А при чем здесь психология?

Статья о базовых технологиях продуктовой линейки «ДАТА-ЦЕНТР Автоматика» вышла в журнале «Математическое моделирование и анализ данных», который входит в перечень ведущих научных журналов и изданий для публикации научных результатов Министерства науки и высшего образования Российской Федерации. Журнал «Моделирование и анализ данных», предназначен для публикации научных и практических результатов в области разработки фундаментальных основ и применения математического моделирования, методов анализа данных и программного обеспечения для решения прикладных задач технического и гуманитарного профиля.

Интересно, что учредителем журнала является «Московский государственный психолого-педагогический университет». В аннотации к журналу сказано: «На протяжении многих лет наиболее интересные результаты сначала появлялись при создании новых образцов техники в высокотехнологичных отраслях машиностроения, а затем находили своё применение при исследовании социальных, биологических и экономических систем, а также в психологии. В последнее время наблюдается обратный процесс: модели и методы, созданные при решении нетехнических задач, успешно используются для моделирования и анализа поведения технических объектов».

И действительно термин «Object Relations Technique» (Метод объектных отношений), рассмотренный в статье пришел из психологии. Применительно к человеку ORT представляет собой попытки описания личности и личностного развития в рамках смены объектных отношений. Это отношения с людьми, с которыми личность взаимодействует. Отношения придают смысл инстинктам, форму и структуру личности. При рассмотрении промышленного предприятия ORT дает возможность взглянуть на производство в единстве всех его процессов и построить описание в целях уже не личностного (как для человека), а производственного развития.

Поэтому не удивительно, что первая в России публикация о «Модели объектных отношений для интеллектуального управления на основе производственных данных» вышла в журнале учреждённом «Московским государственный психолого-педагогическим университетом».

Проблема использования инструментария «Больших Данных» для управления промышленным предприятием

Интеграция производственных данных для контроля и управления предприятием началась еще в телеметрических системах начала 70-х годов прошлого века и представляла собой попытки организовать дистанционный мониторинг небольшого числа параметров. Для отображения текущего состояния системы тогда использовались «имитационные стены» (mimicwall). Оперативность вывода информации на такие стены можно охарактеризовать как «приближающуюся к реальному времени»: показания индикаторов и лампочек изменялись по мере получения данных. В результате развития технических возможностей в конце 80-х годов XX века появились SCADA системы. SCADA (Supervisory Control And Data Acquisition System или Система сбора данных и оперативного диспетчерского управления) предоставила возможность в реальном времени собирать и отображать данные технологических процессов, а также управлять технологическими процессами с помощью диспетчерских и пультов операторов.

Потребности производства не исчерпываются выполнением технологических процессов, требуется не только выполнить заданный объем работ с указанными сроками выполнения тех или иных заказов, но выполнить их как можно лучше с точки зрения экономических показателей цеха. Системы MES (manufacturing execution system) или системы управления производственными процессами, которые решают задачи синхронизации, координации, анализа и оптимизации выпуска продукции на производстве относятся к классу систем управления уровня цеха, но могут использоваться и для интегрированного управления производством на предприятии в целом. В целом MES-система это система оперативного характера, которая нацелена на формирование расписаний работы оборудования и оперативное управление производственными процессами в цеху.

Но производство нуждается в управлении материальными запасами а также в прогнозировании, планировании и контроле производства по всему циклу: начиная от закупки сырья и заканчивая отгрузкой товара потребителю. Эти задачи берет на себя ERP-система, Enterprise Resource Planning или планирование ресурсов предприятия.

Интеграция данных предприятия происходит снизу вверх и обеспечивает работу различных уровней автоматизации. Данные от агрегатов собирают SCADA системы, в свою очередь SCADA поставляют данные для MES, а данные MES обеспечивают работу ERP. Условно иерархию данных предприятия отображают в виде «пирамиды автоматизации». Ниже на рисунке приведена пирамида автоматизации с сайта 

Но в стройности пирамиды автоматизации таится подвох. На каждый новый уровень поступает информации ровно столько, сколько необходимо для обеспечения бизнес-процесса этого уровня, а значит детальность производственной информации резко уменьшается от уровня к уровню.

