Связаться с нами

F.A.Q

Категории

Cистема прогноза технического состояния F5 РММ

1. Что такое F5 PMM?

F5 PMM (Predictive Maintenance and Monitoring) — это интеллектуальная система мониторинга эксплуатации и прогноза технического состояния оборудования. Она анализирует работу активов и прогнозирует отказы с указанием конкретного узла.

2. Какие функции выполняет продукт?

F5 PMM мониторит инциденты в процессе эксплуатации и распределяет их по приоритетности исходя из угрозы отказа. Для определения причин поломок система анализирует информацию с датчиков в режиме реального времени. После, она моментально выгружает отчеты в удобной форме таблицы или диаграммы.

3. Какие задачи решает F5 PMM?

Система позволяет оцифровать многолетний опыт и знания инженеров и экспертов по оборудованию. Эти знания помогают оценивать техническое состояние оборудования в режиме реального времени и заранее оповещать о инцидентах. Поэтому можно предотвратить остановку оборудования заранее и получать исчерпывающую информацию о причинах поломки. Кроме этого, решение выявляет некачественно проделанные работы по ТОиР и отправляет оборудование на повторные.

4. Для какого оборудования и каких именно узлов работает F5 PMM?

Решение разработано в первую очередь для критического оборудования, связанного с высокими рисками: дорогостоящего или устаревшего. Это промышленные парки оборудования в самых разных областях: железнодорожное машиностроение, энергетика, нефтегаз и горнорудная промышленность.

5. С какими системами совместим F5 PMM?

Благодаря Платформе, на основе которой создан F5 PMM, решение интегрируется с распространенными промышленными учетными системами: 1С, SAP, Oracle и т. д.

6. Какая польза от использования F5 PMM?

Благодаря предупреждению остановок оборудования с указанием причины и конкретного узла, система:

  • сокращает время простоя оборудования,
  • снижает затраты на ремонт оборудования,
  • уменьшает количество неплановых ремонтов.

Система управления активами F5 ЕАМ

1. Что такое F5 ЕАМ?

F5 ЕАМ (Enterprise Asset Management) — это интеллектуальная система управления производственными активами промышленных предприятий. Она создана для планирования обслуживания и ремонта с минимальными издержками при сохранении необходимого уровня надежности оборудования.

2. Какие функции выполняет продукт?

F5 EAM помогает с оптимальным ведением активов: можно создавать модели активов, чтобы быстро добавлять новые в будущем, и прикреплять все необходимые документы. Решение идеально для создания и оптимизации плана ТОиР. Настраивайте ремонтные циклы и формируйте планы работ для каждого ремонта. Система автоматически балансирует план работ с учетом ресурсных ограничений: доступности персонала, МТР, объектов ремонта и технологического оборудования.

3. Какие задачи решает F5 ЕАМ?

Система позвоялет оценивайте и прогнозируйте технического состояние оборудования и дает рекомендации по предупреждающим техническим воздействиям. Это позволяет оптимизировать планирование работ с учетом технического состояния оборудования и лимитирующих ресурсов. F5 EAM также контролирует исполнение ТОиР: планирует задачи, следит за их выполнением и ведет сравнение запланированных и фактически затраченных средств.

4. Для какого оборудования и каких именно узлов работает F5 ЕАМ?

Решение разработано в первую очередь для промышленных парков оборудования с дорогостоящим оборудованием. Также, актуально для устаревшего парка в самых разных областях: железнодорожное машиностроение, энергетика, нефтегаз и горнорудная промышленность. Система настроена на мониторинг и прогноз отказов для основных узлов оборудования.

5. С какими системами совместим F5 ЕАМ?

F5 EAM работает с ERP и MES системами для получения данных и передачи результатов работы.

6. Какая польза от использования F5 ЕАМ?

Работа системы на предприятии:

  • на 20% сокращает простои, связанные с ТОиР,
  • на 25% снижает затраты на восстановление производственного процесса,
  • высвобождает на 5% больше мощностей.

Результаты работы правил

1. Что является результатом работы правила?

