Система керування жомосушильним комплексом з підсистемою підтримки прийняття рішень

Abstract

У дисертаційній роботі розв’язано науково-прикладну задачу підвищення ефективності керування процесом сушіння жому в умовах інерційності технологічного процесу, змінності характеристик сировини та відсутності засобів безперервного прямого вимірювання вихідної вологості. У роботі проведено аналіз жомосушильного комплексу як об’єкта керування та досліджено особливості тепломасообмінних процесів, транспортних запізнень, інерційності та нелінійних залежностей між технологічними параметрами. Показано, що існуючі підходи до контролю вологості жому характеризуються значними часовими затримками та не забезпечують оперативного керування процесом сушіння. Обґрунтовано доцільність використання підходів, що базуються на аналізі виробничих даних. Розроблено методику підготовки технологічних даних, яка включає їх збір, очищення, структуризацію та формування розширеного простору ознак з урахуванням часових залежностей процесу. Розроблено каскадну модель прогнозування технологічних параметрів на основі методів машинного навчання, у якій на першому етапі здійснюється прогнозування температури на виході сушильного барабана, а на другому — прогнозування вологості жому з використанням отриманого прогнозу температури. Проведено аналіз важливості ознак та оцінено точність моделей за показниками MAE, RMSE та коефіцієнтом детермінації, що підтвердило можливість їх практичного використання. Для формування керуючих рекомендацій розроблено підсистему підтримки прийняття рішень на основі нечіткої логіки, яка використовує прогнозовані значення температури та вологості для визначення рекомендованої подачі жому до сушильного барабана. Запропоновано структуру системи керування жомосушильним комплексом із інтеграцією підсистеми підтримки прийняття рішень у промислову інфраструктуру підприємства. Реалізовано взаємодію між PLC, Node-RED, InfluxDB, Grafana, аналітичним модулем Python та SCADA-системою, що забезпечує збір, архівування, прогнозування, формування рекомендацій та їх відображення оператору. Запропонована система реалізує принцип випереджувального керування та концепцію «оператор у контурі», що дозволяє підвищити обґрунтованість прийняття рішень без втручання у базові контури автоматичного регулювання. Результати експериментальних досліджень на реальних виробничих даних показали, що прогнозування з горизонтом до 30 хв є достатнім для практичного використання та дозволяє підвищити стабільність технологічних параметрів, якість готового продукту та знизити питомі витрати енергетичних ресурсів. Одержані результати можуть бути використані при модернізації існуючих систем автоматизованого керування сушильними комплексами та в інших інерційних технологічних процесах з обмеженою вимірюваністю вихідних параметрів.The dissertation solves the scientific and applied problem of improving the efficiency of automated control of the beet pulp drying process under conditions of process inertia, variability of raw material characteristics, and the absence of continuous direct measurement of the output moisture content. The study analyzes the beet pulp drying complex as a control object and investigates the features of heat and mass transfer processes, transport delays, inertia, and nonlinear relationships between technological parameters. It is shown that existing approaches to moisture control are characterized by significant time delays and do not provide effective real-time control of the drying process. The feasibility of using approaches based on industrial data analysis is substantiated. A methodology for technological data preparation has been developed, including data collection, cleaning, structuring, and the formation of an extended feature space considering the temporal dependencies of the process. A cascade forecasting model of technological parameters based on machine learning methods has been developed. At the first stage, the model predicts the outlet temperature of the drying drum, while at the second stage it predicts beet pulp moisture using the obtained temperature forecast. Feature importance analysis was performed, and the model accuracy was evaluated using MAE, RMSE, and the coefficient of determination, confirming the possibility of practical application. A decision support subsystem based on fuzzy logic has been developed to generate control recommendations using forecasted temperature and moisture values in order to determine the recommended beet pulp feed rate to the drying drum. The structure of an automated control system for the beet pulp drying complex with integration of the decision support subsystem into the industrial infrastructure of the enterprise has been proposed. Interaction between PLC, Node-RED, InfluxDB, Grafana, the Python analytical module, and the SCADA system has been implemented, providing data acquisition, archiving, forecasting, recommendation generation, and visualization for the operator. The proposed system implements the principle of predictive control and the “operator-in-the-loop” concept, which improves the validity of decision-making without interfering with the basic automatic control loops. The results of experimental studies based on real industrial data showed that forecasting with a prediction horizon of up to 30 minutes is sufficient for practical application and allows improving the stability of technological parameters, product quality, and reducing specific energy consumption. The obtained results can be used for modernization of existing automated control systems for drying complexes, as well as in other inertial technological processes with limited measurability of output parameters.