Зачем предприятиям инновации
При внедрении новых технологий в производственные процессы, директора компаний руководствуются исключительно прагматическими соображениями. В этом секторе нет места трендам и моде на «цифру» – если инновацию решено внедрить, значит, уже подсчитано, какой экономический эффект она принесет: как произвести больше тонн продукции, потратить меньше сырья, израсходовать меньше газа и т.д.
Как правило, технологии, которые базируются на использовании Big Data, компании реального сектора экономики пытаются применять для того, чтобы уменьшить себестоимость конечной продукции (за счет сокращения отбраковки продукции, амортизации и экономии электроэнергии), оптимизировать логистические процессы, свести к минимуму простои и поломки оборудования. А Кроме того, благодаря ИТ на базе Big Data удается сделать человеческий фактор не таким значимым и сократить количество сотрудников в цехах – особенно на опасных позициях с точки зрения жизни и здоровья.
В конечном итоге новая технология способна подарить компании серьезное конкурентное преимущество на рынке, а не только обеспечить выживание – так как ее анализ позволяет руководству получить информацию, ранее неизвестную или на которую просто годами не обращали внимание.
Пример: на агрегате установлен датчик вибрации – снимая с него показания, система, функционирующая на базе Big Data, может предсказать, когда ожидать следующей поломки. Такая информация помогает специалистам сделать сразу несколько важных выводов: а) в каком состоянии находится оборудование, когда его необходимо ремонтировать, а когда – заменять; б) сколько денег будет сэкономлено, если простой из-за поломки не произойдет – зачастую, это порядка 25%.
Таким образом, решения для работы с большими данными обеспечивают автоматическое нахождение новых логических взаимосвязей между разными факторами и помогают профильным специалистам вырабатывать решения на базе таких инсайтов.
Так, на идеальном заводе внедрение технологий Big Data позволит компаниям добиться высокой степени автономности – так называемой «безлюдности».
Решения могут помочь полностью исключить фактор человеческих ошибок, сократить затраты на разработку и тестирование гипотез. Далее широкое распространение могут получить цифровые двойники производства, на которых можно тестировать самые разные гипотезы и ставить эксперименты без риска для реальных процессов.
Какие процессы сегодня оптимизируют Big Data
Сегодня обработка больших данных в промышленности используется для решения точечных конкретных задач. Среди них: • Своевременное выявление и предотвращение ошибок в производственных процессах; • Оптимизация технического обслуживания и ремонтов; • Лучшее сетевое планирования; • Предиктивная аналитика отказов оборудования; • Оптимизация расхода электроэнергии.
Разумеется, внедрение конкретных технологий зависит и от специфики отрасли: так, на заводах транспортного машиностроения могут использоваться цифровые двойники – когда ключевые процессы полностью оцифрованы, и все факторы и параметры, которые влияют на производство – от температуры и сырья до количества операторов – учтены в модели.
Кто работает с данными
Данные на предприятии могут поступать из самых разных источников. Помимо контроля за событиями производственного процесса с помощью датчиков можно брать структурированную информацию из различных MES и ERP-систем, установленных на заводе. Использовать можно также данные из других отделов организации: коммерческого, маркетингового, логистического.
Очевидно, что огромный массив данных о работе оборудования должен быть обработан. Как именно – решает специалист по работе с данными, Data Scientist. Именно он, в зависимости от задачи и объема данных, решает, что за алгоритмы здесь можно применять и к какому результату они приведут. Далее формулируются гипотезы, которые потом тестируются.
Та версия, которую удастся доказать, становится решением задачи – в итоге получается аналитическая модель, которую можно применять на практике.
Причем, обучаясь на ретроспективных данных о том или ином процессе, ML-модель способна не только следить за тем, в каком состоянии находится оборудование в режиме реального времени, но и делать прогнозы того, когда и в каком случае узел или агрегат могут отказать. Можно рассчитать даже их «индекс здоровья» – к примеру, если обнаружить неисправность в турбогенераторе тепловой электростанции загодя, можно сэкономить компании миллионы рублей.
Разберем конкретные примеры того, как большие данные могут принести реальный бизнес-эффект.
Контролировать качество продукции
Внедрение инструментов Big Data способно помочь отслеживать соответствие продукции различным режимам производственного оборудования.
Кейс 1. Чепецкий механический завод, который производит металлы и сплавы для атомной промышленности, не так давно внедрил в прокатное производство циркония систему предиктивной аналитики на базе low-code платформы, интегрированной с различными информационными системами предприятия: МES, ERP, системой управления лабораторной информацией (LIMS), системой мониторинга KPW-станов, системой ультразвукового контроля, датчиками и контроллерами оборудования.
На базе этой платформы можно встраивать в ИТ-ландшафт предприятия инструменты на базе BigData. Так, на основании данных по химическому составу слитков и режимам работы производственного оборудования были разработаны математические модели для прогнозирования уровня несоответствия продукции и формирования рекомендаций по параметрам работы производственного оборудования. В итоге качество продукции удалось повысить, итоговый уровень несоответствия снизился.
