Почему на производствах внедряют инновации
При помощи технологий, построенных на использовании Big Data, компании реального сектора экономики стараются уменьшить себестоимость производимых продуктов, оптимизировать логистику, минимизировать простой складов и оборудования, снизить человеческий фактор. Конкурентным преимуществом для производства сейчас становится информация, извлекаемая из данных, которые раньше практически не использовались. Например, её источником может стать датчик вибрации на агрегате: поступающие с него показания дают возможность научиться предсказывать механические поломки. Это в ряде случаев позволяет сэкономить на простое более 25%. Использование таких подходов — выбор отраслевых лидеров, которые уже решили для себя вопрос выживания на этом рынке, и стремятся зарабатывать больше. Однако для прочих участников рынка технологии больших данных становятся вопросом выживания, так как без них сложно показать сопоставимый с компаниями-визионерами результат. Конкуренция с каждым годом становится всё более явным триггером процесса внедрения инноваций. Как только производственная компания видит, что у её непосредственного конкурента ниже себестоимость получения продуктов того же качества, эффективнее решаются проблемы логистики, простоя складов и оборудования, она начинает задумываться о том, какие действия позволят ей сократить процент отбраковки продукции, уменьшить амортизацию, оптимизировать количество сырья и расходных материалов, сократить сопутствующие расходы (например, стоимость электроэнергии), минимизировать длительность простоя и оптимизировать количество сотрудников. Все эти инсайты лежат в области Big Data.Что представляет собой Big Data в производственных предприятиях

Какие кейсы реализуют производственные компании при помощи больших данных
- Логистика. Тут целых два кейса. Первый — это оптимизация логистики за счёт, в том числе, размещения складов в нужных географических точках, уменьшения пробега транспорта (последней мили), контроля за поставками, исходя из динамического спроса и ценообразования.
- Предиктивные ремонты. Существенно снижается человеческий фактор и ресурсы, требуемые для ремонта. Задачи, которые человек делает дольше машин (например, локализация места произошедшей аварии, подсчёт большого количества чего бы то ни было) — эффективнее отдать машине. Пример: производственная компания проверяет наличие ржавчины на трубах при помощи дронов и приложений на смартфонах сотрудников, так как алгоритмы компьютерного зрения лучше распознают ржавчину в темноте, чем человеческий глаз. На основании собранных данных можно наметить краткосрочные планы ремонта и составить среднесрочный график замены части труб, превратив обслуживание в проактивное из реактивного.
- Оптимизационные математические модели. Не все расчёты, выполненные на бумаге, точно ложатся на реальность, и потому наработанный практический опыт важно сохранить во всех деталях, чтобы в будущем построить математическую модель не по учебникам, а средствами data science — на реальных данных. Например, чтобы сталь обладала определёнными свойствами, в неё добавляют легирующие элементы и настраивают режимы работы агрегатов сталеплавильного производства. Зафиксированные в деталях результаты плавки и её ход создают базу для обучения нейросети, которая впоследствии сможет оптимизировать количество и состав используемого сырья, а также оптимизировать режимы работы оборудования, что может повысить срок наработки на отказ и сократить энергопотребление.
Как развиваются производства
Сегодня активно развивается интернет вещей (IoT) и роботизация. Технологии становятся более доступными, благодаря, в том числе, open source ПО. Создаётся коммьюнити людей, которым интересно развивать это направление. А реальный сектор для них уникален потому, что там существует наибольшее количество физически и географически распределённых устройств, с которыми нужно работать в рамках единых моделей. Цифровизация производственных компаний рождает термин «Цифровая платформа». Каждый видит ее по-своему, но большинство сходятся в ее основном предназначении: обеспечение доступа к реальным производственным данным и повышение скорости внедрения нового функционала (снижение Time-To-Market). В основе такой платформы лежит слой данных, так как они должны быть едины и одинаковы для всех создаваемых цифровых сервисов: нельзя переносить «бумажные» архаизмы в «цифровой» мир. Спикеры:- Антон Балагаев, директор по консалтингу компании Arenadata,
- Антон Денисов, директор по работе с ключевыми заказчиками IBS.
Источник публикации: РБК