Новости

Нефтехимическая отрасль уже достаточно хорошо автоматизирована – все критичные производственные процессы контролируются с помощью систем АСУТП. При этом остается ряд ручных процессов по контролю оборудования, которые необходимо автоматизировать, а также задачи по сбору данных для принятия решений в области управления технологическими процессами.

Как подчеркивает Василий Номоконов, исполнительный директор СИБУРа, промышленный интернет вещей не только упрощает контроль технологического оборудования, но и собирает данные для других цифровых инструментов. Эти  данные отправляются в корпоративное хранилище данных в режиме реального времени и используются средствами продвинутой аналитики для осуществления прогнозов, оптимизации технологических режимов. IIoT-решения позволяют промышленности выйти на новый уровень автоматизации процессов, повышают надежность производства и обеспечивают развитие data-driven подхода в принятии решений.

Решение о разработке собственного инструмента было принято в связи с тем, что платформы, доступные сейчас на рынке, не соответствуют требованиям и задачам интернета вещей на нефтехимическом предприятии. Для запуска проекта требовалось дооснастить некритичные узлы системами автоматизированного контроля, дать операторам установок возможность самостоятельно подключать датчики и создавать себе интерфейсы для контроля оборудования. При этом создание и владение платформой собственной разработки оказалась вдвое выгоднее покупки платных аналогов и их доработки.  IIoT в СИБУРе базируется на беспроводной сети LoRaWAN, всеми устройствами которой управляет сетевой сервер.

По словам Александра Леуса, руководителя Индустрии 4.0 в СИБУРе, одной из основных сложностей, с которой сталкиваются разработчики продуктов такого класса, является острая нехватка обратной связи от пользователей на этапе от создания MVP до реализации боевого продукта. В СИБУРе команда разработки продукта состоит из специалистов в области ИТ и цифровых технологий и профессионалов, имеющих богатый опыт работы на нефтехимическом производстве. Такая комбинаций позволяет разработать и дать пользователям максимально удобный продукт, работающий на достижение целей бизнеса.

Первые пользователи платформы – аппаратчики производства пиролиза «ЗапСибнефтехима» – уже прошли обучение и начали ее использование.

Сейчас СИБУР переходит к этапу тиражирования IIoT-решений на своих предприятиях. В пилотном контуре – тобольские предприятия, «Томскнефтехим», «Воронежсинтезкаучук» и «СИБУР Кстово». Тираж строится на базе реестра бизнес-кейсов и идей использования промышленного интернета вещей, который содержит информацию об актуальных проблемах на производствах, технических решениях и потенциальных эффектах. Предприятия активно обмениваются опытом – это значительно ускоряет процесс формирования портфеля проектов. При этом учитываются экономические показатели, поскольку внедрение промышленного интернета вещей предполагает не только инвестиции в аппаратно-программную часть, но и развитие соответствующей инфраструктуры передачи и обработки данных.

Согласно прошлым исследованиям аналитиков в 2018 году был взрывной рост популярности проектов по машинному обучению (ML). На один проект 2017-го года приходилось 2,7 проекта в 2018-м. В 2019 году количество проектов продолжило увеличиваться (примерно на 10% относительно 2018 года). Причем лидерство держали банковская отрасль (20%) и ретейл (20%), а промышленности принадлежал каждый 14-й проект.

В 2020 году пока количество проектов соответствует прошлогодним показателям, однако их число будет скорректировано по втором полугодии в меньшую сторону из-за коронавируса и спада в экономике. Это связано с долгосрочным характером проектов в сфере AI/ML, — в первые месяцы пандемии были завершены те проекты, которые были запущены до ее начала.

ОтрасльТЭК по количеству проектов вышла на первое место (20% от общего объема). Причем технологии ИИ внедряют как крупные («Роснефть», «Татнефть», «Газпромнефть»), так и средние компании. Характер проектов – предиктивная аналитика для ремонта оборудования или разработки месторождений, цифровое проектирование, умные счетчики и т.п.

Каждый восьмой проект по искусственному интеллекту принадлежал промышленному сектору: создание цифровых платформ предиктивной аналитики («Сухой»), внедрение нейронных сетей для повышения качества металлопроката («Северсталь»), роботизация внутреннего документооборота («СИБУР Холдинг») и т.д. В отличие от ТЭК, где все проекты направлены на решение производственных задач, в промышленности цифровизация затронула и производство, и управленческий аспект.

