Индустрия 4.0

Последнее слово останется за человеком

Предсказательная аналитика эффективный инструмент, но не волшебная палочка и не панацея от всех проблем.
25 апреля 2019

Современные возможности ИТ позволяют создавать на основе методов искусственного интеллекта системы, способные прогнозировать работу промышленного оборудования в определенной временной перспективе. В целом достаточно консервативный российский рынок встретил новый цифровой инструмент с осторожностью. Пока системы предиктивной аналитики в России внедряются в основном энергетическими, химическими, нефтегазовыми и металлургическими компаниями. Безусловно, это ИИ-решение гораздо более понятно для предприятий с непрерывным производственным циклом. Тем не менее, потребность в прогнозировании технологических процессов, аварийных ситуаций, внеплановых отказов оборудования есть и у дискретных производств.

«Умпро» провел опрос по теме «Предиктивная аналитика в промышленности». Мы предложили нашим экспертам следующие вопросы и тезисы:

  1. Какие системы предиктивной аналитики (отечественные и зарубежные), применяемые сегодня на предприятиях промышленности и в энергетическом секторе, являются, на ваш взгляд, наиболее эффективными? В чем состоят их преимущества?
  2. Перечислите системы предиктивной аналитики или компоненты систем, которые предлагает внедрять ваша компания или которые используются на вашем предприятии.
  3. Сегодняшний тренд — переход от аварийных ремонтов оборудования к реальному ремонту по состоянию. Какой объём данных необходимо собирать с промышленного оборудования для эффективного контроля его состояния? Откуда осуществлять сбор данных (датчики, контроллеры, системы ЧПУ)? Достаточно ли нескольких десятков показателей или же следует собирать исключительно большие данные?
  4. Как практически решить задачу перехода от системы мониторинга промышленного оборудования на более совершенную систему предиктивной аналитики? Целесообразность, цена, базовые требования к ИТ-инфраструктуре.
  5. Пожалуйста, вкратце расскажите о том, как в вашей компании поставлен сбор информации с оборудования для ее дальнейшего анализа и выстраивания трендов. Откуда собираются данные? Есть ли, на ваш взгляд, смысл в сборе информации с аналогового оборудования, и каким образом это можно осуществить?
  6. Интеллектуальная система предиктивной аналитики — это возможность предугадать и предотвратить серьезную техногенную аварию, но в то же время это уязвимое место с точки зрения кибербезопасности. Как здесь можно минимизировать риски?
  7. Каким образом ваша компания использует предиктивную аналитику как средство повышения эффективности производственных процессов в целом? Каков получаемый эффект ее применения? Рассматриваете ли вы использование системы предиктивной аналитики как подготовительный этап перед полноценным внедрением «Цифрового двойника»?

На наши вопросы ответили технический директор продукта компании «Цифра» АИС «Диспетчер» Сергей Чуранов, руководитель отдела технического консалтинга ООО «СКФ» Александр Назаренко, технический директор ООО «Ассоциация ВАСТ» Сергей Хвостиченко.

 

Сергей Чуранов: Для предиктивной аналитики станка с ЧПУ может потребоваться гораздо больше параметров, чем для газовой турбины

— Прогнозирование дальнейшего развития событий, влияние на управленческие решения интересовало людей во все времена. Но именно сегодня появились благоприятные условия для выведения проблем прогнозирования на совершенно иной, ранее недостижимый, уровень. Теперь есть возможность получать от промышленного оборудования большие объемы данных в реальном времени. При этом стали повсеместно доступны относительно недорогие интеллектуальные вычислительные системы и средства для обработки и анализа этих данных.

По прогнозам экспертов, мировой рынок систем для предиктивного анализа будет расти ежегодно от 15 до 20%. В числе ключевых игроков на нем — General Electric, Siemens, ABB, Emerson, IBM, SAS, Schneider Electric и др.

Сегодня системы предиктивной аналитики начинают использоваться и на российских промышленных предприятиях. В первую очередь там, где выход из строя оборудования влечет существенные финансовые потери и угрожает безопасности.

Самые, на мой взгляд, сильные из российских разработчиков и поставщиков систем — компании «Ротек», Datadvance, Сlover Group и «Цифра».

