Эффективность производства зависит от уровня интеллекта

Автор Сообщение
#1 / 20.11.2018 08:53
admin

В ближайшие пять лет 40% лидирующих компаний могут потерять свои позиции, если не проведут цифровую модернизацию. Об этом говорят прогнозы Центра цифровой трансформации бизнес-школы IMD. Сегодня только 35% предприятий оснастили производство датчиками и используют полученную от них информацию для оптимизации операционных и трехнологических процессов, однако к 2020 г. 3/4 подключенных к Интернету устройств будет приходиться на сегмент промышленной автоматизации, прогнозирует PWC. Причина этого — осознание экономической целесообразности IIoT.

Оснащение датчиками — лишь первый шаг к интеллектуализации производства. Непосредственно же интеллектуализация начинается со второй ступени — фильтрации и хранения значимых данных, а также с анализа поступивших данных (это уже третья ступень) с использованием искусственного интеллекта для принятия управленческих решений. Это в конечном счете и позволяет достигнуть эффекта, о котором говорится в экономических обоснованиях проектов по цифровизации и интеллектуализации производства.

В частности, уже упомянутая PWC ожидает, что к 2025 г. эффект от IIoT в электроэнергетике, здравоохранении, сельскохозяйственном и транспортном секторе составит 2,8 трлн рублей.

Как искусственный интеллект способствует повышению эффективности производства
Рассмотрим несколько примеров того, какие результаты дает внедрение интеллектуального анализа в рамках проектов по IIoT.

Первое — увеличение времени полезного использования оборудования. Например, анализируя профиль потребления электроэнергии и данные о нагрузке на резец, можно получать информацию о полезной загрузке станков — когда станок не просто был включен, а шел процесс изготовления детали. Изучая подобную информацию, не трудно выявить причины непроизводительных потерь времени, такие как неисправность оборудования, время ожидания ремонтников, нарушение сроков поставки материалов и т. д. Это помогает разработать серию управленческих решений для устранения причин простоев. Так, анализ данных о вибрации и профиле потребления электроэнергии способен прогнозировать вероятностные отказы оборудования, на основе чего можно заранее планировать техническое обслуживание и тем самым минимизировать время ремонта.

Кроме того, на рынке существуют программные решения, позволяющие ускорить изготовление деталей, в отдельных случаях на 20%. В реальном времени они оценивают данные о ходе обработки детали и в определенный момент увеличивают скорость движения обрабатывающего инструмента. Например, у заготовки припуски меньше, чем должны быть, и тогда резец/фрезу можно передвигать по воздуху быстрее, чем запрограммировано в станке с ЧПУ. Или же, зная, что скорость резания для станков с ЧПУ установлена с запасом, то есть снижена в расчете на притупленный инструмент, программа может увеличить эту скорость при работе острым инструментом.

U7vq6F6_1FI.jpg

Рис. 1. Терминал регистрации, установленный на станке

Второе — повышение производительности труда. При помощи терминалов регистрации (рис. 1), установленных на станках (или RFID-меток), и соответствующего ПО фиксируется полезное рабочее время. Анализируя эту информацию, можно выявить причины непроизводительных потерь.

Третье — сокращение цикла разработки новых изделий за счет того, что конструкторы и технологи, располагая объективными данными об условиях эксплуатации изделия и фактами неисправностей, могут оперативно корректировать конструкцию устройства и создавать новые модификации.

Четвертое — интеллектуальный анализ позволяет перейти к массовому кастомизированному производству (рис. 2) и, как следствие, увеличить продажи за счет максимального удовлетворения потребностей каждого клиента. С внедрением принципов «Индустрии 4.0» становится возможным изготавливать изделие с индивидуальными характеристиками и под индивидуальный заказ, но в массовом количестве при удержании себестоимости отдельного продукта на уровне серийного/массового выпуска. Помимо вышесказанного, сочетание технологий «Интернета вещей» и искусственного интеллекта имеет большое значение в процессах планирования производства при корректировании исходных данных, в частности при изменении объема заказа или при выходе из строя оборудования.

FiRD6u7PkIY.jpg

Рис. 2. Управление цифровым производственным предприятием на базе АИС «Диспетчер»

Не только экономическая выгода
Еще одно применение интеллектуального анализа — исключение нарушений в процессе обслуживания и эксплуатации оборудования с целью повышения безопасности. Это особенно актуально в тех сегментах промышленности, в которых малейшее нарушение может иметь значительные риски. Например, в сегменте производства и эксплуатации локомотивов.

