Денис Касимов, Clover Group: производственники стали понимать выгоду прогнозирования поломок оборудования

Денис Касимов: Если вспомнить историю, в начале 20 века ремонтировали то, что уже сломалось, затем стали проводить профилактический ремонт (в советской терминологии - ППР, планово-предупредительный ремонт), и наконец – ремонт по фактическому состоянию, с прогнозированием и предупреждением поломок. Следует понимать, что одной, особенной, волшебной технологии, которая только своим появлением сделала бы возможным прогнозирование поломок промышленного оборудования, не существует. Чтобы это стало возможным, должен был появиться целый пул технологий, методик и так далее. И первое необходимое условие - достаточная мощность вычислительной техники, которая сделала возможной обработку и анализ больших объемов информации. Второе условие – необходимый уровень развития математических алгоритмов. Третья составляющая – ментальная готовность заказчиков и общества в целом применять технологии предиктивного анализа данных промышленного оборудования. И, наконец, четвертое необходимое условие для внедрения предиктивного анализа состояния оборудования и его ремонта по состоянию – достаточно высокий уровень автоматизации производства, предполагающий использование современного оборудования, оснащенного телеметрическими датчиками, и SCADA-систем.

Денис Касимов: Сама идея появилась у меня довольно давно - десять лет назад, когда я еще был студентом Казанского энергетического университета. Одновременно с учебой я активно работал в консалтинге, в сфере гидроэнергетики и металлургии, внедряя методологию RCM (Reliability-Centered Management, управление надежностью и безопасностью оборудования). Одна из моих задач как консультанта была – приходить на производство, выясняя на месте, какие поломки оборудования чаще случаются, каким образом диагностируется оборудование, с тем, чтобы потом систематизировать полученные знания, заложить их в определенную методологию. Тогда я и убедился, что диагностика на производстве чаще всего осуществлялась на интуитивном уровне, буквально – опытный специалист кладет ладонь на компрессор, и на ощупь определяет, как работают подшипники, насколько они исправны. И тогда же я осознал, что существует большой разрыв между производством, и теми, кто сидит в управляющей компании, чаще всего находящейся в Москве. Это ведет к несвоевременному ремонту, повышенной аварийности. И одно из трагических подтверждений тому – авария на Саяно-Шушенской ГЭС в 2009 году, когда не отследили техническое состояние этого злосчастного гидроагрегата №2. Тогда же, в университете, параллельно с работой я изучал курс по нейронным сетям, и понял, что нейросети - та самая технология, которую можно и нужно применять для прогнозирования ремонта по состоянию. В итоге я написал дипломную работу на тему оценки технического состояния трансформатора на основе технологии нейронных сетей. На тот момент у меня еще не было управленческого опыта, восемь лет копил его, два года назад понял, что способен создать бизнес.

Денис Касимов: В сформированном виде сегмента подобного класса на российском рынке пока нет, он только зарождается сегодня, и представляет собой, что называется, - «голубой океан», открытый для всех игроков. Пока лишь немногие компании сделали продукты для прогноза технического состояния оборудования, способные в этот открытый океан «выплыть». Естественно, что такие гиганты как SAP, IBM, Яндекс и ряд других вендоров в этом направлении развиваются, у некоторых из них уже имеются в портфеле соответствующие специализированные продукты.

Денис Касимов: Они представлены, но завершенных внедрений, насколько мне известно, пока нет. Мировой ИТ-рынок, кстати говоря, на данном направлении не слишком опередил в своем развитии российский.

Денис Касимов: Формирование данного сегмента ПО, безусловно, связано с текущим состоянием российской экономики, но в гораздо большей степени это связано с глобальным трендом цифровизации экономики. Тренд на цифровизацию стал очевидным для всех, в том числе и для большинства крупных российских предприятий, произошло соответствующее изменение бизнес-моделей. Производственники осознали экономическую выгоду внедрения и использования систем класса PMM (Predictive Maintenance & Monitoring), которые снижают стоимость обслуживания оборудования, обеспечивают надежность и непрерывность производства, что особенно критично, например, для сферы энергетики. В целом же можно констатировать, что системы анализа оборудования с использованием технологии нейросетей – один из элементов большого цифрового мира, в котором нам предстоит жить.

Денис Касимов: Один из модулей платформы Clover – Clover PMM (Predictive Maintenance & Monitoring), который состоит из трех блоков. Самый нижний из них - уровень ETL (Extract Transform Load), где находится все, что связано с выгрузкой, хранением, обработкой данных, включая распределенные вычисления и хранилище данных. Этот уровень написан на Java и Scala. Следующий уровень модуля - математические модели, логика, алгоритмы вычислений, язык программирования - Python. И третья составляющая - уровень визуализации, на котором в удобном и наглядном для пользователя виде представляется информация, полученная в результате анализа данных, написан на JavaScript. В качестве СУБД мы используем Apache Cassandra.

Денис Касимов: Платформа Clover выведена на рынок как коммерческий продукт. В нашем портфеле уже есть и коммерческие внедрения, и пилотные проекты. Вместе с тем, платформа еще не все умеет. Полнофункциональная версия платформы находится в процессе доработки, поскольку система пока еще не способна решать одинаково хорошо все задачи, анализировать и прогнозировать ремонт любого вида оборудования.

Денис Касимов: Платформа способна работать в любой промышленной отрасли, с любым оборудованием, и в этом плане она универсальна. Универсальность обеспечивается путем специального математического моделирования под каждый тип производства и оборудования. Наличие предварительного этапа настройки математической модели – обязательное условие внедрения платформы, в противном случае технология не заработает. Это не коробочное решение.

