01.02.2021
В процессе внедрения инновационных решений на промышленных предприятиях часто можно столкнуться с барьерами. В их числе мифы, в которые верят заказчики.
Екатерина Баклунова, эксперт компании Factory5 (входит в ГК Ctrl2GO) выбрала 10 самых популярных мифов о цифровой трансформации и прогнозном обслуживании оборудования и ответила, что в них близко к реальности, а что точно вымысел.
Далеко не все готовы к переходу в Индустрию 4.0 по разным причинам. Внедрение инновационных решений отличается от внедрения прочих учетных систем, например, ERP или EAM. И если даже при работе с последними компании сталкиваются с вызовами и барьерами, то что говорить о цифровых решениях.
Недостаточная автоматизация базовых процессов, беспорядок в методологическом обеспечении и НСИ, процессах сбора данных — случаи, когда еще рано говорить о цифровых сценариях.
Кроме этого, цифровизация в России воспринимается многими управленцами как дань моде и часто происходит во имя самой цифровизации. Из-за отсутствия опыта и готовности к переменам многие набивают кучу шишек.
Другой случай, когда цифровизация становится экономически нецелесообразной. Как правило, это касается внедрения систем диагностики и прогнозирования для некритичного оборудования, оборудования, которое дублируется и не является дорогостоящим. В этих случаях технически можно реализовать цифровой сценарий, но при расчете экономики выгоды нет. Это не окупается и выходит нецелесообразно.
Перед запуском проекта цифровая инициатива проходит через определенные этапы согласования. Один из таких — разработка и согласование технико-экономического обоснования (ТЭО), цель которого — определить экономическую целесообразность внедрения цифрового сценария. ТЭО на раннем этапе дает четкое представление о возможности разработки PdM-решения с учетом имеющихся ресурсов и технологий на предприятии. Так, лица, принимающие решения, знают потенциальный объем затрат на проект, сроки его окупаемости и результаты работ.
Если сумма на реализацию проекта выше ожидаемой, то есть способы оптимизации стоимости проекта. Например, можно использовать разные варианты размещений решения: в облаке (cloud) и на мощностях заказчика (on-premise). Правильно сделанный выбор позволяет оптимизировать стоимость владения для конкретного предприятия.
Есть представление, что цифровое решение для производства — это волшебный черный ящик, в который можно просто сложить всё, что есть, и получить результат на выходе. На деле — это кропотливый труд проектной команды.
На одном из этапов внедрения необходимо провести методологическую работу и разработать модель (дерево) оборудования с разузловкой до контролируемых параметров.
На другом этапе аналитики, математики и data-scientist-ы трудятся над анализом данных и определяют каким методом лучше реализовать задачу. Примером используемых методов для прогнозного обслуживания могут быть экспертные правила, алгоритмы машинного обучения, или физические модели, а может и их комбинация.
Только после всех необходимых действий в рамках проекта за поступающие в систему данные принимается программное обеспечение.
Инновационность подхода состоит в том, что у разработчиков решений появились новые технологии, которые позволяют автоматизировать процесс сбора, хранения и анализа больших данных с высокой скоростью. Это является большим скачком в развитии и разработке цифровых решений.
На предпроектном обследовании изучается ИТ-ландшафт и имеющиеся данные. В случае недостаточности данных есть несколько вариантов:
1. Создать не интерпретируемую модель: она будет выявлять неполадки и оборудование, в котором они обнаружены, но не сможет конкретизировать узел и предсказывать поломки, которые могут произойти в будущем. Но это уже будет первым шагом для дальнейшего накопления данных и применения других средств анализа данных с возможность Predictive.
2. Для обучения моделей используются данные с информацией о дефектах и отказах. Но если таких данных нет, можно применять методы на основе машинного обучения, не требующие такой информации.
3.Если вообще нет статистики, поиск инцидентов можно осуществлять с помощью физических моделей — это математические модели физических процессов оборудования, которые устанавливают связь входных и выходных параметров рассматриваемого процесса, с использованием физических законов.С их помощью можно осуществлять поиск аномалий и прогнозировать техническое состояние.
