Обслуживание колоссальной сети магистральных трубопроводов, чья протяженность превышает двести тысяч километров, всегда требовало ювелирной и монотонной работы экспертов. Специалистам приходилось часами вручную изучать магнитограммы, полученные от диагностических снарядов, на предмет поиска зон сварных стыков.
Даже незначительная потеря концентрации оборачивалась серьезными статистическими выкладками: до одной десятой части всех заносимых в отчеты сведений содержали те или иные погрешности, вызванные влиянием человеческого фактора или естественными помехами в сигнале.
Математика вместо интуиции
Исследователи из Губкинского университета предложили принципиально иной подход, отдав рутинный анализ на откуп вычислительной машине. Созданный ими программный комплекс опирается на строгую математическую модель, способную выделять конструктивные элементы трубопровода в автоматическом режиме.
Алгоритм самостоятельно сканирует массив необработанных данных и безошибочно идентифицирует кольцевые сварные швы, уверенно обходя возникающие при сканировании шумы.
Такой апгрейд кардинально меняет роль дорогостоящего специалиста, устраняя необходимость в изнурительном визуальном контроле. Программа выдает готовый, структурированный результат, пригодный для дальнейшего формирования заключений о техническом состоянии объекта, что полностью нивелирует риск пресловутого человеческого фактора на стадии первичной расшифровки.
Традиционно на обработку одного участка магистрального газопровода уходит несколько часов кропотливой работы дорогостоящего специалиста. Мы не только ускорили процедуру, но и уменьшили влияние человеческого фактора, отдав рутину компьютерной программе. Это важный шаг к созданию системы прогнозирования рисков на основе анализа технического состояния для всей трубопроводной инфраструктуры страны, — объяснил Константин Жучков, доцент кафедры термодинамики и тепловых двигателей университета.
К роботизированному прогнозу
Следующая эволюционная ступень разработки сопряжена с подключением технологий машинного обучения, что обещает превратить диагностику в полностью автономный механизм.
Как отмечают в научной группе, эксперт очень скоро трансформируется из дешифровщика в оператора роботизированного комплекса, контролирующего потоки готовых отчетов, поступающих буквально в режиме реального времени прямо с трассы.
Этот переход к интеллектуальному предиктивному анализу позволит не просто констатировать текущие изъяны, а моделировать вероятные риски повреждений объектов Единой системы газоснабжения с выработкой превентивных мер по ремонту. Логическим следствием оптимизации процессов станет существенное сдерживание тарифной нагрузки.
Экономия затрат при проведении диагностики и ремонта сможет сдержать рост цен на газ для населения и промышленных предприятий, — подчеркнул Константин Жучков.