Моделирование структурно-функциональных аспектов цифровой эксплуатации судовых движительно-рулевых комплексов Azipod с использованием технологий Big Data

В работе представлена архитектура и структурно-функциональная модель диагностической платформы с использованием технологий больших данных Big Data для современных движительно-рулевых комплексов Azipod® фирмы ABB, установленных на морском судне-снабженце. Ключевым трендом в развитии диагностики судовых энергетических установок является их глубокая цифровизация, основанная на интеграции больших данных, интернета вещей, машинного обучения и цифровых двойников, которая формирует принципиально новую концепцию технической эксплуатации. Целью работы является расширение методологических основ диагностики судовых энергетических установок путем обнаружения новых паттернов (в том числе значимых параметров) и формирования правил их интерпретации с применением методов цифровой обработки экспериментальных данных. В работе использовались методы ETL-обработки потоков данных, основанные на принципах Big Data и обеспечивающие высокоскоростной доступ к информации для аналитики и визуализации благодаря этапам очистки, преобразования и обогащения данных с системы мониторинга судовых движительно-рулевых комплексов Azipod®V. На основе анализа элементов и функций исследуемой системы мониторинга представлена возможная архитектура и функциональная модель Big Data, реализованная по принципу «Data Lake» (озеро данных). Их взаимосвязь подобна замкнутому водному циклу в природной экосистеме. В качестве примера в работе представлен блок обработки («умная витрина»), осуществляющий классификацию режимов работы судовых движительно-рулевых комплексов Azipod®V. Классификация выполняется на основе расчёта нового для диагностической практики синтетического параметра локальной внутренней размерности («LOAD INDEX Digital», LID). Этот параметр позволяет идентифицировать различные режимы работы, включая эксплуатацию в ледовых условиях, в рамках обширной и неоднородной выборки данных. Формируемые критерии оценки объектов исследования позволят определить уровень технологического развития элементов СЭУ, необходимый для проектирования и строительства новых судов, а также заложить основу для обновления регламентов и методик освидетельствования, применяемых Морским регистром судоходства РФ. Разрабатываемая диагностическая платформа в рамках цифровой трансформации технической эксплуатации СЭУ представляет собой важный фундамент и практический инструмент для перехода от традиционного судоходства к интеллектуальному и автономному морскому транспорту. This paper presents methodological aspects of creating a diagnostic platform for the digital transformation of the technical operation of marine propulsion systems, using the example of Azipod® V propulsion and steering systems. The development of diagnostic systems for marine propulsion systems is constantly evolving. Currently, intelligent and digital technologies are being used to improve the analysis of the current technical condition, as well as the detection and prediction of malfunctions in marine propulsion systems during operation. The aim of this paper is to expand the methodological foundations of technical diagnostics for marine propulsion and steering systems, based on modern intelligent data processing technologies, including machine learning methods, digital twins, and approaches to managing the lifecycle of machine learning models. The paper utilizes statistical processing and comparative analysis of data from the monitoring system for Azipod® V propulsion and steering systems. The developed criteria for evaluating research objects will help determine the level of technological development of propulsion plant components required for the design and construction of new vessels, as well as lay the foundation for updating the regulations and inspection methods used by the Russian Maritime Register of Shipping. The diagnostic platform being developed as part of the digital transformation of propulsion plant technical operation represents an important foundation and practical tool for the transition from traditional shipping to intelligent and autonomous maritime transport.