Они разработали комплекс для обучения операторов кранов, экскаваторов, конвейеров. Тренажер способен смоделировать любую производственную операцию и в реальном времени оценить действия стажера. Система позволяет повысить качество и скорость подготовки специалистов для горнодобывающей, строительной и других отраслей.
Неправильное управление оборудованием — одна из основных причин тяжелого травматизма на производстве. В среднем от 60 до 80 % несчастных случаев связаны с человеческим фактором и происходят из-за несоблюдения регламентов. Традиционные методы обучения персонала сводятся к изучению инструкций и длительной практике на реальном оборудовании, что может требовать остановки производства и быть экономически невыгодным.
Современные технологии позволяют повысить качество и скорость подготовки кадров с помощью виртуальных тренажеров. Такие симуляторы применяют, например, в энергетике, нефтехимии, буровом деле: система точно моделирует рабочие процессы конкретного оборудования, так что человек может научиться правильно взаимодействовать с ним. Одного универсального инструмента для автоматизированного обучения операторов разных установок, в том числе перегрузочных машин, пока не существовало.
Ученые Пермского Политеха совместно с коллегами из Российского биотехнологического университета разработали систему на основе имеющихся компьютерных тренажерных комплексов, которую можно адаптировать под любую установку и уровень сложности — от простых тестовых приложений до полноценных виртуальных симуляторов с использованием технологий VR/AR.
«Мы создали программу, которую инструктор сможет гибко настраивать на необходимую производственную операцию — от разборки узла машины до ее запуска. Она работает за счет трех взаимосвязанных подсистем. Первая позволяет управлять сценариями конкретных упражнений, ставить задачи обучающемуся, контролировать уровень сложности, задавать критерии оценки. Вторая отвечает за выполнение и оценку заданий. Третья демонстрирует результаты — конкретного оператора или всей группы, по определенному упражнению или за выбранный период», — объясняет доцент кафедры информационных технологий и автоматизированных систем ПНИПУ Иван Полевщиков.
Программный продукт представляет собой универсальный конструктор, с помощью которого можно реализовать методики обучения, подходящие как новичкам, так и опытным специалистам. В отличие от аналогов, разработка обеспечивает полную автоматизацию обучения и контроля навыков операторов.
Программу можно настроить под различные производственные задачи, которые должен освоить оператор — от ремонта и замены фильтров до аварийной остановки или запуска турбины. Алгоритм интегральной оценки качества учитывает не только правильность действий, но и количество попыток и время выполнения. Если обучающийся совершает ошибку, система в режиме реального времени указывает на нее и позволяет повторить действие. В конце инструктор получает детальный отчет обо всем процессе обучения.
«В качестве примера мы реализовали действующий прототип тренажера в форме приложения с веб-интерфейсом. Он предназначен для контроля знаний и навыков операторов автокрана. Обучающийся видит на экране последовательность шагов и выбирает действие из предложенных. В ходе упражнения для просмотра доступны 2D- и 3D-изображения устройств машины. В случае ошибки система ее визуализирует, наглядно отображает результаты по каждой задаче и показывает общую оценку (например, 73,2 % от требуемых нормативов)», — рассказывает Иван Полевщиков.
Предложенные разработчиками модели и алгоритмы универсальны, их можно адаптировать для тренажеров, обучающих работе с любыми типами технологического оборудования и производственных процессов — от буровых установок и химических реакторов до конвейерных линий и горнодобывающих комбайнов. Технология позволяет создавать как дорогостоящие иммерсивные тренажеры с 3D-графикой и VR-очками для отработки сложных сценариев, так и бюджетные статические симуляторы для проверки базовых знаний. Это делает ее доступной для предприятий любого масштаба.
Статья опубликована в журнале «Уголь» №7, 2025. Исследование выполнено за счет гранта Российского научного фонда (№ 23-79-10162).
Проект реализуется в рамках программы Минобрнауки России «Приоритет-2030» (национальный проект «Молодежь и дети»).
