Предиктивная аналитика

Наш век цифровых технологий принес как много новых возможностей, так и много неопределенностей — выбор ноутбука, смартфона, антивируса и т. п.

Это касается всех сфер жизни, в том числе и цифровизации производственных процессов, включая техническое обслуживание и ремонт (сокращенно – ТОиР).

Как разобраться и выбрать «правильное» цифровое решение?

История технического обслуживания прошла долгий путь развития от простейшего «почини, когда сломается» до обслуживания оборудования в зависимости от его состояния с применением предиктивной (предсказательной) аналитики.

Сегодня все знают, что планово-предупредительные ремонты не являются эффективным способом обслуживания для большинства агрегатов. Согласно многочисленным исследованиям для 70-90 % оборудования не требуется планово-предупредительных ремонтов. Детали в сложных агрегатах просто не успевают изнашиваться в течении срока жизни, причины поломок при этом носят гораздо более сложную природу и зачастую носят случайный характер.

На первый план в мире вышли стратегии предиктивного обслуживания, построенные на стационарных и мобильных системах и получающие данные от сенсоров (датчиков). Почему будущее за развитием таких систем?

Как человек узнает, что с ним что-то не так? Правильно – сенсорика. С помощью сенсорной системы мы можем распознавать симптомы и принимать меры. Природа создала самое эффективное средство выживания для живых организмов: сенсоры – данные – обработка – реакция.

Суть всего живого — с помощью защитных инструментов (сенсоров и мозга) выжить и дать потомство. Суть механизмов – не ломаться и давать больше продукции. Абстрактно это похожие задачи.

Мы обращаемся за помощью к врачу, основываясь на своих ощущениях (жар, холод, боль). В зависимости от обстоятельств их возникновения и динамики развития врач диагностирует причину и назначает лечение.

Машина, не оснащенная сенсорами, не может ничего рассказать. Вместо этого, мы на «всякий случай» в ней что-то регулярно меняем.

Представьте обратную картину: у человека нет сенсорной системы и его кормят на «всякий случай» таблетками от разных болезней, меняют «детали» – так, для профилактики. Какова вероятность отказа системы человека будет в этом случае?

Глобальный рынок внедрения технологий предиктивного обслуживания на основе датчиков IoT (Internet of Things, в переводе c англ. – интернет вещей) показывает активный рост. Слишком очевидны для всех преимущества предиктивной аналитики.

Количество новых стартапов в США — лидера в области применения систем предиктивной аналитики, неуклонно растет. Кроме того, они активно скупаются технологическими лидерами, происходят слияния и поглощения – компании концентрируют компетенции.

Объем внедрения беспроводных систем мониторинга в мире не менее 5 млрд USD в год.

А что в России? Сильно не ошибусь, если озвучу сумму в 10 млн USD или 0,2% от мировых объемов.

К сожалению, за последние 30 лет в России не было создано каких-то значимых отечественных цифровых систем мониторинга и стандартов обслуживания (пара-тройка ГОСТов — это ничто).

Мы сами добровольно отказались от развития отечественных технологий и поддерживали развитие импортных систем, покупая их решения, при этом снабжая их своими данными для дальнейшего развития их продуктов.

Сейчас они стали недоступны, и мы по сути пришли в точку, откуда возникают стартапы.

Минимальное количество лет, требуемое для более-менее товарного программно-аппаратного комплекса в этой сфере, составляет от 3 до 5 лет, при условии масштабных инвестиций, наличии команды дефицитных разработчиков и адекватной обратной связи от эксплуатантов системы. Но, с этим у нас в стране серьезные проблемы.

И главные препятствия — это отсутствие эффективного взаимодействия между заказчиком и разработчиком, завышенные ожидания, отсутствие единого понимания, даже на уровне специалистов одного предприятия, что такое система предиктивного анализа, как она работает и как она помогает.

Все хотят «волшебной таблетки», которая разом решит все проблемы с обслуживанием. Хотя в мире таких «таблеток» не существует – ни для человека, ни для механизмов.

На западном рынке системы ТОиР формировались системно и часто на уровне отраслей. В России таких системных отраслевых стандартов нет. Каждая компания предъявляет разработчику свои требования, что тормозит развитие универсального продукта, размывает ресурсы. Всем нужен свой персональный продукт, к которому предъявляются избыточные требования, не позволяющие сделать его универсальным для тиражирования.