Это инцидент, потенциальный или случившийся дефект. Он выводится на консоль управления, и инженер видит: что сработало, по какой причине и делает аналитику. Есть возможность выгружать результаты работы правил во внешние системы, уже работающие на предприятии.

2. Насколько точен результат работы экспертного правила?

Как минимум на 90%. В процессе работы экспертных правил их точность можно увеличивать.

3. Как и где применяются результаты правила в процессах?

  1. В обучении физико-математических моделей.
  2. В ПО для мониторинга эксплуатации и прогноза технического состояния оборудования. Инженер получает результат работы экспертного правила, точно оценивает техническое состояние оборудования и правильно планирует ремонтные работы.

Качество работы правил

1. Как работает экспертное правило?

В систему попадает телеметрия с датчиков. Далее, pipeline-менеджер задает последовательность, в которой правила применяются к потоку данных. Тогда все данные проверяются на соответствие правилам.

2. Как они связаны с физико-математическими моделями?

И физико-математические модели, и экспертные правила работают на данных. Кроме этого, модели можно давать не первоначальные данные с датчиков, а результаты работы правила. Это позволяет обучать физико-математическую модель и делать их более гибкими и умными.
Например, экспертное правило предсказывает отказ. Это передается физико-математической модели, которая одновременно мониторит физические параметры процесса. Модель сопоставляет эти данные (с точки зрения физического процесса и со стороны экспертного правила), предполагает корреляцию между этими двумя событиями и обучается. После, она может предугадывать происходящее в будущем.

3. Как оценивается качество работы правил?

На этапе внедрения, правила, которые уже существуют в системе, проверяются. Интеграторы и заказчики следят за количеством false-positive и false-negative.
False-positive — это ситуация, когда правило предсказало отказ, а отказа не произошло. False-negative — это ситуация, когда правило не сработало, а отказ произошел. На этапе внедрения эти метрики собираются, и правила корректируются до тех пор, пока их точность не достигнет 90%.


Создание правил

1. Из чего создается правило и что лежит в его основе?

Для создания правила используются экспертные знания по работе конкретного оборудования и мануалы, которые выпущены производителями.

2. Где и кем создаются правила?

Создание правил происходит в предпроектном обследовании нашими специалистами и специалистами со стороны заказчика. Сначала мы получаем весь список оборудования, которое нужно мониторить, потом классифицируем дефекты. Каждому дефекту пишем цепочку событий, которые приводят к нему. И дальше запускаем это в промышленное использование.
Мы передаем заказчикам права на создание и добавление новых экспертных правил. В нашем ПО есть Domain Specific Language, который позволяет писать правила на языке, понятном инженерам. Для этого не нужно знать язык программирования.

3. В каком продукте применяются правила?

В PMM — продукте для мониторинга эксплуатации и прогноза технического состояния оборудования. Экспертные правила являются сутью анализа телеметрии и оценки технического состояния, а также построения прогноза.


Что такое экспертные правила

1. Что такое экспертное правило?

Экспертное правило в предиктивной аналитике — это описание последовательности условий в виде технических параметров оборудования, которые приводят к отказу.

2. Как оно выглядит или что из себя представляет?

Одно экспертное правило представляет собой условие вида «Если скорость вращения — n, время вращения — t, то результатом будет — перегрев».

3. Зачем нужны правила?

Для автоматического анализа телеметрии и предсказывания неисправностей на основе данных. Экспертные правила предоставляют полную информацию того, что происходило с оборудованием перед отказом. Поэтому выявить место, время и причины отказа и оптимизировать ремонтные работы намного легче.
Экспертные правила расширяют экспертное знание. Если без правил с оборудованием может работать лишь опытный специалист, то с правилами знания этого специалиста доступны каждому сотруднику. Снижаются требования к персоналу, обслуживающему оборудование.

4. Кто с ними работает со стороны пользователя?

Инженеры, обслуживающие оборудование и инженеры-ремонтники.

5. В чем отличие между экспертными правилами и установками АСУ ТП?

АСУ ТП определяет, каким образом оборудование должно работать. Она передает инструкции, в каком режиме и когда функционировать. Экспертные правила ищут моменты, когда оборудование по какой-то причине работает неправильно. Они предназначены для контроля.

6. В чем отличие между экспертными правилами и физико-математическими моделями?

Экспертные правила описывают цепочки событий перед отказом, которые уже известны специалистам. Они собраны инженерами и занесены в систему для того, чтобы облегчить работу с отказами.
Физико-математические модели анализируют только физический процесс и в потоке данных замечают отклонения от нормальности. Это позволяет прогнозировать те отказы оборудования, которые еще никому не известны.

Индустриальная специфика моделей

1. Под какие типы оборудования строятся модели?

Мы работаем с любыми типами оборудования. Подвижные и статичные агрегаты, роторное, электрическое оборудование, трубопроводы — все, что можно назвать оборудованием.
На сегодня нами построено 98 моделей.

2. Модели уже готовы или они индивидуальны для каждого случая и требуют времени на разработку?

Каждый случай индивидуален. Если мы разрабатывали модели для похожего оборудования, с похожим оснащением и данными, то можно адаптировать старую модель под новый случай. Иногда, правильнее создать новую. И в том, и другом случае есть шаблоны, которые дорабатываются в зависимости от поставленных задачи.

3. Как долго создается модель для оборудования?

От двух недель до месяца. Все зависит от сложности оборудования. Иногда это научно-исследовательская задача с негарантированным результатом.
Если оборудование оснащено датчиками, данные с них качественные и собирались долго, то на модель уйдет пару недель. Если же оснащение датчиками на предприятие низкое или данные собираются вручную, то понадобится время не столько на создание модели, сколько на предварительные работы.

4. Как узнать, сколько времени займет разработка модели под мое оборудование?

Прежде чем начать работу с данными, проводится экспертная проработка: какое оборудование, с какими датчиками и какие задачи у клиента. На основе этой информации рассчитывается возможность и время разработки.

Результаты работы моделей

1. Что является результатом работы модели?

Результатом может быть график, диаграмма, 2D-модель, таблица — все зависит от задачи. Каждый раз это индивидуальная работа.

2. Как выглядит визуализация результатов работы моделей для пользователя?

Это понятная для аналитика визуализация. Например, табличка вида: оборудование — дата ремонта, или график текущего технического состояния, график прогноза выхода из строя и т.д.

3. Как и где применяются результаты работы модели?

Результат поступает в таблицу, которая необходима аналитику. Всё зависит от бизнес-потребностей заказчика. Результаты могут передаваться в ERP-систему или принимать форму оповещения. Например, в проекте с «ЛокоТехом» мы настроили передачу информации об инцидентах в ERP-систему заказчика — АСУ СГ, а в другом проекте оповещения поступают в виде push-уведомлений на компьютер заказчика.

Качество работы моделей

1. От чего зависит качество работы моделей?

От нескольких факторов:

  • достаточности оснащения датчиками и их качества;
  • качества и количества исторических данных: есть ли подробный журнал отказов, обслуживания и каких-то других воздействий;
  • экспертизы при разработке модели.

2. Какие критерии оценки качества работы моделей?

Качество работы модели лучше оценивать по экономическим эффектам. Даже с маленькой точностью, модель может приносить впечатляющие экономические результаты.

3. Как происходит дообучение моделей?

На новых данных. Перезапускаются пайплайны по обучению моделей. Также, физико-математические модели дообучаются на основе результатов работы экспертных правил. Если текущее качество работы модели не устраивает, то мы переобучаем модель по запросу.

Создание моделей

1. Как строится модель?

Построение модели идет в несколько этапов:

  1. Сбор данных в автоматизированной системе.
  2. Подготовка к анализу.
  3. Оценка качества и количества данных.
  4. Поиск взаимосвязей.
  5. Подбор метод для построения модели.
  6. 2. В каких программах вы пишете математические модели?

    Все наши модели строятся на Python.

    3. Можно ли создавать модели самостоятельно?

