26-28 марта
2020 года
Москва
Организатор
Москва
Астана
EN
30.01.2018
Максим Липатов, АО РОТЕК. Предиктивная аналитика на производстве

Интернет вещей предоставил миру массу новых возможностей. Одной из главных стала возможность организованного и непрерывного сбора данных с датчиков и других устройств. Благодаря современным «умным» решениям стало реальным собирать  большие объемы данных о различных процессах в режиме реального времени.

По данным Transparency Market Research, к 2019 году рынок прогнозной аналитики достигнет 6,5 миллиардов долларов, тогда как по итогам 2012 года он составлял всего 2,8 миллиарда. Мировой рынок систем для предиктивного анализа будет расти в среднем на 17,8% ежегодно. Как показывает практика, в сложные экономические периоды выживают те компании, которые продолжают инвестировать в технологии и инновации. И предиктивная аналитика, безусловно, является одной из них.

Схема работы предиктивной аналитики (Источник: Forrester Research, 2013)

Для промышленных предприятий, где необходима обработка и понимание огромного количества данных и есть высокие риски при принятии решений, предсказательная аналитика имеет особое значение. Данные о протекании технологического процесса не всегда используются эффективно, в то время как их можно использовать для оптимизации операционных процессов и повышения технико-экономических показателей производства. Оптимизацию можно выполнить на любом производстве с серьезным уровнем автоматизации, организованным сбором и длительным хранением информации.

Для этого успешно применяются интеллектуальные системы, которые могут проанализировать состояние технологического процесса в реальном времени, спрогнозировать дальнейшее протекание процесса, определить уровень оптимальности и, при необходимости, изменить управляющие параметры или дать рекомендации диспетчеру. Для решения данных задач с помощью средств машинного обучения создается предиктивная математическая модель технологического процесса. Она анализирует входные параметры, в реальном времени выдает прогноз протекания процесса и предложения по его оптимизации.

Максим Липатов, технический директор проекта ПРАНА, IIoT решения для диагностики и прогноза состояния промышленного оборудования в компании РОТЕК подчеркивает: «Собственно внедрение цифровых систем управления в производстве уже достаточно хорошо позволило повысить эффективность на производственных объектах. Сейчас мы пошли немножко дальше, мы начали применять систему предиктивной аналитики для диагностирования и выявления на самых ранних стадиях отклонений в работе оборудования. Собственно, основные наши задачи, которые мы пытались привнести – это сокращение внеплановых остановов и снижение ремонтных затрат».

Существенные затраты на производстве идут на ликвидацию последствий аварий и ремонт рабочих линий. В наше время оптимально переходить на планирование бюджетов и переходу от аварийных ремонтов к реальному ремонту по состоянию.

Посмотреть полную версию выступления Максима Липатова на IoT World Summit Russia 2017 можно, заполнив эту анкету.

Основным преимуществом является скорейшее обнаружение отклонений в техническом состоянии оборудования. ПРАНА заблаговременно предупреждает о возможных неисправностях оборудования, анализирует причины отклонений в работе и предоставляет полный спектр рекомендаций по их устранению. Контроль основывается на едином интегральном критерии. То есть, нет необходимости оценивать различные тренды, сравнивать в зависимости какие-то явные или неявные отклонения в состоянии поведения оборудования достаточно ориентироваться на один общий интегральный критерий. Интегральный критерий может быть сведен как по группе объектов, так и по одному объекту.

Почему важно использовать предиктивную аналитику

Максим Липатов

Технический директор проекта ПРАНА в АО "РОТЕК"

К нам неоднократно обращались страховые компании и эксплуатирующие организации с просьбой оценить уже свершившееся событие, чтобы проверить методы предиктивного анализа на реальных событиях.

Возьмем один случай. Произошло повреждение подшипников и проточной части газовой турбины. Изменения в состоянии проявились за две недели до планового останова и в данной ситуации было принято решение о дальнейшей эксплуатации. Газовая турбина не была остановлена, в результате только на ремонт было затрачено 470 млн рублей. Если бы применялся предиктивный анализ в данной ситуации, то можно было сократить срок ремонта как минимум в три раза, и стоимость ремонта не менее, чем в половину.

Еще один интересный случай по результатам анализа архивных данных повреждения проточной части турбины. В данном случае, за 7 дней до аварии была явно видна необходимость останова агрегата. При своевременном осмотре проточной части можно было избежать ущерба более чем на 1 миллиард рублей.

Современные возможности в области IoT и Big Data вместе с передовыми методами предиктивной аналитики становятся действенным инструментом для сокращения издержек, улучшения качества продукции и увеличения производительности предприятия. Прогнозная аналитика стала новым трендом современности, который открывает широкие перспективы для дальнейшего развития компаний. Кроме промышленности и энергокомплекса, прогнозные платформы успешно используются в банковской сфере, страховании, ритейле, логистике, маркетинге и многих других направлениях.

О применении современных технологий для аналитики, прогнозирования и планирования работы энергокомплексов вы сможете узнать на втором Smart Energy Summit Russia, который пройдет в Москве 27-28 марта 2018 года. Узнать подробности программы и получить полный список спикеров вы можете, оставив свои данные в этой анкете.


Любое использование либо копирование материалов или подборки материалов сайта, элементов дизайна и оформления допускается лишь с разрешения правообладателя и только со ссылкой на источник smartenergysummit.ru


Другие новости
right-arrow left-arrow facebook-logo youtube instagram