На «Больших вызовах» – 2025 в Сириусе участники направления «Передовые и производственные технологии» работают над созданием компьютерных копий технологических аппаратов и трубопроводов в химическом производстве. Цифровой двойник — интерактивная программа-конструктор, которая может предсказывать износ деталей, снижать риск аварий на 30–40% и продлевать срок службы оборудования. Уникальность проекта — в новой нейронной сети Калмогорова-Арнольда (КАН), с помощью которой можно сжимать сложные математические формулы до простых. Это ускорит расчёты и повысит производительность и точность симуляций. Проект реализуется под руководством сотрудников химического холдинга «ФосАгро».
.jpg)
Цифровой двойник разрабатывается на стыке традиционных методов математики, физики и современных технологий программирования, обработки данных. Сначала школьники используют физические уравнения для моделирования процессов, происходящих в трубопроводах и технологических аппаратах. Затем эти модели загружаются в платформу для программирования MATLAB для автоматизации расчётов. Это позволяет создать набор данных, который показывает, как система реагирует на изменения параметров, таких как расход энергии, давление и температура. После этого набор данных используется для обучения нейронной сети Калмогорова-Арнольда. Нейросеть позволяет преобразовывать сложные математические модели в более простые формулы, что делает процесс симуляции и анализа более быстрым и удобным.
«Из-за внезапных поломок и простоев оборудования могут останавливаться целые производственные линии. Это приводит к значительным убыткам для компаний. Например, производители удобрений теряют до 5% своей прибыли: каждый час простоя обходится в 280 тысяч долларов. Использование цифрового двойника может существенно повысить эффективность и безопасность работы, особенно в таких сферах, как управление трубопроводами и аппаратами. Наш проект уникален тем, что мы применяем совершенно новую и малоизученную технологию — нейросеть Калмогорова-Арнольда, появившуюся в 2024 году. Эта нейросеть идеально подходит для нашей задачи, связанной с представлением физических формул. Проведённые исследования и сравнительная характеристика показали, что КАН превосходит другие нейросети по точности и скорости вычислений», — рассказывает руководитель проекта, аспирант Уральского федерального университета Павел Веденеев.
Команда уже обучила модель на данных с пяти типов оборудования: насосе, испарителе, фильтре, теплообменнике и трубопроводах. Для каждого из этих компонентов используется свой набор уравнений. Максим Пискун, участник проекта из Ханты-Мансийского автономного округа, убеждён, что интеграция образовательной программы с симуляцией реальных ситуаций — это отличный способ повысить квалификацию сотрудников и подготовить их к практическим вызовам на рабочем месте.
«Мы создали вычислительное ядро, в которое будет загружена вся информация, и разработали программу-конструктор, позволяющую собирать производственные линии из готовых модулей для дальнейших расчётов. Наша команда углубила знания в химической промышленности: изучили, как работают различные технологические аппараты, такие как испарители, которые превращают жидкий аммиак в газообразный, теплообменники, насосы и фильтры. Помимо мониторинга состояния оборудования, цифровой двойник будет выполнять и образовательные задачи. Например, с его помощью можно будет симулировать различные ситуации, например, изменения давления в трубах, и оценивать, как сотрудники решают проблемы в таких условиях. Это поможет повышать квалификацию и создавать рейтинги эффективности», — отмечает Максим.
Никита Болбот, 11-классник из Новосибирской области, создаёт 3D-модель проекта.
«3D-модели и демонстрационные макеты обогащают проект, делая идеи доступными для аудитории, не знакомой с техническими аспектами. К тому же, интерактивные модели подходят не только для презентаций, но и для обучения сотрудников. Наш проект особенно важен из-за своей экологической миссии. Мы стремимся предотвратить поломки и утечки вредных веществ, что способствует защите окружающей среды. Замена оборудования и точное управление процессами помогают снизить аварийные выбросы и уменьшить риски экологических катастроф», — отмечает Никита.
В будущем команда планирует усовершенствовать проект: внедрить новые технологические устройства и расширить его применение в таких сферах, как фармацевтика и нефтегазохимия.