Поэтому, как это не парадоксально, в условиях высокого уровня автоматизации главным инструментом персонала становится EXCEL. Необходимость проведения общего сквозного анализа производственных данных приводит к сопоставлению отчетов из различных разнородных источников. При этом высокоавтоматизированная и интегрированная среда не дружественна пользователю и воспринимается им как множество систем - обособленных островков, откуда нужно достать данные в EXCEL и свести их вместе.

Кажется, что применение инструментария «Больших данных» может решить проблему, если все данные предприятия от разных уровней собрать вместе. Но «сложить данные вместе» не значит «свести данные вместе».

В одной из статей Форбс проблема была сформулирована так:

• Складывание всех данных в одном месте для их обработки далее требует еще больше работы, чтобы сделать их пригодными для использования.
• Пестрая коллекция таблиц и файлов данных, выгружаемых из источников в озера данных… привела к новому болезненному процессу — это подготовка сырых данных для выполнения последующей аналитики над ними, преобразование сырых (грязных) данных, хранящихся в любых произвольных форматах, в требуемые для аналитических приложений.
• Аналитики, которые разведены отдельными модулями, отдельными задачами и отдельными командами со специализированными навыками, только крадут время, не добиваясь самого главного - своевременной непрерывной информации из всех ваших данных.

Данные предприятия замкнуты внутри большого количества систем автоматизации и цифровизации. Модели и форматы данных определяются бизнес-процессом участка производства, специфичны для каждой системы и поэтому складывание данных в одном месте не решает, а усугубляет проблему.

Отсюда очевидна необходимость в такой модели представления производственных данных, которая является единой для любого производственного модуля и любой производственной задачи. Естественно, что создать единую модель на основе описания производственных бизнес-процессов невозможно в силу множественности и специфичности этих бизнес-процессов.

ORT формулирует подход к производственным данным, исключив разделение описания структур данных под отраслевую, физическую и иную предметную специфику.

В основе подхода лежит переход от описания бизнес-процессов к самим объектам, на которые эти процессы направлены. Производство в этом случае представлено как поток объектов, которые под воздействием процессов меняют свойства и вступают в отношения друг с другом (Object Relations Technique или ORT).

Модель данных ORT и реализация непрерывного интеллектуального управления Continuous Intelligence.

В упомянутой ранее статье Форбс указывается, что для преодоления трудностей в использовании технологии «Больших данных» следует придерживаться идеологии непрерывного интеллектуального управления Continuous Intelligence, но не приводится универсальных подходов. Далее будет показано, что ORT подход позволит создавать Continuous Intelligence решения.

Объект для описываемого подхода — это любая производственная сущность, на которую направлены усилия, внимание, желание и воля бизнеса. Объекты вступают между собой в отношения через формирование связей. Например, объект «цех» связан с объектами «центры обработки». Или для металлургического производства объект «бунт» связан с заготовкой, из которой он прокатан, а заготовка связана с плавкой, из которой она разлита на машине непрерывного литья. Если продолжать пример из металлургии, то объект «плавка» вступал в отношения (связи) с электропечью, агрегатами внепечной обработки, машиной непрерывного литья. Если объект вступил в отношения с центром обработки, то он приобретает новые свойства, которые протоколируются как параметры, связанные с объектом.

Данные любого производственного процесса в этом случае описываются как объекты, их параметры и связи.

Через объекты, их параметры и связи общая картина производственных данных становится прозрачной для пользователя, как в текущий момент времени, так и в виде исторических данных. Полностью контролируется, где находится (находился) материал, фактические параметры обработки, по какому заданию и техкарте производилась обработка материалов и заготовок (задания, техкарты, планы также являются объектами системы).

Для получения «объектной картины мира» предоставляется платформа DATA-TRACK, которая при настройке на производственную площадку преобразует поток производственных данных в объекты и их отношения.

DATA-TRACK – Low code платформа, которая предоставляет единую систему описания трансформации данных процессов через объекты

Из структурированных через ORT данных можно извлечь любую полезную производственную информацию путем построения запроса. Для построения запроса к данным ORT модели предоставляется платформа EXPERT BASE.

