Казань, 4 июл - ИА Neftegaz.RU. На нефтеперерабатывающем заводе (НПЗ) Татнефти - ТАНЕКО приступили к опытно-промышленной эксплуатации системы раннего обнаружения отклонений (аномалий) в технологическом процессе установки ЭЛОУ-АВТ-7.
Об этом Татнефть сообщила 4 июля 2018 г.
От стабильной эксплуатации ЭЛОУ-АВТ-7 зависят качество и выход сырья, использующегося для дальнейшей переработки на НПЗ.
Технологические процессы, протекающие на установке, чувствительны к входному сырью, правильности функционирования системы охлаждения, диапазону рабочих температур.
Поэтому очень важно в автоматическом режиме получать информацию о любых отклонениях от нормального режима работы.
Для обеспечения безопасности технологических процессов на установке ЭЛОУ-АВТ-7 выбрана технология MLAD - Machine Learning for Anomaly Detection, предложенная Лаборатория Касперского.
Компании имеют многолетний̆ опыт сотрудничества, а в октябре 2017 г приступили к совместной работе над новым проектом, который был реализован с применением технологии машинного обучения по телеметрии технологических процессов и искусственного интеллекта для обнаружения кибератаки на установку ЭЛОУ-АВТ-7.
В 2017 г построена нейросетевая модель, способная обнаруживать аномалии.
Если становятся доступны ранее не учтенные данные по нормальной работе, то система способна дообучаться.
В результате, защитное решение на базе алгоритмов машинного обучения обладает большей гибкостью, в отличие от экспертной системы, которая работает на множестве жестко заданных правил.
Напомним, что 19 июня 2018 г сообщалось, что Татнефть совместно с ChemTech (РРТ) реализуют проект по созданию «цифрового двойника» установки первичного фракционирования нефти ЭЛОУ-АВТ-7.
Цифровой двойник - это программный аналог, моделирующий технологические процессы технологической установки.
В пилотную эксплуатацию в режиме мониторинга в реальном времени с обеспечением в автоматическом режиме обнаружения отклонений процессов от их нормального поведения система была введена в феврале 2018 г.
За время работы удалось обнаружить различные типы аномалий: отклонения технологического процесса, связанные с периодами смены режимов; переводы контуров управления в ручной режим; ситуации, связанные с некорректными показаниями датчиков.
Таким образом, за счет внедрения системы специалисты по информационной безопасности и по технологическим процессам получили инструмент для автоматического раннего оповещения об опасных ситуациях, обнаружении аномалий и их интерпретации, интуитивный интерфейс с трендами параметров процессов и анализом отклонений.