Для этих целей ведущие предприятия, занятые созданием тягового подвижного состава, формируют центры мониторинга технического состояния подвижного состава, где аккумулируется вся информация, собираемая в реальном времени датчиками в локомотиве: состояние систем сигнализации, централизации и блокировки, скорость и вес поездов, локация, данные о техническом состоянии средств автоматики и т. д. Сюда же поступает информация обо всей жизни подвижного состава с момента производства до последнего технического обслуживания. Анализируя эти данные как в реальном времени в процессе эксплуатации подвижного состава, так и по факту прибытия локомотива на сервисное обслуживание, специалисты оценивают его техническое состояние, выявляют предотказные состояния оборудования и узлов, дают заключение по фактам нарушений в процессах производства и эксплуатации, вызванных человеческим фактором. Все вышеперечисленное способствует повышению безопасности и эффективности использования подвижного состава, а также принятию правильных управленческих решений касательно ответственности за допущенные нарушения режимов эксплуатации локомотивов.

Зарубежный опыт
Энергетика

Задача: обнаружение воровства электроэнергии, повышение производительности оборудования за счет предиктивного обслуживания (C3 IoT).

Компания: Enel.

Используемые системы: C3 IoT Fraud Detection и Predictive Maintenance.

Реализация: свыше 20 млн «умных» счетчиков мониторят электросетевую инфраструктуру в Италии и Испании. Данный проект считается самым крупным промышленным внедрением искусственного интеллекта и индустриального «Интернета вещей».

Результат: повышение объема энергии, возвращаемой по результатам инспекций, — на 70% в Италии и более чем в 3 раза в Испании.

Самолетостроение
Задача: выявление предотказных состояний, прогноз коррозийных повреждений самолетов.

Компания: IMPACT TECHNOLOGIES (США), поглощена Sikorsky Aircraft Corporation.

Реализация: разработан подход по слиянию нечеткой информации (экологические измерения) с физикой моделей отказа оборудования, чтобы обеспечить адаптивный прогноз.

Результат: выход прогностической модели определяет время, когда произойдет коррозийное повреждение самолета, а также указывает оптимальные временные рамки, в течение которых нужно выполнить ремонт.

Российский опыт
Сервис тягового подвижного состава

Задача: предиктивный анализ для обслуживания локомотивов.

Компания: ГК «Локотех».

Реализация: система «Умный локомотив» внедряется с 2016 г. Это один из самых крупных проектов реализации ИИ в России и СНГ. В его основе — использование математических моделей прогнозной аналитики, MX-моделей (MathExperience), позволяющих выявлять предотказные состояния техники и заблаговременно принимать меры, чтобы не допустить сбоев в работе локомотивов. Система «Умный локомотив» реализуется на платформе интеллектуального анализа данных Clover IIoT.

В настоящий момент запущен в опытную эксплуатацию модуль поиска аномалий, который позволяет анализировать 260 параметров по тепловозам 2ТЭ116У и 3ТЭ116У, по тепловозам ТЭП70У и ТЭП70БС — 308 параметров, по 2ТЭ25КМ — 270 параметров. Для тепловозов 2ТЭ116У разработаны математические модели предиктивной аналитики, способные оценивать и прогнозировать техническое состояние тяговых электродвигателей, турбокомпрессора, поездного компрессора, масляной системы, водяной системы и топливных насосов высокого давления. На первоначальном этапе горизонт прогнозирования составит от 12 ч до недели.

Результат: сейчас система находит более 60 видов нарушений в работе оборудования и режимах эксплуатации локомотивов.

Самолетостроение
Задача: обеспечение оперативного и достоверного сбора данных о работе оборудования в автоматическом режиме и анализа эффективности его использования.

Компания: АО «Авиастар-СП».

Реализация: внедрена универсальная система мониторинга «Диспетчер» от российской компании «Цифра», которая объединила в единую сеть станки различных производителей (на предприятии используются станки, оборудованные стойками ЧПУ FANUC, Mazak, Siemens и «БалтСистем») и обеспечила свободный процесс обмена информацией.

В настоящее время «Диспетчер» мониторит работу 75 станков на предприятии. Для этого на станки смонтированы терминалы ввода/вывода (соединение оборудования со стойкой ЧПУ происходит через USB-разъем), в шкафы электроавтоматики установлены терминалы-регистраторы. В случае разрыва локальной сети и потери связи с сервером вся информация о работе оборудования за период накапливается в терминале, что обеспечивает надежность системы.

В режиме реального времени «Диспетчер» оповещает по электронной почте ответственных лиц АО «Авиастар-СП» о целом ряде критических событий: наладке длительностью более 1 ч, необоснованном простое более 20 мин, работе без нагрузки более 15 мин, авариях.

Результат: внедрение системы «Диспетчер» позволило добиться сокращения необоснованного простоя оборудования и улучшения показателя его работы по программе.

Источник: http://www.controlengrussia.com

Сообщения: 463