26-27 марта
2019 года
Event Hall Даниловский
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.



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