Большие данные в промышленности: от хайпа к эффективному результату - ПАВЕЛ ФЕДОСОВ
←
→
Транскрипция содержимого страницы
Если ваш браузер не отображает страницу правильно, пожалуйста, читайте содержимое страницы ниже
Большие данные в
промышленности:
от хайпа к эффективному
результату ПАВЕЛ ФЕДОСОВ
МЕНЕДЖЕР ПО РАЗВИТИЮ БИЗНЕСА
«Большие данные» активно внедряются
«Хайп-цикл» для развивающихся технологий, Gartner • Технологии хранения и анализа
произвели революцию, плодами
которой уже можно
воспользоваться
• Основная ценность решений:
удешевление хранения и ускорение
обработки
• Фокус смещается в сторону data-
ориентированных решений 2
Хаотичное внедрение
Данным нужна стратегия
Стратегия работы с
данными
Сбор Хранение Анализ
Проектирование
Решения по Технологии
БД, подготовка и
хранению данных и машинного
очистка данных,
параллельному обучения,
поиск источников,
доступу к ним искусственный
жизненный цикл
(NoSQL Database) интеллект
данных
3
Продвинутый анализ создает большую ценность
Ценность для
бизнеса
Переход к data-
ориентированным
решениям
Предсказательная Оптимизация в
Фактический учет
аналитика реальном времени
(прим. (прим. (прим. 4
АСУТП, Мониторинг) Превентивный ТОиР) «Цифровой советчик»)
Большие данные в разных индустриях
Дискретное производство Непрерывное производство
(приборостроение, (добыча, переработка и
машиностроение и пр.) транспорт природных ресурсов)
Вклад в ВВП Низкий* Высокий*
Историческое Спад производства с Непрерывный рост,
развитие конца 80х годов большой объем экспорта
Развитие систем
сбора данных
Потенциал
Высокий Высокий
Больших Данных
5Управление данными –
путь к Цифровому Производства
Оборудование в сети Интернета
1 Вещей и сбор данных
База для создания Цифрового Производства. Мониторинг и контроль состояния
Техника, транспорт, приборы и пр.
оборудования в реальном времени. Подключенное оборудования для сбора
ключевых данных и мониторинга состояния
Использование Искусственного
2 Интеллекта в промышленности
Нейросети, опорные вектора и другие методы Машинного Обучения, контролирующие
и повышающие эффективность процессов производства.
Решения на базе машинного обучения и
искусственного интеллекта
Контроль ресурсов и Планирование Управление ТО
Отраслевые решения. Интеграция цифровых их перемещения производства и ремонтами
3 решений и бизнес процессов Контроль
производства
Сбор, хранение и
обработка данных
Контроль качества
производства
Полный контроль над связкой бизнес процесс – технологический процесс. Контроль Управление Управление рабочим
документации процессом пр-ва персоналом
6Сценарии цифровой Мы прорабатываем, как типовые, так и уникальные
решения, которые могут создавать ценность
трансформации для клиентов в России и за рубежом
Химия, Металло- Агро-
Нефть и газ нефтехимия обработка промышленность Машиностроение
Повышение точности бурения Повышение эффективности Транспортировка и балансировка Удалённый контроль Повышение эффективности
скважин. технологических процессов. металлов. использования и качества технологических процессов.
выполнения работ на Сокращение производственных
Сокращение количества Сокращение производственных Расширенное планирование сельскохозяйственном издержек.
проблем бурения на издержек. и составление расписания оборудовании.
основетехнологий ИИ. (от буровых до дробильных Повышение надежности
Повышение надежности установок). Предсказание всхожести основного оборудования и
Мониторинг состояния труб. основного оборудования и сельскохозяйственных культур производственной безопасности
Прогнозирование отказа производственной безопасности Аналитика больших данных на основе машинной обработки через удалённый мониторинг и
оборудования. через удалённый мониторинг и об энергоэффективности в спутниковых снимков и данных с своевременное обслуживание.
своевременное обслуживание. индустрии цветных металлов дронов. Оптимизация логистических
Мониторинг во время ремонта (переработка меди). процессов.
на месторождении — получение Оптимизация логистических Уменьшение потерь
объективной информации об процессов. Прогнозирование отклонений от сельскохозяйственной
эффективности проделанной плановых рабочих показателей продукции за счёт
работы. при гальванизации. автоматического контроля
условий хранения.
Предсказательная аналитика
необходимости ремонта Селекция и подбор семенного
прокатных станов. материала под особенности
климатических условий
|7 конкретных хозяйств. 7Система мониторинга
на производстве вертолётных редукторов и трансмиссий
На большинстве промышленных производств стоит Равномерная загрузка
оборудования.
Использование
или задача увеличения выпуска при текущих издержках
или задача сокращения издержек при текущих объёмах
системы
выпуска. мониторинга
Снижение рисков позволило:
Эффективные управленческие решения не остановки производства.
возможны без наличия объективной информации о
состоянии производства. • Увеличить загрузку
Автоматизация сервисной станков более чем на 17%.
Система АИС «Диспетчер» подключается к любому и диспетчерской службы
промышленному оборудованию на предприятия и (сокращение простоев).
контролирует ход производственных процессов. • Сэкономить более 55 млн
руб на одном участке.
Эффективное планирование
проектов с учетом объективной • Отказаться от излишнего
загрузки оборудования и расширения станочного
реальной трудоемкости парка и перераспределить
технологических операций.
