Детальная информация

Тема выпускной квалификационной работы: «Предиктивная диагностика критически важного оборудования АСУ ТП на основе текущих и исторических больших данных с помощью статистических методов и машинного обучения». Данная работа посвящена анализу больших данных критически важного оборудования, в частности вентиляционных агрегатов метрополитена и разработки методик предиктивной диагностики. Задачи, которые решались в ходе исследования: 1) Изучение работы вентиляционных агрегатов метрополитена 2) Изучение работы счетчика-измерителя BINOM3 3) Разработка базы данных 4) Анализ больших данных 5) Разработка прогнозирующих моделей Сбор данных для анализа больших данных выполнялся с помощью счетчика – измерителя показателей качества электрической энергии многофункциональной серии «BINOM3». В результате работы была разработана база данных для анализа больших данных параметров вентиляционных агрегатов. Был произведен анализ больших данных, и на основе полученных результатов были разработаны прогнозирующие модели для получения прогноза состояния вентиляционных агрегатов. Для достижения данных результатов в работе были использованы следующие информационные технологии: Microsoft SQL Server, SQL Server Management Studio, Python, включающий в себя следующие библиотеки: numpy, pandas, matplotlib, scipy, statsmodels, seaborn, sklearn, xgboost.

The subject of the graduate qualification work is «Predictive diagnostics of critical equipment of automated process control systems based on current and historical big data using statistical methods and machine learning». This work is devoted to the analysis of big data of critical equipment, in particular ventilation units of the subway, and the development of predictive diagnostics methods. The research set the following goals: 1) Study of the operation of ventilation units of the subway 2) Study of the operation of the counter-measuring device BINOM3 3) Database development 4) Big data analysis 5) Development of predictive models Data collection for big data analysis was performed using a multifunctional series counter-measuring device “BINOM3” which can measure the quality of electrical energy. As a result of the work, a database was developed for analyzing big data of ventilation unit parameters. Big data was analyzed, and based on the results obtained, predictive models were developed to obtain a forecast of the state of ventilation units. To achieve these results, the following information technologies were used in the work: Microsoft SQL Server, SQL Server Management Studio, Python, which includes the following libraries: numpy, pandas, matplotlib, scipy, statsmodels, seaborn, sklearn, xgboost.