В ретейле объем проектов оказался таким же, но с акцентами на аналитику промоакций и видеоаналитику. Несколько проектов было связано с магазинами без касс. Аналитики прогнозируют, что для ретейла останутся также актуальны технологии омниканальности, прогнозирование по маркетинговым акциям, а также прогнозирование остатков на складе и логистика. Эти решения позволяют сокращать издержки и удерживать клиентов, что будет особенно важно для восстановления после кризиса.

Несмотря на то, что финансовый сектор занимает второе место по внедрениям систем искусственного интеллекта, в банках и страховых компаниях наблюдается некоторое затишье: фактически последние реальные публикации по проектам были в феврале. А вот за рубежом они продолжаются. Возможно, привычный к кризисам российский финансовый сектор более осторожен в своих действиях в отличие от своих зарубежных коллег. Также есть вероятность, что банки сделали ставки на «хайповые» инновационные разработки, которые оказались не столь актуальными при самоизоляции и были поставлены на паузу. С дальнейшим развитием кризиса в «Инфосистемы Джет» ожидают приостановки части проектов и по другим отраслям.

Что же касается масштаба проектов, то отмечается, что если в последние несколько лет технологии ИИ «пробовали» на отдельных второстепенных процессах предприятий, то в ближайшие три года продолжатся полномасштабные внедрения в различных ключевых бизнес- и производственных процессах, требующих межсистемных интеграций и внешнего взаимодействия.

В исследовании прошлого года отмечался тренд на уменьшение тестовых проектов в противовес реальным внедрениям, и эта тенденция продолжается. Технология стала привычной для ИТ-ландшафта.

Многие бизнес-процессы в «Глобусе» уникальны по сравнению с аналогичными в других торговых сетях. Ретейлер использовал зарубежное кассовое решение, максимально адаптированное под его процессы и их оптимизацию. Система устраивала по скорости и качеству, однако возникла перспектива столкнуться с серьезными ограничениями при дальнейшем развитии продукта и аппаратной части.

С новым решением для автоматизации фронт-офиса «Глобус» хотел получить современные инструменты для бизнеса, управлять всеми типами касс от одного ядра, снизить стоимость владения.

Меньше чем за год ретейлер запустил в российских магазинах решения компании CSI: Set Retail 10 для управления классическими кассами, операционным днем и программой лояльности, Set Touch – для работы с сенсорными POS-терминалами, Set SCO – для касс самообслуживания, станций оплаты и терминалов самосканирования Scan&Go. В результате 1,6 тыс. касс торговой сети работают стабильно и быстро, всеми типами POS-терминалов эффективно управляет единое программное ядро.

«Глобус» начал использовать скидочные механики Set Retail. Сенсорные кассы с большим экраном покупателя позволяют показывать клиенту состав чека и оплат, данные карты лояльности. С развитием системы появляются новые инструменты для снижения издержек, роста прибыли и повышения лояльности покупателей.

Ретейлер использует множество внутренних систем: CRM, BI, интернет-магазин, систему видеонаблюдения. Для стабильной и быстрой передачи данных между ними и решениями CSI «Глобус» установил интеграционный модуль SetESB. Также компания запустила сервис для учета маркированного алкоголя Set Mark, решение для управления заказами покупателей Set Kit, полностью готов к торговле маркированной обувью.

В 11 гипермаркетах «Глобус» заменено кассовое оборудование на сенсорные кассы FEC 9635CR — 327 новых POS-терминалов установлено на кассовой линии, в зоне ресторанов и торговом зале. Кассы FEC выдерживают высокие нагрузки, устойчивы к перепадам температур, каплям воды или жира на дисплее, а PCAP-экран одинаково чувствителен к прикосновениям в перчатках и без них, что особенно актуально для ресторана и отделов с весовыми товарами в гипермаркетах «Глобус».

Создание единого информационного пространства для работы с данными, поступающими от датчиков оборудования, стало первым шагом к внедрению общей системы big data и BI-аналитики для всех производств «Уралхима». Уже сейчас система включает в себя интеграцию с BI-платформой для построения отчетности в режиме реального времени, а также реализацию алгоритма анализа отклонений, мониторинга и выявления неработающих датчиков оборудования в режиме, близком к реальному времени.