более 4,7 млн евро на
другие инвестиционные
|8
проекты.Система мониторинга
на предприятии по производству сапфиров
На крупных промышленных производствах, которые Равномерная загрузка
оборудования.
Использование
ориентированы в том числе на экспорт также стоит
задача увеличения выпуска при текущих издержках
системы
или задача сокращения издержек при текущих объёмах мониторинга
выпуска. Снижение рисков позволило:
остановки производства.
Эффективные управленческие решения не
возможны без наличия объективной информации о • Рост производительности
состоянии производства.
Автоматизация сервисной более чем в 2 раза
и диспетчерской службы
Система АИС «Диспетчер» подключается к любому (сокращение простоев).
промышленному оборудованию на предприятия и • Снижение себестоимости
контролирует ход производственных процессов. продукции до 15%
Эффективное планирование
проектов с учетом объективной • Рост доходности на 10% по
загрузки оборудования и сравнению с годом ранее
реальной трудоемкости
технологических операций.
• Совокупный годовой
эффект до 350 млн.руб
|9Рекомендательная система реального времени
для оператора доменной печи
Эффективность производства чугуна определяется На основе анализа исторических данных
составом шихты, динамикой ее загрузки, определены предикторы, определяющие Использование
характеристиками используемого топлива, временными оптимальный ход печи, построены
статистические модели для прогноза
рекомендательной
параметрами его подачи в печь, и распределением веса и химического состава чугуна, системы позволяет:
температур по объему доменной печи. Анализ разработан алгоритм работы системы.
данных по выпуску чугуна на ряде металлургических
предприятий показывает, что вес выпускаемого чугуна В режиме реального времени в систему
варьируется в широких пределах (± 50% и более), поступает информация по текущей
загрузке шихты, текущему тепловому
имеются большие отклонения в химическом составе и • Снизить себестоимость
состоянию печи (температура вблизи
температуре выплавляемого чугуна. Рекомендательная фурм), текущим топливным затратам чугуна более чем на 5%
система предоставляет оператору подсказки для (расход горячего дутья, природного газа,
поддержания оптимального режима работы доменной пылеугольного топлива, кислорода).
печи (минимальная себестоимость при заданных
производительности и качестве выпуска чугуна). На основе этой информации система • Сократить простои
прогнозирует время для начала доменной печи из-за
выпуска чугуна, параметры чугуна, его
себестоимость. Одновременно, система прогара фурм
предоставляет оператору подсказки
для соответствия результатов целевым
параметрам.
• Обеспечить стабильное
| 10 качество продуктаРекомендательная система реального времени
для оператора производства пропилена
• Повышение температуры реакции На основе производственных Использование
увеличивает производительность объекта данных процесса
сейчас, но ускоряет процесс деградации дегидрирования пропана
рекомендательной
теплообменного оборудования, что приводит к сформирована статистическая системы позволяет:
падению производительности в будущем. математическая модель с
учетом физики протекания
• Необходимо непрерывно определять оптимум процесса, определяющая
работы объекта для максимизации выпуска оптимальный режим работы в • Увеличение выпуска
продукции произведенной в межремонтный реальном времени. продукта на 0,5%
пробег.
Создан онлайн-дэшборд с
• Требуется прогнозировать показателями прогноза и • Сократить простоев на
производительность (до 16 000 часов) объекта рекомендательной системой ремонт оборудования
для цели точного ежемесячного, годового для операторов
планирования. производственного объекта
• Совокупный годовой
эффект до 1 млн. долл
| 11Рекомендательная система реального времени
для управления дуговой сталеплавильной печью
Себестоимость полупродукта дуговой На основе анализа исторических данных
сталеплавильнойпечи (ДСП) определяется определены предикторы для прогноза Использование
электрической энергией, расходом природного газа времени плавки заданногосостава и
веса шихты, построены статистические
рекомендательной
и кислорода, необходимымидля плавления шихты. модели, разработан алгоритм работы системы позволяет:
Важным параметром, определяющим себестоимость системы.
полупродукта, является время нахождения печи под
током. В режиме реального времени в систему
поступает информация по составу и весу • Снизить себестоимость
шихты, подготовленной для расплава. До
Анализ данных показывает, что время работы под полупродукта более чем
загрузки шихтыв ДСП система выдает
токомварьируется в широких пределах (± 10мин и сталевару (оператору) режимы (шаги) на 2-3%.
более), имеются отклонения в химическом составе переключения трансформатора, горения
и температуре выпуска полупродукта. Настоящая горелок, время и объемы добавки
рекомендательнаясистема предоставляет сталевару раскислителей, время достижения • Обеспечить
подсказки по выбору режимов работы и переключения целевой температуры расплава. синхронизацию работы
трансформатора управления ДСП, работе горелок, ДСП в рамках
Цель рекомендаций системы–увеличение
добавки раскислителей. скорости плавления металла и производственного
одновременное снижение потребляемой процесса
энергии.
• Стабильное качество
| 12 полупродукта.Офис в Москве:
119071, Россия, Москва
Ленинский пр., 15а
+7 (495) 665-91-31
Офис в Хельсинки:
00240, г. Хельсинки
Pasilankatu 2
+358 (0) 9 3158-95-80
Спасибо за внимание!Вы также можете почитать
