Предиктивный сервис поможет станкам "Авиастара" работать без сбоев
Модуль "Предиктивный анализ" дополнил новыми функциями систему мониторинга промышленного оборудования АИС "Диспетчер" от ГК "Цифра", которая раннее была внедрена на предприятиях ПАО "Ил". "Предиктивный сервис" на начальной стадии проекта обеспечил контроль технического состояния шпиндельного узла и предсказывает необходимость его ремонта заблаговременно. "Предиктивный сервис" способен также отслеживать и анализировать температуру, влажность, концентрацию смазочно-охлаждающей жидкости и другие параметры, определяющие работоспособность производственного оборудования.
"Предиктивный анализ" за счет собранной информации позволяет проводить предиктивную аналитику по состоянию. Сотрудники предприятия могут корректировать планы технического обслуживания и ремонтов, которые обычно составляются на основе данных о наработке нормочасов, а также проводить отладку управляющих программ, чтобы избежать перегрузок. Дополнительно в модуль встроена функция противоаварийной защиты, которая останавливает работу станка, если система видит предпосылки для повреждения критически важных элементов.
Руководитель направления аккаунтинга ООО "СимбирСофт" (SimbirSoft) Марина Горелова обращает внимание, что подобные системы разрабатываются на крупных производствах самостоятельно: "Например, согласно открытым источникам, "Сибур" разработал систему "черный экран", который предупреждает о нештатных ситуациях. Такие проекты важны и нужны там, где есть потенциально опасные процессы, неконтролируемые или сложно контролируемые производственные операции, а также целые производственные комплексы, остановка которых может привести к существенным потерям. Использование аналитики может помочь в сокращении расходов и времени на обслуживание. Но сейчас в основном все сводится к использованию камер и технологии машинного зрения, а не предиктивной аналитики".
Аналитик SimbirSoft Дмитрий Попов обратил внимание, что производства между собой очень серьезно различаются: "При создании таких систем каждому участнику разработки приходится вникнуть в технологию, разобраться во всех тонкостях производства, чтобы создать действительную симуляцию процесса. Наряду со сложностью интерпретации процесса можно говорить и об аппаратных сложностях. В частности, используемые в производственном оборудовании контроллеры и чипы зарубежного производства зачастую имеют закрытые прошивки, а софт, как правило, направлен на использование готовых инструментов зарубежных решений. Еще одна сложность в реализации подобных проектов - уникальность. Каждый завод имеет специфичную компоновку, оборудование, номенклатуру выпускаемых изделий, поэтому сроки и бюджет на реализацию подобных систем могут стать причиной длительных переговоров с заказчиком. Но в этой ситуации есть и плюсы - в новые версии систем можно добавить предсказательные или обучающиеся ML-модели, благодаря которым можно повысить качество планирования производства, обнаружить природу дефектов и даже повысить производительность. Наибольший профит таких систем будет отмечаться на предприятиях конвейерного типа, где их легко оборудовать датчиками, настроить компьютерное зрение или даже организовать MES-систему с использованием промышленных роботов, что напрямую ложится в концепцию Industry 4.0″.
Главный инженер филиала ПАО "Ил" - "Авиастар" Сергей Ионов заявил, что "Предиктивный сервис" успешно решил поставленные задачи: "Одна из главных задач, которую мы хотим решить с помощью предиктивного сервиса, - это обеспечение своего рода подушки безопасности для шпинделя станка. Это один из самых уязвимых и дорогостоящих элементов. Его поломка влечет значительные финансовые и временные потери на ремонт с остановкой оборудования. А некоторые производимые у нас детали требуют длительной обработки - до 30 дней практически круглосуточной работы станков. Новая система предиктивного сервиса позволяет отслеживать перегрузки, отклонения от допустимых вибрационных параметров и прочие нарушения, влияющие на работу шпинделя, а также определять их причины и своевременно реагировать, чтобы не допустить выхода из строя этого критически важного узла. Первые результаты пилота мы оцениваем положительно - с нашей задачей новый модуль системы "Диспетчер" справляется".
