Термином «Большие Данные» (Big Data) описываются сверхбольшие наборы сведений, анализ которых помогает выявить закономерности, тренды и результаты взаимодействия людей друг с другом. В большинстве корпоративных сценариев объем структурированной и неструктурированной информации слишком велик или превышает имеющиеся вычислительные возможности. Получить максимальную пользу от применения производственных данных хотят многие компании. Ведь с их помощью можно оптимизировать операции и быстрее принимать обоснованные решения.
С чего следует начать
Цифровые технологии помогают более оперативно, эффективно и с меньшими затратами проектировать, производить и поставлять продукцию, а также осуществлять ее обслуживание. Привлекая ранее недоступные источники данных, улучшая прозрачность и совершенствуя анализ операций, делая практические выводы на основе более полной информации, предприятие сможет повысить производительность за счет таких преимуществ, как:
- повышение ситуационной осведомленности;
- сокращение незапланированных простоев;
- повышение уровня безопасности и соответствия нормативным требованиям;
- интеграция цепочки поставок с клиентскими операциями;
- оптимизация стратегий техобслуживания;
- уменьшение отходов и повышение общей эффективности оборудования.
Ключом к получению всех этих преимуществ служит обеспечение непрерывного потока технологических и производственных данных, которые интегрируются с ретроспективной информацией и затем используются для создания новых практических рекомендаций в контексте всего предприятия. Кроме того, цифровые инструменты способны извлекать сведения из существующих хранилищ и комбинировать их с операционными данными. Это дает более полное представление о том, как максимально повысить эффективность с учетом сроков эксплуатации оборудования и текущих рабочих процессов.
Эндрю Макклоски (Andrew McCloskey) был назначен руководителем научноисследовательского подразделения AVEVA 2 апреля 2018 года. Он отвечает за разработку продуктов, включая эффективность реализации, качество и информационную безопасность, а также за развитие инноваций в ходе глобальной научноисследовательской деятельности компании. С 2006 года работал в Schneider Electric (ранее Invensys PLC), где возглавлял отдел моделирования, а в 2011м был назначен на должность руководителя научноисследовательского подразделения.
Эндрю Макклоски, руководитель научно-исследовательского подразделения AVEVA До прихода в Schneider Electric Эндрю Макклоски был ведущим инженером в группе систем управления Национальной космической программы США «Спейс Шаттл», менеджером по развитию продуктов двух успешных стартапов, контракты по приобретению которых стоили миллионы долларов, и техническим директором подразделения мобильных технологий компании Toshiba, где были созданы несколько инновационных разработок, обеспечивших компании двузначные цифры роста. Эндрю Макклоски владеет несколькими техническими патентами, а руководимые им коллективы имеют более ста новых патентов. Он получил степень бакалавра по разработке авиационнокосмической техники в Калифорнийском политехническом университете (California Polytechnic University Pomona). Учился в аспирантуре Южнокалифорнийского университета, вел курсы университетского уровня по разработке программного обеспечения. |
Упорядоченные данные, новые результаты
В результате цифровой трансформации инновационные инструменты и процессы объединяются с наработанными на предприятии экспертными знаниями. Это позволяет не только связать новые и имеющиеся данные с производственным контекстом, но также получить практические рекомендации и информацию. Действуя в соответствии с этими рекомендациями, предприятие сможет постоянно совершенствовать производственные процессы. Это требует времени и зачастую предусматривает внедрение различных технологий и алгоритмов для постоянного повышения операционной эффективности.
Интеграция данных в контексте всего предприятия
Рассмотрим пример Филиппинской Национальной энергетической корпорации (National Grid Corporation of the Philippines, NGCP)1, которая обеспечивает надежные поставки электроэнергии и эксплуатирует более 21 тыс. км линий электропередачи. Оптимизация издержек, ресурсов и энергопотребления привела NGCP к пониманию необходимости более глубокого анализа. В среднем современная электростанция насчитывает десятки тысяч датчиков, и чтобы более эффективно использовать поступающую от них информацию, организации необходим соответствующий контент.
Центры мониторинга для эффективного управления предприятием
С помощью решения управления данными AVEVA корпорация консолидировала данные, поступающие от бизнессистем и технологических систем контроля и мониторинга в полностью резервированной серверной архитектуре, защитив информацию на случай непредвиденной аварии. Теперь сотрудники центра управления, оперативно получая достоверные сведения, могут улучшить поддержку принятия решений в рамках стратегической инициативы по модернизации, расширению и укреплению процессов передачи электроэнергии.
