Андрей Медведев, НКК: Всё под контролем – как технологии прогнозирования опасных событий повышают уровень безопасности объектов

В статье мы рассмотрим наиболее популярные технологии прогнозирования, основные вызовы и ограничения, препятствующие их развитию, а также инновационный комплексный подход к прогнозированию и предотвращению опасных событий на производстве за счет внедрения Системы комплексного обеспечения безопасности (КОБ).

Прогнозирование опасных событий играет ключевую роль в обеспечении безопасности, поскольку оно позволяет своевременно выявлять потенциальные угрозы и предотвращать их развитие. И это непростая задача, поскольку промышленные объекты представляют собой сложные системы с большим количеством взаимосвязанных звеньев. При этом отклонения в работе каждого из них способно вызвать каскадное развитие негативных эффектов и нанести серьезный ущерб предприятию.

К сожалению, большинство российских предприятий сегодня все еще используют устаревшие подходы к прогнозированию, основанные на статичных данных: личном опыте специалистов, привлекаемых для оценки рисков, на визуальном и инструментальном мониторинге состояния оборудования, исследовании исторических данных аварий и отказов для выявления закономерностей, анализе видов и последствий отказов оборудования, использовании датчиков предельных значений.

Эти методы недостаточно адаптированы к современным условиям работы промышленного оборудования и не могут осуществлять анализ многочисленных, взаимосвязанных, изменчивых факторов, влияющих на безопасность производственных процессов. Они не учитывают в динамике многофакторную природу возникновения опасных событий, а следовательно – не обеспечивают нужное качество прогнозов для принятия эффективных управленческих решений.

В то же время на промышленных объектах накоплен колоссальный массив данных, получаемых автоматизированными, визуальными способами (АСУТП, системы видеомониторинга и т. д.), а также с использованием инструментально-измерительных средств. При правильном подходе к работе с этими массивами данных создаются благоприятные условия для применения передовых технологий прогнозирования и анализа, о которых мы расскажем дальше.

Ключевые технологии прогнозирования опасных событий

Основные задачи методик и технологий прогнозирования заключаются в предотвращении аварий за счет раннего обнаружения различных отклонений и аномалий, сокращении затрат на ремонт и простой оборудования, снижении экологических рисков. Старые технологии недостаточны для успешной работы с современными вызовами. Они не учитывают динамику изменений на конкретном объекте в реальном времени, а также специфику конкретного оборудования и условий его эксплуатации.

Устаревшим методикам свойственен реактивный характер – то есть, они срабатывают уже после появления признаков опасности, а не предсказывают её заранее. Например, статистика аварий может быть непрезентативной для новых или модернизированных систем. Традиционные датчики фиксируют только критические состояния, но не их предвестники. Экспертным оценкам и инспекциям свойственен «человеческий фактор».

На смену старым технологиям пришли новые: предиктивная аналитика (AI/ML), компьютерное зрение (CV), цифровые двойники (Digital Twins), IoT-сенсоры, нейросетевые модели, которые позволяют прогнозировать аварии с высокой точностью, адаптируясь к уникальным условиям работы оборудования.

На сегодняшний день наибольшее распространение получили:

• Системы мониторинга в реальном времени. Состоят из IoT-датчиков, которые непрерывно собирают и без участия человека передают в центры принятия решений данные о критических параметрах оборудования: о давлении, температуре, вибрации и т. д. Например, использование датчиков, анализирующих давление, не менее, чем на 25% снижает риск утечек в трубопроводах.
• Спутниковые системы мониторинга. Могут отслеживать деформацию конструкций с точностью до 1 мм. В 2022 г. с помощью интерферометрического радара с синтезированной апертурой было предотвращено обрушение платформ из-за смещения грунта на газовых месторождениях Катара.
• Аналитические методы, такие как машинное обучение (ML) и предиктивная аналитика. Использование метода анализа опасностей и работоспособности (HAZOP) в сочетании с нейросетью позволяет прогнозировать износ подшипников в турбинах с точностью 92%.
• Цифровые двойники. Представляют собой виртуальные копии объектов, которые позволяют моделировать аварийные сценарии. Например, цифровой двойник химического реактора, созданный по концепции Digital Twin, на одном из европейских заводов, предсказал риск взрыва за 72 часа до события.

Опыт применения

Среди примеров успешного внедрения и применения технологий прогнозирования опасных событий на предприятиях в различных промышленных областях достойное место занял опыт внедрения компанией Shell программной платформы IIoT для мониторинга трубопроводов. Алгоритмы машинного обучения по сигналам от датчиков обнаруживают микротрещины, за счет чего на 40% снижаются риски разрывов.

