Software & Systems

Введение. Для снижения риска ошибочных действий персонала при авариях и нештатных ситуациях на производстве необходимы специальные цифровые тренажеры, позволяющие операторам после обучения на них своевременно выбирать и выполнять регламентированные действия по переводу технологического процесса (ТП) из аварийного в штатный режим [1]. Цифровизированное управление рисками и безопасностью при проектировании энерго- и ресурсоэффективных химических производств обеспечивается за счет использования методов оптимизации показателей на- дежности [2]. На основе системного анализа опыта действий операторов в нештатных ситуациях (ухудшение качества, аварийные ситуации) разрабатываются математические модели для их обнаружения на ранних стадиях [3, 4]. Математическое моделирование ТП производства листового стекла осуществляют специализированные программные комплексы GFM (Glass Furnace Model), NOGRID CFD и другие, а также универсальные программные комплексы Логос, ANSYS, COMSOL Multiphysics и т.п. Для повышения квалификации операторов необходимо использовать специальные цифровые тренажеры, интегрированные с информационными системами предприятия [5–7].

Высокоэффективное функционирование предприятий стекольной промышленности обеспечивается сокращением отходов формируемого стекла и затрат на производство при повышении качества выпускаемой продукции [8]. Увеличение количества отходов стекла во многом связано с возникновением нештатных ситуаций, заканчивающихся аварийным обрывом ленты стекла [9], в результате производство несет убытки. Внедрение новых технологий и техники выполняют при капитальном ремонте производства листового стекла. Это обеспечивает переход производства на новый уровень производительности и обусловливает необходимость систематически повышать квалификацию технологов и операторов.

Перспективным направлением в области обучения и контроля знаний технологического персонала химических предприятий является использование цифровых тренажеров и инструментов Индустрии 4.0 [10, 11].

Для обучения операторов разработан цифровой тренажер. Определены параметры штатных режимов и основные нештатные ситуации, возникающие при формовании ленты стекла флоат-методом в ванне с расплавом олова.

Каждая нештатная ситуация описана как теоретико-множественная модель E = áN, C, I, J, R, Sñ, где N ‒ название аварийной ситуации; C ‒ множество признаков аварийной ситуации; I ‒ множество изображений пульта оператора, отображающих развитие аварийной ситуации с течением времени; J ‒ ванна расплава общего вида; R ‒ множество причин возникновения аварийной ситуации; S ‒ последовательность действий оператора по ликвидации данной аварийной ситуации.

Для облегчения процессов обучения и аттестации операторов формования ленты стекла и упрощения интерфейса цифрового тренажера множество аварийных ситуаций разделено на подмножества (группы). Такое разделение проведено на основе кластерного анализа с использованием пакета прикладных программ NCSS. Получены пять кластеров (групп) нештатных ситуаций (см. таблицу).

Разработаны логико-информационные модели бизнес-процессов в текущем состоянии в нотации Business Process Model and Notation (BPMN) 2.0. На рисунке 1 в нотации BPMN 2.0 показаны логико-информационные модели бизнес-процессов Разработка тестов и Аттестация сотрудников. Представлены исполнители единиц деятельности в этих процессах – Главный технолог, Эксперт-технолог, Администратор комплекса для аттестации, Кадровик, Оператор формования листового стекла. Бизнес-процессы взаимодействуют с БД: 1С.Кадры, АСУТП, База тестов, Результаты обучения. Стартовыми событиями являются Утверждение нового технического регламента, Заверше- ние разработки новых тестов, Прием оператора формования листового стекла на работу, Наступление срока переаттестации сотрудников.

Анализ логико-информационной модели бизнес-процессов показал, что тренажер дол- жен функционировать в трех режимах: Опера- тор, Администратор, Эксперт. Выбор режима осуществляется на основе меню прав выбранного имени пользователя и пароля.

В режиме Оператор предусмотрены обучение операторов и их аттестация. Аттестация проводится двумя способами: по изображению ситуации и ее описанию оператор должен определить название ситуации, причины возникновения (для нештатных) и последовательность действий по переводу процесса в штатный режим или для заданной ситуации определяется последовательность действий конкретного специалиста с учетом синхронизации по времени его действий с действиями других специалистов в данном ТП.

