологий // Проблемы машиностроения и автоматизации. 2014. № 4. С. 142-149.
Бирбраер Р. Московченко А., Бусов С., Новиков Д. К «умному» производству через объединение возможностей // САПР и графика. 2009. № 4 (150). С. 54-57.
Брендл Д. «Умное» производство: конвергенция различных составляющих // Control Engineering Россия. 2016. № 6 (66). С. 26-29.
Вершинин А.Н., Карамышева Е.О. Особенности разработки математической модели процесса обучения нейронной сети для контроля защищенности автоматизированных информационных систем // Computational Nanotechnology. 2019. № 1. С. 39-43.
Козак Н.В., Нежметдинов Р.А., Мартинова Л.И. Интеграция данных систем логического управления в «умное» производство на основе концепции Industry 4.0 // Автоматизация в промышленности. 2018. № 5. С. 11-15.
Мокшин В.В., Кирпичников А.П., Маряшина Д.Н. и др. Сравнение систем структурного и имитационного моделирования Stratum 2000, SIMULINK, AnyLogic // Вестник Технологического университета. 2019. Т. 22. № 4. С. 144-148.
Нигматуллин В.Р., Руднев Н.А. Использование методов машинного обучения и искусственного интеллекта в химической технологии. Ч. II // Электронный научный журнал «Нефтегазовое дело». 2019. № 5. С. 202-238.
Новикова С.В., Тунакова Ю.А., Шагидуллин А.Р., Кузнецова О.Н. Проектирование и обучение нейросети для расчета концентраций металлов, поступающих от передвижных источников загрязнения, на примере г. Казани // Вестник Технологического университета. 2016. Т. 19. № 24. С. 123-125.
Нургалиев Р.К., Гайнуллина А.А., Рыжов Д.А. Учебный программный комплекс «Автоматизированная система управления предприятием» // Вестник Технологического университета. 2017. Т. 20. № 18. С. 130-134.
Панченко А.А., Рахман П.А., Сафаров А.М. Нейросетевые модели прогнозирования уровня загрязнения атмосферного воздуха в промышленном городе // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2018. № 5. С. 121-126.
Петрищев И.О., Шубович В.Г., Федорова Е.А., Знаенко Н.С. Моделирование процессов объектов складов нефтепродуктов на основе методологии IDEF0 // Сб. матер. Всерос. заочной науч.-практ. конф. «Образование и информационная культура: теория и практика». Ульяновск: Ульяновский гос. пед. ун-т им. И.Н. Ульянова. 2016. С. 113-117.
Сучков М.А., Галимулина Ф.Ф. Принципы управления криптоданными в рамках инновационного развития информационной среды предприятия // Наука и бизнес: пути развития. 2020. № 5 (107). С. 152-154.
Фарахов М.И., Лаптев А.Г., Башаров М.М. Модернизация аппаратов очистки жидкостей от дисперсной фазы в нефтехимическом комплексе // Теоретические основы химической технологии. 2015. Т. 49. № 6. С. 635-643.
Farakhov M.I., Laptev A.G., Basharov M.M. Import Substitution of Industrial Devices for Gas Purification from the Disperse Phase in Petrochemical Industry // Chemical and Petroleum Engineering. 2016. Vol. 52. Is. 5-6. Pр. 316-319.
Shinkevich A.I., Shaimieva E.Sh., Malysheva T.V., Gumerova G.I. Information system of decision support in the management environment of ecological project // Academy of Strategic Management Journal. 2020. Т. 19. № 5. С. 1-11.
Ключевые слова:
«умное» производство, нефтехимическое предприятие, моделирование, нейронные сети.