По словам Владимира Руденко, руководителя департамента ИТ филиала ОЦО ОХК «Уралхим», курирующего практику внедрения машинного обучения, в компании происходит масштабная цифровая трансформация. Цифровые подразделения холдинга, ранее выполнявшие сервисные функции, становятся локомотивами развития, создавая технологические решения, которые позволяют оптимизировать и повышать ценность бизнес-процессов нашей компании. Это только первые шаги, но созданные решения открывают огромные возможности по использованию технологий больших данных и машинного обучения в масштабах всего холдинга.

Решение спроектировано как масштабируемая платформа для анализа и хранения потоковых данных о показателях с технологических установок оборудования глубиной пять и более лет. В будущем платформа сможет стать основной для объединения промышленных, финансовых и других данных: информации по отгрузкам, складским остаткам, а также их анализа и отслеживания исполнения KPI. Использование технологий Machine Learning и big data позволит создавать новые инструменты, решающие прикладные бизнес-задачи холдинга. На основе собранных данных можно будет анализировать и прорабатывать механизмы оптимизации качества продукции, повышения КПД оборудования. Также в озере данных заложена возможность разработки и внедрения предиктивного ТОиР на базе машинного обучения.

Корпоративная система диспетчерского управления производством введена в промышленную эксплуатацию в АО «Кольская горно-металлургическая компания» с мая 2020 года, что стало завершающим этапом внедрения системы в «Норникеле». Ранее проекты по внедрению диспетчеризации производства были реализованы в Заполярном филиале и производственном департаменте головного офиса. Сегодня система функционирует в 18 производственных подразделениях компании.

Единая система диспетчеризации предназначена для автоматизации и оптимизации процессов оперативного планирования и управления производством на уровне головной компании, производственных управлений филиалов и производственно-диспетчерских служб предприятий. Система формирует единую и открытую информационную среду для взаимодействия менеджмента компании, руководителей подразделений, диспетчеров и мастеров при формировании и выполнении производственной программы.

Одна из ключевых целей проекта – повышение прозрачности производственных процессов за счет максимальной цифровизации производственного учета. Система диспетчеризации позволила компании полностью уйти от телефонного сбора информации и фиксации ее на бумажных носителях. Все данные о ходе технологического процесса поступают в систему автоматически. Каждый пользователь, а это около 400 сотрудников в Норильском промышленном районе, 500 в АО «Кольская горно-металлургическая компания», а также более 40 сотрудников главного офиса компании, имеют доступ к необходимым данным с производства в удобном формате и с необходимой детализацией.

Помимо производственного учета, в системе автоматизированы процессы оперативного планирования и формирования декадно-суточных графиков. Система диспетчеризации способна давать прогноз выполнения планов, сравнивая фактическое значение показателя с суточным графиком. Диспетчер одним кликом мыши может рассчитать требуемую производительность для выполнения суточного графика.

Интерфейс системы прорабатывался таким образом, чтобы из всего объема данных выделить именно те, которые в конкретный момент оказывают наибольшее влияние на производственный процесс. Также система диспетчеризации передает данные в смежные MES-системы, которые используются для формирования стратегических планов развития компании.

Как отмечает Владимир Трапезин, директор по автоматизации и информационной трансформации производства ГМК «Норильский никель», автоматический сбор необходимых данных и оперативная прозрачная отчетность являются базой для информационной поддержки управления производством. Внедрение системы диспетчеризации позволило обеспечить специалистов и руководителей компании инструментом оценки состояния всего производства и принятия оперативных управленческих решений.

Одна из основных задач ЦИТ – обеспечение безопасности местных государственных информационных ресурсов от различных угроз. Для защиты от утечек был выбран базовый модуль Dozor Core, отвечающий за реализацию основных функций системы Solar Dozor – фильтрации и хранения данных, поиска и управления событиями и инцидентами информационной безопасности, а также механизмов ведения досье персон. Кроме того, организация использует модули-перехватчики почтового и сетевого трафика, мониторинга активности сотрудников на рабочих станциях, инспектирования файловых хранилищ на предмет нарушения правил хранения конфиденциальной информации.

Первоочередной задачей, которую удалось решить после старта использования системы, стал полный контроль над перемещением и хранением документов ограниченного доступа с помощью анализа потоков данных и инвентаризации сетевых и локальных файловых хранилищ. Кроме того, внедрение Solar Dozor позволило ЦИТ выполнить требования регуляторов по защите государственных информационных систем в части мониторинга результатов регистрации событий безопасности и реагирования на них.