Владелец продукта "Сфера. Интеллектуальный анализ событий" ООО "Нота" Дмитрий Соловьев видит главным драйвером внедрения систем предиктивной аналитики экономическую выгоду, которую легко измерить: "Крупные отечественные компании активно внедряют в производственные процессы системы предиктивной аналитики, основанные на технологиях машинного обучения и искусственного интеллекта. Это объясняется тем, что подобные цифровые инструменты приносят бизнесу измеряемую выгоду. Так, в промышленности "предсказания" возможных отказов оборудования позволяют вовремя заменить комплектующие и увеличить срок службы техники на 20-40%. Одновременно это сокращает время внезапных простоев на 30-50%. В финтехе системы предиктивной аналитики расширяют возможности традиционного мониторинга - в частности, на 80% быстрее происходит выявление аномалий в поведении систем и сервисов, общее количество инцидентов сокращается на 20-40%, а время, требуемое на их устранение, уменьшается на 60%". По его мнению, в России в настоящее время нет регуляторных ограничений на внедрение таких технологий, более того, государство с помощью грантов стимулирует компании расширять области прикладного применения ИИ в рамках национальной стратегии развития искусственного интеллекта на период до 2030 г.
"Модуль "Предиктивный сервис" как часть комплекса "Диспетчер" решает актуальную для российской промышленности задачу - импортозамещение, - уверен генеральный директор ГК "Цифра" Сергей Емельченков. - Он, в частности, является полноценной заменой немецкой системы для защиты станков от аварий и повреждений Montronix. Все модули "Диспетчера" построены исключительно на отечественных компонентах. Программное обеспечение зарегистрировано в реестре российского ПО, а аппаратная составляющая - в реестре российской радиоэлектронной продукции. Кроме того, "Диспетчер" имеет сертификат ФСТЭК, подтверждающий его соответствие требованиям по защите информации. Таким образом, внедряя модуль "Предиктивный сервис", промышленные предприятия смогут не только продлить срок службы оборудования и сократить простои, но и повысить безопасность критической информационной инфраструктуры. Эта технология интересна широкому кругу заказчиков. Помимо филиала ПАО "Ил" - "Авиастар", пилотное внедрение состоялось на "Техприборе", также предиктивный сервис протестирован на "ОДК-Авиадвигатель" и заводе "Редуктор-ПМ".
Генеральный директор ООО "ЛАНИТ-ТЕРКОМ" (входит в группу ЛАНИТ) Вадим Сабашный связывает спрос на системы предиктивной аналитики с цифровой зрелостью потенциальных заказчиков, а главным препятствием являются завышенные ожидания бизнеса: "Последние годы спрос на решения предиктивной аналитики значительно растет. Этот рост обусловлен несколькими факторами. Во-первых, повышением зрелости и доступности решений на рынке, во-вторых, готовностью бизнес-процессов к внедрению подобных решений. Решений и внедрений на рынке становится больше, уже пройдены дорогостоящие ошибки, качество итогового решения повышается, а стоимость владения уменьшается. Все больше потребителей уже готовы к внедрению процессно и технологически, когда есть возможность собирать и хранить необходимые данные. И чем глубже проникли цифровые процессы в компанию, и чем дальше компания прошла по пути цифровой трансформации, тем легче внедрять проекты по предиктивной аналитике. Препятствия есть всегда, прежде всего они в подходе, когда бизнес требует от ИТ-проектов окупаемости в течение крайне короткого времени. Тогда он делает выбор в пользу традиционных методов повышения производительности, пусть даже со значительно меньшими финансовыми показателями. При этом бизнес не всегда понимает, что, если не заняться внедрением цифровых технологий прямо сейчас, есть риск навсегда отстать от конкурентов. Меня радует, что все больше компаний делают ставку на цифровые технологии, это способствует появлению более совершенных и дешевых решений".
Генеральный директор АНО "Национальный центр компетенций по информационным системам управления холдингом" (НЦК ИСУ) Кирилл Семион уверен, что только сценарное управление, связанное с моделированием ситуации, формирование упреждающих управленческих и производственных воздействий позволяют очевидно получать экономию затрат и/или дополнительный доход. При этом каких-либо препятствий на федеральном уровне нет, а все потенциальные барьеры связаны со сложностями в сборе и обработке данных, часто неструктурируемых (фото, видео), необходимых для того, чтобы предиктивная модель заработала с нужной точностью.
Руководитель группы разработки департамента горнодобывающих решений ООО "Рексофт" Владимир Лебедев заявил, что спрос на предиктивную аналитику в России растет, особенно в промышленных секторах, таких как машиностроение, авиастроение, нефтегазовая и горнодобывающая промышленность, что связано с желанием компаний повысить эффективность производства, снизить затраты на обслуживание и ремонт оборудования, а также увеличить его надежность и срок службы. Однако, по его мнению, проекты по внедрению систем предиктивной аналитики могут быть сложными как с технической, так и с организационной точки зрения: "С технической стороны, сложность заключается в интеграции системы с существующим оборудованием и программным обеспечением, а также в работе по обеспечению точности аналитических моделей и обработке больших объемов данных. С организационной стороны, вызовы могут включать изменение рабочих процессов, обучение персонала и управление изменениями в культуре предприятия".
