Краткое описание проекта

Системы анализа технологических данных производства предназначены для:

• Проверки правильности работы алгоритмов систем автоматики машин и механизмов.
• Обеспечения максимальной ясности о техническом состоянии оборудования.
• Предотвращения критических состояний агрегатов.
• Оптимизации производственных процессов.
• Контроля качества.
• Поиска и устранения неисправностей.
• Выявления износа оборудования.

Цель работы: Продемонстрировать возможность построения системы анализа технологических данных уровня производства на базе Open Source решений, поскольку большинство промышленных решений являются проприетарными, очень дорогими и не обеспечивают привычную среду работы для современных специалистов Data Science.

Для работы с производственными данными фирма «ДАТА-ЦЕНТР Автоматика» предоставила доступ к системе промышленного сбора данных класса DCA (Data Collection/Acquisition), которое является составной частью платформы DATA-TRACK. Стояла задача интегрировать данные с нескольких систем DCA и предоставить пользователям возможность для исследования этих данных.

В ходе работы было найдено следующее решение.

Для интеграции данных использовать Apache Drill благодаря его способности интерактивно работать с разными форматами и источниками данных без предварительного определения схемы и форматов, этот SQL-инструмент можно использовать для аналитики больших объемов необработанной (сырой) информации в режиме онлайн. Возможность объединения данных из нескольких хранилищ в уникальный SQL-запрос делает интеграцию разнородных источников информации простой и быстрой. Поэтому Drill широко используется в аналитике больших данных различных Data Science приложениях.

Для анализа данных был использован Jupyter Notebook — это мощный инструмент для разработки и представления проектов Data Science в интерактивном виде. Он объединяет код и вывод все в виде одного документа, содержащего текст, математические уравнения и визуализации.

Такой пошаговый подход обеспечивает быстрый, последовательный процесс анализа данных, поскольку вывод для каждого блока показывается сразу же. Именно поэтому инструмент стал настолько популярным в среде Data Science за последнее время. Большая часть Kaggle Kernels (работы участников конкурсов на платформе Kaggle) сегодня созданы с помощью Jupyter Notebook.

В результате промышленные данные оказались представленными в стандартной среде понятной для исследователей, масштабируемой и не ограниченной размерами данных. Открытый код позволил решить вопросы возможного встраивания решения в платформу DATA-TRACK и санкционных ограничений.

«ДАТА-ЦЕНТР Автоматика» и научная деятельность

Базовая кафедра компании "Дата-Центр Автоматика" - Института радиоэлектроники и информационных технологий - РтФ Уральского федерального университета (ИРИТ-РтФ УрФУ) была открыта в середине 2014 года и сосредоточена на исследованиях и практическом применении технологий больших данных и концепции Data Mining в металлургии, транспортной и других отраслях.

Это была первая в России кафедра аналитики больших данных и методов видеоанализа. 

Первым руководителем кафедры был президент фирмы «ДАТА-ЦЕНТР Автоматика» д.ф-м.н Дамир Насибуллович Гайнанов, представитель уральской школы методов анализа данных и распознавания образов, развиваемой в Институте математики и механики Уральского отделения РАН.

Всего на кафедре 5 докторов наук, 7 кандидатов наук, 2 иностранных преподавателя. За период 2016–2020 гг. кафедра опубликовала 240 статей, проиндексированных в базах данных Scopus и WoS (857 цитирований), 115 публикаций с иностранным участием, 50% студентов на кафедре представители ближнего и дальнего зарубежья.

При содействии Агентства по привлечению инвестиций Свердловской области фирма «ДАТА-ЦЕНТР Автоматика» провела ряд стратегических сессий с экспертами и учеными Высшей школы экономики c целью обобщить опыт компании, выделить конкурентные преимущества и дать название общему подходу компании к созданию решений по цифровизации.

«ДАТА-ЦЕНТР Автоматика» и ВШЭ сформулировали инновационный подход к производственным данным, исключив разделение описания структур данных под отраслевую, физическую и иную предметную специфику.

Проектный подход при обучении студентов

Как отмечает журнал «Эксперт» , сервис «Проектное обучение» Уральского федерального университета стал лауреатом номинации «Лучшее ИТ-решение для высшего образования» всероссийского конкурса «Цифровые вершины» (организаторы — Минцифры России и Российская академия народного хозяйства и государственной службы при президенте РФ).

Сервис создан университетом, чтобы привлечь к образовательному процессу компетенции, экспертизы и ресурсы индустриальных партнеров и компаний новой экономики. Для бизнеса это шанс осуществить стартовую проверку гипотез силами студентов, сэкономив время и ресурсы, найти молодые и перспективные кадры. Для студентов — возможность погрузиться в деловую среду, решая актуальные задачи, сформировать будущую профессиональную карьеру в период обучения, зарекомендовав себя в глазах работодателя).

Фирма «ДАТА-ЦЕНТР Автоматика» и базовая кафедра «Аналитика больших данных и методы видеоанализа» одни из первых приняли участие в проектном обучении.

Фото из журнала «Эксперт».

В завершении обзора проектного обучения на базовой кафедре «ДАТА-ЦЕНТР Автоматика», предлагаем ознакомиться с презентационным фильмом посвящённым компании «Узнайте кто мы»: