Научный задел. В Санкт-Петербургском горном университете на базе Центра цифровых технологий ведутся научно-исследовательские работы по разработке, адаптации и внедрению в производство цифровых технологий: специального программного обеспечения, интеллектуальных систем управления, наукоемкого оборудования и др. Одной из задач Центра является сопровождение существующих фундаментальных заделов, компетенций и возможностей по переходу к передовым цифровым, интеллектуальным и роботизированным технологиям горного производства.

Текущее состояние. Существует несколько принципов технического обслуживания насосного оборудования – принципы основанные на превентивных мерах (так называемые принципы обслуживания по фактическому состоянию, когда производится мониторинг состояния насосного оборудования, диагностика и обслуживание выполняется по мере необходимости), принципы обслуживания по определённому расписанию-графику (принципы основанные на статистике типовых отказов оборудования, анализируя которую, заранее можно предсказать какую и в какое время необходимо выполнить сервисно-технологическую операцию для поддержания  насоса в работоспособном состоянии) и принципы, основанные на реактивных мерах, когда обслуживание про-изводится по свершившемуся факту поломки оборудования или выхода его из строя. Еще одна стратегия обслуживания насосного оборудование – это удержание некоторого резерва оборудования и его реактивная замена по мере необходимости. Данные меры несут существенные расходы эксплуатирующему предприятию и не все предприятия не для всех технологических узлов могут иметь необходимый резерв оборудования. Существует множество разработок с рекомендациями по внедрению и реализации систем, позволяющих проводит технологическое обслуживание оборудования, основанное на превентивных методах. Однако несмотря на довольно огромное число работ с методами профилактического обслуживания насосов практика показывает, что компании все еще сталкиваются с трудностями при реализации такого обслуживания. Таким образом, можно отметить, что существует разрыв между проблемами, с которыми сталкиваются компании, желающие внедрить профилактическое обслуживание, и передовыми решениями, представленными в литературе.

Тем не менее работы, связанные с внедрением системы превентивного обслуживания насосов, основываются на рекомендациях сбора и обработки больших данных, внедрения специальных моделей и расчетных комплексов, позволяющих оценить срок службы и технического состояние насосного оборудования, вся эта информация собирается и передается пользователям или специалистам, осуществляющим эксплуатацию данного оборудования для обработки. Возможные проблемы при внедрении систем предиктивной аналитики связаны с отсутствием инструмента, позволяющего наглядно в нужное время распознать возможную опасную ситуацию для оборудовании или указать причину возникновения той или иной ситуации. Сегодня мир живет в эпоху цифровизации. Цифровые технологии внедряются повсеместно и затрагивают все отрасли и сферы человеческой деятельности. Одной из цифровых технологий, по мнению авторов наибольшим образом подходящей для решения задач технического обслуживания насосов является технологий дополненной реальности. Сопоставляя реальные объекты с виртуальными, несущими в себе дополнительную информацию, система дополненной реальности может стать основной опорой для технических специалистов при принятии решений. Применение системы дополненной реальности при обслуживании оборудования не является ноу-хау. Такие системы применяются и разрабатываются и представлены в различных исследованиях. В данной работе авторы предлагают объединить две технологии – технологию дополненной реальности и технологию динамического моделирования, оценить эффективность их совместного использования при проведении технического обслуживания насосного оборудования и сформировать рекомендации по разработке, внедрению и совместному применению данных технологий.

Решаемая проблема. Проведение технического обслуживания насосов является сложной и неоднозначной темой для любой эксплуатирующей организации, а для промышленного предприятия нефтегазового сектора экономики этот вопрос обладает высокой степенью актуальности. Безусловно первой причиной данного факта является широкое распространение насосного оборудования во всех сферах деятельности нефтегазовых предприятий. При этом агрессивная среда, неравномерность нагрузки, удаленность объектов, суровые климатические зоны (особенно в зонах арктического региона или добычных платформ) являются факторами, которые делают актуальным разработку специальных систем, помогающих или упрощающих проведение технического обслуживания насосного оборудования. Динамическое моделирование – одна из современных технологий, позволяющая решить актуальный вопрос оценки технического состояния оборудования. Она является основой систем, осуществляющих диагностику, прогностические расчеты, позволяет оценить динамическое состояние объектов в различных условиях их функционирования и т.д. Технология дополненной реальности – технология, позволяющая сократить время на обслуживание оборудования за счет сокращения времени на поиск и обработку различной информации, необходимой в процессе обслуживания. В работе представлено исследование, показывающее эффективность совместного применения технологии динамического моделирования и дополненной реальности при обслуживании насосного оборудования. Так как исследований в области совместного применения этих двух технологий недостаточно, то актуальным является вопрос доказательства эффективности их совместного применения при обслуживании нефтяных насосов. Для этого в работе представлено описание структуры системы, проведено исследование и настройка каналов передачи данных, приведена методика разработки приложения совместного использования динамических моделей и дополненной реальности, проведено тестирование приложения с использованием Microsoft HoloLens 2.