Компания Siemens Energy благодаря использованию датчиков вибрации в турбинах ГЭС сокращает ежегодно на несколько десятков миллионов долларов затраты на ремонты.

Международная химическая компания за счет использования цифровых двойников для симуляции утечек аммиака окупила свои инвестиции в данную технологию в первый же год её внедрения.

Подобная практика есть и в России. Например, внедрение IoT и ИИ позволило на 25–30% снизить количество аварий на магистральных трубопроводах. Использование датчиков мониторинга технического состояния станков на 20% сократило производственный брак. Внедрение программно-аппаратных комплексов по мониторингу плавильных печей предотвращает значительное количество инцидентов. Все это убедительно говорит о том, что предприятиям выгоднее вкладывать финансы в предупреждение опасных ситуаций, чем возмещать ущерб от их последствий.

Вызовы и ограничения

Внедрение новых технологий прогнозирования опасных событий на промышленных предприятиях сталкивается с рядом ограничений и препятствий, которые можно разделить на технические, экономические, организационные и нормативно-правовые.

Среди технических стоит назвать несовместимость с существующей инфраструктурой, низкое качество и доступность данных (недостаточный объем исторических данных для обучения AI-моделей, «грязные» данные, такие как шум, пропуски, некорректные измерения), а также сложность интеграции новых систем (есть трудности подключения новых датчиков к действующим SCADA-системам, проблемы с синхронизацией данных из разных источников).

Экономические барьеры выражаются в высоких капитальных затратах, длинном сроке окупаемости, недостаточном финансировании (особенно актуально для малых и средних предприятий).

Организационные и кадровые проблемы – это сопротивление со стороны персонала (причины – консервативность инженерного состава, недоверие к AI-решениям, страх автоматизации и сокращения рабочих мест), дефицит квалифицированных специалистов, отсутствие чёткой стратегии цифровизации, включая разрозненные инициативы без интеграции в общую систему управления рисками.

Нормативно-правовые и регуляторные сложности – несоответствие стандартам (новые технологии могут не вписываться в действующие ГОСТы или отраслевые регламенты, трудности сертификации AI-решений для критически важных объектов).

Много открытых вопросов остается в области кибербезопасности. Существуют риски взлома IoT-устройств и цифровых двойников.

Недостаточно разработана нормативная база по защите данных в промышленных системах.

Технологические и эксплуатационные риски – это ложные срабатывания и недостоверные прогнозы (AI-модели могут выдавать ошибки из-за недостаточной обученности или аномалий в данных), плюс высокая зависимость предприятий от вендоров.

Возможные решения

Преодолеть ряд существующих вызовов призваны разработки ряда российских компаний в направлении создания интеллектуальных платформ. С их помощью эффективно решаются задачи прогнозирования и предотвращения аварий, а также повышения уровня безопасности за счет ее комплексного обеспечения.

Одно из таких решений – система комплексного обеспечения безопасности (система КОБ) представляет собой программно-аппаратный комплекс со сложной архитектурой, в которую входят «Цифровой паспорт безопасности» (ЦПБ), система автоматизации паспортизацией (САП), прогнозно-аналитическая система (ПАС) и система управления предупреждением и реагированием (СУПР).

Система КОБ с её модульной архитектурой и интеграционными возможностями значительно повышает точность и эффективность прогнозирования опасных событий на промышленных предприятиях.

Это достигается за счет:

• Централизованного сбора и анализа данных. Система КОБ объединяет данные из разных подсистем (SCADA, MES, GIS, BIM, IoT-датчиков и др.) в единую платформу.
• Прогнозно-аналитической системы на основе AI/ML. Использует машинное обучение для выявления скрытых закономерностей в данных. Может предсказывать износ оборудования, утечки, перегрузки до их критического развития.
• Системы автоматизированной паспортизации (САП) — исключает человеческий фактор при обновлении данных, позволяет быстро адаптировать модели прогнозирования под изменения в инфраструктуре.
• Системы управления предупреждением и реагированием (СУПР) — не просто прогнозирует, но и автоматически инициирует меры (например, остановку оборудования при риске аварии). Интегрируется с PSIM (Physical Security Information Management).

Главное преимущество подхода КОБ перед традиционными методами заключается в том, что система КОБ не просто предсказывает аварии, а предотвращает их за счет глубокой интеграции данных из всех ключевых систем предприятия. Решение использует AI для прогнозирования опасных событий еще до появления их первых признаков и обеспечивает автоматизированное реагирование на них.

