Связаться с нами
Вернуться назад
Курсы Factory5
25.09.20

Барьеры на пути к цифровизации: как решать аналитические кейсы для бизнеса, если не хватает данных

Содержание публикации

Руководитель направления проектирования корпоративной архитектуры Factory5 Екатерина Баклунова на вебинаре «Технологии прогнозного обслуживания в деле: ошибки и результаты на производстве» рассказала на примерах, как внедрять инновационные решения на промышленные предприятия при отсутствии или нехватке данных. Выступление было приурочено к старту практического онлайн-курса по цифровизации ТОиР.

В современном мире перед предприятием стоят масштабные задачи повышения конкурентных позиций и продаж. Для этого необходимо совершенствовать гибкость производства и качество выпускаемой продукции. Основная цель предприятий промышленного сектора — повышение коэффициента технической готовности оборудования. Отказ производственной системы негативно сказывается на KPI и производственных планах, а скрытые дефекты могут привести к масштабному отзыву продукции. Поэтому диагностика и прогнозирование технического состояния оборудования — актуальная сегодня тема.

В процессе внедрения решений, выполняющих эти задачи, предприятия сталкиваются с большим количеством разных барьеров. В этом материале мы поговорим исключительно о тех, что связаны со сбором актуальных данных.

Какие барьеры возникают при внедрении решений по цифровизации?

Практика показывает, что нет предприятий идеально подготовленных к внедрению цифровых решений. Но даже при наличии ограничений можно найти выход и решить те трудности, с которыми сталкиваются компании. Чаще всего это:

  1. Различное оснащение оборудования.
  2. По-разному организованный сбор данных с уровня КИП: на уровень локальных АСУ ТП, затем на верхний уровень АСУ ТП.
  3. Множество данных, которые собраны для управления технологическим процессом. Они не всегда подходят для решения задач диагностики и прогнозирования состояния оборудования.
  4. Ограничение по хранению значений параметров АСУ ТП за длительные периоды времени, необходимые для применения статистических моделей диагностики и прогноза технического состояния.
  5. Данные, не соответствующие дискретности. Это означает, что они поступают не с той периодичностью, что нужно.
  6. Устаревшее и недооснащенное оборудование. Иногда есть смысл дооснастить его датчиками, а в других случаях это нецелесообразно.
  7. Отсутствие статистических данных по отказам и неисправностям. Например, из-за новизны оборудования.
  8. Ведение журнала неисправностей в рукописном виде.
  9. Регистрация данных с задержкой: событие произошло сейчас, а оператор записал его в конце смены или немного ошибся в указании времени.
  10. Ведение статистики в свободной форме без использования справочников и классификаторов.

Как мы их преодолели: три клиентские истории

Кейс 1. «Статистика отказов и дефектов отсутствует, так как оборудование новое или статистика не собиралась».

Отрасль: нефтегаз.

Клиент обратился к нам с целью диагностики и прогноза технического состояния узлов нефтегазового оборудования. Применение статистических моделей невозможно, потому что на момент начала проекта не было статистики в необходимом количестве. Поэтому было решено применить модель на основе физики процессов — модель, которая описывает сложные физические процессы работы узлов оборудования и их взаимного влияния друг на друга. Она позволяет выявить зарождающиеся дефекты с указанием проблемного узла и рассчитывает параметры технического состояния там, где нет датчиков АСУ ТП.

В максимально упрощенном виде принцип работы этой модели можно описать так:

  1. Производится описание работы узла по расчетным параметрам: входным и выходным. Например, давление на входе и выходе при разных внешних факторах и режимах работы.
  2. Разрабатывается идеальная «паспортная модель» на основе физики процессов
    Сравниваются выходные параметры при прочих известных с расчетным и определяются отклонения в работе узла.
  3. И такие законы можно описать по разным узлам и разным видам отказов.

Результаты:

  • Раннее обнаружение отклонений в работе оборудования и идентификация зарождающихся дефектов и отказов.
  • Рекомендации системы для постоянной поддержки эффективной эксплуатации оборудования.
  • Эффективность информационного взаимодействия между эксплуатирующим персоналом и инженерно-техническим центром для оперативного мониторинга технического состояния оборудования. Интерпретация работы построенной модели.
  • Инструменты для уточнения и апробации заводских методик контроля технического состояния оборудования.
  • Снижение времени простоев оборудования за счет раннего выявления развивающихся дефектов.
  • Снижение расходов на ТОиР

Кейс 2. «Считывается малое количество параметров, но необходима модель обнаружения предотказов с точностью 98%»

Отрасль: нефтегаз.

Клиент обратился с такой же задачей — диагностики и прогноза технического состояния узлов нефтегазового оборудования. Поскольку ситуации похожи, было принято решение физически измерить все параметры узла и привязать модели к тем параметрам, которые дал заказчик. Принцип работы идентичен первому кейсу и реализован с применением моделей на основе физики процессов.

