Петровский А.В., Котенко И.В., Абдо А.Х.

ПРЕДИКТИВНАЯ АНАЛИТИКА ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ С ИСПОЛЬЗОВАНИЕМ ЦИФРОВЫХ ДВОЙНИКОВ

Резюме: Цифровые двойники становятся универсальным инструментом в области интеллектуальной предиктивной аналитики, позволяя производителям и системным интеграторам более эффективно моделировать, анализировать и прогнозировать происходящие процессы, что способствует улучшению качества принимаемых решений для их оптимизации. В статье рассматриваются методы обеспечения устойчиво-продолжительной производственной эксплуатации на примере многофазной нефтегазовой поточной установки с помощью решений, базирующихся на анализе и обучения на данных для реализации прогнозирования эксплуатационных характеристик исследуемой установки. Цель работы состоит в обеспечении устойчивости производственного процесса, которая достигается с помощью алгоритмов машинного обучения. Сравнительный анализ задействованных алгоритмов выявил преимущества Случайного Леса, обеспечивающего наилучшие прогностические показатели.

Ключевые слова: интеллектуальный анализ данных, профилактическое обслуживание, остаточный ресурс эксплуатации.

A.V. Petrovski, I.V. Kotenko, A.H. Abdo

IMPLEMENTATION OF PREDICTIVE ANALYTICS OF PRODUCTION PROCESSES USING DIGITAL TWINS

 Summary: Digital twins are becoming a universal tool in the field of intelligent predictive analytics, allowing manufacturers and system integrators to model more accurately, analyze and predict ongoing processes, contributing thereby to improving the quality of decisions made whilst optimizing industrial operations. This paper considers methods for ensuring stable and long-term operation of a multiphase flow facility using solutions based on data-centric modelling and learning. In the context of the ongoing research, digital twins are used as intelligent tools for predicting the operational characteristics of the facility under study. The aim of the work is to ensure the sustainability of the production process, which is achieved through the intelligent analysis of plant monitoring data conducted using machine learning algorithms. A comparative analysis of the algorithms involved revealed the advantages of a Random Forest, which provides the best predictive indicators.

Keywords: intelligent data analysis, predictive maintenance, remaining useful life.

DOI: 10.34219/2078-8320-2025-16-3-105-112