В режиме Администратор осуществляются ведение БД пользователей (обучаемого персонала) и формирование отчетов по аттестации.

В режиме Эксперт заполняется и редактируется БД аварийных ситуаций, возникающих при формовании листового стекла методом флоат-процесса, с учетом изменения регламентов ТП и анализа практического опыта действий по устранению нештатных ситуаций и дефектов.

При разработке ПО цифрового тренажера использована методика MBSE (model-based system engineering), позволяющая выполнять управление требованиями, проектирование, анализ, верификацию и валидацию на протяжении всего жизненного цикла. Методика MBSE реализована в среде визуального моделирования IBM Rhapsody на основе нотаций UML и SysML.

На основе анализа требований определены варианты использования цифрового тренажера для разработки тестов и базы тестов, редактирования тестов, подготовки обучения и тестирования, анализа обучения и тестирования, отчета об обучении и тестировании, разработки базы обучения персонала, обучения оператора, тестирования оператора. С цифровым тренажером взаимодействуют акторы: оператор, эксперт, администратор, ПО 1С.Кадры и АСУТП.

На рисунке 2 показана диаграмма вариантов использования цифрового тренажера для обучения операторов формования листового стекла.

На основе анализа диаграммы вариантов использования разработана структура классовцифрового тренажера: Users ‒ обеспечивает хранение информации о пользователях; Tests ‒ содержит информацию о тестах; Test ‒ подкласс для одного теста; Group ‒ позволяет управлять пользователями; Attestation ‒ обес- печивает процессы обучения и тестирования; Create_test ‒ обеспечивает создание новых тестов. Диаграмма классов показана на рисунке 3. Для каждого пользователя определяются атрибуты: группа, имя, пароль, производство, ТП и режим ТП.

Для группировки ситуаций определены параметры: производство, ТП, режим ТП, группа ситуаций. Каждая нештатная ситуация в кластере описывается следующими характеристиками: название ситуации, множество признаков ситуации, графическое изображение на пульте оператора и общий вид ТП, отображаю- щие развитие этой ситуации во времени, множество причин возникновения этой ситуации, последовательность действий персонала по обработке ситуации с учетом должностных обязанностей.

Структура функциональных подсистем цифрового тренажера представлена на рисунке 4.

Оператор обучается на основе последовательного изучения всех нештатных ситуаций, для каждой из которых демонстрируются пульт оператора и общий вид ТП с развитием ситуации во времени, список причин, признаков ситуации, действий по ее устранению, последовательность действий всех специалистов, участвующих в заданной ситуации, с учетом синхронизации по времени и длительности выполнения каждого действия (https://swsys.ru/ uploaded/image/2024-2/Meshalkin.html).

Тренажер осуществляет аттестацию операторов двумя способами: по изображению ситуации и ее описанию определяются название ситуации, причины возникновения (для нештатных) и последовательность действий по изменению ситуации; для заданной ситуации определяется последовательность действий конкретного специалиста с учетом синхронизации по времени его действий с действиями других специалистов в данном ТП (http://www. swsys.ru/uploaded/image/2024-2/4.jpg).

При предотвращении аварийной ситуации или ликвидации ее последствий важное значе- ние имеет своевременное воздействие на ТП каждого из должностных лиц. Оператор обязан знать последовательность и длительность собственных действий и синхронизировать их с другими специалистами, работающими с данной нештатной ситуацией. Проконтролировать уровень знаний специалиста можно с использованием формы Синхронизация действий. Из списка действий необходимо своевременно выбрать истинные действия в правильной последовательности и в соответствии с должностью.

Цифровой тренажер реализован на языке PascalABC, а для хранения результатов исполь-зована текстовая БД. В системе реализовано дерево развития ситуаций, обеспечивающее дополнительный режим обучения, в котором могут быть объединены несколько последовательных аварийных ситуаций.

