1 апреля 2021

Я знаю, что случится с вашей машиной

Предиктивная аналитика на основе имеющейся информации предсказывает, как будут развиваться события. Для этого применяются методы математической статистики, моделирование, Data Mining (интеллектуальный анализ данных), а также разные разделы Data Science (применение научных методов при работе с данными), в частности машинное обучение. Так, предик­тивная аналитика, получив показатели работы промышленного оборудования в разные временные промежутки, может предугадать момент, когда ему следует пройти профилактический ремонт. Это помогает избежать аварий, сбоев в системе и своевременно подвезти запчасти.


Прогноз для экскаватора

Предиктивную аналитику активно применяют в банках — для оценки платежеспособности людей, желающих взять кредит. Такая методика называется скорингом. Для построения модели собираются данные за весь период, а затем характеристики конкретного клиента сопоставляются с полученной информацией. Если портрет человека так или иначе совпал с описанием группы лиц, оказавшихся ненадежными, то обратившемуся за займом клиенту откажут.

В современном ритейле системы предик­тивного маркетинга оценивают поведение потребителя, историю покупок и его интересы в режиме реального времени без участия технических специалистов. Это открывает для ритейлеров широкий спектр возможностей персонализации сервиса.

В системе ЖКХ при условии автоматизации всей цепочки технологических процессов (например, в обеспечении населения водой или теплоснабжении) можно повысить качество предоставления коммунальных услуг за счет использования цифровой IoT-платформы, обеспечивающей объективный учет и мониторинг потребления ресурсов. В числе плюсов такого решения — предупреждение о возможных аварийных ситуациях, периодически возникающих в передающих сетях или на объектах генерации ресурсов.

В последние годы решения предиктивной аналитики востребованы в промышленности, в том числе на машиностроительных заводах. Например, на «Уральских локомотивах» (Верхняя Пышма, совместное предприятие Группы Синара и немецкого концерна Siemens AG) выпускается «умный» подвижной состав. Во все электровозы и электропоезда интегрированы автоматизированные и автоматические системы управления. Они объединяют диагностику, автоведение и глобальное позиционирование GPS/GLONASS с двухсторонней связью. При помощи специально разработанной программы «УЛ-Сервис» диагностические данные (около 700 параметров) о каждой единице подвижного состава поступают на предприятие в режиме онлайн. Эти параметры обновляются ежесекундно и передаются не только в диспетчерскую завода, но и в РЖД, и в сервисную компанию. Это позволяет оперативно оценивать состояние электровоза или электропоезда и в случае необходимости корректировать их обслуживание.

Screenshot_16.png

Элементы предиктивной аналитики начинают внедрять и на екатеринбургском Уралмашзаводе (УЗТМ, входит в Группу УЗТМ-КАРТЭКС). Как сообщили в пресс-центре УЗТМ-КАРТЭКС, уралмашевские конструкторы приступили к внедрению системы функционального моделирования 1D для создания электронных макетов и цифровых моделей всех новых продуктов. Для этого будут использоваться имеющиеся инжиниринговые продукты (Siemens NX, Ansys и Rocky DEM), а также новая программная платформа компьютерного моделирования работы систем Simcenter Amesim. Такая платформа позволит на самых ранних этапах разработки новой продукции проводить математические расчеты, анализ и построение модели будущей машины — с подтвержденным описанием работы любых систем. А после изготовления новых машин и оборудования их специальными датчиками УЗТМ получит цифровые двойники этой продукции. Первыми машинами Уралмашзавода, для которых будут созданы цифровые модели, станут элект­рические карьерные экскаваторы ЭКГ-30 и ЭКГ-35. Необходимая лицензия будет закуп­лена в этом году, но по временной лицензии программа Simcenter Amesim уже была успешно опробована уралмашевцами для моделирования процессов работы гидропневматических систем инновационных дробилок КМД-3000/800, поставленных предприятию «Карельский окатыш».

— Уралмашзавод — одно из немногих крупных отечественных предприятий, которое уже ведет внедрение системы 1D-моделирования, — комментирует руководитель группы инженерного анализа и расчетов УЗТМ Андрей Конюшевский. — Создание цифровых моделей позволит просчитать и оптимизировать конструкцию машин, избежав ошибок, а также создать в цифровом виде и презентовать заказчикам целую линейку продукции до ее непосредственного запуска в производство.