«Ротек» с 2013 года поставляет программно-технический комплекс предиктивной аналитики «ПРАНА», который используется в энергетическом секторе, а в последнее время также на химических и нефтехимических предприятиях. Российская компания «Clover Group» реализует важные и амбициозные проекты по предиктивному анализу состояния локомотивов: «Умный локомотив» и «Цифровая диспетчерская».

Разработка систем предиктивной аналитики для технологического оборудования дискретного производства, в том числе для станков с ЧПУ, ведется не столь активно. В этом сегменте один из лидеров — Siemens. Созданная им на базе платформы MindSphere система предоставляет возможности для мониторинга и предиктивной диагностики станков с ЧПУ с использованием подсистемы CMS X Tools и приложения ManageMyMachines.

Но таких примеров очень мало. И причина этого понятна. Финансовые потери при остановке работы, например, энергетического оборудования в десятки раз превосходят потери при остановке даже дорогостоящего станка с ЧПУ. Высокая критичность неполадок в работе энергосистем естественным образом позволяет поставщикам средств диагностики и прогнозирования продавать свои системы предиктивной аналитики по весьма высоким ценам, что делает такие продукты едва ли доступными для широкого применения в промышленности.

В то же время трудоемкость создания цифровой модели станка с ЧПУ не меньшая, а иногда и большая, чем для паровой или газовой турбины. Станок с ЧПУ работает в разных режимах, с изменяющейся нагрузкой, для него требуется учитывать также и человеческий фактор.

В результате системы предиктивной аналитики, разработанные для энергетики и других непрерывных производств и имеющие высокую стоимость, практически не внедряются в дискретном производстве.

Но на нескольких российских предприятиях, эксплуатирующих станки с ЧПУ, методы предиктивной аналитики все же используются. На самарском «РКЦ Прогресс» уже много лет проводится обслуживание оборудования «по состоянию», то есть, на основе результатов виброконтроля и других методов технической диагностики. Руководит техническими службами на предприятии начальник технического центра Владимир Писарев, который сумел на основе существующих лучших методик создать эффективную систему обслуживания оборудования. Более того, под его руководством на предприятии ежегодно проводятся технические конференции по современным методам ТО и Р станков с ЧПУ, где специалисты предприятий Роскосмоса повышают свою квалификацию.

— Разработки систем предиктивной аналитики в компании «Цифра» ведутся в нескольких направлениях.

Наше подразделение разрабатывает систему мониторинга АИС «Диспетчер», которая ориентирована в основном на дискретное производство и работу со станками с ЧПУ. В этом направлении мы и развиваем методы и средства предиктивной аналитики. В частности, сейчас разрабатывается модуль «Техническая диагностика», который станет составной частью подсистемы «Управления простоями», входящей в состав АИС «Диспетчер». Возможности обновленной подсистемы максимально учитывают особенности оборудования дискретного производства, что позволяет сделать целевой продукт доступным по стоимости для широкого круга предприятий, применяющих такое производственное оборудование.

— Если говорить о станке с ЧПУ, то в нем можно выделить около 20 функциональных узлов. В них входят блоки и детали, надежность которых требуется контролировать. Кроме того, необходимо контролировать точность станка, которая зависит от фактического износа тех или иных функциональных узлов. Мы видим, что объём данных, которые необходимо собирать со станка, может быть очень большим. Например, при прямом подключении к УЧПУ Fanuc только для привода подач одной координаты станка предлагается контролировать более 30 параметров.

Специалисты говорят, что для предиктивной аналитики локомотива требуется контролировать около 300 параметров, для газовой турбины — около 500.

Но для станка с ЧПУ параметров может быть даже больше, чем для газовой турбины. Следовательно, предполагаемая стоимость системы контроля вполне может быть сопоставима со стоимостью подобных систем в энергетике. При таких ценах на предиктивную аналитику лишь немногие машиностроительные предприятия могут позволить себе подобную «роскошь» даже ради ожидаемой экономии затрат.

Что же делать в этом случае? В своем модуле «Техническая диагностика» мы предлагаем следующее.