Заключение

При производстве листового стекла предъявляются жесткие требования к качеству полу- ченной продукции, при этом оно характеризуется большим количеством нештатных ситуаций. Для управления таким сложным ТП необходимы квалифицированные операторы, которые по характерным признакам могут идентифицировать нештатные ситуации на ранних этапах возникновения, понимать вызывающие их причины, выполнять регламен- тированные действия по их устра- нению.

Обучение и аттестацию операторов стекольного производства обеспечивает предложенный цифровой тренажер. Комплексное применение подходов к созданию тренажера на основе проектирования бизнес-процессов и разработки структуры обеспечения с использованием универсального языка моделирования SysML позволило разработать цифровой тренажер для обучения операторов формования листового стекла действиям в нештатных ситуациях.

Логико-информационные модели бизнес-процессов в программном комплексе Business Studio дают возможность описать взаимодействие участников процесса повышения квали-фикации. Эти модели в нотации BPMN 2.0 стали основой для разработки диаграммы вариантов использования в среде визуального моде- лирования IBM Rhapsody на языке SysML. Структура описания ситуаций ТП формования листового стекла обеспечивает разработку описания ТП варки стекла, его отжига и других процессов, необходимых для обучения персонала. Цифровой тренажер позволяет использовать в качестве обучающего материала анимацию и видеоролики. Это повышает наглядность процесса обучения и улучшает понимание ситуаций, возникающих в различных ТП. Разработанный цифровой тренажер является компонентом внедряемой в настоящее время на предприятии единой информационной системы предприятия. Тренажер обеспечивает возможность его использования для повышения квалификации производственного персонала промышленных объектов аналогичного класса (производство полимерной пленки, линолеума, бумаги и др.).

В процессе подготовки информации об аварийных ситуациях ТП для наполнения БД цифрового тренажера специалисты предприятия решают главную задачу – более полное по- нимание истинных причин возникновения нештатных ситуаций, а значит, и разработку новых, менее затратных способов их устранения. Перспективными направлениями развития цифрового тренажера являются разработка функций экспертной системы реального времени и обеспечение поддержки принятия решений производственным персоналом.

Список литературы

1. Marcano L., Haugen F.A., Sannerud R., Komulainen T. Review of simulator training practices for industrial operators: How can individual simulator training be enabled? Safety Sci., 2019, vol. 115, pp. 414–424. doi: 10.1016/j.ssci.2019.02.019.

2. Meshalkin V.P., Dovì V.G., Bobkov V.I., Belyakov A.V., Butusov O.B. et al. State of the art and research development prospects of energy and resource-efficient environmentally safe chemical process systems engineering. Mendeleev Communications, 2021, vol. 31, no. 5, pp. 593–604. doi: 10.1016/j.mencom.2021.09.003.

3. Фураев Д.Н., Чистякова Т.Б. Компьютерная система для обучения ресурсосберегающему проектированию процессов вторичной переработки нефти // Изв. СПбГТИ(ТУ). 2021. № 59. С. 101–106. doi: 10.36807/1998-9849-2021-59-85-101-106.

4. Koteleva N., Kuznetsov V., Vasileva N. A simulator for educating the digital technologies skills in industry. Part one. Dynamic simulation of technological processes. Appl. Sci., 2021, vol. 11, no. 22, art. 10885. doi: 10.3390/app112210885.

5. Moreland J., Toth K., Fang Y., Block M. et al. Interactive simulators for steel industry safety training. Steel Research Int., 2019, vol. 90, no. 4, art. 1800513. doi: 10.1002/srin.201800513.

6. Жуков И.В., Хабаров М.Д., Харазов В.Г. Компьютерные тренажеры для тестирования и разработки систем усовершенствованного управления технологическим процессом // Изв. СПбГТИ(ТУ). 2017. № 40. С. 111–114.

7. Богомолов Б.Б., Быков Е.Д., Меньшиков В.В., Зубарев А.М. Организационно-технологическое моделирование химико-технологических систем // Теоретические основы химической технологии. 2017. Т. 51. № 2. С. 221–229. doi: 10.1134/S0040579517010043.

