Предиктивные и прескриптивные продуктыКогда в прессе говорят об использовании искусственного интеллекта, имеют в виду предиктивный и прескриптивный уровни аналитики. На самом деле соответствующие продукты комбинируют конкретный набор IT‑инструментов: машинное обучение, математическую оптимизацию, средства хранения и обработки данных, визуализации и обеспечения служебных функций, таких как информационная безопасность и отказоустойчивость. Ключевым является машинное обучение, т. е. набор статистических алгоритмов, которые позволяют получить функцию, вычисляющую какой-то параметр в режиме работы, похожем на ранее наблюдавшийся. Таким образом можно реализовать виртуальные и прогнозные датчики технологических параметров, даже если физико-математические связи между ними и реально измеряемыми параметрами неизвестны.
Ценность данного уровня в том, что можно управлять процессом более рационально и отказаться от ряда дооснащений физическими датчиками. Часто дооснащение может оказаться более дорогим вариантом по сравнению с виртуальным датчиком. Если регламент управления сложный и «завязан» на субъективной оценке оператора, то можно над предиктивными алгоритмами надстроить алгоритмы математической оптимизации: среди доступных и безопасных управляющих воздействий они выберут те, которые максимизируют ключевые показатели эффективности процесса. Ту же логику можно применить и на более высоком масштабе, например, по отношению к процессам распределения бюджета на техническое обслуживание и ремонт или даже на уровне организации — в формате системы интегрированного планирования предприятия. Тогда в качестве ценности будет выступать автоматическое принятие решений (с их применением или без него) в соответствии с учетом статистически обоснованных следствий.
Пример внедрения предиктивного продукта для участка помола цементаВ 2022 году компания «ГлоуБайт» внедрила для АО «ЦЕМРОС» (ООО «Петербургцемент») цифрового помощника оператора цементной мельницы. Реализация проекта заняла 6 месяцев и включала в себя следующие фазы:
- выработку сценария оптимизации. На этом этапе также проводилась статистическая оценка достижимого эффекта, привязанная к ограничениям производственного процесса;
- адаптацию физико-математических, предиктивных и оптимизирующих моделей в решении «ГлоуБайт» для цифровых помощников. Основные алгоритмы дорабатывались для учета доступных технологических параметров, технологических ограничений и уставок, а также схем управления, применяемых операторами;
- опытно-промышленную эксплуатацию и оценку полученного эффекта.
Основной сценарий получения пользы имел следующие аспекты:
1. Известно, что оптимальный режим является стабильным, но среди стабильных режимов производительность варьируется.
2. Вывод мельницы на стабильный режим — задача оператора, но только самые опытные из них могут спрогнозировать, какие управляющие воздействия не нарушат ограничивающие показатели.
3. Решение: цифровой помощник и обобщает опыт этих лучших операторов, и снабжает все смены оперативными прогнозами ключевых показателей, что позволяет вырабатывать и применять оптимальные управляющие воздействия и выводить мельницу на стабильный и высокопроизводительный режим.
Проект показал, что достижимы эффекты повышения производительности до 2,6 % и удельной энергоэффективности — до 4 %.
ЗаключениеЦифровые решения постепенно появляются и проникают во многие индустрии непрерывного производства в России. Этому помог ряд факторов последних лет, таких как форсированное импортозамещение из-за ухода OT‑вендоров; конкурентное давление, требующее повышения эффективности; «вызревание» инструментов в IT‑сфере, в том числе программного обеспечения с открытым исходным кодом; а также постепенно появляющиеся примеры успешных внедрений.
В ближайшие годы можно ожидать, что большинство достаточно крупных компаний по крайней мере сформируют аналитические архивы технологических данных, которые будут служить базой для цифровых продуктов, и выстроят процессы их отбора и оценки пользы от цифровых решений. Это приведет к существенному расширению списка успешных примеров внедрений и позволит компаниям адаптировать их под свои
нужды.