    Да, с навыками программирования на Python. Существует автоматическая модель для разработки физико-математических моделей — авто ML. С ней не нужно знание Python или других языков программирования.

Что такое физико-математические модели

1. Что из себя представляет физико-математическая модель?

Это система уравнений, написанная на языке программирования Python с использованием математического сервиса на платформе Factory5.

2. Как используется в моделях физика, а как математика?

Физические модели основываются на имитационном моделировании физических процессов в разных режимах работы оборудования. Они описываются в виде ряда уравнений динамики, которые определяют отношения состояния оборудования в заданный момент времени, текущие и будущие условия эксплуатации. Также, можно определять взаимосвязь между входными параметрами, передаточными функциями и выходными параметрами.
Проще говоря, чтобы работать с оборудованием, нужно понимать физический закон. А физический закон пишется на языке математики.

3. Зачем нужны модели?

Физико-математические модели исследуют поток получаемых данных на отклонения и таким образом ищут аномалии, еще не известные инженеру и не описанные в экспертных правилах. Цель разработки предиктивной модели — спрогнозировать поведения объекта, где предиктором может быть диагностический параметр, например, health index, который отслеживается на пересечение рассчитанного порога.

4. Какие есть виды моделей?

В зависимости от решаемой задачи мы используем подходящие модели машинного обучения. Чаще всего линейную регрессию и статистические методы. Если эти модели не способны решить задачу, прибегаем к нейронным сетям.

5. Почему они разные?

Разные модели решают разные задачи. Например, одна модель может работать с маленьким количеством данных, а другая — с большим. Иногда нужно обеспечить интерпретируемость результатов, и это тоже может повлиять на выбор способа моделирования.

Работа с данными

1. Как снимаются данные с оборудования?

С помощью датчиков, которые:

  • предоставляются изготовителем вместе с оборудованием;
  • устанавливаются в ходе проекта для дооснащения оборудования.

Мы не привязаны к типу датчиков или данных, потому что можем собирать данные любого характера и вида.

2. Как оценить достаточность данных для анализа?

Такая оценка проходит на этапе предпроектного обследования и зависит от конкретных ситуаций. Чаще данных необходимо столько же, сколько для ручного анализа, иногда меньше. Если у вас есть терабайты данных и тысячи датчиков, то всю ценную информацию можно извлечь, даже не погружаясь в предметную область.

3. Сколько и каких данных нужно для качественного анализа?

Достаточно данных за неделю, но для надежности нужна телеметрия за несколько месяцев, полгода или даже год. Данные должны охватывать все основные режимы работ, которые описывают модели и правила, на разных мощностях: включение, останов, разные позиции машиниста-контроллера и другие.

4. Что делать, если оборудование новое и данных нет?

Их можно собрать во время предпроектной и внедренческой активностях. Этого будет достаточно для необходимого минимума.

5. Как осуществляется работа с потоковыми онлайн-данными?

Продукты Factory5 интегрируются с системами онлайн-сбора информации с датчиков или с системой сбора телеметрии, которая уже есть у клиента. Они передают информацию в наше ПО.

Платформа анализа данных

1. Что такое платформа анализа данных?

Это базовый продукт компании Factory5 для аналитики больших данных. В основе платформы лежат технологии и программные компоненты для эффективного сбора, обработки и хранения данных. На платформе Factory5 разработаны бизнес-приложения для прогнозного технического обслуживания оборудования, интеллектуального управления производственными активами и сценарного моделирования.

2. Как устроена платформа Factory5?

Платформа основана на микросервисной архитектуре. Это значит, что каждый функциональный модуль платформы выделен в самостоятельный сервис. Модули могут устанавливаться на отдельных мощностях, тестироваться, развертываться и обновляться независимо от остальной часть платформы. Каждый отдельный микросервис расположен в своем контейнере, который никак не связан с другими.

На базе архитектуры платформы есть возможность автоматически масштабировать вычислительную мощность под фактические потребности: количество входящих запросов, собираемых данных и другие параметры. Это значительно упрощает работу системных администраторов и IT-служб, которые поддерживают платформу.

