Детальная информация

Целью работы заключается в сокращение рисков возникновения аварийных ситуаций за счет использования модуля машинного обучения в промышленной системе моделирования технологических процессов. Задачи работы: 1. Исследование основ машинного обучения; 2. Анализ современных методов МО для обработки временных рядов и инструментов для реализации подходов машинного обучения; 3. Анализ рынка и области применения систем моделирования технологических процессов; 4. Описание и моделирование объекта исследования на примере блока абсорбции и ректификации установки ГФУ; 5. Обоснование применения ML–механизмов в системах моделирования. 6. Подготовка данных для обучения и тестирования модели прогнозирования аварийных ситуаций; 7. Разработка и обучение модели прогнозирования; 8. Разработка интерфейса модуля машинного обучения для СМТП «Nauka.Proxima»; 9. Оценка эффективности использования модуля машинного обучения при моделировании технологических процессов нефтеперерабатывающего предприятия. Работа выполнена на базе компании ООО «Наука». Методы: сбор и анализ данных, моделирование, прототипирование. Основные результаты работы: проведение анализа методов прогнозирования, анализ рынка СМТП, моделирование блока абсорбции и ректификации установки ГФУ, обучение и тестирование модели, разработка интерфейса прототипа модуля ML для СМТП NAUKA.Proxima, оценка экономической эффективности. Практическая значимость работы состоит в возможности использования аналитических и проектных результатов исследования в сокращении рисков возникновения аварийных ситуаций в рамках нефтеперерабатывающего предприятия. Выводы. Задачи ВКР решены, цель достигнута, определена область применения результатов.

The purpose of the work is to reduce the risks of emergencies using machine learning module in the industrial system of modeling technological processes. Tasks of the work: 1. Study of the basics of machine learning; 2. Analysis of modern MO methods for time series processing and tools for implementation of machine learning approaches; 3. Analysis of the market and application area of technological process modeling systems; 4. Description and modeling of the object of research on the example of absorption and rectification unit of HFC unit; 5. Justification of application of ML–mechanisms in modeling systems. 6. Preparation of data for training and testing of the model for prediction of emergency situations; 7. Development and training of the prediction model; 8. Development of the interface of the machine learning module for SMTP «Nauka.Proxima»; 9. Evaluation of the effectiveness of using the machine learning module in modeling technological processes of the oil refinery enterprise. Work is performed on the basis of LLC «Nauka» company. Methods: data collection and analysis, modeling, prototyping. The main results of the work: analysis of forecasting methods, analysis of the SMTP market, modeling of the absorption and rectification unit of the HFC unit, training and testing of the model, development of the prototype interface of the ML module for the NAUKA.Proxima SMTP, evaluation of economic efficiency. The practical significance of the work consists in the possibility of using analytical and design results of the study in reducing the risks of emergencies within the oil refining enterprise. Conclusions. The tasks of the thesis have been solved, the goal has been achieved, the scope of the results has been determined.