  • При эксплуатации оборудования учитывать виды дефектов, представляющие наибольшую опасность для его функционирования. Собирается статистика наиболее частых отказов и поломок с классификацией по узлам и деталям, проводится анализ изменений точностных характеристик. Перечень дефектов может меняться по мере увеличения общей наработки станка.
  • Определять объекты диагностики — узлы, блоки или детали станка, которые наиболее часто выходят из строя и подлежат контролю. Для каждого такого объекта определяются диагностические параметры, характеризующие его техническое состояние. Для каждого диагностического параметра задаются три пороговых значения Норма, Предупреждение и Авария. При выборе параметров предпочтение отдается тем, которые в большей степени зависят от дефектов и в меньшей — от режимов и условий работы, а также позволяют обнаруживать дефекты на стадии их зарождения.

Таким образом, мы значительно сокращаем объем данных, необходимых для проведения предиктивной аналитики станков с ЧПУ, и соответственно уменьшаем стоимость системы контроля.

— Наша система АИС Диспетчер развивается именно в этом направлении.

Мониторинг состояний, безусловно, остается, но он расширяется и углубляется. Изменяется аналитика, построенная на данных мониторинга. Мы начинали с описательной аналитики, с отчетов о состоянии оборудования. Диагностическая или динамическая аналитика предоставляет более углубленную информацию типа «почему что-то произошло». Например, в третью смену не выполнен план в цехе Х по причине простоя станка У по вине оператора Z.

Следующий уровень развития — предиктивная аналитика. Этот этап для нас значительно более сложный, но не заключительный. В перспективе у нас есть еще и предписывающая аналитика, где система мониторинга подсказывает, что требуется сделать.

Однако я надеюсь, что последнее слово в принятии управленческих решений даже на таких продвинутых уровнях окажется не за компьютером или роботом, а за человеком. И это не противоречит ни общей тенденции, ни пути, по которому мы постоянно движемся в своих разработках. Целесообразность такого развития аналитики очевидна. Это еще один фактор прогресса. Мы видим, как стремительно развиваются интернет вещей, методы искусственного интеллекта. И тот, кто не желает развиваться в этих областях, неизбежно отстанет.

— Как в модуле «Техническая диагностика» осуществляется сбор данных?

Сбор и обработка диагностических параметров, характеризующих техническое состояние оборудования выполняется различными способами: от УЧПУ станка при подключении по прямому протоколу, от стационарных приборов и датчиков, которые дополнительно устанавливаются на оборудовании, а также, используя переносные диагностические приборы.

Для контроля работоспособности механических узлов (шпиндель, ШВП и др.) и деталей, входящих в их состав, используются, как правило, стационарные приборы вибродиагностики от отечественных и зарубежных производителей: IFM (Германия), SKF (Швеция), российские ВАСТ (Санкт-Петербург), Диамех (Москва) и другие. Для диагностики по параметрам точности применяются переносные приборы, например, Ballbar QC10, QC20W фирмы Renishaw. Для переносных приборов измеренные данные могут вводиться в систему различными способами: ручной ввод, загрузка файла с результатами измерений и пр.

Во всех случаях в системе фиксируются результаты измерений, выполняется прогнозирование надежности и остаточного ресурса узлов оборудования. Для этого используется мониторинговый или диагностический методы. В первом случае в системе создаются тренды изменения диагностических параметров, формируется прогноз изменения трендов, и на базе этого прогнозируется время достижения диагностическими параметрами порогов «Предупреждение» и «Авария». При диагностическом методе интеллектуальное устройство контроля (стационарное или переносное) самостоятельно выполняет анализ измеренных диагностических параметров и передает в систему контроля время до начала события «Предупреждение» или «Авария» в машинных часах. С использованием данных об остаточном ресурсе оборудования формируется план проведения работ по ТОиР по фактическому состоянию.

— Это очень серьезный вопрос. Возможно, первостепенный при переходе промышленных предприятий на цифровое производство.

При разработке новых продуктов специалисты компании «Цифра» осознают эти риски. Мы сотрудничаем с предприятиями, профессионально занимающимися информационной безопасностью, например, с «Лабораторией Касперского».

— Надо сказать, предсказательная аналитика — не волшебная палочка и не панацея от всех производственных проблем. Само определение «предсказательная» говорит лишь о выявлении определенной вероятности наступления предсказанных событий. Прогноз погоды — это тоже предиктивная аналитика. В этом направлении работают уже не десятки, а сотни лет, и все равно некоторые прогнозы оказываются ошибочными.

При правильной организации работ предиктивная аналитика позволит решить следующие задачи:

  • Прогнозирование производства продукции и потребления энергетических и других производственных ресурсов
  • Прогнозирование отказов оборудования и переход к обслуживанию оборудования по состоянию
  • Анализ и прогнозирование качества продукции.