Состав сервисов внутри платформы включает:

  1. Ядро, без которого невозможна работы платформы. Основная задача ядра — доступ к данным, их хранение и преобразование в понятную для эксперта структуру оборудования.
  2. Сервис математики. Запускает математические модели. Этот сервис получает доступ к скриптам и выполняет их. По итогам полученная информация поступает в источники данных. Результатом работы могут стать выявленные инциденты и агрегированная телеметрия.
  3. Сервис экспертных правил. Сервис правил получает доступ к коду этого правила, запускает его и по итогу выявляет инциденты.
  4. Сервис построения кубов. Кубы — это аналитический инструмент, который собирает данные из всех источников и приводит их в многомерную структуру по общим индексам. Общепринятое название этому — OLAP-кубы. На их основе аналитик может очень быстро строить отчеты.
  5. Сервис отчетов. В платформе их два. Первый — расширенные отчеты, в нем строят печатные и электронные отчеты. На базе второго сервиса строят визуальную часть отчета: диаграммы, схемы и др.
  6. Pipeline-менеджер — это сервис регистрации шагов обработки данных, который на основе заданного описания находит источники данных и работает с ними.
  7. Сервис управления правами пользователей. 
Узнайте больше о платформе для анализа данных F5 Platform.

3. Как данные поступают в платформу?

Данные могут поступать тремя способами:

  1. Автоматически с датчиков в режиме реального времени.
    Если оборудование оснащено датчиками, передающими телеметрию в режиме реального времени, то через коннекторы она поступает на платформу в режиме реального времени. Также данные могут приходить на сервер ОPC, который является промышленным стандартом для обмена данными между промышленным оборудованием и информационными системами.
    Скоро появится реализация протоколов интернета вещей MQTT — это протоколы, которые передают данные без задержек, что позволит обрабатывать поступающие события и отвечать на них.
  2. Ручная загрузка из файлов.
    Данные копятся на оборудовании, а когда оборудование готово для передачи этих данных, файлы вручную с помощью флешек переносятся в платформу.
  3. Получение данных из внешних систем без ручного участия.
    Платформа интегрируется с внешними системами типа 1С, «Галактики EPR». Поэтому данные поступают из внешних систем с использованием REST API запросов или выгружаются, предоставляя REST API для внешних систем.

4. Какие задачи решает платформа?

Платформа предназначена для того, чтобы собирать данные, «очищать», проверять их качество и корректировать его с помощью экспертных правил. На платформе есть инструменты, с которыми пользователь может реализовать нужную ему логику обработки данных, выстроить необходимые виджеты и собрать их в нужной комбинации. Дальше с обработанными данными работают бизнес-приложения. На их основе можно строить модели, выявлять инциденты, проверять правила и потом либо визуализировать для пользователя, либо строить отчеты для принятия решений.

На базе платформы созданы бизнес-приложения для прогноза технического состояния оборудования, интеллектуального управления активами и сценарного моделирования.

5. Чем платформа Factory5 отличается от остальных?

Уникальность платформы складывается из функций и особенностей архитектуры.

  • Микросервисная архитектура, которая позволяет автоматически регулировать вычислительную мощность и увеличивает отказоустойчивость.
  • Pipeline-менеджер.
  • Встраивание в платформу внешних уже имеющихся аналитических инструментов.
  • Язык разработки экспертных правил.
  • Инструмент построения разузловки оборудования.

6. Какая выгода от использования платформы?

Платформа — это преднастроенный набор компонентов, который позволяет сокращать трудозатраты на разработку и внедрение бизнес-приложений интеграторам и разработчикам. Также, платформа F5 снижает порог входа в отрасль создания аналитических инструментов и компенсирует недостаток компетенций персонала. Например, для ее помощью не потребуются навыки работы SQL-базами данных или очередью сообщений Kafka.

Горизонт прогноза отказов

1. Что такое горизонт прогноза отказов?

