Индустрия 4.0

Не числом датчиков, а умением ставить цели

Технологии искусственного интеллекта дают огромные возможности не только для анализа текущего состояния, но и для прогнозирования дальнейшей работы промышленного оборудования. Методы предиктивной аналитики прежде всего помогают предугадать и предотвратить серьезную техногенную аварию, а также являются серьёзным подспорьем в цифровой трансформации предприятия, повышении конкурентоспособности во множестве аспектов: от прогнозов работы оборудования и контроля качества выпускаемой продукции до составления психологического портрета личности при приёме на работу.О предсказательной аналитике как об одном из промышленных трендов «Умпро» беседует с руководителем отраслевого развития - Общее машиностроение, ООО «Омрон Электроникс» Omron Electronics Ярославой Чекавинской.
26 апреля 2019

— Ярослава, какие системы предиктивной аналитики, применяемые сегодня на промышленных предприятиях и в энергетическом секторе, являются, на ваш взгляд, наиболее эффективными?

 Из систем, используемых сейчас в российской промышленности, помимо продуктов таких крупных игроков, как General Electric, Siemens или IBM, все более востребованными становятся разработки компании «Цифра», и это не только АИС «Диспетчер», являющийся системой мониторинга промышленного оборудования. «Цифра» сейчас активно наращивает свой потенциал в сфере предиктивной аналитики и искусственного интеллекта. Компания увеличивает и человеческий капитал, осенью 2018 года «Цифра» купила перспективный стартап Theta Data Solutions.

А, например, компания Omron — производитель компонентов для систем управления промышленным оборудованием, не имеет собственной системы предиктивной аналитики, но позволяет вытягивать данные в систему со своих продуктов. Например, из приводной техники (MX2, RX2, Accurax G5, Q2A), можно получать данные в систему о сроках службы конденсаторов на шине постоянного тока, о состоянии вентилятора, температурном режиме радиатора, состоянии реле предотвращения броска тока и др. Очень важный нюанс, о котором часто забывают: чем глубже на компонентном уровне удается собирать данные, тем качественнее система предиктивной аналитики будет работать при переходе от обслуживания оборудования по регламенту к прогностическому обслуживанию. И компания Omron как раз интегрировала свои продукты в систему компании «Цифра». Также в качестве оборудования для прогностического обслуживания компания Omron разработала новые универсальные контроллеры семейства Sysmac с функциями искусственного интеллекта и машинного обучения. Уникальность решения заключается в том, что искусственный интеллект реализован на уровне АСУ ТП и как дополнительная функция, поскольку основная задача контроллера — управление производственным процессом — не изменилась. При этом синхронно с выполнением задач управления контроллер Sysmac с искусственным интеллектом в режиме реального времени (с периодом 125 или 500 мкс) собирает значимые производственные данные и анализирует их согласно заложенной в него модели, то есть выполняет так называемые «граничные вычисления» и обработку данных. При выявлении отклонений в работе оборудования, которые искусственный интеллект интерпретирует как поломку либо угрозу ее возникновения, контроллер мгновенно корректирует управляющие воздействия на исполнительные механизмы, что позволяет свести к минимуму негативные последствия.

В то же время, к большому сожалению, до сих пор не так уж много машиностроительных предприятий России внедрили у себя системы предиктивной аналитики. Кстати, здесь следует избегать путаницы: системы мониторинга и диагностики станков с ЧПУ и системы предиктивной аналитики — это совсем не одно и то же. Последние подразумевают работу в режиме реального времени с большими данными, статистический анализ, data mining, поиск корреляционных связей между параметрами, которые влияют на наступление какого-то события. Системы предиктивной аналитики являются вероятностными и применение технологии искусственного интеллекта позволяет повысить качество модели предиктивной аналитики в будущем. — Чем дольше такая система работает и учится, тем более точным будет прогноз. Такие системы в высококонкурентном мире становятся незаменимыми, поскольку когнитивные способности человека недостаточны для того, чтобы такой большой объём данных правильно интерпретировать, принять верное решение, и точно спрогнозировать сценарии возникновения отказов, если предиктивная аналитика рассматривается в ТОиР.

В энергетическом секторе стоит обратить внимание на решение от компании «Ракурс-инжиниринг». На базе комплекса «СТК-ЭР-М», осуществляющего непрерывный контроль более чем за 1000 рабочими параметрами и диагностику режимов работы и неисправностей турбо- и гидрогенераторов, развивается система предиктивной аналитики.

Продукция Omron с технологией IO-link

— Какой объём данных необходимо собирать с промышленного оборудования для эффективного контроля его состояния и прогнозов относительно его дальнейшей работы? Откуда осуществлять сбор данных (датчики, контроллеры, системы ЧПУ)? Достаточно ли нескольких десятков показателей или же следует собирать исключительно большие данные?

 Для начала следует определить ключевые цели: собственно, для чего нам нужны данные, просчитать ресурсы и оценить последствия внедрения ИТ-систем. Сейчас, кстати, уже пришло то время, когда нужно создавать не только бизнес-стратегию, но и ИТ-стратегию, об этой модели стратегического соответствия часто и не задумываются. При этом зависимость будущей конкурентоспособной стратегии от применения ИТ колоссальна. Предиктивная аналитика — весьма масштабное мероприятие, которое можно по-разному организовать. Если мы понимаем, что конкретно хотим получить от прогностических систем, то автоматически возникает понимание, откуда собирать информацию и в каких объёмах.

Основным источником исходных данных являются многочисленные датчики, контроллеры. Чем глубже уровень доступа к оборудованию, тем информация более полно отображает текущую картину. Примером является возможность интеллектуальных индуктивных и фотоэлектрических датчиков Omron, которые наряду с выдачей сигналов о состоянии технологического процесса формируют данные о своем текущем состоянии и состоянии окружающей среды, в которой они используются.

Устройство контроля состояния асинхронных двигателей K6CM

Можно получать данные и с систем ЧПУ. Что касается объёма, то оптимальной информацией для систем предиктивной аналитики будут являться всё же большие данные с оборудования, находящегося непосредственно на производстве. Технологии искусственного интеллекта позволяют анализировать терабайты информации и находить взаимосвязи между различными параметрами. Чем больше информации собирается, тем более детальную картину мы можем получить на выходе и в результате выстроить более точные прогнозы. При внедрении на предприятии таких систем следует помнить один важный нюанс: инфраструктурные ограничения, связанные с возможностями ЦОД. Многие предприятия делают весьма распространенную ошибку, бездумно обвешивая датчиками всё, что можно. Информация начинает поступать в существующий центр обработки данных, копится и тут же становится понятно, что данных слишком много, своевременно обработать их не представляется возможным, а средств на дальнейшую модернизацию ИТ-инфраструктуры нет.

Именно поэтому очень важно сформулировать цели и задачи на самом раннем этапе. Если предприятие планирует внедрить систему предиктивной аналитики, а ИТ-инфраструктура не позволяет оперативно хранить и обрабатывать большие данные, то стоит ли вкладывать в это огромные деньги? Насколько нововведение окажется экономически обоснованным, сможет ли оно повысить эффективность производственных процессов? Цифровизацию того или иного завода рациональнее начать с более дешевых и простых инструментов, не требующих дорогой ИТ-инфраструктуры.

 

— Например, с помощью систем диагностики и мониторинга промышленного оборудования?

 Как вариант. Но не стоит забывать, что любая система мониторинга, даже АИС «Диспетчер», — по сути коробочное решение, собирающее данные из тех же датчиков, контроллеров, систем ЧПУ конечных устройств.

Наиболее эффективный сбор информации с «полевых» устройств возможен, если на оборудовании установлены датчики с цифровыми интерфейсами IO-Link. У компаннии Omron это индуктивные интеллектуальные датчики, фотодатчики, которые могут применяться и в рамках мониторинга, и в рамках прогностического обслуживания. Цифровые датчики
E3Z--IL , E2E--IL, E2EQ--IL
сигнализируют контроллерам о загрязнениях, вызывающих снижение стабильности работы, о механических повреждениях или выходах из посадочного места датчика.

 

— Получается, что предиктивная аналитика — это следующая ступень развития после систем мониторинга производственных линий. Так сказать, пробный шар перед более масштабной цифровизацией предприятия?