Но и это только часть задач, которые будут решены при переходе промышленных предприятий на цифровое производство.

Фактор «Цифрового двойника», несомненно, будет учитываться при разработках будущих версий нашей системы. Однако следует понимать, что проектирование и развитие, не говоря уже об эксплуатации «Цифрового двойника» на предприятии,
связано с масштабным исследованием различных аспектов и проблем производства.

 

Александр Назаренко: есть проблема дефицита данных для полноценной предиктивной аналитики и точного определения остаточного ресурса оборудования

— Задача предиктивной аналитики, как её видят производство и службы ТОиР, состоит в как можно более точном предсказании остаточного ресурса оборудования. В этом смысле, к сожалению, эффективность применяемых сегодня систем предиктивной аналитики оставляет желать лучшего.

— Сейчас в промышленности происходит ряд глобальных процессов, связанных с серьёзным изменением принципов производства и внедрением элементов Индустрии 4.0.

Системам диагностики в рамках этих концепций отведена важная роль. Оборудование за счёт встроенных систем полностью автоматической диагностики должно уметь оценивать своё техническое состояние и сообщать о проблемах в систему управления активами предприятия (ERP). Выявление рисков, дефектов оборудования (вплоть до его конкретных узлов), оценка остаточного ресурса, формирование предписаний по эксплуатации и техническому обслуживанию — всё это должно осуществляться без участия людей.

Понятно, что такие требования
серьёзно меняют подход к организации обработки данных системами оценки технического состояния промышленного оборудования. Старые методы, ориентированные на экспертное сообщество, не соответствуют требованиям нового времени.

В коллаборации с нашим ИТ-партнёром мы разработали и предлагаем к внедрению систему автоматической диагностики, построенную на принципах многопараметрического анализа сигналов вибрации, формирования многомерного пространства признаков, построения математической модели агрегата (приближающейся к понятию «цифровой двойник») и «методов машинного обучения» для каждого конкретного агрегата данной кинематической схемы. Активно применяются известные методы цифровой обработки сигналов –вейвлетный анализ, формирование базисных функций под задачи поиска информативных признаков технического состояния оборудования, машинное обучение на основе нейронных сетей (Machine Learning, ML) и алгоритмы нечёткой логики (Fuzzy Logic).

— Безусловно, параметры технологического процесса могли бы стать дополнительными информативными признаками, способными увеличить «сходимость» диагностической модели. Важнейшую информацию несут также накопленные статистические данные по ТОиР.

Но зачастую производственные процессы на наших предприятиях построены таким образом, что на путях получения необходимых данных стоят «серьёзные» барьеры. Приведём всего несколько примеров. Службы внутренней безопасности не позволяют иметь систему мониторинга состояния, интегрированную в LAN-сеть предприятия, таким образом, обмен данными с АСУТП и датчиками КИПиА становится затруднительным. Производители контролеров и систем ЧПУ неохотно открывают доступ к данным, защищая свою интеллектуальную собственность.

Несмотря на то, что на многих предприятиях заявляют о внедрении у них систем ЕАМ, МЕS, CMSS, PI, информация, которая была бы полезна для более точного предсказания остаточного ресурса (данные о наработке агрегата, статистика по MTBF и MTBR), там либо не собирается, либо недоступна.

— Техническая возможность для воплощения систем технической диагностики и управления эксплуатацией и обслуживанием сложного оборудования в виде полностью автоматического сервиса появилась относительно недавно. Благодаря достижениям в области информационных технологий созданы эффективные облачные системы хранения и обработки информации и быстрые беспроводные каналы передачи больших данных.

Современная система автоматической диагностики использует математический аппарат, который может быть реализован только на мощных серверах. Система принятия решений, способная эффективно решать задачи диагностики и постоянно обучаться на непрерывно накапливаемых данных, может уверенно функционировать только как облачный сервис.
Персональный компьютер (ПК) в офисе диагноста исчерпал в этом смысле свои возможности.

Цифровые диагностические модели реализуются на удалённых серверах (в ЦОДах). Пользователь имеет доступ к результатам диагностики в выделенном кабинете в сети интернет. Естественно, как и весь технический прогресс, цифровые технологии направлены на повышение производительности труда и снижение затрат, и, как следствие, удешевление услуг.

