| DC Field | Value | Language |
|---|
| dc.contributor.author | Полоско, Е. И. | - |
| dc.contributor.author | Голда, О. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-04-06T06:39:27Z | - |
| dc.date.available | 2026-04-06T06:39:27Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Полоско, Е. И. Оптимизация энергопотребления в ОАО «МАЗ» с помощью IoT-датчиков и нейросетей для предиктивного анализа = Optimizing energy consumption at MAZ using IoT sensors and neural networks for predictive analysis / Е. И. Полоско, О. Голда // Цифровая трансформация. – 2026. – Т. 32, № 1. – С. 45–50. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63205 | - |
| dc.description.abstract | 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. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | цифровая трансформация | en_US |
| dc.subject | IoT | en_US |
| dc.subject | нейросети | en_US |
| dc.subject | предиктивная аналитика | en_US |
| dc.subject | энергосбережение | en_US |
| dc.subject | LSTM-модели | en_US |
| dc.subject | автоматизированные системы контроля и учета электрической энергии | en_US |
| dc.subject | энергоэффективность | en_US |
| dc.subject | имитационное моделирование | en_US |
| dc.title | Оптимизация энергопотребления в ОАО «МАЗ» с помощью IoT-датчиков и нейросетей для предиктивного анализа | en_US |
| dc.title.alternative | Optimizing energy consumption at MAZ using IoT sensors and neural networks for predictive analysis | en_US |
| dc.type | Article | en_US |
| dc.identifier.DOI | http://dx.doi.org/10.35596/1729-7648-2026-32-1-45-50 | - |
| local.description.annotation | The energy intensity of the Belarusian mechanical engineering industry remains high – approximately
250 kWh per 1 BYR of output, making further improvements to energy efficiency strategically important.
In the first half of 2025, MAZ OJSC achieved an energy savings rate of 6.9 %. The company still lacks an integrated
real-time system that would analyze sensor data and predict equipment energy consumption for optimal
mode planning and peak load reduction. This article presents an integrated model: IoT sensors collect data on power,
vibration, and load, an LSTM neural network accurately forecasts energy consumption for several hours
in advance, and an intelligent optimizer automatically redistributes production processes among favorable tariff
zones. The system integrates with MAZ’s existing automated metering systems. The model
will reduce energy
consumption to 98.9 kWh/BYR with a phased implementation of the system in 2026, beginning with a pilot project
in the second quarter of this year and achieving full effectiveness by 2027. | en_US |
| Appears in Collections: | Том 32, № 1
|
