Оптимизация энергопотребления в ОАО «МАЗ» с помощью IoT-датчиков и нейросетей для предиктивного анализа
https://doi.org/10.35596/1729-7648-2026-32-1-45-50
Аннотация
Энергоемкость машиностроения Беларуси остается высокой – около 250 кВт⋅ч на 1 бел. руб. произведенной продукции, что делает задачу дальнейшего повышения энергоэффективности стратегически важной. ОАО «МАЗ» в первом полугодии 2025 г. достигло показателя энергосбережения 6,9 %. На предприятии по-прежнему отсутствует интегрированная система реального времени, которая анализировала бы данные с датчиков и прогнозировала энергопотребление оборудования для оптимального планирования режимов и снижения пиковых нагрузок. В статье представлена интегрированная модель: IoT-датчики собирают данные о мощности, вибрациях и нагрузке, нейросеть LSTM делает точный прогноз энергопотребления на несколько часов вперед, а интеллектуальный оптимизатор автоматически перераспределяет производственные процессы по выгодным тарифным зонам. Система интегрируется с действующей АСКУЭ МАЗ. В перспективе модель обеспечит снижение энергоемкости до 98,9 кВт⋅ч/бел. руб. при поэтапном внедрении системы в 2026 г., начиная с пилотного проекта во II квартале текущего года и достигая полного эффекта к 2027 г.
Об авторах
Е. И. Полоско
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
Полоско Екатерина Ивановна, ст. преп. каф. экономической информатики
220013, Минск, ул. П. Бровки, 6, Тел.: +375 25 530-89-43
О. Голда
Белорусский государственный университет информатики и радиоэлектроники
Беларусь
Беларусь
канд. экон. наук, доц. каф. программного обеспечения информационных систем
Минск
Список литературы
1. Галькин, Ю. Д. Улучшенная модель двухзатворного JFET для аналоговых интегральных схем / Ю. Д. Галькин, О. В. Дворников, В. А. Чеховский // Доклады БГУИР. 2022. Т. 20, № 3. С. 20–25.
2. Кравченко, О. А. Модификация стохастической модели оптимизации затрат на электроснабжение предприятия / О. А. Кравченко // Вестник БГУ. Серия 1. 2020. № 2. С. 45–52.
3. Вилкина, М. В. Развитие инструментального хозяйства в рамках Индустрии 4.0 / М. В. Вилкина // РИТМ машиностроения. 2022. № 3. С. 30–36.
4. Карпенко, С. М. Прогнозирование электропотребления на горнопромышленных предприятиях с использованием статистических методов / С. М. Карпенко, Н. В. Карпенко, Г. Ю. Безгинов // Горная промышленность. 2022. № 1. С. 82–88. DOI: 10.30686/1609-9192-2022-1-82-88.
5. Боровский, А. В. Модель стохастической электрической нагрузки в жилом секторе с использованием плотности вероятности Вейбулла / А. В. Боровский, А. А. Юменчук // Моделирование, оптимизация и информационные технологии. 2024. Т. 12, № 4. С. 1–18.
6. Hacker, P. S. Range Distance Requirement for Measuring Low and Ultralow Sidelobe Antenna Patterns / P. S. Hacker, H. E. Schrank // IEEE Transactions on Antennas and Propagation. 1982. Vol. AP-30, No 5. P. 956–966.
7. Respiration Rate and Volume Measurements Using Wearable Strain Sensors / M. Chu [et al.] // npj Digital Medicine. 2019. No 2. DOI: 10.1038/s41746-019-0083-3.
8. Wen, L. A Data-Driven Strategy Using Long Short-Term Memory Models and Reinforcement Learning to Predict Building Electricity Consumption / L. Wen, X. Zhou, Y. Yang // Applied Energy. 2022. Vol. 309. DOI: 10.1016/j.apenergy.2021.118437.
9. Stochastic Modelling of Variable Renewables in Long-Term Energy Models: Dataset, Scenario Generation & Quality of Results / P. Seljom [et al.] // Energy. 2021. Vol. 236. DOI: 10.1016/j.energy.2021.121415.
10. Вандер Плас, Дж. Python для сложных задач: наука о данных и машинное обучение / Дж. Вандер Плас; пер. с англ. СПб.: Питер, 2021.
Рецензия
Для цитирования:
Полоско Е.И., Голда О. Оптимизация энергопотребления в ОАО «МАЗ» с помощью IoT-датчиков и нейросетей для предиктивного анализа. Цифровая трансформация. 2026;32(1):45-50. https://doi.org/10.35596/1729-7648-2026-32-1-45-50
For citation:
Polosko E., Holda O. Optimizing Energy Consumption at MAZ Using IoT Sensors and Neural Networks for Predictive Analysis. Digital Transformation. 2026;32(1):45-50. (In Russ.) https://doi.org/10.35596/1729-7648-2026-32-1-45-50
Просмотров:
199
JATS XML
Послать статью по эл. почте 