Предсказание с российской спецификой

Участники рынка отмечают динамичное внедрение в нашей стране решений предик­тивной аналитики. А будет еще быстрее.

— Если сравнивать с рынком предик­тивной аналитики США, которые являются мировым лидером и задают тренды для остальных стран, российский рынок молод, однако по качеству продуктов и услуг близок к лидеру, — поделился с «Э-У» расчетами операционный директор Группы компаний Ctrl2GO, генеральный директор Ctrl2GO Solutions Александр Дмитриев.

— По оценкам аналитической компании IDC Russia & CIS, до этого года темпы роста рынка находились в диапазоне 8,3 — 12% в год, на горизонте 2021 — 2030 годов средний темп ежегодного роста составит до 15%. На наш взгляд, этот показатель может оказаться еще выше, и объем рынка может увеличиться с 155,08 млн долларов в 2021 году до 331,27 млн долларов в 2024-м. В целом можно сказать, что российский рынок предиктивной аналитики находится на переходном этапе между ростом и зрелостью.

По данным IDC Russia & CIS, уже сейчас более 55% российских организаций выделяют бюджет на внедрение продуктов предиктивной аналитики в рамках цифровой трансформации, и доля таких компаний будет расти. На рынок выходят крупные государственные заказчики и инфраструктурные компании с потребностью во внед­рении продуктов цифровой предиктивной аналитики. Лидерами среди отраслей по внедрению таких продуктов являются ритейл, телеком, финансовые институты, металлургия, ИТ, нефтегазовая отрасль и транспорт. При этом предиктивная аналитика входит в производственные отрасли в составе экосистемы продуктов. Системы по анализу внедряются совместно с датчиками по сбору данных, с системами хранения, архивирования данных и с сетями передачи данных.

— По данным аналитической системы «Спарк», около 40 тысяч компаний представляют продукты в области предиктивной аналитики, больших данных, искусственного интеллекта. Сравнительно низкий порог входа на рынок позволяет новым игрокам без серьезных капиталовложений создавать новые компании, — считает Александр Дмитриев. — Еще буквально два года назад каждый день появлялись десятки стартапов, занимающихся предиктивной аналитикой. Предложение на рынке опережает спрос в несколько раз, компании вынуждены продавать свои решения и услуги на грани себестоимости, чтобы иметь возможность заработать. При этом игроков, имеющих серьезные реализованные кейсы и успехи, на рынке не так много. Почти у всех есть отраслевая направленность: стартуют обычно с какого-то одного большого проекта, и дальше довольно сложно сделать шаг от этой отраслевой компетенции в другие индустрии, для этого необходима глубокая экспертиза.

Часто компании, предлагающие решения предиктивной аналитики, совмещают функции вендора и интегратора. Имея програм­мное обеспечение, они могут обрабатывать данные и реализовать проекты самостоятельно. Случаи с отдельными интеграторами редки — такие игроки не занимаются разработкой своего решения, но имеют компетенции в области моделирования оборудования на разных продуктах. Среди промышленных гигантов в разных отраслях есть компании, которые развивают собственные компетенции по предиктивной аналитике. Другие игроки стараются покупать стартапы, имеющие минимально готовый продукт, чтобы настроить его под свои запросы.

— Сегмент предиктивной аналитики развивается в России достаточно активно, особенно в промышленном секторе, — рассказал «Э-У» управляющий директор компании «Цифра» Павел Растопшин.

— Во-первых, эта технология в сфере искусственного интеллекта наиболее понятна бизнесу и имеет быстрый экономический эффект: сокращение расходов на ремонты дорогостоящего оборудования, уменьшение простоев, снижение себестоимости готовой продукции без потери в ее качестве. Согласно опросу KPMG, посвященному использованию цифровых технологий, 68% из более сотни крупнейших российских компаний используют анализ больших данных и предиктивную аналитику. В машиностроении крайне мало компаний работают в этом направлении, а для западных вендоров вход в эту отрасль практически закрыт из-за курса на импортозамещение. В нефтегазовой отрасли и металлургии выбор решений шире как среди российских разработчиков, так и среди иностранных компаний.