Кейс 3. «Нет возможности передать выгрузку значений параметров и уставки, но необходима модель, основанная на экспертных правилах».

Отрасль: энергетика.

Перед нами стояла задача разработки системы онлайн-мониторинга и предиктивного анализа технического состояния энергетического оборудования. Было решено использовать комплексный подход к разработке модели с анализом документации на оборудование и разработать модели на уставках и экспертных правилах. Подробнее о них можно узнать в разделе F.A.Q. нашего сайта.

В этом случае работа происходила в четыре этапа:

  1. Проведена методологическая работа по описанию «дерева оборудования» и анализу имеющейся документации.
  2. На основе имеющихся данных, документации и опыта экспертов разработаны экспертные правила для выявления и интерпретации неисправностей.
  3. Расчет индекса здоровья, выявление трендов деградации и прогнозирование состояния оборудования с помощью математических моделей.
  4. Выдача автоматических рекомендаций на обнаруженные отклонения в работе оборудования.

Как понять, готова ли компания к цифровизации?

Проблемы, которые касаются готовности к цифровым проектам, решит обследование текущей ситуации, ИТ-ландшафта, анализа собираемых параметров и значений данных. По результатам обследования можно говорить о уровне зрелости компании в части сбора и подготовки данных. Чтобы примерно оценить его мы предлагаем использовать чек-лист, приведенный ниже. Он создан экспертами Factory5 в результате многолетнего опыта предпроектных обследований.

таблица.jpg

Слева указаны уровни зрелости по убыванию. На максимальном уровне можно построить модели для диагностики и прогноза технического состояния оборудования с ответом на вопросы: что, как, когда и почему это может произойти. На начальном уровне зрелости можно определить наличие аномалии в работе актива, но часто без указания конкретного узла.

Столбцы характеризуют критерии, по которым и определяется уровень зрелости компании. К ним относят:

  1. Дискретность параметра: частота поступления значений параметра индивидуальна для каждого типа оборудования.
  2. Информация о режимах работы оборудования необходима для реализации практически любого сценария по обнаружению и прогнозу отклонений.
  3. Модели оборудования с разузловкой и привязкой по параметрам. Если таких моделей нет, они могут быть созданы в рамках проекта.
  4. Период необходимых данных для статистических моделей — это минимум один цикл сервисного обслуживания. Это связано с тем, что после сервисного обслуживания состояние оборудования восстанавливается, улучшается.
  5. Непрерывность передачи данных.
  6. Для обучения статистических моделей необходима статистика по отказам и неисправностям: например десять и более случаев таких событий.
  7. Если статистики нет, то для реализации задач компании имеет смысл рассмотреть применение физических моделей.
  8. Для разработки моделей, которые позволят прогнозировать техническое состояние с указанием узла, типа отказа, прогнозного времени отказа и его причины, может потребоваться детальная информация об уже случившихся отказах: тип отказа, время, внешние условия, параметры работы других узлов и другие данные.

Этот чек-лист может применить каждая компания, чтобы самостоятельно оценить: свою готовность к цифровым сценариям, объем подготовки и возможности в части мониторинга состояния оборудования, которые доступны прямо сейчас.

Как организовать цифровизацию в компании?

Если говорить об общих рекомендациях по организации системного подхода к цифровизации, то следует упомянуть следующие этапы:

  1. Обследование текущих процессов и ИТ-ландшафта.
  2. Первичный анализ имеющихся данных.
  3. Определение возможных сценариев цифровизации с учетом предыдущих пунктов. К цифровым сценариям ТОиР можно отнести не только диагностику и прогнозирование тех состояния актива, но и контроль энергоэффективности, финансово-экономическое моделирование, сценарное моделирование для планирования оптимальной программы ремонта на длительный горизонт или весь жизненный цикл актива, оптимизация ремонтных мощностей и расчет оптимального баланса парка оборудования.
  4. Изучение технологий, имеющихся на рынке, вендоров и разработчиков.
  5. Изучение референсов и опыта других компаний со схожими задачами и типом оборудования.
  6. Реализация пилотного проекта.
  7. Тиражирование решения, реализация полномасштабного проекта.

В рамках курса по цифровизации ТОиР от Factory5 вам будут доступны шпаргалки-анкеты для исследования процессов ТОиР, анализа имеющихся данных, обзор технологий и классов систем, библиотека реализованных кейсов и другие дополнительные материалы для инициации и реализации проектов цифровизации. В блоке по управлению проектами вы разберете процесс его реализации от начала до конца.

Курс стартует 19 октября и продлится 10 недель. Он содержит 8 модулей по 5-6 уроков в каждом, видео-уроки, проверочные тесты, чат с экспертами и более 10 часов практики. Узнайте о курсе подробнее и запишитесь на первый бесплатный урок: https://education.factory5.ai/

Больше материала:
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 отравлено! 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.