Уже ни у кого не вызывает вопросов удобство и экономичность пользования сетевыми программами типа CRM, и даже ERP, вместо покупки дорогостоящих лицензий на владение ПО и реализации их на собственных компьютерах и взращивание собственных ИТ-специалистов.

В этом смысле потребителю систем диагностики нового поколения ещё предстоит преодолеть психологический барьер, связанный с доверием к автоматической диагностике, выполняемой удалённо с помощью искусственного интеллекта и с тем, что данные больше не хранятся на его ПК.

— К сожалению, как уже упоминалось выше, данные, использование которых могло бы ещё повысить качество прогнозов, — недоступны! При всём том, что все стремятся к созданию, а многие уже заявляют о создании «экосистем», на самом деле мы не видим реально интегрированных систем управления техническим обслуживанием и ремонтом в систему управления производством.

В этой ситуации приходится строить диагностические модели только на данных, получаемых от датчиков вибрации или генерируемых (эмулируемых) самой диагностической моделью.

При этом наша система полностью открыта и готова к интеграции с внешними системами по любым стандартным протоколам обмена, в том числе для работы с данными в аналоговом виде.

— Надо понимать, что системы предиктивной диагностики действительно дают возможность предвидеть развитие событий в направлении возможной техногенной катастрофы. Но они не могут предотвратить техногенную аварию. Для того, чтобы вовремя остановить критичный агрегат, существуют системы защитного вибромониторинга.

Законченная система предиктивной диагностики помимо раннего обнаружения неисправности способна определить причину возникновения этой неисправности. Это инструмент служб ТОиР для организации и планирования своей деятельности, направленной на предупреждение неисправностей, то есть на устранение причин возникновения неисправностей или снижение влияния этих причин на состояние агрегата.

Что касается кибербезопасности, можно сказать, что это исключительно технический вопрос. В настоящее время нет необходимости разрабатывать какие-то новые средства кибербезопасности под задачи вибродиагностики. Все необходимые для этого инструменты уже созданы. С помощью них эффективно функционируют системы банковских платежей и системы обмена закрытой информацией.

— Компания SKF — один из старейших и крупнейших игроков на рынке систем вибромониторинга и вибродиагностики. Мы предлагаем своим заказчикам услуги по удалённому мониторингу и диагностике, с использованием описанных выше моделей автоматической диагностики. Что, по нашему мнению, наиболее ценно для наших клиентов, так это наши экспертные знания в области узлов вращения.

 

Сергей Хвостиченко: Главная цель диагностики — не доводить оборудование до предаварийного состояния

— «Ассоциация ВАСТ» предлагает технологии для комплексной оценки состояния вращающегося (роторного) оборудования, включающие совокупность аппаратных и программных средств предиктивной аналитики технического состояния объектов контроля.

Данные технологии позволяют:

  • своевременно предотвращать аварийные отказы и затраты на устранение последствий аварий;
  • повысить ресурс и надежность оборудования, продлить межремонтный период и срок службы;
  • технически обоснованно спланировать сроки и содержание ремонтных и наладочных работ;
  • планировать сроки приобретения запасных частей по мере их необходимости;
  • сократить потребность в запасных частях, материалах и их запасах на складе;
  • увеличить производительность оборудования, что увеличит объем выпуска и качество производимой продукции.

Оценка состояния оборудования производится непосредственно во время его эксплуатации с применением методов вибрационной диагностики и диагностики по току.

Комплекс программно-аппаратных средств диагностики может быть использован как автономная система или интегрирован как подсистема в АСУ ТОиР.

— Ответ на этот вопрос дать несколько затруднительно. Все зависит от применяемых методов диагностики и от терминологии. Например, для диагностики используют спектральный анализ. Спектр — это один элемент в наборе данных, или нужно учитывать каждую спектральную составляющую?

Тем не менее, для эффективного контроля состояния оборудования необходимо собирать достаточно большой объем данных, который определяется кинематической схемой и диагностической моделью объекта контроля. Соответственно, необходимо получать информацию и от установленных датчиков, и от контроллеров ЧПУ.

В настоящее время методы диагностики применяют локальные данные с учетом истории их изменения. Технологии предиктивного анализа технического состояния оборудования с использованием больших данных еще не отработаны.

