Вестник цифровой трансформации

«Дата-Центр Автоматика»: Continuous Intelligence как путь к оптимизации в реальном времени
«Дата-Центр Автоматика»: Continuous Intelligence как путь к оптимизации в реальном времени

Дмитрий Беренов: «Данные предприятий должны быть прозрачны и доступны для производственного персонала. Управление производством должно осуществляться на основе данных. Наша цель – сделать подход CI известным и широко применяемым»


16:30 10.03.2024 (обновлено: 11:07 11.03.2024)  |  Николай Смирнов | 1063 просмотров



Дмитрий Беренов, директор по инновациям «Дата-Центр Автоматика», – о реализации концепции Continuous Intelligence, позволяющей решить проблему объединения разнородных данных и оптимизации работы предприятий в реальном времени.

Доступность всех производственных данных является основой для выстраивания систем управления предприятием. Подход Continuous Intelligence (СI), предлагаемый «Дата-Центр Автоматика» в своих решениях, позволяет решить проблему объединения разнородных данных и оптимизации работы предприятий в реальном времени на их основе. Об этом рассказывает Дмитрий Беренов, директор по инновациям «Дата-Центр Автоматика» и номинант на премию Data Award.

— В чем заключается суть решаемой вами проблемы?

Одной из ключевых проблем в оптимизации работы предприятий является тотальная разнородность данных в производственных цепочках. Например, консалтинговая компания Eckerson Group в обзоре «Continuous Intelligence: связь между интеграцией, аналитикой и эксплуатацией данных» прямо указывает, что информационные системы и операции сильно различаются в зависимости от отрасли и даже компании. Морская платформа для бурения нефтяных скважин требует иных систем, чем автомобильный завод, а коммерческому банку требуются другие приложения, чем розничному продавцу. Более того, неоднородность данных может наблюдаться даже в рамках одной отрасли и одного предприятия. В металлургии процессы выплавки стали и обработки металлов давлением имеют совершенно разную физическую природу, но связаны как передельные цепочки для выпуска готовой продукции.

— Почему это важно для предпприятий?

Данные предприятий должны быть прозрачны и доступны для производственного персонала. Управление производством должно осуществляться на основе данных. Между тем, термин Continuous Intelligence в России малоизвестен и даже не переведен на русский язык. Наша цель – сделать подход CI известным и широко применяемым. Мы даем методологию, инструменты и платформы для достижения данных целей.

Нами разработаны и уже внедрены на крупных металлургических предприятиях платформы для реализации решений СI в промышленности.

— Что было сделано в рамках проекта?

Для внедрения СI нами реализован новый подход к производственным данным, который исключает разделение описания структур данных под отраслевую, физическую и иную предметную специфику. Программное обеспечение платформы Data-Track приводит поток производственных данных к единой консолидированной структуре. На основе единых и консолидируемых данных строятся промышленные CI-системы. Платформа Expert Base отвечает за извлечение информации из единой структуры. Эта система гибких запросов предоставляет интерактивный доступ к данным (без ИТ-специалиста) и дает инструменты для глобального анализа данных предприятия. А платформа Data-Plan – открытая система решений для управления, планирования и оптимизации производства.

Платформы горизонтально масштабируемы и могут быть развернуты в составе цеха, производства, предприятия, холдинга. Также предусмотрен инструментарий работы с большими данными.

— Как это выглядит на практике?

Поясню на примере. Допустим, на фанерной фабрике оператор станка иногда поправляет лист фанеры, и это занимает до двух минут. Эти микропростои накапливаются и снижают эффективность работы. В классическом варианте BI аналитик увидит микропростои и выдаст рекомендацию. В случае же использования CI система Data-Track автоматически в реальном времени зафиксирует снижение темпа, а Data-Plan будет планировать листы этого типоразмера на другой станок, где нет необходимости поправлять лист.

— Есть ли примеры реализации такого подхода в масштабных системах?

В сталеплавильном производстве НЛМК с помощью платформы Data-Track и модуля Data-Plan был реализован цифровой сервис «Гефест», выстраивающий внутрицеховую логистику и диспетчеризацию для сталеплавильного производства.

«Гефест» представляет собой комбинацию систем расчета оптимального плана движения стальковшей и постоянной подстройки математической модели на базе анализа уже совершенных операций. В Data-Track хранятся данные о фактически реализованных сценариях производства, на основе которых в модуле планирования формируется функция целевых коэффициентов оптимизации. Таким образом, планирование производственных процессов всегда опирается на актуальные данные – релевантные и наиболее эффективные маршруты производства по типам продукции, статистические средние показатели длительности обработки по типам продукции и классам агрегатов и т.п.

В частности, определенный технологический маршрут может стать приоритетным для некоторого типа продукции по ряду причин, в том числе связанных с экспертизой эксперта-технолога. Подобные эвристические критерии расставления приоритетов могут оказаться достаточно сложны в формализации и классифицируются как система с нечеткой логикой. Инструменты CI позволяют проводить анализ таких систем и приводить их к фундаментальной структуре с последующим применением широкого спектра методов и алгоритмов математического программирования. Можно сказать, что система постоянно «учится», чтобы при планировании учитывать факторы и решения на уровне эксперта-технолога. Работа происходит, как и требует методология CI, в реальном времени.

— Какие данные и какие платформы для работы с данными используются?

Для построения CI-решений используется весь набор данных предприятия – от данных по заказам до данных, собранных с систем управления агрегатами и отдельных датчиков. Для работы с данными мы используем платформы собственной разработки, как было сказано выше.

— Достижения каких результатов можно ожидать в результате реализации подобных проектов?

Платформы успешно внедрены на крупных металлургических предприятиях. Их используют такие флагманы промышленности как «Северсталь», НЛМК, «АрселорМиттал Темиртау» (Казахстан), Абинский Электрометаллургический завод. Согласно опубликованным ими данным, могут достигаться такие результаты, как рост производительности труда на 10%, сокращение простоев на 15%, рост энергоэффективности на 20%, экономия материалов на 7%.

В 2024 году мы ожидаем появления доказанных результатов от применения наших платформ в цветной металлургии и фармацевтике.

— В каком направлении будет развиваться платформа?

Мы хотим сделать так, чтобы работа с данными в промышленности велась не только на уровне специалистов по работе с данными (дата-сайентистов), но и на уровне технологического персонала. CI – это новая ступень в производственной аналитике. Можно сказать, что CI автоматизирует BI. Мы будем развивать платформу так, чтобы сделать работу с данными на уровне персонала простой и понятной.

 

 

Теги: Data Award