Если текущая автоматизация позволяет собирать большие объемы данных, может возникнуть уверенность, что данных достаточно, и других не требуется. Это не так, если система сбора данных и иерархия АСУ ТП строилась в первую очередь для решения задач управления основными технологическими процессами. Оснащение датчиками, сбор и хранение данных с этих датчиков могут быть достаточны именно для задач управления техпроцессом.
Задачи диагностики и определения/мониторинга технического состояния либо не ставились, либо могли охватывать только узкий спектр оборудования. Поэтому и данных для решений по предиктивной аналитики может быть недостаточно.
Кроме того, количество данных хоть и важный критерий, но он один не обеспечивает достаточность. Важно еще и их качество. Если данные поступали не с требуемой дискретностью или вносились вручную и имеют много погрешностей, то с такими данными работать будет сложнее.
Практика внедрения цифровых решений, несмотря на свою молодость, уже довольно обширная. Проекты требуют выделения ресурсов, а весь процесс, начиная от предпроектного обследования и заканчивая вводом в эксплуатацию, занимает 9-18 месяцев. Это зависит от разных факторов: организационно-функционального объема, территориальной распределенности активов предприятия, готовности инфраструктуры и многих других.
Стоит понимать, что внедрение цифровых решений можно разбить на условные этапы, смотреть на промежуточные результат и принимать решение о дальнейшем внедрении. Например, сначала наладить сбор, хранение и анализ данных на базе или с использованием экспертных правил, что позволит выявлять аномалии, а затем внедрить математические модели для построения прогнозов. Так производственный процесс останется непрерывным, а сама цифровизация пройдет менее болезненно.
Казалось бы, есть датчики, которые регистрируют параметры работы оборудования, история о дефектах с момента ввода оборудования в эксплуатацию. Осталось привлечь специалистов по анализу и моделированию данных, которые обработают параметры с историей, разработают модели для расчета вероятности наступления отказов. И готово — можно переходить на прогнозное обслуживание.
Техническая возможность прогнозирования потенциальных дефектов и отказов и наличие бюджета являются важнейшими составляющих для перехода на Predictive Maintenance.
Но наш проектный опыт показывает, что ключевым фактором является способность предприятия к культурной трансформации.
Важно, чтобы сотрудники производственного и технического персонала понимали выгоды от использования данных о состоянии оборудования, были более ответственными по отношению к качеству и актуальности данных, вводимых вручную, осознавали потенциал современных технологий и доверяли результатам работы информационных систем.
Именно для проведения культурной трансформации на PdM-проектах особое внимание уделяют области управления изменениями. После внедрения инновационного решения реальность изменится. Например, оборудование будет рекомендовано системой к выводу в ремонт до того, как наступят события, привычные для персонала.
Поэтому основными задачами в части управления изменениями становятся:
1. Подготовка сотрудников к необходимости изменить привычное поведение при работе с данными в информационных системах;
2. Повышение доверия к информационным системам;
3. Развеивание страхов о будущей невостребованности сотрудников в связи с внедрением PdM-решения;
4. Формирование у сотрудников привычки непрерывного обучения, как неотъемлемой составляющей своей работы.
Внедрение цифровизации — это не разовая акция, а проект. И как любой проект, он требует финансовых и временных ресурсов, ответственного отношения и вовлеченности подрядчика и Заказчика, готовности меняться. Чаще время ожидания результата зависит от объема проекта. Например, пилотные проекты могут занять срок в несколько месяцев, но по их итогам можно будет увидеть первые эффекты, а далее остается наращивать функционал и организационный объем.
Внедрение цифровых решений в области технического обслуживания и ремонтов помогает избежать внезапных аварий и отказов оборудования, скрытых дефектов, которые могут негативно повлиять на выполнение производственной программы и планы поставок, качество производимой продукции, создать угрозу здоровью человека и окружающей среде, стать причиной штрафов, потери репутации и разбирательств. В таких случаях стоимость внедрения цифровых решений выходит намного меньше материальных и репутационных последствий серьезного отказа.
Практический опыт показывает, что все мифы существуют только до того момента, пока заказчик не решился на внедрение новых технологий и не погрузился в процесс, узнав о нем больше. Важно не бояться развеять заблуждения, решившись на перемены, которые приносят реальные эффекты.
Источник: rb.ru