Универсальная система гибких глобальных запросов платформы EXPERT BASE устроена так, что формат построения запроса универсален и основан на отношениях объектов. Например, можно для анализа данных по катанкам запросить параметры самой катанки, а также химсостав плавки, из которой катанки были изготовлены. Для чего, при формировании отчета нужно просто пройти по связи от катанки к плавке и запросить нужные параметры уже для плавки. Следует обратить внимание, что пользователь оперирует только объектами, параметрами и их связями, а значит при составлении запроса работает с терминами своей предметной области (каждый объект содержит свое название, свои параметры и свои связи). Не требуется быть IT специалистом для извлечения нужной информации.  При этом можно получать любые данные для решения любой производственной задачи, например простои можно контролировать по количеству вступивших в связь с узлом обработки объектов за определенный промежуток времени. Также легко решается задача извлечения данных для построения различных KPI для BI дашборда (витрины данных).

Обработка запрошенных данных может производиться пользователем либо в BI системе, если требуется только визуализация данных, либо с помощью аналитической системы если требуется создание не просто BI витрины, а производственного отчета.

Важно, что получателем данных после формирования запросов может быть не только Data Scientist, но и смежные системы цифровизации.

Инструментарий для интерактивного формирования запросов, BI, вычисления КPI и прочих характеристик производства, исследования данных в аналитической системе и формирования информации для других звеньев цифровизации предоставляет платформа EXPERT BASE.

EXPERT BASE - Low code платформа, позволяющая стандартным образом интерактивно построить запрос к объектным данным, обработать полученную информацию и сформировать BI дэшборды для дальнейшего использования или выдать информацию смежным системам. Интеллектуальные советники и оптимизаторы также строятся средствами системы, поскольку система располагает библиотеками для статистической обработки данных и средствами ML.

Для управления производством на основе данных недостаточно учитывать движение продукции рассчитывать KPI и анализировать ход производства.

Значительный экономический эффект дает организация и планирование производства. Поскольку текущее состояние производства прозрачно для системы, то на базе текущих и исторических данных предлагаются готовые решения оптимизации производства на базе модулей оптимального оперативного планирования DATA-PLAN. При этом EXPERT BASE предоставляет инструменты для построения собственных оптимизационных модулей.

Все перечисленное позволяет строить Continuous Intelligence решения, поскольку речь идет о непрерывном бесшовном излечении значимых бизнес-результатов из всей совокупности производственных данных. Приведенный подход к аналитике, позволяет осуществить быстрый доступ до всех производственных данных, и производить их обработку, как только данные поступят, независимо от удаленности источников данных, независимо от количества источников данных, не зависимо от того насколько велики объемы данных. Речь идет не об однократной возможности, но о том, чтобы автоматизировать получение и обработку данных как непрерывный и бесшовный бизнес-процесс.

Резюме

ORT модель производственных данных, а также использование платформ DATA-TACK, EXPERT BASE и DATA-PLAN для структурирования данных и их обработки имеет следующие преимущества:

·       Прием потоковых данных производства проходит объектно-ориентированную трансформацию, которая описывает объект с учётом его преобразований и условий, которые его окружают в процессе этих преобразований. Результат протоколируется в виде объектов, их параметров и отношений (связей) объектов.

·       Процесс обращения к данным сильно упрощён, по сравнению с другими решениями, путем применения единого универсального интерфейса, который не требует переписывание данных под задачу и преобразования данных из одного формата описания в другой для решения конкретной задачи

·  Помимо поставляемых модулей для решения задач по планированию и оптимизации производства, предоставляется инструментарий, чтобы быстро извлечь и обработать необходимую информацию, а в случае необходимости построить новый интерфейс для смежных модулей.

 Единый характер данных предоставляет возможности простого масштабирования, а также применения современных инструментов работы с большими данными и аналитическими инструментами в масштабе всего предприятия.

В завершение обзора научной статьи директора по науке в соавторстве с директором по инновациям компании «ДАТА-ЦЕНТР Автоматика», предлагаем ознакомится с видео-интервью взятым у наших экспертов на международных промышленных выставках Иннопром 2021 и 2022:

А также с кратким видео-обзором цифровых продуктов компании: