Я знаю, что случится с вашей машиной

Как предсказывать будущее состояния техники, развития бизнес-процессов и поведения клиентов

ГРУППА КОМПАНИЙ CTRL2GO

Мы продолжаем серию публикаций, посвященных формированию в глобальном масштабе новых высокотехнологичных рынков (первую публикацию на эту тему «Решают задачи на лету», посвященную использованию дронов, см. в «Э-У» № 6 — 7 от 08.02.2021). Наш сегодняшний обзор посвящен рынку предиктивной (предсказательной, прогнозной) аналитики.

Предиктивная аналитика на основе имеющейся информации предсказывает, как будут развиваться события. Для этого применяются методы математической статистики, моделирование, Data Mining (интеллектуальный анализ данных), а также разные разделы Data Science (применение научных методов при работе с данными), в частности машинное обучение. Так, предик­тивная аналитика, получив показатели работы промышленного оборудования в разные временные промежутки, может предугадать момент, когда ему следует пройти профилактический ремонт. Это помогает избежать аварий, сбоев в системе и своевременно подвезти запчасти.

Прогноз для экскаватора

Предиктивную аналитику активно применяют в банках — для оценки платежеспособности людей, желающих взять кредит. Такая методика называется скорингом. Для построения модели собираются данные за весь период, а затем характеристики конкретного клиента сопоставляются с полученной информацией. Если портрет человека так или иначе совпал с описанием группы лиц, оказавшихся ненадежными, то обратившемуся за займом клиенту откажут.

В современном ритейле системы предик­тивного маркетинга оценивают поведение потребителя, историю покупок и его интересы в режиме реального времени без участия технических специалистов. Это открывает для ритейлеров широкий спектр возможностей персонализации сервиса.

В системе ЖКХ при условии автоматизации всей цепочки технологических процессов (например, в обеспечении населения водой или теплоснабжении) можно повысить качество предоставления коммунальных услуг за счет использования цифровой IoT-платформы, обеспечивающей объективный учет и мониторинг потребления ресурсов. В числе плюсов такого решения — предупреждение о возможных аварийных ситуациях, периодически возникающих в передающих сетях или на объектах генерации ресурсов.

В последние годы решения предиктивной аналитики востребованы в промышленности, в том числе на машиностроительных заводах. Например, на «Уральских локомотивах» (Верхняя Пышма, совместное предприятие Группы Синара и немецкого концерна Siemens AG) выпускается «умный» подвижной состав. Во все электровозы и электропоезда интегрированы автоматизированные и автоматические системы управления. Они объединяют диагностику, автоведение и глобальное позиционирование GPS/GLONASS с двухсторонней связью. При помощи специально разработанной программы «УЛ-Сервис» диагностические данные (около 700 параметров) о каждой единице подвижного состава поступают на предприятие в режиме онлайн. Эти параметры обновляются ежесекундно и передаются не только в диспетчерскую завода, но и в РЖД, и в сервисную компанию. Это позволяет оперативно оценивать состояние электровоза или электропоезда и в случае необходимости корректировать их обслуживание.

Элементы предиктивной аналитики начинают внедрять и на екатеринбургском Уралмашзаводе (УЗТМ, входит в Группу УЗТМ-КАРТЭКС). Как сообщили в пресс-центре УЗТМ-КАРТЭКС, уралмашевские конструкторы приступили к внедрению системы функционального моделирования 1D для создания электронных макетов и цифровых моделей всех новых продуктов. Для этого будут использоваться имеющиеся инжиниринговые продукты (Siemens NX, Ansys и Rocky DEM), а также новая программная платформа компьютерного моделирования работы систем Simcenter Amesim. Такая платформа позволит на самых ранних этапах разработки новой продукции проводить математические расчеты, анализ и построение модели будущей машины — с подтвержденным описанием работы любых систем. А после изготовления новых машин и оборудования их специальными датчиками УЗТМ получит цифровые двойники этой продукции. Первыми машинами Уралмашзавода, для которых будут созданы цифровые модели, станут элект­рические карьерные экскаваторы ЭКГ-30 и ЭКГ-35. Необходимая лицензия будет закуп­лена в этом году, но по временной лицензии программа Simcenter Amesim уже была успешно опробована уралмашевцами для моделирования процессов работы гидропневматических систем инновационных дробилок КМД-3000/800, поставленных предприятию «Карельский окатыш».

