Задача

Использование цифрового моделирования в качестве инструмента описания или предсказания поведения (дескриптивной или прескриптивной аналитики) социально-экономических и индустриальных систем обеспечивает формализацию процессов функционирования систем для дальнейшего анализа, прогнозирования и выбора мер управленческого воздействия.

Замена реальной системы цифровой моделью дает возможность исследовать поведение системы в зависимости от различных мер внешнего и внутреннего воздействия. Поскольку снижение детерминированности систем ведет к значительному усложнению процесса аналитического принятия решения, то вычислительные методы и, в частности, цифровое моделирование являются оптимальной альтернативой.

Процесс разработки и исследования цифровых моделей индустриальных систем включает в себя несколько этапов с высокой трудоёмкостью рутинных операций: предобработка и оценка качества входных данных; калибровка; оценка качества модели; проведение потоковых экспериментов; анализ и визуализация результатов.

В данном проекте разработчики поставили перед собой задачу по созданию платформенного решения, автоматизирующего наиболее трудоёмкие и рутинные этапы разработки цифровых моделей. Автоматизация процессов будет реализована с помощью технологий искусственного интеллекта, обученного на опыте научных сотрудников в области цифрового моделирования.

Платформа цифрового моделирования с применением технологий ИИ будет сопровождать процесс разработки цифровых моделей индустриальных и социально-экономических систем на всех этапах жизненного цикла. ПО будет работать в удалённом и многопользовательском режиме. Компании высокотехнологичных отраслей промышленности и региональные органы исполнительной власти смогут использовать разработанное программное обеспечение по лицензии.

Решение

В ходе первого этапа работ (2023 г.) был разработан прототип конфигурируемой платформы цифрового моделирования индустриальных и социально-экономических систем на базе технологий искусственного интеллекта.

На текущий момент разработаны, включены в состав прототипа и апробированы следующие программные компоненты:

• Модуль предобработки и оценки качества входных данных цифрового моделирования индустриальных и социально-экономических систем, используемый для подготовки (в том числе предобработки и оценки качества) входных данных для последующего использования в цифровых моделях.

Программный инструмент проводит анализ данных на предмет наличия пустых значений, выбросов, шума, дубликатов, выполняет проверки соответствия типов данных и единиц измерения и корректирует данные по правилам, определяемым пользователем. Модуль не менее чем на 90% сокращает трудоёмкость предобработки и оценки качества входных данных. Он исключает вероятность необнаружения несоответствий в наборах входных данных и учитывает особенности, присущие данным, накопленным в процессе функционирования индустриальных и социально-экономических систем – их форматы, структуры и объёмы.

• Алгоритмы и программный инструмент для гибридного цифрового моделирования индустриальных и социально-экономических систем, позволяющий комбинировать различные подходы и инструменты моделирования для создания комплекса связанных разноплановых моделей одной индустриальной или социально-экономической системы.

Модуль предназначен для комбинирования различных подходов и инструментов моделирования для создания комплекса связанных разноплановых моделей одной индустриальной или социально-экономической системы. Может использоваться для параллельного настраиваемого запуска нескольких цифровых моделей, реализованных на языке программирования Python. Модуль поддерживает конфигурации моделей системной динамики, агентных моделей, дискретно-событийных моделей и гибридных моделей. Функциональные возможности: запуск моделей с фиксированными или интервальными значениями параметров, настройка значений параметров и визуализация результатов экспериментов. Визуализация результатов экспериментов доступна в табличном формате, 2D и 3D графиках, а также в виде тепловой карты. Запуск экспериментов и настройка значений параметров модели реализуется через интерфейс пользователя.

• Модуль верификации и валидации результатов цифрового моделирования индустриальных и социально-экономических систем для конфигурируемой платформы для оценки применимости разработанных моделей.

С помощью модуля проводится оценка точности цифровых моделей индустриальных и социально-экономических систем относительно референтных данных с использованием таких метрик, как MSE, MAE, MAPE, R2, дисперсия и разность площадей. Программный инструмент позволяет выполнять проверку устойчивости цифровых моделей индустриальных и социально-экономических систем искусственными колебаниями исходных данных с использованием метрик разброса, таких как SD (СКО), дисперсия (абсолютная и относительная) и размах (абсолютный и межквартильный).

Также модуль может визуализировать чувствительность цифровых моделей индустриальных и социально-экономических систем.Модуль использует характерные для моделей индустриальных и социально-экономических систем методы верификации и валидации: анализ точности, устойчивости и чувствительности. Модуль универсален в отношении характера цифровых моделей и работает с моделями системной динамики, дискретно-событийными, агентными, а также гибридными моделями разной сложности. В целом благодаря модулю трудоёмкость верификации и валидации цифровых моделей индустриальных и социально-экономических систем сокращается не менее чем на 50%.

• Программа сжатия видеоданных на базе нейросетевых технологий.

Модуль предназначен для рекомпрессии входного видеопотока с большим уровнем сжатия и сохранением существенных для машинной аналитики признаков. Программа может использоваться для транскодирования и хранения видеоданных в интеллектуальных системах видеонаблюдения, где требуется большая степень сжатия с сохранением высокой точности машинной видеоаналитики.

• Программа предобработки гетерогенных данных для повышения качества работы нейросетевых алгоритмов в текстильной промышленности.

Модуль предназначен для предобработки видеоданных текстильного полотна для обеспечения эффективного анализа дефектов ткани нейросетевыми алгоритмами. Программа может использоваться для параллельной обработки потоков кадров из различных источников с применением обученных моделей нейронных сетей YOLO архитектуры и для дальнейшей синхронизации полученных данных и формирования общей карты дефектов.

Функциональные возможности: возможность запуска моделей НС как на центральном процессоре, так и с использованием графических процессоров при их наличии для ускорения обработки; работа с переменным числом камер или иных источников кадров; возможность работы как с цветными, так и с монохромными изображениями любого размера.

Детали

Результаты моделирования

Результаты моделирования

Результаты моделирования

Тепловая карта и объемное представление результатов нескольких запусков модели системной динамики

Результат анализа входных данных программы предобработки

Previous Next

Технологии

РИД