Безусловно. Сначала предприятие пробует освоить мониторинг ограниченного количества параметров и далее становится понятно, хватает ли этого инструмента, или необходима дальнейшая эволюция. В любом случае пошаговое развитие систем управления производственными процессами с точки зрения капиталовложений в собственное развитие будет более безболезненным и полезным в плане накопления опыта, обучения персонала, наращивания компетенций. Попытку перепрыгнуть через ступень без качественного увеличения производительности можно сравнить с покупкой дорогой и бесполезной игрушки. Хотя здесь, как у классика: если в начале пьесы на стене висит ружье, то к концу пьесы оно непременно должно выстрелить. При дальнейшем росте экономических показателей предприятия развитая цифровая инфраструктура перестанет восприниматься как избыточная и будет эксплуатироваться в полном объёме.

Устройство контроля состояния асинхронных двигателей K6CM

— Чем в этом плане предприятиям может помочь компания Omron? Что бы вы порекомендовали для совершенствования инфраструктуры? Какие компоненты систем предиктивной аналитики предлагает внедрять ваша компания?

Тем, кто намеревается внедрять цифровые технологии постепенно, мы можем предложить решение по мониторингу электроэнергии КМ или по контролю состояния асинхронных двигателей К6СМ. Приводная техника — один из базовых элементов машиностроения. Omron предлагает решение, позволяющее анализировать внутренние параметры приводов, например, состояние конденсатора на шине постоянного тока, реле, и других элементов, так или иначе ограничивающих срок службы оборудования. Гораздо проще и дешевле вовремя заменить конденсатор, у которого ёмкость снизилась до граничного предела, нежели дожидаться, пока привод выйдет из строя. Пока ни один мировой производитель не смог уйти от ограниченности срока службы конденсатора на шине постоянного тока. Однако наше решение поможет отследить эту проблему и предотвратить дальнейшую аварию оборудования. Именно с этого решения и можно начать делать первые шаги по внедрению цифровых систем мониторинга и предиктивной аналитики в цехе.

Если мы говорим о компаниях, готовых к более масштабной трансформации с использованием ИИ, высокопроизводительных ЦОД, то в этом случае Omron рекомендует новый контроллер с высокопроизводительным процессором Intel Core i7, в котором интегрированны программно-логическое управление и управление движением, операционная система реального времени QNX и технология AI и IIoT. Контроллер с технологией edge computing подойдёт не только для прогностического обслуживания оборудования, но и станет неплохим подспорьем в выстраивании новых методик контроля качества и поиска технологических нарушений. Например, он способен изменить настройки в приводной технике таким образом, чтобы нивелировать механический износ при неаккуратной работе оператора. В рамках предиктивной аналитики наш контроллер способен обрабатывать большие данные и тем самым разгружать каналы передачи информации от АСУТП к MES-системам и выше.

Он даёт определенный запас времени, сигнализируя о том, что в механике оборудования произошли минимальные изменения. Таким образом, у предприятия есть возможность исправить нарушения в работе оборудования или подготовиться к ремонту, не останавливая производственную линию.

В каких-то случаях новый контроллер Omron способен даже заменить облачные сервисы с ИИ, например, на дискретных производствах, где объём собираемой информации не столь велик.

 

— Можно ли считать системы предиктивной аналитики необходимым подготовительным этапом перед полноценным внедрением технологии «Цифрового двойника»?

Я бы сказала, что прогностическая аналитика — это одна из неотъемлемых составляющих технологии цифрового двойника. Но предиктивная аналитика нужна для цифрового двойника не только на подготовительном этапе, а вообще на всем жизненном цикле объекта или процесса. Цифровой двойник без предиктивной аналитики не сможет качественно описывать сценарии поведения объекта или процесса.

При полноценном внедрении цифровому двойнику понадобятся те же самые объёмы данных, тренды и прогнозы, выработанные системами предиктивной аналитики. Так что это тесно связанные между собой технологии.

 

— Ваш прогноз по поводу развития систем мониторинга промышленного оборудования и интеллектуальных систем предиктивной аналитики в России.

В энергетике, нефтегазовом и нефтехимическом секторе, транспортном машиностроении эти системы уже активно применяются, однако они будут безусловно совершенствовать их. Сегодня постепенное внедрение идет в машиностроении. Это и частные компании, активно конкурирующие с международными игроками, и отечественные госпредприятия, участвующие в программе «Фабрики будущего».