«ДАТА-ЦЕНТР Автоматика» участник ИННОПРОМ 2024 с темой Continuous Intelligence

Завершила свою работу 14-я Международная промышленная выставка ИННОПРОМ в МВЦ «Екатеринбург-ЭКСПО.

Выставку посетили 47 тысяч человек.

Среди гостей были 16 глав профильных министерств разных стран, трое из них представляли Объединенные Арабские Эмираты.

Общая площадь выставки составила 50 000 кв. м, на стендах в четырех павильонах ИННОПРОМ свою инновационную продукцию представили 900 компаний и организаций из России и других стран мира.

Коллективные экспозиции представили 25 регионов России.

Национальные коллективные экспозиции представили 6 стран.

Выставку посетили представители 60 государств.

В состав официальной делегации страны-партнера — Объединенных Арабских Эмиратов вошло более 200 человек, возглавил Султан бен Ахмед аль-Джабер, министр промышленности и передовых технологий ОАЭ.

Деловая программа включала в себя более 100 мероприятий по таким темам, как: цифровизация промышленности, беспилотные технологии, автоматизация производства, инвестиции в промышленность, кибербезопасность.

В рамках деловой программы в презентационной зоне стенда Правительства Свердловской области прошло выступление «Continuous Intelligence как путь к оптимизации в реальном времени» директора по инновациям ООО "ДАТА-ЦЕНТР Автоматика"

Далее приводится расшифровка текста выступления.

Continuous Intelligence как путь к оптимизации в реальном времени

Здравствуйте! Сегодня поговорим о передовой методологии в цифровизации. Настолько передовой, что термин Continuous Intelligence не имеет русского перевода. При этом дословный перевод не отражает сути. Intelligence – аналитика. Continuous -непрерывная. В качестве термина будем употреблять сокращение CI. В мире данная отрасль растет с темпом 14,43% в год.

Я Дмитрий Беренов директор по инновациям фирмы «ДАТА-ЦЕНТР Автоматика» аналитикой мы занимаемся с 1993 года, когда состоялись первые продажи аналитических систем в том числе и в Германию. CI занимаемся c 2008 года, до появления термина. Результаты применения нашей технологии вы видите на слайде (данные опубликованы клиентами). Исторически мы работаем с крупными клиентами, например, Новолипецкий металлургический комбинат это 20% стали всей России.

Наши результаты признаны в профессиональном сообществе. Платформа, о которой мы будем говорить удостоена премии Губернатора Свердловской области как инновационная. НЛМК получил премию «за лучшие кейсы в области цифровой трансформации (номинация «Производство»)» за проект с применением нашей платформы. Этот же проект был награжден Сименс на ИННОПРОМ 2021. В 23-м году платформа была признана лучшей IoT платформой. И в 24-м году наша CI методология получила награду издательства «Открытые системы» за выдающиеся результаты в работе с данными. Это особо престижная премия ее лауреаты обычно телекомы, крупные банки, гиганты промышленности. Со стороны Государства на федеральном уровне мы вошли в программу «Цифровая экономика 2024», на региональном уровне в программу поддержки частных высокотехнологичных компаний-лидеров. Наверное, достаточно аргументов почему о нашей методологии и платформе стоит поговорить.

Итак! Ужасы цифровизации! Три проблемы – на слайде. Они настолько не очевидны, что никогда не учитываются, а проявляются всегда. Пояснять будем на примерах.

Предприятие — это множество систем управления. Каждая система отвечает за свой процесс. Модели и форматы данных определяются этим процессом. В итоге получается нагромождение разнородных данных поднять которые на уровень бизнес-анализа часто неподъемная задача.

Персоналу вменяют в обязанность выгружать данных из систем предприятия в EXCEL, строить сводные таблицы для анализа. Интересный пример. В одной из отраслей есть множество однотипных производств. Они покупались сразу с системой управления производством. Фирма поставщик системы (зарубежная) имеет огромный опыт и множество поставок. Систему нужно было заменить Российской. На мою просьбу рассказать, как происходит процесс управления, мастера вытащили огромную EXCEL таблицу. И сказали: «Мы хорошо поняли, о чем вы хотели сказать на презентации вашей системы.

Следующая проблема. Процитирую Форбс, статья «что такое CI»: «Формирование пёстрой коллекции таблиц и файлов, выгружаемых из источников в озера данных… стало причиной нового болезненного процесса, а именно, подготовки несовершенных, сырых, данных для последующего выполнения над ними ответственной аналитики». А раз так трудно готовить сводные данные, то аналитика идет по легкому пути и рассматривает локальные участки производства. Это приводит к проблемам на следующем переделе. Можно оптимизировать один участок и переполнить следующий. Например, в металлургии известно, что оптимизация расхода ферросплавов на выплавке может привести к проблемам в прокате.

