«Умное» оборудование со встроенными сенсорами собирает данные о режиме эксплуатации машин, о состоянии деталей, температуре, вибрации, давлении. Вся эта информация через модуль связи передается в аналитическую систему, которая использует целый комплекс математических методов для выявления закономерностей и составления прогнозов. В некоторых случаях достаточно снимать лишь пару показателей, в других используются сотни сенсоров.
К примеру, в болидах «Формулы-1» устанавливают порядка трех сотен датчиков, которые в реальном времени сообщают команде техподдержки, где возникают проблемы, какие колеса нужно поменять на ближайшем пит-стопе и когда лучше это сделать. Фактически скорость работы и аналитические способности системы становятся одним из главных факторов успеха команды в гонках.
А вот на экспериментальных буровых долотах «Волгабурмаша» установлено на порядок меньше сенсоров, но роль их не менее важная: аналитическая система предсказывает, когда расходную часть необходимо заменить, а также дает рекомендации по тому, как лучше настроить бурильную установку, чтобы долото прослужило дольше.
В жестких дисках Western Digital главный параметр, который анализируется, — температура различных участков и ее динамика. Наверное, каждый сталкивался с ситуацией, когда накопитель «посыпался», это происходит из-за более интенсивного использования конкретных сегментов, которое ведет к перегреву.
В некоторых случаях, если одна из деталей выходит из строя, вся установка может сломаться. Так обстоит дело, например, с микроскопами Leica Microsystems, которые используют в медицинских лабораториях для анализов биологического материала.
Но в большинстве случаев экономия — один из главных и самых важных эффектов, который возникает в результате использования технологий прогнозирования ремонтов. К примеру, компания Trenitalia, железнодорожный перевозчик Италии, благодаря совместным инновациям с SAP сократила расходы на обслуживание техники на 8–10 %. Как правило, использование предиктивного подхода увеличивает промежуток времени между ремонтами и сокращает срок устранения неисправности.
С точки зрения производителя, прогнозные ремонты дают еще ряд преимуществ. За счет сбора телеметрических данных, бизнес-информации, совмещения с данными из сторонних источников можно получить более глубокое понимание поведения клиентов, динамики спроса и так далее. А также перейти на новые бизнес-модели, основанные на предоставлении оборудования как сервиса, а не на продаже его. Это означает, что из производителя компания может превратиться в оператора оборудования и поставщика услуг.
Ремонты по-новому
Чтобы внедрить данный подход, потребуется либо «собирать» всю систему по кусочкам от разных вендоров или разрабатывать ее самостоятельно, либо обратиться к поставщику комплексного решения для прогнозных ремонтов. К примеру, решение компании SAP класса Predictive Maintenance and Service позволяет внедрить прогнозные ремонты за три шага, причем с минимальными усилиями, благодаря использованию новых функциональных возможностей системы.
На первом этапе необходимо развернуть сеть датчиков и организовать сбор показаний с них в реальном времени. Чтобы стало возможным производить качественный анализ, необходимо накопить некоторое количество данных о работе оборудования. Решения SAP позволяют организовать сбор информации о сигналах с оборудования, его структуре и связанных с ним действиях: история ремонтов, информация о поставщиках, квалификация ремонтного персонала. Вся эта информация хранится в одном месте, благодаря чему существенно сокращаются трудозатраты на подготовку данных для последующего анализа.
На втором этапе происходит организация процесса обработки и анализа собранных данных, поиска гипотез о будущем поведении оборудования и разработка правил ремонтов. Для каждого предприятия этот набор будет уникальным. Прогнозы строятся на сложных математических алгоритмах, которые выявляют паттерны и на их основе могут обнаруживать признаки надвигающегося сбоя на самых ранних этапах. Решения SAP позволяют ускорить процесс подготовки прогнозов за счет использования базы данных реального времени и более быстрого экспертного поиска гипотез. Использование преднастроенных прогностических алгоритмов ускоряет процесс их проработки.
Третий этап представляет собой непосредственно моделирование реакции на выявленную проблему или тенденцию. План ремонтов должен быть скорректирован при необходимости. Причем не обязательно это означает, что нужно срочно отправлять инженера на место потенциального происшествия. Прогнозные модели также способны подсказывать, когда не надо делать плановый ремонт. В S/4HANA для этого процесса, а также для планирования потребности материалов существенно повышена производительность и скорость расчета процедуры формирования планов предупредительных ремонтов. Это позволяет оперативно просчитывать различные варианты изменения расписания с учетом заранее согласованных правил.
Помимо очевидной пользы от данных технологий для производителей, операторов оборудования и потребителей прогнозные ремонты дают эффект на уровне страны и даже мировой экономики в целом. Как подсчитали в агентстве Global Framework on Maintenance and Asset Management, в 2014 году объем глобальных расходов на техническое обслуживание составлял $447 млрд. Даже 5 % экономии — это серьезные деньги, которые могли бы принести много пользы, будучи направленными на более созидательные цели, например, на инвестиции в повышение качества продуктов или разработку новых.
Если вы хотите узнать о том, какие выгоды внедрение прогнозных ремонтов может принести вашему бизнесу и как его трансформировать на основе передовых технологий, то свяжитесь с компанией SAP на www.sap.com.
[insert=http://www.forbes.ru/sp_data/2017/sap/index.html]