Infrastrukturę krytyczną trzeba dobrze chronić

• Strona główna
• Artykuły
• Infrastrukturę krytyczną trzeba dobrze chronić

2023-02-02

Profilaktyka jest znacznie tańsza niż leczenie, zwłaszcza w kluczowych obszarach gospodarki, której miękkim podbrzuszem jest infrastruktura krytyczna. Atak czy uszkodzenie może wyrządzić bardzo duże szkody i rozlać się na kolejne branże. Ilustracją są koszty incydentów w rurociągach naftowych i gazowych w Stanach Zjednoczonych. W roku 2020 doszło do 578 ujawnionych zdarzeń, co przełożyło się na koszt 340 mln dolarów. Gdyby dodać incydenty niezgłoszone do informacji publicznej, wartość strat byłaby zdecydowanie większa. Nie mówiąc o długoterminowych konsekwencjach dla środowiska, często trudnych do oszacowania tuż po awarii.

Jak wylicza firma Trend Micro, awaria w sektorze gazowo-naftowym trwa średnio sześć dni. To dłużej niż w innych analizowanych sektorach gospodarki. Skoro trwa dłużej to i koszty muszą być wyższe – niemal dwukrotnie w porównaniu z przemysłem.

- Dziś modnie jest mówić o ochronie infrastruktury krytycznej. Zapewnienie jej bezpieczeństwa jest aktualnie jednym z ważniejszych wyzwań. W związku sytuacją na świecie, w ciągu zaledwie kilku miesięcy poziom świadomości na ten temat znacznie wzrósł. Zdawać sobie sprawę to jedno, ale podjąć konkretne działania to coś zupełnie innego. Dla optymalnego wykrywania wycieków kluczowe znaczenie ma zapewnienie wysokiej jakości, dokładnych pomiarów przepływu i ciśnienia wzdłuż rurociągu. Rutynowo wykorzystywane systemy SCADA oraz zintegrowane z nimi systemy detekcji i lokalizacji wycieków radzą sobie z wychwytywaniem anomalii, ale dokładność wykrywania jest ograniczona. Otrzymany sygnał o możliwym wycieku trzeba sprawdzić. Operator rurociągu wysyła ludzi, którzy fizycznie szukają miejsca wycieku i oceniają, czy doszło do awarii, co jest jej powodem i jakie mogą być jej skutki. Informacje o usterkach są dostępne, ale nie tak dokładne, jak chcieliby tego operatorzy – mówi Rafał Bachorz, dyrektor Działu Zaawansowanej Analityki w PSI Polska.

Szczególnie problematyczne jest określenie wycieków w rurociągach transportujących media wielofazowe, czyli np. mieszaninę ropy naftowej i gazu ziemnego.

Zespół specjalistów z PSI Polska opracował jednak rozwiązanie, które jest nie tylko dokładniejsze niż dotychczas stosowane systemy LDS, lecz również nowatorskie na skalę światową.

– Wypracowane rozwiązanie z powodzeniem można stosować do mediów wielofazowych, których opis matematyczny nastręcza wiele problemów. Nasz pomysł wykorzystuje ostatnie osiągnięcia z obszaru uczenia maszynowego i szeroko rozumianej nauki o danych do wspierania systemów detekcji lokalizacji wycieków. Oprócz nas zaledwie kilka firm na świecie rozwija technologie do monitoringu o podobnym poziomie zaawansowania – komentuje Rafał Bachorz.

Opracowany w poznańskim oddziale PSI system służy do identyfikowania i informowania o awariach. Sensory umieszczone wewnątrz rurociągu stale analizują przepływ węglowodorów. Informacje pobrane z przetworników są wysyłane do systemu, a model matematyczny określa, czy stan hydrauliczny rurociągu jest pozbawiony cech anomalnych.

- Jeżeli anomalie zostają wykryte, system informuje o nieprawidłowościach operatora. Proste, ale tylko w teorii. Diabeł, jak zwykle tkwi w szczegółach, a te to wyższa matematyka. Nasze rozwiązanie czerpie pełnymi garściami z ostatnich osiągnięć uczenia maszynowego. Inspiracją był model GQN, czyli Generative Query Network (GQN) opracowany przez firmę Google. Wypracowany przez nas model neuronowy może podwyższyć czułość detekcji wycieków nawet dziesięciokrotnie – mówi Rafał Bachorz.

Efekty pracy polskich specjalistów okazały się na tyle przełomowe dla uczenia maszynowego, że w Journal of Neural Sciences pojawił się artykuł opisujący model i jego możliwości.

Model Generative Query Network jest zorientowany na przetwarzanie obrazów. Na podstawie meta informacji pochodzących ze zdjęć wybranego przedmiotu wykonanych z różnych stron i perspektyw, algorytm określa, jak obiekt ten wyglądać będzie w zupełnie innym ujęciu. Każda obserwacja składa się z dwóch części: obrazu i meta informacji z nim związanych; są to niuanse takie jak orientacja kamery, sposób wykonania zdjęcia, współrzędne kamery, orientacja obiektywu, słowem wszystko to, co mówi o tym, jak zdjęcie zostało wykonane. W PSI zainspirowano się modelem GQN i przeniesiono go do świata rurociągów, w którym obrazy zostały zastąpione czasowymi pomiarami ciśnienia.

– Wytrenowaliśmy model, wprowadzając do niego obserwacje z szeregu czasowego oraz meta informacji dotyczących położenia czujnika na rurociągu. Trenowaliśmy sieć w sytuacjach niewyciekowych. Algorytm musiał wiedzieć, jak zachowuje się ciecz w standardowej, nieanomalnej eksploatacji rurociągu – wyjaśnia szef Działu Zaawansowanej Analityki w PSI Polska.

Skoro trening obywał się w warunkach idealnych, rodzi się pytanie, skąd system wie, że wystąpiła anomalia?

Model zna tylko prawidłowy obraz rurociągu. Każde odstępstwo od niej jest sygnalizowane operatorowi jako anomalia. Jeżeli czujnik albo kilka zawiedzie, co może się wydarzyć, model też sobie poradzi. Rekonstrukcja odbywa się na podstawie zdobytej wiedzy. Aplikacja identyfikuje zepsuty sensor, a algorytm koryguje jego wskazania. Potencjały rekonstrukcji są wysokie, a różnice pomiędzy krzywą rzeczywistą a krzywą predykowaną są znikome.

O wysokim poziomie innowacyjności projektu PSI Polska świadczy m.in. dofinansowanie projektu przez Narodowe Centrum Badań i Rozwoju.

PSI Polskarurociągibezpieczeństwo