Планировать починку и замену оборудования
На данный момент это то, ради чего большинство промышленных компаний сегодня внедряют решения для работы с большими данными. Как правило, они выглядят так: платформа аккумулирует и анализирует информацию об устройствах и делает прогноз о том, когда они могут сломаться. Инженеры в итоге могут запланировать ремонт и заменить ту или иную деталь.
Кейс 2. Производитель инженерного оборудования Bimba Manufacturing обнаружил, что высокоскоростной цилиндр работает медленнее и выдает больше брака, чем раньше. После установки на нем датчика IntelliSense инженеры выяснили, что на скорость цилиндра негативно влияют глушители выхлопного порта. Их заменили, что удалось продлили срок службы оборудования и снизить объем порченой продукции.
Кейс 3. Дроны, оснащенные технологиями компьютерного зрения, способны распознавать в темноте ржавчину – ИТ-решение затем анализирует собранную визуальную информацию и предлагает составить краткосрочный и среднесрочный график замены труб. Компания экономит время, так как может спрогнозировать поставку расходных материалов для ремонта и распределить ресурсы инженеров.
Добывать полезные ископаемые
Решения для работы с Big Data сегодня также позволяют компаниям проанализировать месторождение, обнаружить неоптимальные участки, сформировать стратегию добычи и даже предсказать результат. Для того, чтобы система сделала вывод, она изучает, к примеру, такие параметры, как состояние почвы, наличие в ней пустот, температуру пород – и сравнивает новые участки с уже известными.
Кейс 4. В Бразилии инструменты работы с большими данными активно применяются, когда необходимо добывать трудноизвлекаемые запасы газа и нефти. Платформа собирает информацию о месторождении, вычленяет из нее необходимые сведения и выдает рекомендации о том, стоит ли вкладываться в добычу в той или иной локации. Благодаря технологии объем иностранных инвестиций в нефтегазовую отрасль в стране серьезно вырос – предприниматели стали адекватно оценивать свои риски.
Повысить безопасность производства
Очень важно на предприятии также обеспечить безопасность сотрудников, свести к минимуму угрозу их жизни и здоровью.
Кейс 5. Восточная горнорудная компания создала собственную IIoT платформу и АСУ ГТК с возможностями применения потенциала ML и AI, чтобы собирать максимально возможные данные со всех устройств и объектов. В результате накопленных данных компания начала развивать ряд сервисов.Один из них - рекомендательная система для водителей.
На основе данных об аномалиях на дорогах сервис предоставляет водителю карьерного самосвала в реальном времени информацию о рекомендованной скорости движения. В итоге организации удалось серьезно снизить расход топлива и увеличить среднюю техническую скорость самосвалов.
Мониторить электросетевое оборудование
Электроэнергетические системы нуждаются в мониторинге состояния оборудования – а решения для работы с большими данными позволяют загодя найти неисправность электросетей.
Некоторые системы умеют контролировать сразу все энергетические узлы в реальном времени – это необходимо для предотвращения дефицита мощности сетей и оперативной ликвидации неисправностей.
Кейс 6. Похожую систему применяют на производственных площадках электроэнергетического холдинга Duke Energy. Раньше на сбор сведений со всех электростанций сотрудники тратили 80% своего рабочего времени, а на их анализ оставалось совсем немного. Теперь находить и устранять неисправность можно с помощью специальной платформы в удаленном режиме.
Экономить энергию
Специализированные платформы для хранения и обработки данных умеют дистанционно мониторить потребление электроэнергии в разных цехах и формировать отчеты. Это позволяет специалистам понять, почему электроэнергия на определенных участках потребляется неэффективно. Это имеет огромное значение для энергетических компаний, которым нужно, к примеру, спланировать энергосбережение нескольких районов в городе.
Кейс 7. Компания «Еврохим» оптимизировала работу печи первичного риформинга на одном из этапов производства аммиака. Она состоит из большого количества горелок, и у каждой — своя температура горения, за которой нужно следить. Специалисты создали инструмент, который позволяет настроить каждую горелку индивидуально и уйти от выставления средней температуры. Из-за того, что раньше все они горели примерно одинаково, в краях продукцию пережигали, а в середине она оказывалась холоднее.
Наладить сбыт продукции
Обработка и анализ больших данных помогает руководству компаний понять, как будет выглядеть спрос на их продукцию в обозримом будущем, как изменится цена на нее в различных регионах страны и мира. Все это помогает планировать объем поставок, производства, географию продаж и ценообразование.
Также можно оптимизировать логистику – анализ больших данных позволяет понять, где именно необходимо разместить склады, чтобы сократить пробег транспорта, как наладить отгрузку между производственными кластерами и продукцию конечным потребителям.
Кейс 8. Компания «Алроса» с помощью анализа больших данных узнает стоимость бриллиантовой продукции через стоимость алмазного сырья. Среди параметров, которые учитывает модель: год, страна, регион и место добычи, номер и масса камня, вес алмаза и вес бриллианта, форма и пр.
Подведем итог: чем активнее промышленность (неважно, о каком сегменте речь – перерабатывающем, энергетическом или каком-то другом) начинает брать на вооружение инструменты работы с большими данными, чем качественнее организует их сбор и обработку, тем безлюднее и безопаснее для сотрудников становятся предприятия и тем больший экономический эффект компания может получить в обозримом будущем.