Для этого в стране должны быть сотни компаний разработчиков, которые способны делать зрелые решения и выживать на одном-двух внедрениях. У нас таких команд и десятка не наберется, а сколько из них дальше выживет — непонятно. А системы достаточно сложные и дорогие, их нужно постоянно поддерживать и развивать.

Другая проблема для разработчика — это «зоопарк» программно-аппаратных продуктов, уже внедренных на предприятиях. Стремясь найти свою персональную «волшебную таблетку», компании потратили немало времени и средств на решения, которые по разным причинам перестали удовлетворять растущие требования по качеству обслуживания или просто перестали поддерживаться разработчиками.

Третья «беда» для разработчика систем предиктивного анализа — это маниакальное желание компаний защитить данные, которые не имеют никакого отношения к критичной информации.

Например, какую ценность для других (кроме разработчика системы), составляет информация о режиме работы и параметрах, при которых наступил отказ того или иного двигателя такого-производителя такой-то мощности? Вопрос, на который никто не может внятно ответить. «Просто нет — и все!», «Никаких передач данных вовне!», «Все только на нашем сервере!».

Это крайне ограничивает преимущества облачных технологий. Именно новые облачные технологии и «облака», куда стекаются данные о режимах работы и причинах отказов однотипных агрегатов позволили западным решениям сделать свои решения универсальными, эффективными и точными. Практически все лучшие решения в области предиктивной построены на «облаке». Мы же сами себе, по надуманным основаниям, закрыли такую возможность.

Каждая компания анализирует работу только своего оборудования и не знает, как ведет себя такое же оборудование и каковы схемы отказов на других заводах. А больше половины оборудования у компаний одной отрасли однотипное.

Кто выигрывает от таких запретов? Точно не службы, отвечающие за надежность и обслуживание оборудования.

Итак, что делать?

• Цифровизация технического облуживания стала мировым трендом.
• «Зрелых» отечественных систем нет.
• Развивать в одиночку дорого и долго.
• Оборудование и запчасти в текущей ситуации стали «золотыми».
• Сами разработчики не имеют достаточных ресурсов и компетенций для быстрого и эффективного развития нужной системы.
• Внутренние регламенты и бюджеты компаний «душат» возможности, а требования к эффективности ТОиР растут.

Приведу один из многих примеров из немецкого подхода к развитию экономики и выживанию в глобальной конкуренции.
Для повышения производительности и сокращения расходов своих производств, пять крупнейших немецких производителей автомобилей договорились и сделали совместный заказ в компанию KUKA (немецкий производитель промышленных роботов) на разработку 20-ти координатного робота с определенными характеристиками и требуемой конечной ценой изделия.
Стоимость разработки составила 100 млн евро.

Вместо того чтобы каждому искать «своего» разработчика и платить каждому по 100 млн евро, компании решили «сброситься» по 20 млн евро. В итоге каждый получил желаемое за цену в 5 раз меньше плюс экономию на будущей техподдержке, так как решение универсально.

Затем каждое предприятие просто написало для этого робота программу исходя из специфики своего производства.
Быстро, дешево, эффективно и все довольны.

К сожалению, в нашей стране отраслевые министерства канули в прошлое, а рынок пока не смог сформировать им замену на уровне системных институтов. Поэтому, каждый сам за себя, а в целом отрасли теряют возможности повышения глобальной конкурентоспособности.

Что мешает вашей отрасли договориться и сделать такой заказ разработчику?

А что можно получить от отраслевого подхода:
• кратный рост референсной выборки режимов работы однотипных агрегатов и паттернов отказов и, соответственно, более точное определение моментов выхода из строя однотипного оборудования при разных режимах работы;
• кратный рост команды механиков, вибродиагностов и прочих профильных специалистов, обучающих систему предиктивной аналитики, что позволит резко сократить сроки обучения системы и повысить точность прогнозирования отказов;
• возможность оценить однотипное оборудование разных производителей на надежность для принятия решения о закупке последующего оборудования, взамен вышедшего из строя;
• существенную экономию на сервисной поддержке – одно дело содержать команду разработчиков в одиночку, другое поделить расходы на всех;
• кратное сокращение для каждого владельца системы стоимости выпуска новых версий программного обеспечения;
• существенную экономию от стоимости датчиков – чем больше объем закупок, тем дешевле каждый датчик (совместная закупка очень эффективна и дает экономию до 50%);
• снижение зависимости от дефицитных и высокооплачиваемых специалистов и повышение ценности и надёжности службы ТОиР.

Мы, разработчики, готовы с вами эту работу проделать и вместе создать качественный продукт!

Директор ООО «Предикта»
Алексей Михайлович Митиогло.