Промышленные данные - золотая жила: построение устойчивой системы для достижения успеха

"Без данных, вы - человек с необоснованным мнением". - доктор Уильям Эдвардс Деминг (Dr.William Edwards Deming), американский инженер, статистик, профессор, писатель, преподаватель и консультант по менеджменту. Его работа "System of Pro found Knowledge" стала основой для современной науки о данных.

Однако, покойный доктор Деминг не отметил, что для компаний промышленные данные являются золотой жилой в буквальном смысле. Возможность заключается в том, что большинство компаний пока еще не осознали этот ценный секрет. Сбор промышленных данных представляет следующий рубеж роста для промышленности. Для достижения высокой производственной эффективности производителям в перерабатывающей промышленности необходимо быстро и систематически устранять коренные причины проблем надёжности производственных активов, к которым относятся не отвечающие требованиям оперативные процедуры, низкое качество проектирования и неправильное планирование производства. Ныне существующиеподходы к техническому обслуживанию должны быть оптимизированы и управляемы информацией из баз данных. Для достижения успеха необходима устойчивая система. Так оптимизация производственных активов выступает в качестве всеобъемлющей, целостной философии, которая даёт наибольший возможный финансовый доход на протяжении всего жизненного цикла активов с непрерывным улучшением производственного процесса.

В настоящее время ARC Advisory Group обращает наше внимание на то, что глобальная перерабатывающая промышленность теряет 20 миллиардов долларов ежегодно из-за незапланированных простоев на производстве. Это происходит потому, что более 80% сбоев не могут быть обнаружены при использовании текущих методов технического обслуживания на основе данных о возрасте и износе оборудования. В большинстве случаев производственные активы способны отобразить только случайные сбои. Эти сбои вызваны из-за определённых симптомов и не могут быть решены традиционными подходами к производственной надёжности и техническому обслуживанию. Предприятиям перерабатывающих отраслей необходимо глубокое понимание и расширение знаний с помощью предиктивной и прескриптивной аналитики, чтобы получать выгоду от сбора производственных данных.

Суть нового пакета инновационного ПО, включающего в себя расширенную аналитику, целостное моделирование и технологии машинного обучения, заключается в том, что в настоящее время он может решать внеплановые простои, вызванные в процессе обработки. С этими передовыми решениями, производство буквально "переключает передачу" от обычного реакционного обслуживания на предусмотрительное инвестирование в проактивные операции и техническое обслуживание. Компании, использующие проактивный подход, теперь могут предотвращать и устранять сбои, обеспечивая при этом необходимыми рекомендациями для достижения большей надежности и увеличения работоспособности в течение всего жизненного цикла актива.

В более широком понимании вещей, McKinsey отмечает: "...совершенно новые и более доступные производственные аналитические методы и решения, которые обеспечивают более легкий доступ к данным из различных источников, наряду с передовыми алгоритмами моделирования и простыми в использовании подходамик визуализации - могли бы, наконец, предоставить производителям новые способы контроля и оптимизации всех процессов с охватом всех производственных операций".

ARC Research Group в дальнейшем подкрепляет эту точку зрения: "С хорошей стратегией технического обслуживания производственных активов, операционные отделы и отделы по ТО более тесно сотрудничают, обмениваясь информацией для решения критических вопросов и эксплуатационных ограничений, в тоже времяповышая общую производственную эффективность. Объединение информацииоб отдельных производственных операциях и решениях для технического обслуживания повышает эффективность в обеих областях, и предлагает новые возможности для управления рисками и оптимизации производительности".

Делая шаг в будущее промышленности, программный комплекс APM 2.0 включает в себя расширенные возможности аналитики, которые предсказывают потенциальные проблемы, и предписывают необходимые рекомендации к действиям оператора. С целостным представлением о производственном процессе и состоянии активов, программный комплекс Aspen APM объединяет в себе аналитику активов, моделирование надёжности и машинное обучение для анализа, понимания и управления производством. Принципы анализа данных и наука о данных обеспечивают стратегию надёжности, которая включает в себя машинное обучение. Являющейся сегодня доминирующей технологией предиктивной аналитики в области информационных технологий, машинное обучение, используемое для работы с производственными активами, требует определённых знаний химических процессов, механических средств, практик технического обслуживания и т. д.

Машинное обучение, способное работать (интерпретировать и управлять) с данными со сложных, проблемных датчиков и с данными, полученными в процессе технического обслуживания, необходимо для совершенствования промышленности. В конце концов, оноспособноопределить условия и закономерности, которые могут иметь пагубное влияние на производственный актив, охватывая модели процесса эксплуатации и объединяя их с информацией о сбое. Одна из крупнейших в мире компанийпо производству пластмассы, занимающая значительные позиции в химической и перерабатывающей промышленности - LyondellBasell, подтверждает, что программный комплекс APM может принести значительную пользу для производства: "Новое решение от компании Aspentech для аналитики производственных активов содержит уникальный набор средств моделирования и технологий на основе науки о данных. Использование дополнительных знаний о производственных процессах, доступныхблагодаря этому перспективному новому программному решению, приносит с собой возможности работы ближе к реальным показателям в процессе производства. Для олефинового производства мирового масштаба, это стоило бы миллионов долларов в год".

APM является двигателем экономического роста в рамках общей философии сохранения и оптимизации активов.Успешно применяемый на протяжении всего жизненного цикла актива, он работает в непрерывном режиме, поскольку активы, как правило, должны быть на службе дольше, чем люди, работающие с ними. Чтобы извлечь из негомаксимальную пользу, компаниям необходимо развернуть пять ключевых инициатив по оптимизации, а именно: эффективность капитальных затрат(CapEx), высокая производительность, эффективная организация цепочки поставок, высокопрофессиональные организационные качества и умение сохранять конкурентное преимущество.

Стремясь к эффективности капитальных затрат, мировые НПЗ снизили затраты энергии на миллионы долларов в год, используя интегрированное проектирование для того, чтобы достигнуть лучших в своём классе показателей энергоёмкости. Для достижения высокой производительности предприятия смогли сэкономить время и деньги, благодаря тому, что выбралитакое инновационное ПО, как программный комплекс Advanced Process Control (APC). В процессе реконструкции схемы управления производством с использованием APC, промышленность в среднем экономит от 2,5 миллионов до 6 миллионов долларов в год (исходя из показателей крупных предприятий).Стремясь к эффективности цепочек поставок, химические компании добились сокращения производственной нагрузки на 35%. Повышение производительности помогает компаниям смягчить последствия от изменений цены на углерод. Для достижения высокого профессионализма в организационных качествах, компаниям необходимы партнёры по технологическим вопросам, с которымиони будут развивать центры передового опыта для инженеров в перерабатывающей промышленности. Наконец, для поддержания конкурентного преимущества, компаниям необходимо использовать динамический подход и решать любые срочные задачи. Также они должны прикладывать согласованные и непрерывные усилия к внедрению инноваций.

Оптимизация активов помогает уполномоченным руководителям принимать лучшие и более обоснованные решения. Оптимизация производственных активов стала еще болеемощным инструментом благодаря таким новейшим технологиям, как промышленный интернет вещей (IIoT), значительно ускоряющий процесс оптимизации бизнес-активов. Ключевые заинтересованные стороны, использующие возможности облачных вычислений, визуализации и мобильности, лучше понимают, как использовать производственные данные для оперативного решения задач в режиме реального времени. Это открывает эпоху беспрецедентной эффективности для предприятий перерабатывающей промышленности.

aspentech.com