Руководитель отдела промышленного интернета вещей ООО "Умные цифровые решения" (UMNO digital) Дмитрий Серов считает, что продукты предиктивной аналитики востребованы на рынке, и не только в промышленности: "Обслуживание оборудования по состоянию является одним из оптимальных способов, так как сокращает внеплановые простои и затраты на работу, материалы и запасные части".
Аккаунт-менеджер SimbirSoft Михаил Иванов видит главное препятствие в низком уровне цифровизации предприятий: "Достаточный уровень цифровизации достигнут не более чем на 50% предприятий. На большинстве производств контроль осуществляется в основном за счет выстроенных процессов и зависит от внимательности специалистов".
По мнению Дмитрия Серова, не все предприятия готовы к такому внедрению ввиду недостаточного уровня цифровой зрелости: "Для достижения целей по сокращению затрат на обслуживание также требуется высокая точность работы системы, позволяющая исключить ложные проверки на оборудовании. Несколько ложных срабатываний могут повлечь дальнейшее игнорирование данных системы, как в сказке про мальчика, который кричал "Волки!".
Кроме того, систему не получится запустить одномоментно, так как требуется накопление статистических данных о нормальной работе оборудования и проводимых ремонтах. Для реакции по результатам работы системы также потребуется дополнительно анализировать и накапливать опыт эксплуатации оборудования. Это поможет повысить качество прогнозов и рекомендаций по причинам поломок. И конечно же, для критически важных объектов такие системы могут носить скорее рекомендательный характер, так как непосредственная ответственность за принятие решений все равно возложена на человека".
Владимир Лебедев в качестве препятствий также называет дефицит кадров и высокую стоимость таких проектов: "Из наиболее значимых препятствий для внедрения систем предиктивной аналитики можно отметить недостаток квалифицированных специалистов в области анализа данных и машинного обучения, высокие затраты на разработку и внедрение таких систем, а также сложности в интеграции с существующим оборудованием и программным обеспечением. Однако растущий спрос на такие решения и поддержка со стороны государства способствуют преодолению этих препятствий".
"Сдерживает широкое распространение систем предиктивной аналитики отсутствие эталонных данных для построения и апробирования моделей, а также высокая стоимость специалистов, способных строить цифровые двойники оборудования. Но по мере того, как приходит понимание ценности предиктивной аналитики, увеличивается и внимание к данным для выполнения подобных проектов", - дополняет директор департамента перспективных проектов ООО "Дататех" Илья Кулаков.
Менеджер продуктов Innostage Евгений Сурков обратил внимание, что вопросы защиты больших массивов данных, особенно таких, на основе которых можно получить стратегическое или тактическое преимущество над страной в целом, пока системно не решены, и в случае запуска внутренней конкуренции без продуманных регулирующих мер безопасностью данных, к сожалению, пожертвуют в первую очередь: "Здесь риски могут перевесить всю потенциальную пользу. Для достижения планируемых выгод и конкурентных преимуществ компаниям придется накапливать и анализировать массивы чувствительных данных, а не только общедоступную информацию. Это будет влиять на затраты, повышать риски утечек, а вместе с ними - оборотных штрафов. Кроме того, когда на основании прогнозов массово начнут приниматься решения, оказывающие непосредственное влияние на внешний мир, - это будет приводить к ускоренному изменению бизнес-правил и моментальному устареванию самих предиктивных моделей - например, такие эффекты наблюдались в системах автоматизированной торговли на биржах в период активного развития торговых роботов".
Возможный выход - распределение данных таким образом, чтобы для получения критичного их набора надо было взломать максимальное количество максимально непохожих друг на друга защищенных систем. При этом необходимо решить задачу получения результата над различными комбинациями данных из таких источников без их сборки в одном месте.
Это огромный сложный проект в масштабах всего государства, который тем не менее может послужить серьезным драйвером роста для отечественной ИТ-отрасли. При этом данные в такой структуре необязательно должны собираться исключительно из государственных систем.
Объединенная авиастроительная компания, частью которой является ПАО "Ил", проигнорировала запрос ComNews.