Как отметила Аграфена Бравина, начальник отдела технической защиты информации МКУ ЦИТ, еще на стадии пилотной эксплуатации проявилась эффективность системы с точки зрения выявления инцидентов, удобство инструментов работы с событиями и персонами, простые интерактивные отчеты в реальном времени. Ощутимым преимуществом стала и высокая производительность решения.

В дальнейшем ЦИТ планирует взять на вооружение модуль Dozor Dossier для продвинутой аналитики персон и расследования инцидентов информационной безопасности.

Boxberry International потребовалось обновление WMS на складе, осуществляющем обработку и таможенное оформление международных отправлений. Склад обладает небольшой площадью, но крайне высокой интенсивностью технологических процессов. Для внедрения было выбрано решение EME.

В ходе проекта требовалось осуществить внедрение WMS c обеспечением непрерывной круглосуточной работы склада, оптимизировать бизнес-процессы и реализовать интеграцию WMS с корпоративной системой Boxberry International. Кроме того, была выполнена доработка приложения ЕМЕ.WMS на Android под специфику проекта. Благодаря использованию системы удалось реализовать технологию размещения put-to-light, повышающую производительность и снижающая количество ошибок.

В результате реализации проекта отмечено увеличение скорости обработки посылок и снижение себестоимости обработки одного отправления более чем на 50%.

В существующей экономической ситуации розничным компаниям приходится приспосабливаться, чтобы соответствовать стандартам предоставления услуг по запросу. Внезапный, быстро растущий спрос на повседневные товары, включая хлеб, яйца и даже туалетную бумагу, сформировал дефицит этих товаров во всем мире. Несмотря на то, что розничные цепи поставок готовы к пиковому потреблению во время зимних праздников и распродаж, сегодняшняя ситуация создает для них серьезные трудности. В связи с растущим спросом и недостатком рабочей силы для того, чтобы эффективно поставлять потребителям товары первой необходимости, цепи поставок должны оставаться надежными и гибкими.

Основную роль в решении этой задачи играют сотрудники складских компаний, которым необходимо быстро осваивать новые средства повышения производительности. Мобильные устройства на базе Android могут помочь ускорить обучение и адаптацию нового складского персонала. Благодаря знакомым интерфейсам пользователи мобильных компьютеров быстрее вникают в нюансы использования современных решений. Таким образом, розничные и логистические компании могут более гибко реагировать на изменение вкусов потребителей.

Какова роль технологий в этом процессе?

Мобильные компьютеры на базе Android помогают сотрудникам быстрее и точнее выполнять задачи. Это имеет первостепенное значение для современных складских компаний. Как правило, работники складов, для которых важна каждая секунда, используют такие устройства круглосуточно. Аккумуляторы таких мобильных устройств должны быть более емкими, чем у традиционных устройств корпоративного класса, чтобы их можно было реже перезаряжать или менять. Каждая секунда простоя может помешать выполнить срочные заказы и уменьшить скорость обработки. Кроме того, устройства должны обеспечивать высокую скорость получения данных без потери точности, поэтому возможности сканирования с помощью мобильных компьютеров играют важнейшую роль в повышении производительности.

Многие мобильные компьютеры корпоративного класса не способны считывать штрихкоды на большом расстоянии. Это может создать проблемы для сотрудников склада, которым приходится сканировать штрихкоды на расстоянии вытянутой руки или в 20 метрах, и для водителей автопогрузчиков, которые сканируют товары на стеллажах и в ячейках.

Помимо этого, не все устройства корпоративного класса или усиленной конструкции могут работать непрерывно или хотя бы в течение длительного времени при низкой температуре в холодильной цепи. В таких условиях особенно важно выбрать наиболее подходящее устройство, например, модель, устойчивую к низким температурам, с подогреваемым экраном вывода сканера и низкотемпературным аккумулятором или модель класса 1 категории 2 (C1D2) с защитой от воспламенения. И это лишь некоторые примеры требований к складскому оборудованию.

Помимо сканирования, мобильные устройства для склада оснащаются такими функциями, как искусственный интеллект и дополненная реальность. В настоящее время эти технологии находят ограниченное применение, в основном в мобильных компьютерах и планшетах. Все большее число компаний интересуются возможностями устройств и дисплеев дополненной реальности корпоративного класса. С умными очками сотрудники могут свободно перемещаться по складу, проверять запасы и определять задачи, не касаясь устройства, выбирать товары и перемещать их на тележки.

