Первым IT-делом

Стоит ли торопиться с внедрением предиктивной аналитики на промышленном предприятии

Предиктивная аналитика и промышленный интернет вещей IIoT (Industrial Internet of Things) – в числе наиболее обсуждаемых технологий четвертой промышленной революции. Интеграция и коммуникация датчиков, оборудования и информсистем, основанных на промышленном искусственном интеллекте (ИИ), должны создавать новые возможности по управлению технологическими и бизнес-процессами предприятий. Руководитель направления IT и разработки Центра компетенций НТИ по большим данным МГУ Александр Бирюков рассказал RSpectr, почему многие спешат с внедрением предиктивной аналитики, перепрыгивая через этапы автоматизации техобслуживания и ремонта.

РУКА ОБ РУКУ

Предиктивная аналитика с помощью моделей, основанных на машинном обучении, исследует исторические данные, а также информацию, поступающую с датчиков IIoT, и предсказывает состояние оборудования, динамику KPI производства и факторов риска.

Принципиальным отличием алгоритмов, применяемых в производственных задачах, является использование промышленного ИИ. Он фокусируется на разработке, валидации и развертывании различных алгоритмов нейросетей и машинного обучения для промышленных приложений с устойчивой производительностью.

Внедрение промышленного ИИ должно обеспечивать стабильность производства путем оптимальной координации распределенных производственных ресурсов. Согласно исследованию Gartner, именно

алгоритмы на базе ИИ и машинного обучения являются приоритетом для внедрения в промышленности до 2025 года

Рука об руку с предиктивной аналитикой развивается IIoT. Эта технология подразумевает цифровую интеграцию широкого спектра датчиков и цифрового оборудования с целью оперативного сбора данных для решения задач интеллектуального техобслуживания, а также мониторинга состояния оборудования.

Одним из ключевых трендов в IIoT сейчас можно назвать развитие Edge IIoT – технологий распределенных вычислений. Они должны позволить легко масштабировать платформы промышленного интернета вещей и снизить задержку при обработке данных. Согласно исследованию Gartner, такие технологии должны достигнуть своего пика в 65% от всех IIoT систем к 2025 году.

ВНЕДРЯТЬ С УМОМ

Когда речь заходит о внедрении системы предиктивной аналитики, стоит начинать с двух фундаментальных вещей: определения цели и предварительной оценки прибыльности внедрения.

Чтобы определить цели внедрения, необходимо обратиться к концепции интеллектуального технического обслуживания в целом. Она состоит из следующих этапов:

• мониторинг и анализ технического состояния оборудования;
• диагностическая аналитика;
• предиктивная аналитика;
• предписывающая аналитика.

Сложность данных этапов возрастает вместе с потенциальными издержками внедрения.

Если необходимо просто наблюдать за состоянием оборудования и вовремя определять простые отклонения в работе с верхнеуровневым предсказанием отклонений KPI производства, то вам будет достаточно остановиться на

первом этапе – внедрении системы мониторинга и анализа технического состояния оборудования (на базе IIoT)

Такая система подойдет для технологически несложных предприятий, где процесс износа оборудования легко предсказуем, а действия по техническому обслуживанию шаблонны и не затратны для предприятия.

На этом этапе также начинают накапливаться ценные данные, которые необходимы для реализации следующих. На крупном и сложном предприятии техобслуживание становится нетривиальной задачей. Для отдельных видов оборудования требуются специалисты, выезд которых на объект нужно планировать и оплачивать отдельно. Фокус систем диагностической аналитики – на определении не просто общей просадки работы производства, а конкретного фактора, который оказывает губительный эффект на производительность.

Когда предприятие прошло первые два этапа, оно уже набирает достаточный объем данных, чтобы начать предсказывать с высокой точностью, какие факторы, когда и в какой мере будут оказывать негативный эффект на производственные процессы. Только на этом этапе заходит речь о предиктивной аналитике.

Распространенная ошибка – пытаться сразу запрыгнуть на данный этап, в обход первых двух. Теперь, когда на объект приезжает специалист, он четко видит, какие системы находятся в зоне риска и в какой степени. Вместо того чтобы организовать дополнительный выезд для планового технического обслуживания, некоторые работы можно провести заранее, «заодно» с выполнением основной задачи текущего выезда.

На последнем этапе предприятие может внедрять предписывающую аналитику, которая является логическим продолжением предиктивной

Эта система не только формирует прогнозы, но и берет на себя принятие решений (или формирование рекомендаций) по конкретным действиям. На данном этапе можно частично заменить специалиста, который осуществляет техническое обслуживание, так как для решения мелких проблем теперь достаточно посмотреть на рекомендации, предложенные системой.

ПЕРСПЕКТИВЫ В РОССИИ

Не каждому предприятию необходимо проходить все этапы внедрения такой системы и внедрять непосредственно систему предиктивной аналитики. Больше того, это может быть экономически нецелесообразно.

При подсчете стоимости внедрения такой системы недостаточно смотреть на стоимость работ по внедрению и датчиков. Важно оценивать эффект от ложных срабатываний системы: из-за них в худшем случае необходимо прерывать производство, вызывать команду специалистов, которые обнаружат, что это была ложная тревога.

На практике многие фокусируются на том, чтобы система безошибочно предсказывала сбои, но забывают таргетировать снижение ложных предсказаний

Но именно они в итоге делают внедренные системы просто невыгодными для предприятия.

В то же время сбои и неточности работы системы на первых двух этапах не несут издержек для производства, а выгода от ее корректной работы будет постепенно окупать стоимость внедрения. Именно поэтому рекомендуется начинать внедрение постепенно и именно с этих этапов.

Говоря о рисках и барьерах внедрения, также нельзя забывать о рисках кибербезопасности. Внедрение такой системы открывает дополнительные лазейки (например, через преднамеренное провоцирование ложных срабатываний системы) для злоумышленников. Это подтверждает опрос Gartner, согласно которому наибольшее количество руководителей промышленных предприятий (66%) будут увеличивать затраты на обеспечение информационной безопасности.

Сейчас относительно немного отечественных предприятий, за исключением самых крупных, используют предиктивную аналитику и IIoT. Перечисленные технологии нуждаются в комплексе облачных услуг, таких как PaaS- и SaaS-продукты, в то время как

для российских предприятий характерна лоскутная автоматизация – одновременное использование нескольких независимых друг от друга систем

Это усложняет внедрение систем предиктивной аналитики и IIoT.

При этом потенциал применения систем интеллектуального техобслуживания в России действительно большой. Например, в горнодобывающей промышленности стоимость экскаваторов оценивается в диапазоне от 250 млн до 900 млн рублей, при этом уровень их использования составляет только 70% календарного времени. Согласно оценкам McKinsey, внедрение предиктивной аналитики может снижать простой оборудования на 30%.