Московский государственный университет им. М.В. Ломоносова (кафедра социокультурного проектирования и развития территорий, профессор)
Москва, г. Москва и Московская область, Россия
В статье рассматривается применение методов машинного обучения в системах моделирования технологических процессов с целью прогнозирования состояния оборудования в различных отраслях промышленности. Актуальность темы обусловлена необходимостью повышения эффективности производственных операций в условиях растущей конкуренции и быстро меняющейся рыночной среды. В работе представлен обзор современных систем моделирования технологических процессов, а также описаны области их применения. Особое внимание уделено таким методам прогнозирования, как линейная регрессия, рекуррентные нейронные сети долгосрочной памяти и авторегрессионная интегрированная модель скользящего среднего. В практической части проведен анализ данных, а также эксперимент по прогнозированию значений температуры с использованием указанных методов. Полученные результаты показали, что для используемых данных более высокую точность прогнозирования обеспечивают модели LSTM и ARIMA.
системы моделирования процессов, моделирование, прогнозирование, импортозамещение, нефтепереработка, нефтегазовая промышленность, машинное обучение, линейная регрессия, LSTM, ARIMA, оптимизация процессов, технологические процессы
1. Шмелева А.С., Сулоева С.Б., Ростова О.В. Методы и инструменты гибкого управления цифровыми инновационными проектами: монография. – СПб: Политех-Пресс, 2023. – 240 с.
2. Анисимов В.Г. Анализ и оценивание эффективности инвестиционных проектов в условиях неопределенности / В.Г. Анисимов [и др.].- Москва: Военная академия Генерального штаба Вооруженных сил Российской Федерации; 2006. 288 с. EDN: https://elibrary.ru/SWBIZP.
3. Ильин И.В. Математические методы и инструментальные средства оценивания эффективности инвестиций в инновационные проекты / И.В. Ильин [и др.]. - Санкт-Петербург, 2018.- 289 с. EDN: https://elibrary.ru/XMMDTV.
4. Анисимов В.Г. Стратегическое управление инновационной деятельностью: анализ, планирование, моделирование, принятия решений, организация, оценка / В.Г. Анисимов [и др.].- Санкт-Петербург, 2017.- 312 с. EDN: https://elibrary.ru/ZCXSIN.
5. Анисифоров А.Б., Ростова О.В., Балабнева О.А. Основы цифровой трансформации бизнеса: учеб. пособие. – СПб: Политех-Пресс, 2023. – 96 с. DOI: https://doi.org/10.18720/SPBPU/2/id23-636; EDN: https://elibrary.ru/NQGNMK
6. Системы имитационного моделирования: выбираем подходящую / [Электронный ресурс]. URL: https://habr.com/ru/companies/lanit/articles/351870 / (дата обращения: 05. 01. 2025).
7. Широкова С.В., Ростова О.В., Болсуновская М.В., Дмитриева Л.А., Алматаев Т.О. Аудит информационной безопасности производственной компании // Информационные и управляющие системы. – 2023. – № 1 (122). – С. 41-50. DOI: https://doi.org/10.31799/1684-8853-2023-1-41-50; EDN: https://elibrary.ru/MFUKDX
8. Сауренко Т.Н. Модели оценки эколого-экономических последствий техногенных аварий на промышленных объектах / Т.Н. Сауренко [и др.] // Экономические стратегии ЕАЭС: проблемы и инновации: сборник материалов IV Международной научно-практической конференции.- Москва, 2021. С. 126-140. EDN: https://elibrary.ru/DLKSHN.
9. Сауренко Т.Н.Математические модели прогнозирования экологической угрозы техногенных аварий и катастроф в составе интегрированных систем безопасности региона / Т.Н. Сауренко [и др.] // Технологии гражданской безопасности. 2019. Т. 16. № 3 (61). С. 62-67. EDN: https://elibrary.ru/DUUIRX. DOI:https://doi.org/10.54234/CST.19968493.2019.16.3.61.11.62.
10. Зегжда П.Д. Методический подход к построению моделей прогнозирования показателей свойств систем информационной безопасности / П.Д. Зегжда [и др.] // Проблемы информационной безопасности. Компьютерные системы. 2019. № 4. С. 45-49. EDN: https://elibrary.ru/QLDDDQ.
11. Анисимов В.Г., Анисимов Е.Г., Веселко А.А., Пак А.Ю.Оценка эффективности технологических процессов на предприятиях машиностроительной отрасли экономики// Журнал технических исследований. 2022. Т. 8. № 1. С. 30-35. EDN: https://elibrary.ru/GBDHEU.
12. Мальков М. В., Олейник А. Г., Федоров А. М. Моделирование технологических процессов: методы и опыт. Труды Кольского научного центра РАН, – 2010, т.13, – №4. – C. 1-9.
13. Компьютерное моделирование технологических процессов / [Электронный ресурс]. URL: http://tstu-isman.tstu.ru/pdf/lecture3.pdf / (дата обращения: 05. 01. 2025).