Сбор, обработка и анализ
Чем скорее специалисты смогут собрать, обработать и проанализировать данные, тем быстрее у них появится возможность принятия обоснованных мер, которые принесут пользу и предприятию, и его заказчикам. В общем и целом, тактическая цель проведения цифровой трансформации заключается в создании системы оперативного управления, которая будет четко и эффективно управлять операциями предприятия на основе получаемой информации и аналитики:
- оперативная информация для понимания происходящего в режиме реального времени и управления активами и процессами. Например, консоль, на которую выводится частота вибраций вращающих турбин, обеспечивает понимание их статуса и рабочих характеристик здесь и сейчас;
- точные ретроспективные данные помогают понять, что происходило в прошлом, для анализа рабочих характеристик ресурсов. Опираясь на операционные тренды, KPI и выводимые на консоль показания, можно создавать абстрактные представления рабочих состояний. К примеру, на консоль можно вывести график, показывающий частоты вибрации турбины в прошлом. Сравнение его с данными в текущий момент поможет составить представление о долгосрочных операционных перспективах ресурса;
- использование прогнозной аналитики для причинноследственного (whatif) моделирования. Объединение оперативных и ретроспективных данных позволяет оценить возможные последствия при различных рабочих состояниях и характеристиках, даже с учетом переменных третьего порядка. Затем возможно применение детерминистских и недетерминистских моделей для моделирования с открытым циклом и прогнозной аналитики. Например, зная текущее техническое состояние турбины, можно оценить время ее работы до отказа;
- предписывающая аналитика указывает на то, что необходимо для оптимизации ресурсов и операций. Методическое руководство создается на основе сценариев и реализуется с помощью обучающих элементов и алгоритмов замкнутого цикла, которое специалисты предприятия могут применять для выверки планов и графиков во всей производственной цепочке предприятия. Например, используя унифицированную модель цепочки поставок, можно применить сценарные вычисления для оптимизации графиков техобслуживания с целью минимизации их влияния на деятельность предприятия.
Прогнозный мониторинг
Использование больших данных становится решающим фактором, определяющим первенство ведущих компаний среди конкурентов. В большинстве отраслей для инноваций, развития и победы в конкурентной борьбе как постоянные игроки, так и новички будут использовать стратегии, основанные на данных.
Пример вывода данных о работе оборудования
на единую консоль управления в режиме реального времени
О компании AVEVAAVEVA входит в число мировых лидеров в области промышленного ПО, стимулирующего цифровую трансформацию на протяжении всего жизненного цикла капиталоемких отраслей. Решениями компании для проектирования, планирования и эксплуатации, управления эффективностью активов, мониторинга и контроля пользуются более 16 тыс. заказчиков во всем мире. Заказчиков компании поддерживает самая обширная программная экосистема в мире, куда входят 4200 партнеров и 5700 сертифицированных разработчиков. Центральный офис AVEVA находится в Кембридже (Великобритания); в 80 офисах компании, расположенных в 40 странах мира, работают более 4400 сотрудников. Подробности на сайте www.aveva.com. |
Для начала цифровой трансформации не нужны крупные финансовые вложения. По данным McKinsey & Company, если в рамках цифровой стратегии организации реализуются такие технологии, как интеллектуальное управление данными, облачные вычисления, продвинутая аналитика и цифровые двойники, то это может повысить операционную рентабельность на 20%2.
Понимание и использование преимуществ больших данных и цифровой трансформации необходимо для постоянного совершенствования производственного процесса, подразумевающего объединение людей, процессов и ресурсов на основе технологий. Это не произойдет в одночасье, но потребует непрерывных усилий по созданию цифровой интеграции людей, процессов и ресурсов, которая сможет устранить разрыв между операционными и информационными технологиями.
1 National Grid Corporation of the Philippines Optimizes Smart Grid with AVEVA. https://sw.aveva.com/news/nationalgridcorporationofthephilippinesoptimizessmartgrid.
2 McKinsey & Company — Digital transformation: Raising supplychain performance to new levels.
https://www.mckinsey.com/businessfunctions/operations/ourinsights/digitaltransformationraisingsupplychainperformancetonewlevels#.