— Уралмашзавод — одно из немногих крупных отечественных предприятий, которое уже ведет внедрение системы 1D-моделирования, — комментирует руководитель группы инженерного анализа и расчетов УЗТМ Андрей Конюшевский. — Создание цифровых моделей позволит просчитать и оптимизировать конструкцию машин, избежав ошибок, а также создать в цифровом виде и презентовать заказчикам целую линейку продукции до ее непосредственного запуска в производство.

Предсказание с российской спецификой

Участники рынка отмечают динамичное внедрение в нашей стране решений предик­тивной аналитики. А будет еще быстрее.

— Если сравнивать с рынком предик­тивной аналитики США, которые являются мировым лидером и задают тренды для остальных стран, российский рынок молод, однако по качеству продуктов и услуг близок к лидеру, — поделился с «Э-У» расчетами операционный директор Группы компаний Ctrl2GO, генеральный директор Ctrl2GO Solutions Александр Дмитриев.

— По оценкам аналитической компании IDC Russia & CIS, до этого года темпы роста рынка находились в диапазоне 8,3 — 12% в год, на горизонте 2021 — 2030 годов средний темп ежегодного роста составит до 15%. На наш взгляд, этот показатель может оказаться еще выше, и объем рынка может увеличиться с 155,08 млн долларов в 2021 году до 331,27 млн долларов в 2024-м. В целом можно сказать, что российский рынок предиктивной аналитики находится на переходном этапе между ростом и зрелостью.

По данным IDC Russia & CIS, уже сейчас более 55% российских организаций выделяют бюджет на внедрение продуктов предиктивной аналитики в рамках цифровой трансформации, и доля таких компаний будет расти. На рынок выходят крупные государственные заказчики и инфраструктурные компании с потребностью во внед­рении продуктов цифровой предиктивной аналитики. Лидерами среди отраслей по внедрению таких продуктов являются ритейл, телеком, финансовые институты, металлургия, ИТ, нефтегазовая отрасль и транспорт. При этом предиктивная аналитика входит в производственные отрасли в составе экосистемы продуктов. Системы по анализу внедряются совместно с датчиками по сбору данных, с системами хранения, архивирования данных и с сетями передачи данных.

— По данным аналитической системы «Спарк», около 40 тысяч компаний представляют продукты в области предиктивной аналитики, больших данных, искусственного интеллекта. Сравнительно низкий порог входа на рынок позволяет новым игрокам без серьезных капиталовложений создавать новые компании, — считает Александр Дмитриев. — Еще буквально два года назад каждый день появлялись десятки стартапов, занимающихся предиктивной аналитикой. Предложение на рынке опережает спрос в несколько раз, компании вынуждены продавать свои решения и услуги на грани себестоимости, чтобы иметь возможность заработать. При этом игроков, имеющих серьезные реализованные кейсы и успехи, на рынке не так много. Почти у всех есть отраслевая направленность: стартуют обычно с какого-то одного большого проекта, и дальше довольно сложно сделать шаг от этой отраслевой компетенции в другие индустрии, для этого необходима глубокая экспертиза.

Часто компании, предлагающие решения предиктивной аналитики, совмещают функции вендора и интегратора. Имея програм­мное обеспечение, они могут обрабатывать данные и реализовать проекты самостоятельно. Случаи с отдельными интеграторами редки — такие игроки не занимаются разработкой своего решения, но имеют компетенции в области моделирования оборудования на разных продуктах. Среди промышленных гигантов в разных отраслях есть компании, которые развивают собственные компетенции по предиктивной аналитике. Другие игроки стараются покупать стартапы, имеющие минимально готовый продукт, чтобы настроить его под свои запросы.

— Сегмент предиктивной аналитики развивается в России достаточно активно, особенно в промышленном секторе, — рассказал «Э-У» управляющий директор компании «Цифра» Павел Растопшин.

— Во-первых, эта технология в сфере искусственного интеллекта наиболее понятна бизнесу и имеет быстрый экономический эффект: сокращение расходов на ремонты дорогостоящего оборудования, уменьшение простоев, снижение себестоимости готовой продукции без потери в ее качестве. Согласно опросу KPMG, посвященному использованию цифровых технологий, 68% из более сотни крупнейших российских компаний используют анализ больших данных и предиктивную аналитику. В машиностроении крайне мало компаний работают в этом направлении, а для западных вендоров вход в эту отрасль практически закрыт из-за курса на импортозамещение. В нефтегазовой отрасли и металлургии выбор решений шире как среди российских разработчиков, так и среди иностранных компаний.

Эксперты признают, что крупнейшие зарубежные вендоры, такие как SAS, SAP, IBM, Oracle, Tibco, StatSoft (компании с многолетним опытом и сильной инженерной составляющей, имеющие сильное лобби), оказывают существенное воздействие на российский рынок ИТ-систем вообще и предиктивных платформ в частности. Обусловлено это тем, что они вошли на российский рынок на стадии, когда все отрасли были открытыми, и внедрили свои продукты, когда конкуренция была минимальной. В процессе допродажи иностранные вендоры внедряли и продолжают внедрять свои продукты в существующий ИТ-ландшафт своих клиентов, тем самым блокируя доступ российским компаниям к крупнейшим коммерческим клиентам.

— Однако защитные механизмы государства и политика импортозамещения сдерживают глобальных игроков. Это позволяет существенно уменьшить долю решений зарубежных вендоров на отечественном рынке, — пояснил Александр Дмитриев. — К тому же в российской практике есть своя специфика. В особенности это касается тех данных и их форматов, с которыми привыкли работать наши компании. В этой части российский софт и бизнес-решения на сегодня уже более подготовлены, продвинуты к отечественной специфике, способны показывать большую точность моделей и лучшее достижение эффекта.

Так, отечественная ИТ-компания Ctrl2GO предлагает решение для мониторинга и предиктивного анализа технического состояния оборудования SmartMaintenance, позволяющее выявлять инциденты в работе оборудования и прогнозировать отказы для проведения предупредительного ремонта и сокращения операционных издержек. Система собирает и обрабатывает данные телеметрии с датчиков оборудования, а затем на основании результатов работы инженерно-математических моделей по узлам и агрегатам осуществляет оценку технического состояния и дает прогноз «индекса здоровья» оборудования. Чаще всего SmartMaintenance внедряют предприятия железнодорожного машиностроения, энергетики, нефтегазового сектора, металлургии и горнодобывающей промышленности. Решение применяется по всей России и за рубежом: в Северной Америке и на Ближнем Востоке.

Другой продукт Ctrl2GO — программный комплекс для оперативного управления технологическими процессами SmartAdviser, который позволяет оперативно регулировать технологические процессы непрерывных производств в реальном времени. На основании вводных данных (результатов химических анализов концентратов сырья, компьютерного анализа внешнего вида продукта и т.п.) комплекс осуществляет интеллектуальный расчет оптимальных технологических режимов, количества и соотношения сырья, и предоставляет рекомендации по управлению оборудованием и производственными процессами. Чаще всего решение внедряют металлургические компании, предприятия НГК и горнодобывающей отрасли.

Ключевое направление для компании «Цифра» — предиктивная диагностика оборудования и инструмента. Например, в горнодобывающей отрасли «Цифра» сейчас реализует такой проект на Солнцевском угольном разрезе Восточной горнорудной компании. В машиностроении — это цифровой контроль жизненного цикла инструмента, который используется на станках, предсказание поломок. Технология в настоящее время тестируется на авиастроительном предприятии «Авиастар СП».

— Ключевым отличием нашего решения является его платформенность, — сообщил Павел Растопшин. — Такой пример платформенного подхода демонстрирует один из наших стратегических клиентов и парт­неров — холдинг ОДК. Сейчас реализуется пилотная зона на одном из предприятий ОДК (производственный комплекс «Салют»), где была внедрена платформа ZIIoT. Исторические данные испытаний двигателей загружены на платформу в озеро данных. Искусственный интеллект анализирует данные реального времени с испытательных стендов, на основе факторного анализа делает вывод о качества сборки узлов будущих двигателей и сообщает вероятность успешности прохождения испытаний. На платформе работает и система мониторинга парка станков, данные с которых будут обогащать предсказания умных алгоритмов. Клиент может писать и другие приложения на платформе, которые тоже смогут использовать накопленные данные.

Решения предиктивной аналитики все активнее внедряются в бизнес-процессы и начинают оказывать существенное влияние на конкурентоспособность компаний.