В российской промышленности не так много масштабных реализованных проектов IIoT. Даже если пилотный проект доказывает эффективность новых актуальных подходов, он далеко не всегда масштабируется внутри группы предприятий, не говоря уже обо всей отрасли. Что же мешает тиражированию современных IIoT-решений?
Операционный директор IT-компании «Максилект» Сергей Марина рассказал Pro-IoT о недавнем проекте для одного из крупных промышленных холдингов страны. Пилотное внедрение строилось с перспективой тиражирования на заводах с похожими технологическими процессами, но так и осталось единичным, несмотря на признанный успех и огласку в отрасли.
Без данных — работа вслепую
Суть проекта сводилась к тому, чтобы получить больше данных о производственном процессе для отчетности и прогнозирования.
Производительность установленного на заводе заказчика оборудования зависит от его настроек, и каждая смена работает со своей скоростью, обеспечивая в единицу времени производство некого объема конечного продукта. Отсутствие мониторинга не позволяло оценивать, насколько корректно при этом бригада выбирает режимы работы установки. Заметить нештатный режим можно было, лишь проверив показания приборов лично, что, очевидно, невозможно делать непрерывно. При этом нештатные режимы означают повышенный износ и быстрый выход из строя дорогостоящей установки.
Не имея данных о скорости производства в зависимости от смены, предприятие не могло прогнозировать объем выпускаемого сырья, т.е. контролировать сроки поставки по уже заключенным договорам и оценивать перспективы подписания новых.
Пилотное внедрение
Для обеспечения бизнеса данными о работе технологической установки на заводе клиента стартовал проект внедрения аппаратно-программного комплекса мониторинга при участии Microsoft. Установку оснастили датчиками, измеряющими около 40 параметров ее работы. Монтаж оборудования обеспечил партнер «Максилекта» — генеральный подрядчик проекта. Для пилота была настроена передача данных с датчиков в сети GSM, чтобы на стадии тестирования не допускать сторонние устройства в демилитаризованную сеть предприятия. А для анализа собранных данных в режиме реального времени специалисты «Максилекта» подключили аналитику.
С учетом потребности в данных в режиме реального времени и ограниченности решений, представленных на рынке, рассматривались разные варианты реализации аналитики. В итоге выбор пал на платформы Azure Stream Analytics и Power BI. Более подробное техническое описание проекта есть на сайте подрядчика.
Система позволила усилить контроль за соблюдением условий эксплуатации промышленного оборудования — были настроены правила рассылки уведомлений о нештатном режиме работы, в зависимости от его длительности. При длительной нештатной работе первое уведомление уходит бригадиру; если в течение определенного времени он не решает проблему, второе уведомление отправляется руководителю, а через сутки уведомляется и высшее руководство.
Помимо отображения ситуации в цеху, система позволила прогнозировать объемы производства на основе исторических данных по работе оборудования.
«Глубина прогноза небольшая — всего пара недель. Наши data scientist специалисты могли бы сделать гораздо больше, если бы на заводе на тот момент уже были собраны данные хотя бы за год работы. Но когда мы запускали решение, такой объем данных был недоступен — датчики ввели в эксплуатацию незадолго до этого», — Сергей Марина.
Как закладывалась тиражируемость
Учитывая наличия у заказчика множества заводов по стране с похожими технологическим процессами, на старте пилотного проекта обсуждалась возможность адаптации использованного решения под задачи других предприятий — оборудование и подходы к проекту выбирались с учетом будущего масштабирования. К примеру, датчики выбирались таким образом, чтобы в перспективе аналогичные устройства устанавливать в более жестких условиях эксплуатации, которые встречаются на других предприятиях. Не все оборудование выдерживает такие условия.
«Первый вариант оборудования, который мы рассматривали при размещении в шахтах на третий день выходил из строя, т.к. мелкой пылью забивался вентилятор в корпусе», — Сергей Марина.
