Вернуться к статье
Алгоритм FMEA-анализа как основа нейронной сети снижения рисков кислородного конвертера металлургического предприятия
Таблица 1 - Сравнение методов мониторинга технического состояния кислородного конвертера
Критерий | Традиционная АСУ ТП (без ИИ) | Правила экспертных систем | Предлагаемый подход (FMEA + нейросеть) |
Точность выявления неисправностей | 70–78% | 80–85% | 92–95% (прогноз) |
Время обнаружения аномалии | 10–30 с (пороговые сигналы) | 5–15 с (после логического вывода) | 3–5 с |
Учёт взаимовлияния отказов | Нет | Частичный (задаётся правилами) | Да (через веса обученной модели) |
Адаптивность к изменению режимов | Требует перенастройки | Требует изменения правил | Самообучающаяся (донастройка) |
Сложность внедрения | Низкая | Средняя | Высокая (требует сбора данных и обучения) |
Эксплуатационные затраты | Низкие | Средние | Выше начальные, но ниже долгосрочные за счёт снижения аварий |