Это временное плечо, на период которого можно спрогнозировать отказ оборудования или его узла. Например, для подшипников он может составляет до двух лет, а по остальным компонентам можно определить будущие дефекты на период от 10 до 60 дней вперед.

2. На какой срок строится прогноз?

В нашем случае на десять дней вперед с быстрым обновлением в непредвиденных ситуациях, например, из-за некорректных действий водителя. Обстановка меняется ежечасно, и мы, как инструмент оперативного операционного контроля, опираемся на то, что нужно делать здесь и сейчас. С использованием как новых подходов — анализ «сырой» телеметрии, так и ранее признанные — RCM-анализ и FMEA — строится несколько прогнозов технического состояния. Такая комбинация дает оперативный прогноз на десять дней вперед, который уточняется на показателях телеметрии, и стратегический — на год вперед, учитывающий оценку более общего анализа развития дефектов и статистического анализа.

3. Какой шаг прогноза у системы?

Шаг прогноза зависит от обновления данных.
Если данные приходят небольшими объемами каждую минуту, то и прогноз может обновляться раз в минуту, а если данные приходят файлами в один гигабайт, то системе понадобится время на обновление. Шаг прогноза зависит от обновления данных.
Поэтому в разработке моделей, мы ориентируемся на то, что прогноз должен быть на период, превышающий время реакции по каждому отказу.

4. Какие типы или виды отказов может прогнозировать система?

Это могут быть разные отказы в любом из узлов оборудования: превышение температуры, необычный темп работы, перегрев, пробой и износ. Любой знакомый инженерам вид дефекта.

5. Может ли система спрогнозировать быстро развивающиеся отказы, например, отрыв лопатки?

Быстро развивающиеся дефекты можно спрогнозировать. Наш продукт работает в режиме реального времени или близком к нему. Если что-то внезапно выходит из строя система идентифицирует проблематику, дает рекомендации, чтобы избежать большего ущерба для всего агрегата, далее информирует ремонтные службы и автоматически проанализирует проделанный ремонт.
Именно отрыв лопатки предсказать практически невозможно, потому что есть сложности обеспечить эту зону датчиками. Хотя уже существуют наработки, позволяющие строить прогнозы в отношение лопаток через датчики других компонентов.

Al Engineer - H2

characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks alw The first and principal characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks always to learn, to study, and not to teach. Those who wish to teach or direct neither teach nor lead well. — John Ruskin

Artificial intelligence - H2

characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks alw The first and principal characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks always to learn, to study, and not to teach. Those who wish to teach or direct neither teach nor lead well. — John Ruskin

Al Engineer - H2

characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks alw The first and principal characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks always to learn, to study, and not to teach. Those who wish to teach or direct neither teach nor lead well. — John Ruskin

Al Engineer - H2

characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks alw The first and principal characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks always to learn, to study, and not to teach. Those who wish to teach or direct neither teach nor lead well. — John Ruskin

Artificial intelligence - H2

characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks alw The first and principal characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks always to learn, to study, and not to teach. Those who wish to teach or direct neither teach nor lead well. — John Ruskin

Al Engineer - H2

characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks alw The first and principal characteristic of a good and wise person is his consciousness that he knows very little, that many people know more and he seeks always to learn, to study, and not to teach. Those who wish to teach or direct neither teach nor lead well. — John Ruskin

Прогнозное техническое обслуживание (Predictive Maintenance)

1. Что такое прогноз технического состояния?

Это расчёт будущего технического состояния оборудования и его узлов в период от нескольких дней до нескольких лет вперед. Возможность прогнозирования появилась после того, как компании научились оценивать техническое состояние активов и использовать его для оптимизации программ ремонтов на предприятии.

2. Кто составляет прогноз?

Прогноз технического состояния — это совместная работа человека и программного обеспечения. ПО анализирует большие объемы данных и строит прогнозы, а человек выполняет контролирующую функцию: подтверждает прогнозы или вносит уточняющие факторы.

3. Насколько он получается точным?