Денис Касимов: Первая задача – интеллектуальная диагностика промышленного оборудования. Обычно эксплуатант в лучшем случае отслеживает значение параметров оборудования, контролируя, чтобы они находились в нормальном диапазоне, обозначенном для каждого параметра производителем. Однако такой подход не учитывает внутренние взаимосвязи между параметрами. Интеллектуальный анализ на базе использования специального математического аппарата позволяет выявлять скрытые аномальные режимы работы оборудования. Вторая важная задача – определять, какой из узлов оборудования сломается, причем с важной детализацией – когда именно, почему, при каких режимах работы, то есть прогнозировать его поломку.

Денис Касимов: По большому счету источниками являются ИС двух видов: низкоуровневая SCADA-система и учетные системы. Из первой системы мы берем показания телеметрических датчиков оборудования, из второй – данные о зафиксированных дефектах, проведенных ремонта и так далее. В сумме эта информация и позволяет спрогнозировать поломки. Проблем в плане интеграции с информационными системами не возникает, у нас есть примеры по интеграции и с той же «1С», и с продуктами западных вендоров, и с самописными решениями.

Денис Касимов: Потенциальные заказчики нашей платформы - фондоёмкие производства любой отрасли промышленности, имеющие большой парк оборудования, которым надо эффективно управлять. То есть представители сегмента Enterprise, если следовать деловой терминологии.

Денис Касимов: Потенциально, думаю, интересна, но на текущей стадии развития рынка, это будет пока слишком дорогое решение для предприятий сегмента СМБ.

Денис Касимов: Сервисное предприятие гарантирует своему заказчику, что отремонтированное оборудование будет работать в течение гарантийного срока. Соответственно, правильно понимать, как именно работает оборудование, прогнозировать, когда оно сломается, для таких компаний очень важно. Некоторые сервисные предприятия уже стали нашими клиентами. Что касается производителей оборудования, то для них важна обратная связь о работе своего оборудования с тем, чтобы улучшать его параметры, повышать надежность.

Денис Касимов: В прошлом году мы выиграли тендер на проект, реализуемый в сервисной компании «Локомотивные Технологии» (ЛокоТех), обслуживающей парк локомотивов РЖД. Этот проект стал одним из первых наших больших внедрений. Он стартовал в декабре 2016 года, и сейчас находится в очень активной стадии. У компании «ЛокоТех» имеется 92 сервисных депо в различных регионах страны, в которых на обслуживании находится 11 серий локомотивов. По состоянию на сегодня в 20 депо, в рамках проекта внедрения нашей платформы, на опытной эксплуатации находятся 4 серии.

Денис Касимов: На этапе опытной эксплуатации эксперты получают информацию с датчиков локомотива, поставленного в депо, затем загружают данные в нашу систему, и та показывает специалистам, где возможны проблемы и куда именно следует смотреть особенно внимательно. В сентябре будет реализована вторая часть проекта, когда система будет прогнозировать, какой именно узел сломается в течение ближайших ста часов. Завершение проекта планируется до конца текущего года, с начала следующего года – промышленная эксплуатация. Насколько можно судить по публикациям в прессе, это будет первый в России проект внедрения систем подобного класса в промышленную эксплуатацию.

Денис Касимов: На транспортном направлении вскоре стартует проект по электричкам, аналогичный тому, о котором я рассказал. Кроме того, один из наших клиентов - зарубежный производитель компрессоров, имеющий российское представительство. Компрессоры находятся на их полном сервисном обслуживании, они гарантируют практически непрерывную работу своего оборудования и, соответственно, производитель берёт на себя все риски, связанные с поломкой. Поэтому компания очень заинтересована в использовании нашего решения. На пилотном этапе проекта мы спрогнозировали, что один из компрессоров отключится через три недели из-за скачков температуры в системе охлаждения, что помогло вендору предотвратить его аварийную остановку. Еще один пример – на одной из ГРЭС мы проанализировали работу сгоревшего генератора за два года и увидели, что заметить неполадки в его стартере можно было за полтора года до того как генератор сгорел. И тем самым предотвратить его поломку, а также расходы на капитальный ремонт, составляющие, заметим, порядка 150 млн рублей.

Денис Касимов: Штаб-квартира нашей компании находится в Казани, имеется филиал в Москве, в штате порядка 60 человек. Ядро штата – математики (data scientist), строящие математические модели, и инженеры - отраслевые эксперты, очень хорошо понимающие работу оборудования, физику процессов. Далее идут разработчики, аналитики, руководители проектов и специалисты, входящие в команды проектов.

Денис Касимов: Основная наша цель на ближайший период – наполнить платформу Clover математическими моделями с тем, чтобы стало возможным максимально быстро приступать к анализу практически любого промышленного оборудования. Второе важное направление развития платформы – снижение порога входа при разработке новых решений на базе нашей платформы. В определенный момент мы хотели бы передать внедрение партнерам – системным интеграторам, а самим заниматься исключительно развитием платформы. Это важно для нас как софтверного вендора.

Денис Касимов: Партнерская сеть как таковая пока отсутствует, но есть компании – партнеры, с которыми мы вместе развиваем рынок индустриального интернета в нашей стране. Например, консалтинговые компании имеются в партнерах. Ведь важно не просто предоставить бизнесу ценность, но и знать, как ее применить – например, изменить логистику ремонта оборудования в соответствии с новыми возможностями в части точного прогнозирования поломок. В этом как раз и могут помочь партнеры – консалтеры и системные интеграторы.