Методы и детали исследования. В данном исследовании была разработана структура для создания специальной реально-виртуальной среды по обслуживанию насосного оборудования. На первом шаге необходимо определить протоколы связи между динамической моделью и AR системой. Aveva Dynamic Simulation в качестве главного интеграционного протокола поддерживает протокол OPC (OPC UA). Канал связь между динамической моделью и ОРС-сервером настроен разработчиком программной среды динамического моделирования и не является объектом настоящего исследования. Предметом данного исследования по существу являлся поиск и тестирование канала связи между системой дополненной реальности и OPC-сервером (OPC UA). Реализация и настройка ОРС UA в среде разработки приложения дополненной реальности была затруднительной для авторов (удалось подключить значения единожды без обновления в режиме реального времени. Так как приложение дополненной реальности работает по типу WEB приложения для получения значений с ОРС сервера требовалась разработка специального блока опроса, то есть программного кода, который дергает основной код по получению значений с сервера. Данный вариант авторы посчитали неприемлемым в виду потенциально возможного значительного числа ошибок и задержек в получении сигнала. Поэтому была предложена структура, показанная на рисунке. Данная структура основана на применение современного протокола MQTT для передачи сообщений. Для его использования в структуру был добавлен брокер MQTT (Mosquitto MQTT) Для координации передачи сообщений между динамической моделью и системой дополненной реальности. Данный протокол является основным в IoT системах, неоднократно доказана эффективность его применения. Таким образом по мнению авторов оптимальной структурой для разработки программного приложения совместного использования системы динамического моделирования и системы дополненной реальности должна соответствовать схеме, показанной на рисунке и включать в себя следующий функционал, технологические связи и особенности:

1. Система содержит три уровня – коммуникационный, приложения и физический.

2. На физическом уровне располагается объект (в работе использовалось лабораторное оборудование), физическая модель и динамическая модель. Отдельно на физическом уровне выделяются система электроснабжения (power system) и система управления (control system). Выделение данных систем в отдельный класс необходимо для расширения функционала по обслуживанию системы. При таком раздельном варианте возможно в каждый момент времени по мере производственной необходимости переводить данные части в реальную или виртуальную среду исполнения. Например, в обычном режиме функционирования все системы реальные. При поступлении задачи внедрения новых алгоритмов управления вместо объекта используется динамическая модель, а система управления либо используется реальная, либо также виртуализируются по необходимости. Данный подход существенно снизит расходы при вводе в эксплуатацию новых систем, при техническом обслуживании старых систем и т.п.

3. Основным протоколом коммуникационного модуля является MQTT и ОРС (OPC UA). ОРС позволяет осуществить связь между динамической моделью, системой автоматизации, системой электроснабжения. Далее данные ОРС сервера публикуются на MQTT брокере, который в дальнейшем взаимодействует с приложением дополненной реальности на очках HoloLens 2. SQL сервер в данной структуре является инструментом, позволяющим вести историю всех изменений на всех уровнях. Все значения фиксируются с соответствующей меткой времени. Для корректной работы системы все составляющие должны быть синхронизированы по времени.

4. Физический и коммуникационный уровень в системе устроены таким образом, что к ним может подключаться любая система, использующая цифровые технологии, по аналогии подхода, описанного в статье [ссылка на флотацию]. Достаточно лишь поддержка протокола MQTT или OPC (OPC UA) для обмена данными.

5. На уровне приложений в структуре расположено приложение дополненной реальности, запущенное на HoloLens 2. Необходимо отметить, что в качестве устройства взаимодействия с пользователем может применяться смартфон, планшет и пр. Основная функциональность разрабатываемого решения не будет нарушена, однако необходимо подчеркнуть расширенные возможности при условии применения HoloLens 2, связанные прежде всего с 3D подходом к визуализации и прочие.

Результаты исследования. Для проверки эффективности предложенных в работе решений в ПО Unity было создано приложение.

На рисунке показан детальный вид разработанного приложения. Модель установки в 3D точно повторяет динамическую модель. Название переменных идентично на всех уровнях его использования (динамическая модель, каналы передачи данных, коммуникационный сервер и т.д.). Использование единых имен тегов является очень важным, оно сокращает время на разработку и сокращает число возможных ошибок.

Для исследования эффективности совместного применения динамической модели и системы дополненной реальности было разработано три приложения:

1. Одна установка с пятнадцатью параметрами, показанными на 3D модели, при этом 2 параметра являются управляемыми. Их изменение возможно на всех уровнях системы, при этом основной функциональной особенностью системы является их изменение через приложение дополненной реальности.