Современные технологии дают точность прогноза в 70%—95%. Она зависит от реального состояния оборудования, точности датчиков и от моделей, заложенных в софт. Недостаток точности можно восполнить экспертными подсистемами, которые работают в реальном времени, физико-математическими моделями, а также избыточными данными с датчиков.

4. Как это выглядит физически? Это какое-то приспособление?

Это программное обеспечение, которое работает автономно на серверах заказчика или у «облачного» провайдера. В отличие от аналогичных решений для финансов, ритейла и телеком индустрий, ПО для прогноза технического состояния оборудования выходит за пределы серверной площадки вплоть до оборудования.

5. Как это помогает на практике?

Компании, внедряющие программные продукты для прогнозирования технического состояния, достигают сразу несколько результатов:

  1. Оптимизация штата сотрудников.
    ПО для прогноза технического состояния берет на себя часть функций диспетчера, ремонтного персонала, диагноста и экономит человеко-часы.
  2. Снижение рисков экспертизы и влияния человеческого фактора.
    Программные продукты расширяют возможности человека для анализа больших данных и снижает вероятность его ошибки.
  3. Повышение коэффициента технической готовности.
    Благодаря оценке и прогнозу технического состояния оборудования отказы и остановы перестают быть неожиданность, а внеплановые ремонты становятся плановыми.
  4. Сокращение времени ремонта.
    Предсказание точной даты отказа оборудования позволяет подготовить необходимые запчасти и запланировать работы ремонтной бригады в определенное время в определенном месте.
  5. Увеличение межремонтного интервала.
    Прозрачность технического состояния позволяет совершать плановые остановы оборудования и проводить предупреждающее обслуживание, чтобы повышать показатели безопасности, надежности и эффективности его дальнейшей эксплуатации.
  6. Оптимизация складских запасов запчастей.
    С прогнозированием технического состояния больше нет необходимости делать запасы всех составных частей оборудования на случай непредвиденного отказа.
  7. Переходы на новую бизнес-модель, например, продажу оборудования как сервис.
    Зная точное технического состояния и его прогноз, производитель оборудования или машин может быть уверен, что требуемая техническая готовность будет обеспечена, а для гарантийных разборов достаточно информации, чтобы выявить ответственных. <

6. В чем особенность прогноза технического состояния оборудования от Factory5?

Часть продуктов на рынке анализирует только тревожные сообщения с бортовых систем производителей оборудования. По ним сложно определить, что конкретно вышло из строя, и является ли это основанием выводить машину из эксплуатации и не выполнить текущие KPI. К тому же, такие решения сложны в использовании и понятны только ИТ-специалистам. Другая часть не отвечает потребностям цеха, потому что представляет собой рабочее место аналитика и заменяет стандартный пакет офисного ПО.
Продукты для прогноза технического состояния оборудования от Factory5 анализируют «сырую» телеметрию в режиме реального времени, применяют десятки тысяч экспертных правил и сотни моделей машинного обучения, чтобы получить реальную оценку технического состояния и построить на ее основе прогноз.
Наш продукт объединяет экспертные системы нового поколения и дополняет их физико-математическим моделированием. Поэтому система фиксирует любое колебание в каком-либо параметре и выдает предписание.

7. В каких продуктах Factory5 применяется технология predictive?

Мы применяем технологию predictive для анализа «сырой» телеметрии. С нашей технологией ПО выдает информацию о состоянии оборудования и изменениях непрерывно, другие системы обрабатывают информацию с перерывами и выдают обновления только раз в день или час.

8. На изменение каких производственных процессов направлено ПО с прогнозированием?

В первую очередь на процессы диагностики, планирования ремонтов и запчастей под эти работы. До сих пор на большинстве предприятий эти процессы автоматизированы только на уровне фиксации и отчетов: какие работы и когда уже проведены, какие запчасти использованы и какие примерно ремонты ожидаются. Поэтому основная нагрузка все еще лежит на персонале: он составляет планы, проверяет их, диагностирует каждую машину. Что может приводить к ошибкам и бесцельным перерасходам. Теперь же эти задачи можно доверить программному обеспечению и исключить вероятность влияния человеческого фактора.

