Шесть очевидных вопросов о предиктивной аналитике в промышленности

Отвечаем на часто задаваемые вопросы о технологии, которую используем в Factory5, чтобы совершенствовать стратегии ремонтов и обслуживания промышленных компаний.

Что представляет из себя технология предиктивной аналитики?

Предиктивная или прогнозная аналитика — это набор методов анализа данных, который на основе исторические данных по объекту может предсказать его поведение в будущем. Для прогнозирования используются математические модели, методы интеллектуального анализа данных, машинного обучения и другие.

Как предиктивную аналитику применяют в промышленности?

Промышленные компании внедряют ПО на базе предиктивной аналитики, чтобы оценивать техническое состояние оборудования и предсказывать его отказы. Такие решения популярны среди производителей оборудования и сервисных компаний. Они позволяют экономить на ремонтах и повышать надежность. Кроме того, с помощью прогнозной аналитики промышленники могут корректировать стратегии обслуживания и переходить на ремонт по фактическому состоянию.

Где взять данные для оценки технического состояния оборудования?

Перед сбором данных нужно определиться, зачем вообще нужна эта технология и чего хочется добиться. Ответы на эти вопросы помогут определиться с источниками данных. Чаще всего данные собирают с датчиков и контроллеров оборудования. Дополнительно может потребоваться информация из систем уровня АСУ ТП, MES, EAM и ERP.

Сколько нужно данных для анализа?

Если коротко: чем больше, тем лучше.
Если длиннее: от прозрачности сценариев поведения объекта зависит точность прогнозов. Эксперты запрашивают выгрузку значений параметров по оборудованию с максимальной дискретностью за максимально возможный период времени.

С какими проблемами можно столкнуться при внедрении?

К техническим ограничениям внедрения предиктивной аналитики можно отнести:

• отсутствие API-интерфейсов и коннекторов для интеграции с другими системами;
• разные режимы обработки и форматы хранения данных;
• неравная степень автоматизации производства из-за чего могут отсутствовать массивы важных данных;
• отсутствие нормализованной НСИ (нормативно-справочной информации);
• специфические требования по информационной безопасности;
• проблемы с покрытием сети передачи данных.

Среди организационных препятствий встречаются мало заинтересованные функциональные заказчики и пользователи, не готовые к изменениям.
Технические ограничения можно снять комплексным программным решением. Организационные — только объяснив персоналу преимущества и эффективность инноваций. 

Какие эффекты могут принести решения на базе предиктивной аналитики в ТОиР?

Среди очевидных эффектов:

• Снижение издержек на техническое обслуживание и ремонты производственного оборудования, а также повышение уровня безопасности на производстве.
• Сокращение времени простоя оборудования за счет прогноза отказа и своевременной идентификации предотказного состояния.
• Уменьшение количества внеплановых ремонтов за счет перехода на систему ремонта по состоянию.
• Увеличение межремонтного периода и срока наработки на отказ.
• Снижение стоимости ремонта за счет выявления дефектов до того, как они приведут к разрушению или выходу из строя смежных более дорогостоящих систем.
• Сокращение объема недополученной прибыли из-за сдвига плана производства.