2. Три установки аналогичные установке, описанной в пункте 1

3. Пять установок аналогичных установке, описанной в пункте 1. Необходимо повторить эксперимент или установить причину разнородности.

Протокол испытания системы показал работоспособность предложенных решений. Значения, представленные в таблице, являются допустимыми для внедрения подобных приложений в промышленное применение. Параметр CPU не опускался ниже 20 fps, а параметр Memory не поднимался выше 960Mb. Кроме того, параметр «Power» показал, что при запуске и тестировании приложения очки дополненной реальности Microsoft HoloLens2 работали в обычном режиме, разрядка аккумулятора происходила по норме, написанной в технической документации (1 процент в минуту при активной работе). Таким образом, представленные в работе решения являются подходящими для создания системы совместного использования динамических моделей и системы дополненной реальности.

На рисунке представлен тест NASA-TLX для оценки когнитивно-психологических факторов при работе с приложением.

Для реализации теста были смоделированы 5 ситуаций для одной и той же задачи - Датчик вибрации зафиксировал сбой в работе насоса. Задача вывести из работы насос. Деление на группы производилось следующим образом:

Группа 1. Перед испытуемыми только умный щит с выключателями и возможность звонка человеку, имеющему доступ к оборудованию

Группа 2. Перед испытуемыми умный щит и SCADA система где можно посмотреть значения всех промоторов системы

Группа 3. Перед испытуемыми умный щит и документация с информацией по подключению системы

Группа 4. Все взаимодействие только с системой дополненной реальности. Ввод команд производится только вручную.

Группа 5. Все взаимодействие только с системой дополненной реальности. Ввод команд производится голосом и вручную.

Результаты теста показали, что при использовании системы дополненной реальности люди в меньшей степени чувствовали себя в опасности, отмечали сложность задачи, чувствовали тяжесть при выполнении задачи. Однако при этом испытуемые отметили физическую сложность при выполнении задачи. Вероятно, во многом это было связано с необходимостью взаимодействовать с очками дополненной реальности. Необходимо подчеркнуть, что возраст испытуемых не превышал 27 лет, так как эксперименты проводились в студенческих группах. На предприятии данный показатель может быть выше, так как средний возраст людей, проводивших подобные работы выше 27 лет. Поэтому дополнительно возможно при оценке работы системы надо вводить показатель уровень владения навыками взаимодействия с очками дополненной реальности. В настоящей работе навыки работы у испытуемых были минимальными – большинство их них работало с ними впервые.

Заключение. Внедрение цифровых технологий в горное производство Главной целью настоящей работы была проверка работоспособности функционала системы обслуживания нефтяных насосов при совместном использовании системы дополненной реальности и системы динамического моделирования. Проведенные исследования показали возможность и целесообразность применения данного подхода. При этом необходимо выделить ряд моментов, на которые стоит обратить внимание при использовании данного подхода:

1. Структура системы должна иметь модульный принцип построения, быть способной масштабироваться и расширять свой функционал. Для этого необходимо выделить центральный коммуникационный уровень. Данный уровень должен включать программное и аппаратное обеспечение, позволяющее передавать данные по самым современным протоколам OPC UA, MQTT и прочим. При этом использование OPC UA является обязательным и основным протоколам взаимодействия с физическими моделями и реальным объектом.

2. Модульный принцип построения структуры разрабатываемой системы должен поддерживать возможность выделения различных подсистем, участвующим в общих процессах (система управления, система электроснабжения и прочих подобных систем). Такая структура позволит по желанию подменять реальные части системы виртуальными и наоборот для реализации дополнительного функционала.

3. При оценке работоспособности того или иного решения в области дополненной реальности предпочтительно использовать как минимум два вида тестирования – тестирования работоспособности приложения и тестирования когнитивно-психологического воздействия системы на человека.

4. Тестирование работоспособности системы показало, что системы динамического моделирования в дополненной реальности совместно с данными реального процесса использовать возможно. При этом эксперименты при оценке ЦПУ и памяти, затрачиваемых на работоспособность приложения, показали работоспособность приложения как с минимальной, так и с повышенной нагрузкой в виде различного числа подключенных динамических моделей (максимальная тестируемая нагрузка – пять динамических моделей, запущенных одновременно). Так как существенного падения производительности данное тестирование не показало, авторы посчитали подключение пяти моделей достаточным.  

5. Тестирование когнитивно-психологического воздействия системы на человека показало, что решение задачи аварийного выключения оборудования при использовании системы дополненной реальности совместно с динамической моделью улучшилось по следующим показателям - Mental Demand, Physical Demand, Temporal Demand, Performance and Frustration.