Page 9 - Inżynieria & Utrzymanie Ruchu III kwartał 20123

tworników są wysyłane do systemu, a model matematyczny określa, czy stan hydrauliczny rurociągu jest pozbawiony cech anomalnych. Jeżeli anomalie zostają wykryte, system infor- muje o nieprawidłowościach operatora. Pro- ste, ale tylko w teorii. Diabeł, jak zwykle tkwi w szczegółach, a te to wyższa matematyka. – Nasze rozwiązanie czerpie pełnymi garściami z ostatnich osiągnięć uczenia maszynowego. Inspiracją był model GQN, czyli Generative Query Network (GQN) opracowany przez rmę Google. Wypracowany przez nas mo- del neuronowy może podwyższyć czułość detekcji wycieków nawet dziesięciokrotnie – mówi dr Bachorz. Efekty pracy polskich spe- cjalistów okazały się na tyle przełomowe dla uczenia maszynowego, że w Journal of Neural Sciences pojawił się artykuł opisujący model i jego możliwości.
Dobra inspiracja
Model Generative Query Network jest zo- rientowany na przetwarzanie obrazów. Na podstawie meta informacji pochodzących ze zdjęć wybranego przedmiotu wykonanych z różnych stron i perspektyw, algorytm okre- śla, jak obiekt ten wyglądać będzie w zupeł- nie innym ujęciu. Każda obserwacja składa się z dwóch części: obrazu i meta informacji z nim związanych; są to niuanse takie jak orientacja kamery, sposób wykonania zdję- cia, współrzędne kamery, orientacja obiekty- wu, słowem wszystko to, co mówi o tym, jak zdjęcie zostało wykonane. W PSI zainspiro-
Aktualności
NOWOŚCI
Jak wynika z raportu McKinsey, ostatnie pięć lat było kluczowe dla rozwoju sztucznej inteligencji. Od 2017 roku adopcja
SI przyspieszyła i to dwukrotnie, podaje amerykańska firma doradcza (z 20% w 2017 do 50% w 2022).
wano się modelem GQN i przeniesiono go do świata rurociągów, w którym obrazy zostały zastąpione czasowymi pomiarami ciśnienia. – Wytrenowaliśmy model, wprowadzając do niego obserwacje z szeregu czasowego oraz meta informacji dotyczących położenia czuj- nika na rurociągu. Trenowaliśmy sieć w sy- tuacjach niewyciekowych. Algorytm musiał wiedzieć, jak zachowuje się ciecz w standar- dowej, nieanomalnej eksploatacji rurociągu – wyjaśnia szef Działu Zaawansowanej Ana- lityki w PSI Polska.
Skoro trening obywał się w warunkach idealnych, rodzi się pytanie, skąd system wie, że wystąpiła anomalia? – Model zna tylko prawidłowy obraz rurociągu. Każde odstęp- stwo od niej jest sygnalizowane operatorowi jako anomalia – precyzuje ekspert z PSI Pol- ska i dodaje: – Jeżeli czujnik albo kilka zawie- dzie, co może się wydarzyć, model też sobie poradzi. Rekonstrukcja odbywa się na pod- stawie zdobytej wiedzy. Aplikacja identy ku- je zepsuty sensor, a algorytm koryguje jego wskazania. Potencjały rekonstrukcji są wyso- kie, a różnice pomiędzy krzywą rzeczywistą a krzywą predykowaną są znikome – opisuje jeden z twórców. O wysokim poziomie in- nowacyjności projektu PSI Polska świadczy
m.in. do nansowanie projektu przez Naro- dowe Centrum Badań i Rozwoju.
Z potencjałem
Sztuczna inteligencja to gwiazda mediów i przedsiębiorców. Jak wynika z raportu McKinsey, ostatnie pięć lat było kluczowe dla rozwoju tej technologii. Od 2017 roku adop- cja SI przyspieszyła i to dwukrotnie, podaje amerykańska rma doradcza (z 20% w 2017 do 50% w 2022). Rozwiązanie, nad którym pracuje PSI Polska, rozwijane jest od kilku lat, ale dziś ma znaczenie bardziej strategicz- ne niż wtedy, kiedy rodziło się jako pomysł. Do niedawna główną zmorą operatorów ru- rociągów byli złodzieje paliw, obecnie infra- struktura przesyłowa może być potencjalnym celem ataków ze strony wrogich krajów i ich służb. Wdrożenie innowacyjnego systemu de- tekcji i lokalizacji wycieków otwiera zupełnie nowe możliwości w zarządzaniu incydentami. – Jest takie powiedzenie, przypisywane Pete- rowi Druckerowi, że „jeśli nie możesz czegoś zmierzyć, nie możesz tym zarządzać”. Dzisiaj rmy chcą mieć narzędzia do skutecznego za- rządzania. Tym bardziej że infrastruktura kry- tyczna stała się krytycznie ważna – podkreśla dr Rafał Bachorz. n