Благодаря предиктивной аналитике на МКС-5000 сократили брак на 68 процентов и снизили количество аварийных простоев на 16 процентов.
Благодарим редакцию единой корпоративной газеты "Территория ОМК" за предоставление данного материала.
На МКС-5000 выксунского завода ОМК внедрили систему машинного обучения и благодаря этому сократили брак и аварийные простои стана. Более 6,3 миллиона рублей в год позволяет экономить система даже при неполной загрузке МКС-5000. При высокой загрузке эффект многократно возрастает.
В основе нового подхода – статистическая модель работы оборудования, которая обнаруживает аномалии задолго до его отказа.
Кроме портала, мы предлагаем вам и альманах «Управление производством». Все самое интересное и уникальное мы публикуем именно в нем. 300+ мощных кейсов, готовых к использованию чек-листов и других полезных материалов ждут вас в полном комплекте номеров. Оформляйте подписку и получайте самое лучшее!
Пожалуй, это желание каждого ремонтника – узнавать о проблемах оборудования заранее. Долгое время диагностику стана строили на жестких логических условиях: если давление превышало допустимый порог или корреляция между двумя сигналами выходила за рамки нормы – сотрудники получали сигнал.
– Такой подход имеет ограничения: человек или простая система не в силах одновременно анализировать десятки взаимосвязанных параметров. А математическая модель это делает, причем моментально, – говорит главный архитектор направления по развитию цифровых технологий «ОМК ИТ» Илья Дзюб.
По просьбе ремонтного персонала на МКС-5000 применили новый метод – предиктивную аналитику. Система создает математический «слепок» нормальной работы агрегата на основе множества сигналов. Как только поведение сигналов в совокупности начинает отличаться от эталонного, модель выдает предупреждение: в агрегате что-то идет не так.
Предиктивная аналитика – метод анализа данных, который использует статистические методы, машинное обучение и искусственный интеллект для прогнозирования будущих событий или поведения объектов на основе исторической информации. Ее цель – помочь принимать оптимальные решения, ориентируясь на возможные будущие сценарии.
– Главное преимущество – раннее обнаружение проблемы. Традиционные правила требуют заранее знать, какие условия проверять. Но далеко не всегда понятно, на какой сигнал смотреть. Машинное же обучение не опирается на явные правила. Оно «выучивает» нормальное состояние стана во всех его режимах и чувствует отклонения, даже если причина неочевидна, – уточняют в «ОМК ИТ».
По оценкам специалистов, недостаток метода лишь в том, что система не сообщает, что именно сломалось. Она лишь указывает на аномалию. Но это становится сигналом для ремонтников: взять агрегат под контроль, провести диагностику и при необходимости остановиться между прокатами, а не во время них.
– Лучше получить сигнал о том, что что-то не так, без точного диагноза за 12 часов, чем встретиться с аварийной остановкой и браком, – делятся ремонтники.
В первый раз модель показала рост аномальности за 12 часов до отказа оборудования, а за 25 минут до события система уже «кричала» о том, что произойдет авария. Тогда сломался сервоклапан, управлявший потоком рабочей жидкости в гидравлической системе. Прокатный стан остановился, не докатав лист. Его уже было не вернуть в печь для разогрева – оставалось порезать и сдать в лом. Если бы сотрудники прислушались к предупреждению, стан успели бы остановить в штатном режиме, заменить клапан и избежать брака.
Cотрудникам пришлось приспосабливаться к новой системе.
– На старте внедрения было очень тяжело понять, насколько критична аномалия, – поясняет главный специалист по автоматизации прокатного производства МКС-5000 Сергей Верещако. – Система порой начинала реагировать на ранней стадии, когда отклонение никак не влияло на производство. Мы видели не аномалию, а просто диаграмму, как врач – кардиограмму. Доктор по ней понимает состояние сердца, а нам пришлось учиться понимать систему по ее сигналам: что происходит с оборудованием и нужно ли оперативное вмешательство. Поэтому в первое время нарабатывали опыт: что правильно, а что нет. И только сравнивая разные случаи, стали понимать, к чему может привести та или иная аномалия.
Сейчас на такие предупреждения системы реагируют быстро. Например, после сигнала о сервоклапане деталь стараются сразу же заменить, используя плановую остановку производства или ближайшую технологическую паузу в прокате. Интересно, что этот опыт персонала МКС-5000 тоже хотят оцифровать – «зашить» полученные людьми знания в систему.
Важно: Прогнозы предиктивной аналитики – не гарантия, а вероятность. Окончательное решение за человеком, а успех зависит от качества данных, качества модели и квалификации персонала.
По словам Ильи Дзюба, сама по себе предиктивная аналитика на базе машинного обучения не открытие. В мире ее активно внедряют последние 10–15 лет, особенно в нефтегазодобывающей отрасли, авиации и ракетостроении. В металлургии она стала популярна позже.
В ОМК долго дорабатывали общемировые наработки под условия производства. Так, для единственного участвовавшего в эксперименте агрегата – прокатной клети –понадобилось почти два года, чтобы создать, обучить модели и довести их сигналы до понятного человеку уровня.
– Для стана-5000 решение оказалось полезным и рабочим. Его ценность не в уникальности метода, а в грамотной адаптации к реальному производственному процессу, – отмечает главный архитектор.
На заводе намерены продолжать совершенствовать систему, чтобы она еще лучше выявляла предотказное состояние оборудования. Это поможет точнее планировать профилактическое обслуживание.
– В идеале хочется получить интеллектуального помощника, который четко указывал бы на неисправное оборудование и оставшийся ресурс его работы, давал рекомендации по техническому обслуживанию и увеличению срока службы, – отмечает главный специалист по надежности цеха по ремонту ДТБД Антон Полозов. – Любая техника, если мы содержим ее в работоспособном, исправном состоянии, отвечает взаимностью – позволяет выполнять задачи по выпуску годной продукции и снижению энергозатрат.
Николай Шиков, начальник управления по АСУТП, выксунский завод ОМК:
– Этот проект – пример того, как статистические модели и машинное обучение становятся рабочим инструментом металлурга. Система не заменяет человека, но усиливает его: берет на себя круглосуточный анализ десятков сигналов, а специалист по надежности интерпретирует аномалию и принимает решение. Система на МКС-5000 пока охватывает 13 гидравлических узлов прокатной клети, но в планах расширить этот спиок.
Текст: Ольга Гилязева. Фото: Светлана Шеметова
