Модератором выступил председатель Совета директоров АО «РОТЕК» Михаил Лифшиц, подчеркнувший, что «в современном быстроменяющемся мире критически важно не только уметь собирать данные (за последние несколько лет человечество сгенерировало информации больше, чем за всю предшествующую историю), но и уметь ее использовать. Если мы что-то имеем, но не знаем, как этим воспользоваться — это равносильно тому, что мы не имеем ничего. Зачем нужна big data и как наиболее эффективно ее использовать — вот те вопросы, которые нуждаются в самом пристальном внимании и детальном обсуждении».
О своем опыте построения систем сбора больших данных в генерирующей компании рассказал директор по IT АО «Интер РАО — Электрогенерация» Алексей Бунин. «В 2017 году наша компания запустила проект по унификации данных, приведения их в порядок начиная с систем нижнего уровня. Мы остановились на решении сделать свою собственную систему сбора данных. Главным вопросом для нас сейчас является поиск именно тех данных из всего массива, которые действительно нужны для качественного прогнозирования работы оборудования. Для этой цели мы запустили НИОКР, в рамках которых анализируем, какими именно датчиками необходимо дооснастить наше оборудование для целей прогностики. На данный момент мы продолжаем исследования… Но начинать заниматься прогностикой можно и нужно, в принципе, имея любой объем данных».
Руководитель программно-аппаратного комплекса прогностики ПРАНА Артем Маркелов рассказал о практическом опыте применения прогностики на объектах генерации в России и Казахстане, подробно остановился на конкретных кейсах, показавших ее эффективность. Спикер подчеркнул: «Система предиктивной аналитики — это, прежде всего, система поддержки принятия управленческих решений, это экспертная система, которая никаким образом сама не воздействует на оборудование. Она информирует персонал и руководство предприятий о состоянии оборудования и фиксирует все действия или бездействие персонала в оперативный журнал, делая работу персонала прозрачной на 100%. Интеграция системы предиктивной аналитики с другими системами в экосистему предприятия в целом дает возможность получить синергетический эффект, связанный с экономией времени, экономией в закупках и логистике, заставляет персонал двигаться».
Отвечая на вопрос о роли и возможностях использования нейросетей в предиктивной аналитике, Маркелов отметил, что потребуется еще достаточно большое количество времени для того, чтобы понять, изучить и соотнести правильным образом кейсы, архивные данные (для возможности обучения нейросети). Но, тем не менее, постепенно эта информация накапливается».
Описывая свой опыт применение систем прогностики, генеральный директор АО «ЭнергоремонТ Плюс» Борис Архипов подчеркнул: «Внедрив Систему ПРАНА (на генерирующих объектах Т Плюс) в 2017 году, нам удалось снизить уровень аварийности в два раза. А если взять качественный показатель, характеризующий тяжесть происшествий, то на порядок. По величине экономического ущерба ушли с миллиардов на сотни миллионов. Инвестиции в прогностику окупились уже не один раз. Кроме этого прогнозирование технического состояния, позволило нам заранее обеспечивать запас высокотехнологичных запасных частей для ремонтов, получая оптимальные цены. Система прогностики позволила нам быстро обнаружить и привести в порядок датчики, неверно заведенные сигналы, неисправные каналы связи и так далее. В обычном режиме на выявление всех этих проблем ушло бы очень длительное время».
Борис Архипов особенно отметил воздействие Системы ПРАНА на сам производственный процесс: «Появилось наблюдение за действиями оперативного и управленческого персонала. Все, что происходит, записывается в архив, который можно посмотреть, отмотать назад во времени, выгрузить объемы и все проанализировать, вернувшись в тот момент, когда что-то произошло. Тем не менее, нельзя надеяться на то, что, внедрив прогностику, мы избежим всех аварийных ситуаций. Аварии были, есть и еще точно будут, потому, что стопроцентной надежности в технике не бывает по определению. Ни для кого не секрет, что бывает так, что неверные действия персонала могут скрываться без наличия объективной системы контроля, расследование даже может быть пущено по ложному следу. А этот „старший брат“ позволяет наиболее прозрачно и объективно оценивать эти события… Система ПРАНА есть ничто иное как часть большой цифровой экосистемы по управлению высокотехнологичными производствами. Будь то энергетика, нефтегаз или металлургия».
Директор департамента разработки программного обеспечения ПРАНА Игорь Трудоношин рассказал о методах физического моделирования и его роли в прогностике: «Изначально физическое моделирование было инструментом конструирования, поскольку позволяло анализировать многие варианты реализации одной и той же конструкции без создания стендов, образцов, математически просчитывать поведение той или иной системы, основываясь на базовых физических законах. С появлением производительной техники появилась возможность распространить эти самые расчеты ближе к области реального времени… То есть, мы можем посмотреть в динамике, как распределялись поля, как они будут изменяться. Но каждый шаг моделирования — это по сути решение огромной системы уравнений, для которой все еще требуется некая вычислительная мощность. Поэтому в физическом моделировании в прогностике более применим подход на макроуровне. То есть, мы не пытаемся представить всю конструкцию модели. Мы представляем ее в виде характерных точек: давление в трубопроводе, температура в определенных местах. Анализ эквивалентной схемы тоже позволяет отследить динамику работы. Он применим в достаточно сложном техническом сооружении масштаба энергоблока или производственного цеха.
Однако главный недостаток физических моделей — это их идеализированность. Они не учитывают естественный износ, возможные загрязнения, и какие-то индивидуальные особенности агрегата. То, что в статистических методах мы получаем практически автоматически, с физическим моделированием, к сожалению, не работает. И для того, чтобы перейти уже к реальному использованию методов физического моделирования прогностики, мы выбрали подход построения гибридных моделей. С помощью статистических методов мы уточняем физическую модель, изменяем некоторые ее параметры, по информации с датчиков оборудования, уточняем их».
Сегодня процессы цифровизации и внедрения систем прогностики на промышленных объектах уже не являются экзотикой или особенностью сверхтехнологичных производств. В том или ином объеме все инфраструктурные объекты проходят по этому пути. Вопрос лишь в скорости промышленной трансформации отдельного производства. Вместе с новыми возможностями, ее внедрение порождает большое количество научных и технологических вопросов, требующих самого детального обсуждения. Цикл вебинаров «Прогностика. От теории к практике» призван помочь лучше понять новые возможности и вызовы этого перспективного направления, получить информацию от профессионалов и практиков, уже применяющих данные системы в промышленности.