Комплексный подход

Эффективность прогнозирования опасных событий при помощи системы КОБ достигается посредством автоматизации работы с ключевыми направлениями безопасности. К целевым показателям ее эффективности относятся:

• внедрение единых стандартов безопасности крупных предприятий;
• своевременное выявление угроз и их предупреждение;
• централизация контрольных функций управления;
• повышение оперативности и эффективности реагирования;
• усиление контроля за деятельностью персонала;
• снижение аварийности и количества опасных событий;
• снижение рисков и несчастных случаев на производстве;
• снижение прямого и косвенного материального ущерба от опасных событий и угроз.

Другими преимуществами системы КОБ являются:

• Импортонезависимость (полная локализация ПО и аппаратной части в соответствии требованиям регуляторов РФ);
• Совместимость с устаревшими промышленными контроллерами и SCADA-системами, что упрощает внедрение на действующих предприятиях. Система КОБ является «всеядной» и готова объединить на единой цифровой платформе такие подсистемы: PSIM, DMS, MES, MDS, GIS, BIM, VTS, WFM, MDM и другие.
• Использование ИИ и прогнозной аналитики, что позволяет использовать алгоритмы машинного обучения для прогнозирования отказов оборудования, производит анализ больших данных в реальном времени для выявления аномалий;
• Повышение кибербезопасности, включая защиту от внешних атак благодаря отечественным стандартам шифрования и систем обнаружения угроз;
• Адаптация под специфику российских предприятий (например, низкие температуры на Севере, особенности инфраструктуры и нормативной базы РФ);
• Модульность и масштабируемость благодаря возможности наращивания функционала (добавление IoT-датчиков, интеграции с другими ERP-системами).

«Цифровой паспорт безопасности»

Одним из основных элементов системы КОБ является «Цифровой паспорт безопасности» (ЦБП). Благодаря ему на предприятии формируется единое информационное пространство для комплексного повышения уровня техногенной, пожарной, экологической, транспортной, энергетической и физической безопасности. Это достигается за счет интеграции всех существующих на предприятии систем и организации автоматизированного взаимодействия всех участников процесса КОБ.

Фактически ЦПБ является отчетно-аналитической вершиной единой многоуровневой модели управления всеми процессами КОБ, которые включают паспортизацию, мониторинг, прогнозирование, предупреждение и реагирование по всем перечисленным видам безопасности. Он освобождает руководителей от изучения многочисленных источников данных, минимизирует человеческий фактор в их подготовке, сокращает бумажную работу. Его принцип – работа с динамичными, а не со статичными данными. Это позволяет заблаговременно выявлять скрытые закономерности и с высокой точностью предвидеть опасные события.

На аналитических панелях (виджетах) ЦПБ в реальном времени четко видно, в каком сегменте показатели безопасности «просели». Это настолько гибкий инструмент, что в нем может выводиться любая информация, которая собирается в едином информационном поле системы КОБ. Она необходима для принятия управленческих решений, направленных на обеспечение безопасности, осуществление контроля реализации решений и анализа эффективности выполняемых мероприятий.

Внедрение современных технологий прогнозирования опасных событий – это не просто «инновация ради инноваций», а ключевой фактор выживания бизнеса в условиях растущих промышленных рисков. Каждая минута простоя крупного предприятия оборачивается миллионными убытками, а цена катастрофы – репутационными потерями и долгими судебными разбирательствами.

Сегодняшние решения – от предиктивной аналитики на основе ИИ, систем мониторинга в реальном времени до создания единого информационного пространства, управляемого системой КОБ, – позволяют не только предсказывать аварии, но и полностью пересмотреть подход к безопасности: от реагирования к предотвращению.

Внедрение систем комплексного обеспечения безопасности уже сейчас – это не расходы, а страхование бизнеса от необратимых последствий. Современные технологии не просто окупаются – они снижают риски до нуля, в то время как отказ от них становится осознанным игнорированием угроз.

Технологии уже здесь: машинное обучение прогнозирует отказы оборудования, цифровые двойники моделируют кризисные сценарии, а IoT-датчики фиксируют аномалии до перехода в критическую фазу. Вопрос не в доступности решений, а в скорости их внедрения и объединения на единой цифровой платформе. Промедление – это прямая угроза бизнесу, тогда как адаптация под «боли» предприятия – гарантия устойчивости в долгосрочной перспективе.

«Технологии Защиты»