— Перестроение системы мониторинга промышленного оборудования на более совершенную систему предиктивной аналитики в первую очередь требует перестроения процессов управления эксплуатацией оборудования. Если информация о состоянии оборудования не будет учитываться при планировании ТОиР, то никакие самые совершенные методы диагностики не дадут ожидаемого результата.

Целесообразность перестроения системы мониторинга состояния оборудования должна определяться на основе технико-экономического анализа эффективности внедрения решений. Причем для разных предприятий определяющие факторы модернизации могут существенно отличаться. Например, для кого-то главным критерием является обеспечение безаварийной эксплуатации, для кого-то — повышение энергоэффективности, для кого-то — предотвращение брака выпускаемой продукции и т.д.

Исходя из результатов технико-экономического анализа определяются цена решения и минимальные требования к ИТ-инфраструктуре. Наш опыт показывает, что внедрение передовых методов диагностики оборудования можно осуществлять поэтапно, последовательно расширяя номенклатуру и количество диагностируемого оборудования, меняя модели диагностического обслуживания, переходя от периодической диагностики с помощью переносных систем к использованию стационарных систем мониторинга и диагностики с расширенными возможностями.

Единственное обязательное требование к ИТ-инфраструктуре — это обеспечение сетевого доступа с достаточной пропускной способностью передачи данных.

— Первичные преобразователи (датчики вибрации, тока, частоты вращения) устанавливаются непосредственно на объекте контроля. Как правило, их установка не требует вмешательства в конструкцию и возможна без согласования с производителем оборудования.

Места установки датчиков определяются в соответствии с требованиями стандартов по вибрационным методам диагностики и контроля состояния машин. Иногда требуется проведение исследований для определения целесообразных мест установки датчиков, но для большинства машин эти места давно известны.

Аналоговые сигналы первичных преобразователей по кабельным линиям связи передаются в измерительные блоки, где оцифровываются и проходят первичную обработку для последующей передачи результатов измерений в информационно-аналитические системы. Длина аналоговых линий передачи данных измерений должна быть по возможности минимальной, чтобы снизить влияние помех.

Современное состояние электроники позволяет изготавливать компактные измерительные блоки, которые можно устанавливать непосредственно на объекте. Тогда использование данных аналогового оборудования становится стандартной задачей по преобразованию в цифровую форму с последующей передачей для обработки.

Целесообразность использования аналоговых данных определяется диагностической моделью и техническими характеристиками источников этих данных. В нашей практике были случаи, когда мы были вынуждены устанавливать датчики даже тех параметров, которые уже контролировались производителем оборудования. Причиной являлись более высокие требования, предъявляемые к первичному преобразователю (расширенный частотный диапазон, более низкий уровень собственных шумов, более высокая точность измерений и т.д.)

— Вопросы обеспечения кибербезопасности — отдельная серьезная тема. Для минимизации рисков необходимо применять стандартные методы, включающие использование сертифицированных операционных систем и СУБД, систем разграничения доступа, а также закрытых протоколов передачи данных, изоляцию наиболее критичных сегментов информационных систем и т.д. Некоторым смягчающим обстоятельством является то, что современные методы диагностики позволяют определять дефекты на ранних стадиях их возникновения и контролировать их развитие. Поэтому фактически результаты диагностики многократно перепроверяются, прежде чем по ним будет принято управленческое решение. Ведь главная цель диагностики — не доводить оборудование до предаварийного состояния, а за счет правильного и своевременного технического обслуживания обеспечивать его работоспособность.

 

P.S. Мы продолжим тему, посвященную системам предиктивной аналитики в промышленности. Следите за публикациями на нашем сайте и в социальных сетях. Принимайте участие в нашем опросе, делитесь своими знаниями и опытом.

 

Cистемы диагностики и прогнозной аналитики играют важную роль в цифровизации предприятий

Сергей Чуранов,технический директор продукта компании «Цифра» АИС «Диспетчер»

IIOT-W~1

Александр Назаренко, руководитель отдела технического консалтинга ООО «СКФ»

При правильной организации работ предиктивная аналитика позволит решить целый ряд производственных задач

 

Сергей Хвостиченко, технический директор ООО «Ассоциация ВАСТ»

3D-визуализация температурных полей опорно-упорного подшипника паровой турбины в системе предиктивной аналитики ПРАНА