Эксперты признают, что крупнейшие зарубежные вендоры, такие как SAS, SAP, IBM, Oracle, Tibco, StatSoft (компании с многолетним опытом и сильной инженерной составляющей, имеющие сильное лобби), оказывают существенное воздействие на российский рынок ИТ-систем вообще и предиктивных платформ в частности. Обусловлено это тем, что они вошли на российский рынок на стадии, когда все отрасли были открытыми, и внедрили свои продукты, когда конкуренция была минимальной. В процессе допродажи иностранные вендоры внедряли и продолжают внедрять свои продукты в существующий ИТ-ландшафт своих клиентов, тем самым блокируя доступ российским компаниям к крупнейшим коммерческим клиентам.

— Однако защитные механизмы государства и политика импортозамещения сдерживают глобальных игроков. Это позволяет существенно уменьшить долю решений зарубежных вендоров на отечественном рынке, — пояснил Александр Дмитриев. — К тому же в российской практике есть своя специфика. В особенности это касается тех данных и их форматов, с которыми привыкли работать наши компании. В этой части российский софт и бизнес-решения на сегодня уже более подготовлены, продвинуты к отечественной специфике, способны показывать большую точность моделей и лучшее достижение эффекта.

Так, отечественная ИТ-компания Ctrl2GO предлагает решение для мониторинга и предиктивного анализа технического состояния оборудования SmartMaintenance, позволяющее выявлять инциденты в работе оборудования и прогнозировать отказы для проведения предупредительного ремонта и сокращения операционных издержек. Система собирает и обрабатывает данные телеметрии с датчиков оборудования, а затем на основании результатов работы инженерно-математических моделей по узлам и агрегатам осуществляет оценку технического состояния и дает прогноз «индекса здоровья» оборудования. Чаще всего SmartMaintenance внедряют предприятия железнодорожного машиностроения, энергетики, нефтегазового сектора, металлургии и горнодобывающей промышленности. Решение применяется по всей России и за рубежом: в Северной Америке и на Ближнем Востоке.

Другой продукт Ctrl2GO — программный комплекс для оперативного управления технологическими процессами SmartAdviser, который позволяет оперативно регулировать технологические процессы непрерывных производств в реальном времени. На основании вводных данных (результатов химических анализов концентратов сырья, компьютерного анализа внешнего вида продукта и т.п.) комплекс осуществляет интеллектуальный расчет оптимальных технологических режимов, количества и соотношения сырья, и предоставляет рекомендации по управлению оборудованием и производственными процессами. Чаще всего решение внедряют металлургические компании, предприятия НГК и горнодобывающей отрасли.

Ключевое направление для компании «Цифра» — предиктивная диагностика оборудования и инструмента. Например, в горнодобывающей отрасли «Цифра» сейчас реализует такой проект на Солнцевском угольном разрезе Восточной горнорудной компании. В машиностроении — это цифровой контроль жизненного цикла инструмента, который используется на станках, предсказание поломок. Технология в настоящее время тестируется на авиастроительном предприятии «Авиастар СП».

— Ключевым отличием нашего решения является его платформенность, — сообщил Павел Растопшин. — Такой пример платформенного подхода демонстрирует один из наших стратегических клиентов и парт­неров — холдинг ОДК. Сейчас реализуется пилотная зона на одном из предприятий ОДК (производственный комплекс «Салют»), где была внедрена платформа ZIIoT. Исторические данные испытаний двигателей загружены на платформу в озеро данных. Искусственный интеллект анализирует данные реального времени с испытательных стендов, на основе факторного анализа делает вывод о качества сборки узлов будущих двигателей и сообщает вероятность успешности прохождения испытаний. На платформе работает и система мониторинга парка станков, данные с которых будут обогащать предсказания умных алгоритмов. Клиент может писать и другие приложения на платформе, которые тоже смогут использовать накопленные данные.

Решения предиктивной аналитики все активнее внедряются в бизнес-процессы и начинают оказывать существенное влияние на конкурентоспособность компаний. 


Источник https://expert.ru