Участие в вебинаре
Имя
Обязательное поле
E-mail
Обязательное поле
Номер телефона
Обязательное поле
Название компании
Обязательное поле
Должность в компании
Обязательное поле
не выбрано
не выбрано
не выбрано
Горнорудная промышленность
Логистика и транспорт
Машиностроение
Нефтегаз
Сельское хозяйство
Энергетика
Другое
Отправляя данную форму, я соглашаюсь на обработку своих персональных данных.
Потяните вправо, доказав что вы не робот
Успешно отравлено! Проверьте свою почту. Это окно закроется автоматически.
Забронировать встречу
Имя
Обязательное поле
E-mail
Обязательное поле
Номер телефона
Обязательное поле
Название компании
Обязательное поле
Должность в компании
Обязательное поле
Выберите отрасль
не выбрано
не выбрано
Горнорудная промышленность
Логистика и транспорт
Машиностроение
Нефтегаз
Сельское хозяйство
Энергетика
Другое
Я хочу получать рассылку новостей и предложений на e-mail.
Отправляя данную форму, я соглашаюсь на обработку своих персональных данных.
Потяните вправо, доказав что вы не робот
Успешно отравлено! Проверьте свою почту. Это окно закроется автоматически.
Получить материалы
Имя
Обязательное поле
E-mail
Обязательное поле
Выберите отрасль
не выбрано
не выбрано
Горнорудная промышленность
Логистика и транспорт
Машиностроение
Нефтегаз
Сельское хозяйство
Энергетика
Другое
Отправляя данную форму, я соглашаюсь на обработку своих персональных данных.
Потяните вправо, доказав что вы не робот
Успешно отравлено! Проверьте почту. Это окно закроется автоматически.
Получить запись вебинара
Имя
Обязательное поле
E-mail
Обязательное поле
Номер телефона
Обязательное поле
Название компании
Обязательное поле
Должность в компании
Обязательное поле
не выбрано
не выбрано
не выбрано
Горнорудная промышленность
Логистика и транспорт
Машиностроение
Нефтегаз
Сельское хозяйство
Энергетика
Другое
Я хочу получать рассылку новостей и предложений на e-mail.
Отправляя данную форму, я соглашаюсь на обработку своих персональных данных.
Потяните вправо, доказав что вы не робот
Успешно отравлено! Проверьте свою почту. Это окно закроется автоматически.
Подписаться на рассылку
Имя
Обязательное поле
E-mail
Обязательное поле
Array
Отправляя данную форму, я соглашаюсь на обработку своих персональных данных.
Потяните вправо, доказав что вы не робот
Успешно отправлено! Проверьте свою почту. Это окно закроется автоматически.
Связаться с нами
Имя
Обязательное поле
Фамилия
Обязательное поле
E-mail
Обязательное поле
Номер телефона
Обязательное поле
Название компании
Обязательное поле
Должность в компании
Обязательное поле
Выберите отрасль
не выбрано
не выбрано
Горнорудная промышленность
Логистика и транспорт
Машиностроение
Нефтегаз
Сельское хозяйство
Энергетика
Другое
Я хочу получать рассылку новостей и предложений на e-mail.
Отправляя данную форму, я соглашаюсь на обработку своих персональных данных.
Потяните вправо, доказав что вы не робот
Ваше обращение успешно отправлено. Спасибо!
Запрос на доступ к материалам
После успешного заполнения и отправки формы, материалы придут к вам на e-mail.
Имя
Обязательное поле
E-mail
Обязательное поле
Номер телефона
Обязательное поле
Название компании
Обязательное поле
Должность в компании
Обязательное поле
не выбрано
не выбрано
не выбрано
Горнорудная промышленность
Логистика и транспорт
Машиностроение
Нефтегаз
Сельское хозяйство
Энергетика
Другое
Отправляя данную форму, я соглашаюсь на обработку своих персональных данных.
Потяните вправо, доказав что вы не робот
Успешно отравлено! Проверьте свою почту. Это окно закроется автоматически.