После того как товары выбраны, отсортированы и упакованы на складе, следующая задача — обеспечить доставку или возможность забрать товар. Все большее число клиентов предпочитают самостоятельно забирать покупки. Мобильные технологии помогают организовать выдачу товара клиентам, которые подъехали на автомобиле или желают забрать товар из определенной точки. Сегодня это особенно важно, чтобы минимизировать контакт с персоналом. Развертывание необходимых решений на периферии корпоративной инфраструктуры повышает эффективность работников склада и оптимизирует рабочие процессы в наше непростое время.

По данным исследования, в I квартале 2020 года было выявлено на 23% больше кибератак, чем в IV квартале 2019 года. В течение квартала высокую активность проявляли 23 APT-группировки, атаки которых были направлены преимущественно на государственные учреждения, промышленные предприятия, финансовую отрасль и медицинские организации.

Как показал анализ, более трети всех атак на юридические лица составили атаки троянов-шифровальщиков. Эксперты отмечают, что некоторые операторы шифровальщиков создали собственные сайты, на которых публикуют похищенные у жертв файлы в случае отказа платить выкуп. Каждая десятая атака шифровальщиков была направлена на промышленность. При этом в начале года внимание многих специалистов по кибербезопасности привлек новый шифровальщик Snake, который умеет удалять теневые копии и останавливать процессы, связанные с работой промышленных систем управления.

Специалисты отмечают, что актуальность заражения вредоносным ПО растет. При этом киберпреступники не ограничиваются одним типом решений: используют многофункциональные трояны либо загружают на скомпрометированные устройства целый «букет» из различных зловредов. Чтобы предотвратить заражение, эксперты рекомендуют проверять вложения из электронных писем на предмет вредоносной активности с помощью решений класса sandbox.

По сравнению с последним кварталом прошлого года существенно выросла доля атак на госучреждения с использованием вредоносного ПО и методов социальной инженерии. По мнению экспертов Positive Technologies, этому могла способствовать ситуация с эпидемией: многие злоумышленники рассылали в госучреждения разных стран письма с вредоносными вложениями на тему коронавирусной инфекции.

Бизнес производит гигантские объемы данных, из анализа и управления которыми генерируются новые знания и эффективные бизнес-решения. Исследование показало, в каких бизнес-процессах большие данные применяются чаще всего и насколько востребованы решения российских разработчиков на внутреннем и зарубежном рынке.

Использование big data в российской промышленности

Технологии сбора, обработки и анализа больших данных уже применяют более трети (36%) предприятий. Планы по их дальнейшему использованию имеет почти каждая пятая организация промышленности (19%). Немного выше среднего по индустрии показатели текущего и планируемого использования технологий big data в добывающей промышленности: 40% и 28% соответственно.

В различных бизнес-процессах большие данные используют свыше четверти (29%) предприятий. Больше всего их применяют для задач бухгалтерии, финансов и кадров (20%), меньше всего они используются для разработки продукции, услуг и бизнес-процессов (4%).

Разработка платформ big data российскими ИТ-компаниями

Разрабатывают решения на основе технологий сбора, обработки и анализа больших данных 45% ИТ-компаний, 7% — имеют такие планы на ближайшие пять лет.

Российский бизнес выступает для отечественных ИТ-компаний главным заказчиком решений на основе больших данных (более 30% всех заказов). Заказы органов власти и других отечественных организаций составляют по 11%. Около 8% руководителей ИТ-компаний сообщили о выполнении заказов для зарубежных компаний, 6% — для физических лиц.

Структура источников больших данных

Как организации промышленности, так и ИТ-компании чаще всего используют собственные большие данные. Больше всего в аналитических целях — 44% предприятий и столько же ИТ-компаний — применяют сведения учетных систем организации (ERP, CRM, SCM, HR). Более четверти (28%) предприятий промышленности и более чем 40% ИТ-компаний обрабатывают данные корпоративных сайтов. Реже используют данные геолокации и сведения, считываемые с цифровых датчиков или радиочастотных меток: в промышленности — на уровне 12-13%. Данные из социальных сетей и других внешних информационных ресурсов используют 21% организаций промышленности, сведения операторов связи — 21%.