14. Ростова О.В., Широкова С.В., Усиков Р.Ф. Управление системами информационно-технологической поддержки на предприятии по производству сложных технических комплексов // Вопросы оборонной техники. Серия 16: Технические средства противодействия терроризму. – 2020. – № 3-4 (141-142). – С. 9-18. EDN: https://elibrary.ru/EQVFGP
15. Тебекин А.В. Способ формирования комплексных показателей качества инновационных проектов и программ / А.В. Тебекин [и др.] // Журнал исследований по управлению.
16. Т. 4. № 11. С. 30-38. EDN: https://elibrary.ru/YQGWDB.
17. Анисимов В.Г., Анисимов Е.Г., Лихачева О.А. Модель для оценивания влияния распределения ресурсов на качество образовательного процесса // Вестник Российской таможенной академии. 2012. № 4. С. 060-066. EDN: https://elibrary.ru/PJBTZP.
18. Анисимов В.Г., Лихачева О.А., Сергеев И.В. Оценка качества образовательного процесса c использованием математической модели// Вестник университета. 2012. № 18. С. 152-155. EDN: https://elibrary.ru/OGPAXA.
19. Сазыкин А.М. Прогнозирование сформированности военно-профессиональных компетенций/ А.М. Сазыкин [и др.]// Известия Российской академии ракетных и артиллерийских наук. 2024. № 2 (132). С. 32-36. EDN: https://elibrary.ru/ARHNUG. DOI:https://doi.org/10.53816/20753608_2024_2_32.
20. Анисимов В.Г., Анисимов Е.Г., Босов Д.Б. Математические модели и методы управления инновационными проектами.- Москва, 2009. 188 с. EDN: https://elibrary.ru/TMDMSP.
21. Тебекин А.В. Модель прогноза стоимости и сроков модернизации промышленных предприятий / А.В. Тебекин [и др.] // Журнал исследований по управлению. 2019. Т. 5. № 3. С. 31-37. EDN: https://elibrary.ru/XBWMXL.
22. Авдеев М.М. Информационно-статистические методы в управлении микроэкономическими системами / М.М. Авдеев [и др.]. - Санкт-Петербург; Тула. 2001. 139 с. EDN: https://elibrary.ru/TMDNNJ.
23. Виды и типы машинного обучения / [Электронный ресурс]. URL: https://sky.pro/wiki/python/vidy-i-tipy-mashinnogo-obucheniya (дата обращения: 25. 01. 2025).
24. Ведерников Ю.В. Модели и алгоритмы интеллектуализации автоматизированного управления диверсификацией деятельности промышленного предприятия / Ю.В. Ведерников, А.Ю. Гарькушев [и др.] // Вопросы оборонной техники. Серия 16: Технические средства противодействия терроризму. 2014. № 5-6 (71-72). С. 61-72. EDN: https://elibrary.ru/SFKMTZ. DOI: https://doi.org/10.1109/MITS.2014.2355083
25. Скороход А. В. Обзор алгоритмов с частичным привлечением учителя. – Петрозаводск: МЦНП «Новая наука», 2021. – С. 239-243. EDN: https://elibrary.ru/VLAWYZ
26. Линейная регрессия / [Электронный ресурс] // https://habr.com/ru/articles/804135 / (дата обращения: 06. 01. 2025).
27. Рекуррентная нейронная сеть (RNN): виды, обучение, примеры / [Электронный ресурс]. URL: https://neurohive.io/ru/osnovy-data-science/rekurrentnye-nejronnye-seti (дата обращения: 06. 01. 2025).
28. Трегуб А. В., Трегуб И. В. Методика построения модели ARIMA для прогнозирования динамики временных рядов // Лесной вестник. – 2011. – № 5. – C. 179-183.
29. Прогнозирование временных рядов методом ARIMA / [Электронный ресурс]. URL: https://elar.urfu.ru/bitstream/10995/52487/1/978-5-9908685-0-2_2017_72.pdf (дата обращения: 22. 01. 2025).
30. Agbessi A. P., Salami A. A., Agbosse K. S., Birregah B. Peak Electrical Energy Consumption Prediction by ARIMA, LSTM, GRU, ARIMA-LSTM and ARIMA-GRU [Электронный ресурс]. URL: https://www.mdpi.com/1996-1073/16/12/4739 (дата обращения: 06. 01. 2025). DOI: https://doi.org/10.3390/en16124739
31. Газофракционирующая установка (ГФУ) / [Электронный ресурс]. URL: https://neftegaz.ru/tech-library/neftekhimiya/142166-gazofraktsioniruyushchaya-ustanovka-gfu/ (дата обращения: 16. 01. 2025).
32. Шмелева А.С., Сулоева С.Б., Ростова О.В. Информационная поддержка управления инновационно-инвестиционной деятельностью предприятия нефтегазовой отрасли // Журнал исследований по управлению. – 2021. – Т. 7. – № 6. – С. 57-67. EDN: https://elibrary.ru/ZGCCKX
33. Моделирование технологических процессов / [Электронный ресурс]. URL: https://ntik.ru/services/digital/solutions/proxima (дата обращения: 14. 01. 2025).
34. Ragas A.A.M.A., Chupin A.L., Bolsunovskaya M. V., Shirokova S. V., Senotrusova, S. V. Accelerating Sustainable and Economic Development via Scientific Project Risk Management Model of Industrial Facilities / /Sustainability (Switzerland), 2023. DOI: https://doi.org/10.3390/su151712942
