OpenTalks.AI - Андрей Устюжанин, Активное обучение цифровых двойников для превентивного устранения причин отказов сложных систем

Transcript

1. Активное обучение цифровых двойников для превентивного устранения причин отказов сложных систем 14 Февраля 2019 В. Белавин1, К. Арзыматов1, М. Карпов1, А. Неволин2, А. Сапронов1, А. Устюжанин1 1 - НИУ ВШЭ 2 - ЯДРО При поддержке Министерства науки и высшего образования РФ, Федеральная целевая программа, проект RFMEFI58117X0023
2. Цифровые двойники (ЦД) “Реальность” Симулятор «реальности» ЦД-1 ЦД-2 Параметры конфигурации A, B, C Наблюдаемые параметры Параметры управления Андрей Устюжанин 2 Начальные значения
3. Преимущества и вызовы ▌ Преимущества › Снижение затрат на поддержку сложных технических процессов /агрегатов (ремонт и производство) › Повышение точности › Ускорение процессов ▌ Вызовы › Критерии соответствия модели реальности? › Настройка конфигурационных параметров? › Методы оптимизации? Андрей Устюжанин 3
4. Роль Машинного Интеллекта (МИ) Андрей Устюжанин 4 ▌ Распознавание / предсказание поведения реальной системы по реальным данным ▌ Распознавание / предсказание поведения реальной системы по данным симулятора ▌ … по смеси данных реальной системы и ее симулятора ▌ Повышение качества (реалистичности) данных симулятора
5. Вызовы для исследователей МИ ▌ Выход за пределы традиционных «обучающая»/»тестовая» выборки ▌ Выход за пределы предположения о независимости и идентичности примеров (iid assumption) › Способы обучения › Способы оценки обученных алгоритмов Андрей Устюжанин 5
6. Yoshua Bengio 6 www.iro.umontreal.ca/~bengioy/talks
7. Иллюстративный пример Андрей Устюжанин 7 Простой дифф. ур. Параметры конфигурации A, B, C Начальные значения
8. Гибридный симулятор Андрей Устюжанин 8 Простой дифф. ур. Параметры конфигурации A, B, C Начальные значения
9. Аппроксимация, proof of the concept Андрей Устюжанин 9
10. Мониторинг Состояния СХД Андрей Устюжанин 10
11. Предсказание сбоев Андрей Устюжанин 11 Простой симулятор СХД Параметры конфигурации A, B, C Начальные значения Алгоритм предсказания сбоев (аномалий)
12. Параметры ▌ Наблюдаемые › traffic [GBs-1]; › CPU load [%]; › used space [GB]; › average read/write speed [GBs-1] › amount of data transferred in read/write mode [GB] › number of read/write requests per unit of time [ms-1] › read/write requests response time [ms]; › read/write requests processing time [ms]; Андрей Устюжанин 12 ▌ Управляемые › storage read speed [GBs-1]; › storage write speed [GBs-1]; › storage controllers effective processing power [GFLOPS]; › PCIe fabric controller effective processing power [GFLOPS]; › drive enclosures effective processing power [GFLOPS]; › link bandwidth [GBs-1]; › link latency [ms-1]
13. Коррекция симулятора Андрей Устюжанин 13 Коррекция параметров симулятора методами обучения с подкреплением (DDPG)
14. Метрика Андрей Устюжанин 14
15. Проверка Диапазоны выбора параметров нагрузки для обучения и проверки работы симулятора Андрей Устюжанин 15
16. Результаты Андрей Устюжанин 16 Training stage Evaluation stage
17. Результаты, Rt Андрей Устюжанин 17
18. Другие применения подхода … ▌ Производство (аддитивные технологии) ▌ Управление космическими аппаратами ▌ Энергетика (контроль качества, энергро-потребления, …) ▌ Беспилотные автомобили Андрей Устюжанин 18 https://ai-solutions.com/about-us/news-multimedia/test-fly-fly-test-keeping-iss-safe-collisions/
19. Заключение ▌ Тренд МИ – построение алгоритмов за пределами iid- предположения › https://www.beyondiid2019.com › https://github.com/mila-udem/babyai ▌ Цифровые двойники – перспективная область развития технологии, требующая научных подходов ▌ Настройка параметров симулятора СХД методами RL – один из многих возможных подходов › Подтверждена работа на базовом уровне ▌ Возможности для применения в «цифровой экономике» сложно переоценить Андрей Устюжанин 19 http://cs.hse.ru/lambda/en anaderiRu@twitter austyuzhanin@hse.ru
20. Backup Андрей Устюжанин 20
21. Ссылки › https://www.beyondiid2019.com › https://github.com/mila-udem/babyai › <статья>