8. Han J., Li L., Wang J., Chen Sh., Liu Ch., Li C. Simulation and evaluation of float glass furnace with different electrode positions. J. of the American Ceramic Society, 2022, vol. 105, no. 2, pp. 7097–7110. doi: 10.1111/jace.18700.

9. Петров Д.Ю. Архитектура информационной системы управления жизненным циклом цифрового двойника для непрерывного производства // Изв. СПбГТИ(ТУ). 2021. № 57. C. 98–104.

10. Жуков И.В., Харазов В.Г. Результаты поэтапной модернизации и эксплуатации усовершенствованной системы управления (APC-системы) // Изв. СПбГТИ(ТУ). 2017. № 41. С. 105–112.

11. Hashim A.H.H., Hussein B.N. Role of operator training simulator (OTS) in capability building towards the fourth Industrial Revolution (IR 4.0). IOP Conf. Ser.: Mater. Sci. Eng., 2020, vol. 778, art. 012044. doi: 10.1088/1757-899X/ 778/1/012044.

References

1. Marcano, L., Haugen, F.A., Sannerud, R., Komulainen, T. (2019). ‘Review of simulator training practices for industrial operators: How can individual simulator training be enabled?’, Safety Sci., 115, pp. 414–424. doi: 10.1016/j.ssci.2019.02.019.

2. Meshalkin, V.P., Dovì, V.G., Bobkov, V.I., Belyakov, A.V., Butusov, O.B. et al. (2021) ‘State of the art and research development prospects of energy and resource-efficient environmentally safe chemical process systems engineering’, Mendeleev Communications, 31(5), pp. 593–604. doi: 10.1016/j.mencom.2021.09.003.

3. Furaev, D.N., Chistyakova, T.B. (2021) ‘Computer system for teaching resource-saving design of oil recycling processes’, Bull. of SPSIT(TU), (59), pp. 101–106 (in Russ.). doi: 10.36807/1998-9849-2021-59-85-101-106.

4. Koteleva, N., Kuznetsov, V., Vasileva, N. (2021) ‘A simulator for educating the digital technologies skills in industry. Part one. Dynamic simulation of technological processes’, Appl. Sci., 11(22), art. 10885. doi: 10.3390/app112210885.

5. Moreland, J., Toth, K., Fang, Y., Block, M. et al. (2019) ‘Interactive simulators for steel industry safety training’, Steel Research Int., 90(4), art. 1800513. doi: 10.1002/srin.201800513.

6. Zhukov, I.V., Habarov, M.D., Kharazov, V.G. (2017) ‘Computer simulators for testing and optimization of technological solutions in refining’, Bull. of SPSIT(TU), (40), pp. 111–114 (in Russ.).

7. Bogomolov, B.B., Bykov, E.D., Men’shikov, V.V., Zubarev, A.M. (2017) ‘Organizational and technological modeling of chemical process systems’, Theoretical Foundations of Chemical Eng., 51(2), pp. 238–246 (in Russ.). doi: 10.1134/S0040579517010043.

8. Han, J., Li, L., Wang, J., Chen, Sh., Liu, Ch., Li, C. (2022) ‘Simulation and evaluation of float glass furnace with different electrode positions’, J. of the American Ceramic Society, 105(2), pp. 7097–7110. doi: 10.1111/jace.18700.

9. Petrov, D.Yu. (2021) ‘Architecture of the information system for life cycle management of digital twin for continuous processes’, Bull. of SPSIT(TU), (57), pp. 98–104 (in Russ.).

10. Zhukov, I.V., Kharazov, V.G. (2017) ‘The results of the gradual upgrading and operation of the advanced control system (APC system)’, Bull. of SPSIT(TU), (41), pp. 105–112 (in Russ.).

11. Hashim, A.H.H., Hussein, B.N. (2020) ‘Role of operator training simulator (OTS) in capability building towards the fourth Industrial Revolution (IR 4.0)’, IOP Conf. Ser.: Mater. Sci. Eng., vol. 778, art. 012044. doi: 10.1088/1757-899X/778/1/012044.