Внедрение технологии Big Data на промышленных предприятиях становится все более востребованным способом оптимизации бизнес-процессов и повышения эффективности производства. Одной из важных задач, которую можно решить с помощью Big Data, является прогнозирование выхода оборудования из строя. Это позволяет предотвратить простои на время проведения аварийных ремонтов, что значительно снижает расходы предприятия и повышает качество продукции.

Как компании внедряют технологию Big Data на предприятиях? Рассказываем об опыте использовании Больших данных для прогнозирования поломок оборудования АО «НАК «Казатомпром».

Проблема

Для повышения эффективности технического обслуживания требовалось разработать унифицированное решение. Многие промышленные предприятия уже давно используют популярную модель планово-предупредительного подхода, однако она неэффективна по нескольким причинам. Во-первых, данная модель предполагает проведение ремонтных работ строго по расписанию, не учитывая необходимость этих работ, что приводит к простоям оборудования и затратам на ремонт, когда он не требуется. При этом не проводится анализ эффективности подхода. Во-вторых, идея планово-предупредительного ремонта заключается в том, что детали оборудования изнашиваются со временем и поэтому оно выходит из строя. Однако исследования показывают, что только 11% отказов связаны с возрастом оборудования, а примерно 14% отказов являются хаотичными и их невозможно предсказать.

Решение

Было решено создать систему, основанную на технологии Big Data и машинном обучении, адаптированную к специфике работы уранодобывающего предприятия. Систему внедряли с целью оптимизации работы насосного оборудования, так как его эффективность напрямую влияет на производственную деятельность. На первом этапе компания собрала уже имеющиеся данные, такие как записи о затратах на обслуживание, сбоях и заменах оборудования. Этот шаг был необходим, так как данные хранились в различных форматах: часть информации была занесена в систему 1С, а часть хранилась на бумажных носителях. Однако после оценки всей собранной информации стало ясно, что нельзя сделать какие-либо выводы на ее основе. Поэтому была разработана система, которая накапливала данные о работе насосного оборудования, и уже на основе этих данных строились модели для предсказания выхода оборудования из строя. При разработке системы компания опиралась на опыт других компаний и свои собственные исследования. Ожидалось, что внедрение системы позволит:

• Увеличить ресурс работы оборудования на 20%;
• Сократить затраты на ремонт и обслуживание на 10-30%;
• Уменьшить потребность в запчастях и ремонтном персонале на 15%;
• Сократить время проведения ремонта;
• Минимизировать производственные остановки.

Для работы системы использовались данные с датчиков, собирающих около 6 параметров, включая давление на входе и выходе насосов, вибрацию разных уровней и температуру.

Компания столкнулась с проблемой сопротивления со стороны сотрудников при внедрении новой системы. Это обычно возникает из-за того, что новые технологии нарушают традиционный способ работы и требуют от сотрудников обучения новым навыкам. Чтобы решить эту проблему, компания провела работу с сотрудниками, рассказывая им о преимуществах новой системы, как для работника, так и для компании в целом. Внедрение системы, учитывая все проведенные исследования и сбор информации с датчиков, заняло 1,5 года.

По материалам выступления Тельмана Шуриева, главного эксперта Производственного департамента АО «НАК «Казатомпром» на конференции Go Digital Eurasia 2022.

О других историях цифровизации Евразийского региона на конференции Go Digital Eurasia 2023.