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
Оплатить 390 руб. (Картой) Оплатить 390 руб. (Через QR-код)

Нажимая на кнопку купить вы соглашаетесь с условиями договора оферты

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.
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.


Статьи по теме

Искусственный интеллект и машинное обучение Страницы: 9-18 DOI: 10.33693/2313-223X-2022-9-3-9-18 Выпуск №21873
Элементы искусственного интеллекта для задачи определения положения автотранспортного средства на изображении
компьютерное зрение нейронные сети сверточные нейронные сети распознавание изображений YOLO
Подробнее
5.2.2. МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 150-155 Выпуск №20468
О некоторых специфических ограничениях применения Data Mining
Большие данные информационные технологии анализ данных классификация кластеризация
Подробнее
Социально-экономические исследования Страницы: 77-82 DOI: 10.33693/2223-0092-2022-12-6-77-82 Выпуск №22403
Модель устойчивого регионального развития с учетом условий эффективной реализации регламентов государственного управления и функционирования научных институтов
устойчивое развитие система оценки региональное развитие моделирование научные институты
Подробнее
ЭРГОНОМИКА СЛОЖНЫХ СИСТЕМ Страницы: 95-100 DOI: 10.336 9 3/2313- 223X - 2019 - 6 - 2- 9 5- 1 Выпуск №15585
МЕТОДЫ ОЦЕНКИ РАБОЧЕГО МЕСТА ЭКИПАЖА В ПРОЦЕССЕ ПРОЕКТИРОВАНИЯ КАБИНЫ ПЕРСПЕКТИВНОГО АВИАЦИОННОГО КОМПЛЕКСА
компоновка кабины экипажа информационно-управляющее поле стенд поисковых исследований аппаратно-программный комплекс эргономические показатели
Подробнее
6. ФИЗИКА КОНДЕНСИРОВАННОГО СОСТОЯНИЯ Страницы: 107-113 Выпуск №9675
КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ СДВИГОВОГО РАЗРУШЕНИЯ В ТИТАНЕ КАК НАЧАЛЬНОЙ СТАДИИ ПРОЦЕССА ТРЕНИЯ ОДНОРОДНЫХ ПОВЕРХНОСТЕЙ
моделирование теория функционала плотности метод псевдопотенциала сдвиговое разрушение титан
Подробнее
МАТЕРИАЛОВЕДЕНИЕ И ТЕХНОЛОГИЯ МАТЕРИАЛОВ Страницы: 146-150 Выпуск №11955
МЕХАНИЧЕСКИЕ СВОЙСТВАНАНОРАЗМЕРНЫХ ПОКРЫТИЙ НА ОСНОВЕ TI, TIN И ZRN
модуль Юнга модуль сдвига моделирование растяжение поверхности трещины
Подробнее
5. МАТЕМАТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ ЭКОНОМИКИ 08.00.13 Страницы: 148-153 Выпуск №18204
Разработка индикативной системы оценки уровня «счастья» с использованием глобальных индексов, включая человеческий капитал
регрессионный анализ корреляция моделирование прогнозирование ВВП на душу населения
Подробнее
5. УГОЛОВНОЕ прАво, УГОЛОВНО-ИСПОЛНИТЕЛЬНОЕ право(специальность 12.00.08) Страницы: 101-109 Выпуск №4748
О методических подходах к построению уголовно-правовой и криминологической модели организованной преступности
уголовно-правовая политика организованная преступность моделирование программа борьбы с преступностью уголовная статистика
Подробнее
5.2.2.МАТЕМАТИЧЕСКИЕ, СТАТИСТИЧЕСКИЕ И ИНСТРУМЕНТАЛЬНЫЕ МЕТОДЫ В ЭКОНОМИКЕ Страницы: 190-199 Выпуск №22019
Построение нейронной сети для прогнозирования цены опциона
финансовый рынок исполнение опционов нейронные сети функция потерь модели стоимости опционов
Подробнее
2. ЭКОНОМИКА И УПРАВЛЕНИЕ НАРОДНЫМ ХОЗЯЙСТВОМ (СПЕЦИАЛЬНОСТЬ 08.00.05) Страницы: 43-46 Выпуск №14304
К ВОПРОСУ О МОДЕЛИРОВАНИИ СТРАТЕГИИ ПОВЕДЕНИЯ УЧАСТНИКОВ ЗАКРЫТЫХ АУКЦИОНОВ: КОНКУРЕНЦИЯ И ОПТИМАЛЬНОЕ ПРЕДЛОЖЕНИЕ ЦЕНЫ КОНТРАКТА
моделирование стратегия закрытый аукцион контракт цена
Подробнее