Таким образом, пилотный статус проекта и мысли о будущей тиражируемости усложнили аппаратную часть решения. С программной частью было несколько проще — расширение поддержано на уровне архитектуры разработанной системы. К ней по понятному алгоритму можно подключать новые датчики, при этом вся аналитика будет строиться с учетом нового оборудования по тем же принципам.
Условия реального мира
На момент окончания проекта на рынке было менее десятка примеров подобных внедрений. Но несмотря на то, что проект признали успешным, масштабировать его пока не стали. Как отметил Сергей Марина, причин тут можно найти множество, причем, как финансовых, так и технологических. И вторую группу проблем преодолеть сложнее всего.
Реальный проект показал, что пока на рынке нет достаточно гибкого, но в то же время универсального решения, которое можно было бы легко адаптировать под разные производственные процессы. В данном примере генеральный подрядчик, отвечавший за аппаратную часть, собрал решение «под ключ» из устройств разных производителей. Даже в рамках одного пилота на единственном предприятии не хватало возможностей по стандартному взаимодействию компонентов этого решения между собой (именно на аппаратном уровне). Под проект производителю датчиков даже пришлось писать отдельную версию прошивки, после того, как на внедрении была выявлена ошибка. Стоит ли говорить о том, что в условиях массы модификаций станков и иного промышленного оборудования проект многократно усложняется. Вряд ли вообще возможно на данном этапе предложить универсальную тиражируемую архитектуру, которую можно было бы легко адаптировать к конкретным модификациям технологических установок. А без такого типового решения каждый проект остается индивидуальным и очень непростым. Даже подключение устройств (на уровне железа) — нетривиальная задача.
«По инструкции у рабочих не всегда получается подключить оборудование, а неправильное подключение не всегда удается сразу отловить: данные идут, но плохие, и система диагностирует сбой, сыпет уведомления начальству. Поэтому нужно обучение, особенно если внедрение затрагивает несколько точек по России. Проектная команда одна, и если ей нужно объехать полстраны, больше времени будет уходить уже не на датчики, а на перелеты. Так что в принципе задача решаема, но с организационными изменениями», — Сергей Марина.
Где искать точки роста?
Так или иначе, IIoT-проекты внедряются и описанные проблемы преодолеваются. Но вероятнее найти успешные кейсы там, где это ведет к серьезным финансовым результатам. По мнению Сергея Марина, одна из таких отраслей — энергосбережение.
С 2012 года промышленные предприятия выбирают для себя одну из шести ценовых категорий, которые определяют расчет тарифа на электроэнергию и штрафы за превышение лимитов. Сэкономить на электроэнергии можно, точно прогнозируя энергопотребление и правильно распределив пики потребления в сутках на менее дорогие часы. А сделать это удастся, только имея детальный мониторинг энергопотребления в масштабах всего предприятия.
Но и здесь есть свои барьеры. В существующих условиях проекты внедрения энергосберегающих технологий слишком масштабны, поэтому немногочисленны.
«К сожалению, у большинства предприятий нет собственной экспертизы в IoT. У них есть какие-то проблемы, например, тот же перерасход электроэнергии и связанные с ним убытки. Они обращаются к консультантам, которые подсказывают технический путь решения — через IoT. И такие преобразования в подавляющем большинстве случаев выполняет внешний подрядчик «под ключ», затрагивая существенную часть предприятия. Потому что если учитывать энергозатраты на одном станке, а всего их установлено, предположим, три, конечная цель не будет достигнута», — Сергей Марина.
Несмотря на эти преграды, в «Максилекте» уверены, что у IIoT в России есть будущее. Это растущее направление, стимулируемое стремлением к повышению эффективности производства. Просто пока нет готовых и понятных всем ответов на возникающие вопросы. Для их появления нужно время и опыт участников рынка в реализации разных проектов.
Статья опубликована на портале Pro-iot.