И главная проблема аналитики: оперативность в принятии решений. Аналитик должен найти проблему, нужно решить проблему (совещания, комитеты), нужно принять решение и довести до персонала.

Решение - методология СI. Практический пример: На фанерной фабрике работают два станка разных производителей. Лист на одном из станков перекашивает и оператор иногда поправляет лист. Этот незаметный в работе микропростой за неделю, месяц или год накапливается в простой значимый. Используя методы BI, аналитик может найти микропростои, но CI предлагает другой подход. CI зафиксирует простои и перестанет планировать на станок листы определенного типоразмера. Так решается проблема оперативности.

Остается проблема с разнородности данных. И действительно, согласно обзору крупной консалтинговой фирмы Eckerson Group, обзор «Continuous Intelligence: связь между интеграцией, аналитикой и эксплуатацией данных»: «Информационные системы и операции сильно различаются в зависимости от отрасли и даже компании. Морская платформа для бурения нефтяных скважин требует иных систем, чем системы, внедренные на автомобильный завод. Коммерческому банку требуются приложения, отличные от тех, которыми пользуется розничный продавец». Можно добавить, что разнородность данных может препятствовать внедрению CI даже в рамках одной компании. Например, в металлургии процессы выплавки стали и обработки металлов давлением имеют совершенно разную физическую природу, но связаны как передельные цепочки для выпуска готовой продукции.

Проблема разнородности данных решена с помощью разработанного нами метода объектных отношений. Производство – это поток объектов, которые в процессе приобретаю новые свойства (параметры) и вступают в отношения друг с другом. На слайде нижний ряд – сырье вступив в отношения с агрегатом перерабатывается в заготовки, с которыми тоже находится в отношениях «родитель-потомок», заготовки вступая в отношения с другими агрегатами перерабатываются в готовую продукцию. Параметры переработки привязываются к учетным единицам. Результат похож на отношения людей в социальной сети, а для социальных сетей методы анализа на основе ИИ известны и хорошо применимы. Мы термин «метод объектных отношений» взяли из психологии.

Можно ли формально показать, что ORT структура применима для ИИ и СI. Отсылаем к нашим публикациям, а на слайде говорится, что для построения ORT структуры нужно организовать слежение за материальным потоком на производстве.

Это значит, первое, что должна дать CI платформа пользователю - это построение решений для слежения за материальными потоками предприятия.

Как с помощью платформы создается решение? Настройка платформы производится путем нанесения на карту производства линий слежения за материалом (линий движения материала).

Затем интерактивно на линии слежения наносятся транспортные механизмы (рольганги, тележки, прокатные клети, шагающие механизмы краны и др.).

Для каждого транспортного механизма настраивается подключение сигналов, на основе которых реализованные в платформе модели транспортных механизмов вычисляют положение материала, заготовок и прочих единиц учета на линиях слежения. Для корректировки положения единиц учета на линиях слежения отмечаются датчики наличия материала, и с ними связываются сигналы от оборудования.

На линиях слежения отмечается положение технологических узлов и автоматически фиксируется вход и выход единиц учета в узел. Кроме датчиков наличия, к платформе подключаются технологические датчики, на основе данных которых вычисляются и связываются с единицей учета параметры обработки на агрегатах.

Таким образом, часть платформы под названием DATA-TRACK преобразует поток производственных данных в ORT структуры. Часть платформы под названием EXPERT BASE содержит инструменты для создания решений

Рассмотрим эти инструменты.

Подключение к источникам данных. Выбирается источник из списка (в списке почти все современные источники). Задаются параметры подключения.

Данные из источника выбирается с помощью стандартного SQL. При этом источник может быть NoSQL, HTTP и проч. Работа с разнородными источниками стандартна.

ORT формат позволяет построение универсальных глобальных запросов к объектным данным. Например, нужны параметры плавки за 7 дней в электропечи. Просто выбираем нужные параметры, затем берем связанные объекты, например результаты хим. анализа и выбираем их.

В результате получаем выборку для анализа в табличном виде.

Платформа дает возможность исследовать выборки, использовать выборки для обучения ИИ, строить панели визуализации.

Предоставляется инструментарий «вычислительных блокнотов» для построения CI сценариев и обучения ИИ. Вычислительные блокноты являются в настоящее время стандартом де-факто для построения таких решений. На слайде показано, что современные вычислительные блокноты хорошо справляются и с визуализацией процессов производства, что немаловажно для построения CI систем.

Результат нашей работы – это единственная в России индустриальная CI платформа. При использовании этой платформы проблемы перечисленные в начале презентации решаются и внедрение CI получает хорошую основу.