27 декабря 2021
О развитии в системе «1С:RCM Управление надежностью» инструментов для риск-ориентированного обслуживания оборудования и активов предприятия — а именно, для создания оптимальной программы ТОиР и предсказания отказов оборудования с помощью модуля предиктивной аналитики — рассказывает Андрей Сериков, руководитель направления разработки «Деснол Софт».
«1C:RCM Управление надежностью» — это система для формирования оптимальной по стоимости программы обслуживания, которая удовлетворяет требованиям надежности и учитывает данные предиктивной аналитики о возможных отказах оборудования.
В своем рассказе об 1С:ТОИР 2 КОРП я уже говорил, что цель компании «Деснол Софт» — улучшить культуру принятия эффективных управленческих решений в бизнесе. И показывал, как эта цель влияет на разработку наших продуктов. Еще затрагивал тему «умных» механизмов, которые прячут сложность процессов и данных за простым фасадом. Эти же темы помогут лучше понять пользу и назначение второго по важности решения в экосистеме решений для цифровизации ТОиР — «1С:RCM Управление надежностью».
Мы разовьем эти темы еще дальше — и поговорим об «интеллекте» в программе, о том, что сейчас доступно в технологиях и что можно применить на производстве.
Начнем с основного назначения системы.
Уже по названию понятно, что, как минимум, одна из главных задач системы для управления надежностью — проведение RCM-анализа.
Но почему именно он? Зачем потребовалась целая новая система для автоматизации какого-то там конкретного вида анализа?..
Предлагаю посмотреть на это с точки зрения «управленческих решений» в процессах.
У нас есть понятный процесс ТОиР, включающий использование следующих инструментов:
Этот процесс в целом понятен. Но! На предприятиях разное оборудование. А если и одинаковое, то разные условия эксплуатации. А если одинаковые сейчас, то могут измениться со временем. Возникает вопрос: как выстраивать эффективный процесс ТОиР и эффективно управлять им, реагируя на изменения ситуации?
Тут нужны другие инструменты и другой процесс. Процесс «управления», а не «исполнения». Процесс, который большей частью смотрит в будущее. Эдакий процесс «второго порядка» — процесс построения процессов.
Что у него будет на входе?
Что от него требуется на выходе?
Какие инструменты можно использовать, чтобы работать с «будущим», ведь оно не определено?
Такова наша ситуация, если мы хотим осознанно управлять нашими процессами ТОиР. Мы можем использовать что угодно, лишь бы это подходило нам в описанной нами «системе координат», в нашем «фреймворке» — использовало входы и давало, что нужно, на выходе.
RCM-анализ был выбран нами именно как алгоритм, решающий нашу задачу. Это комплексный экспертный анализ надежности, который последовательно рассматривает вопросы:
Это был не просто «какой-то анализ, использующийся для обеспечения надежности авиационных двигателей». Мы адаптировали его для наших целей и научили работать с понятиями нашей предметной области.
В нашей версии получился процесс, состоящий из 4 этапов.
Здесь решаются задачи загрузки данных из других систем — 1С:ТОИР 2 КОРП, 1С:ERP 2.5 и 2.4 или любой другой системы через универсальные загрузчики. Данные упорядочиваются, систематизируются и «обогащаются» экспертами.
Больше всего работы проводится на этом этапе. Мы прикладывали силы, чтобы создать инструменты, облегчающие принятие решений, например:
Определение списка мероприятий
Это второй по величине этап — мы также добавили сюда инструменты для помощи в принятии решений:
Вообще RCM-анализ — повторяющийся, цикличный процесс. Поэтому, чтобы добиться эффективности, его рекомендуется повторять как минимум каждые 9–12 месяцев.
В целом следует рассматривать систему 1C:RCM как каркас, который структурирует данные в области ТОиР и содержит инструменты для «процесса управления процессами ТОиР» — управления надежностью. В нем уже есть один штатный метод — RCM-анализ. Его можно использовать как есть или адаптировать, расширять и даже добавлять что-то совсем новое, но в рамках имеющихся данных.
Как я уже отметил, процесс управления надежностью в нашем понимании смотрит в будущее, и одним из входов этого процесса являются прогнозы и аппроксимации. В 1С:RCM встроен инструмент для организации предиктивного анализа своего оборудования.
Этот инструмент состоит из двух больших частей, или «слоев».
1-й слой. Подсистема «Предиктивная аналитика» внутри 1C:RCM сделана из расчета работы почти с любыми поставщиками предиктивной аналитики.
При ее создании мы исследовали, что предлагают компании, занимающиеся машинным обучением. Обнаружили, что обычно всё сводится к одному из следующего:
Прогнозы отказов и остаточных сроков могут прямо использоваться экспертами в анализе надежности. Обычно инструменты, которые дают такие данные, специфичны, сделаны на заказ или поставляются производителем оборудования.
Прогноз показателей обычно относится к тонкой настройке параметров производственных процессов (подбор времени обработки, количества ингредиентов и пр.). Они больше нужны для производственной системы, так что не так нам интересны.
Обнаружение аномалий интересно тем, что не требовательно к знаниям о тонкостях работы оборудования. Не нужно быть экспертом в узкой области, чтобы установить факт аномалии, достаточно следить за допустимыми параметрами значений показателей оборудования.
Мы добавили в подсистему средства для хранения и использования полученных прогнозов.
А для данных об аномалиях разработали много инструментов, помогающих извлечь из них пользу, — преобразовать в конкретные виды отказов, которые могут произойти.
В них использовано много приемов для облегчения принятия решения специалистам по надежности — средства просмотра графиков прошлых значений, иконки направления отклонений и прочее.
Система также пытается быть «умной» и сама подбирает подходящие виды отказов по введенным паттернам отклонений (диагностикам).
Графики оценок аномалий по датчикам
А теперь 2-й слой. Это одна реализация механизма, который может поставлять данные в нашу подсистему предиктивной аналитики. Он основан на разработанном нами сервисе обнаружения аномалий в работе оборудования, из которого 1С:RCM может получать данные. Мы предлагаем его нашим клиентам, если нет желания заниматься разворачиванием инструмента у себя.
Принцип работы — взаимное предсказание значений датчиков в каждый момент времени. Модель обучается, запоминает «нормальный режим работы» и потом способна сказать, когда какие-либо датчики ведут себя «не так, как от них ожидается».
Механизм написан на языке Python и использует открытые библиотеки машинного обучения. С помощью библиотеки функциональных подсистем, разработанной фирмой 1С (сокращенно БФП), мы включили наш инструмент в коробку 1С:RCM.
Использовать сервис из коробки довольно просто, нужно лишь выполнить несколько шагов.
Подключить по инструкции расширение с предиктивной аналитикой.
Средствами библиотеки БФП установить Python и необходимое окружение.
Подготовить по инструкции сведения о датчиках и исторические данные в нужном формате, а затем обучить модель.
Организовать по инструкции поступление текущих данных.
Сделать настройки на стороне 1С:RCM:
Как именно система диагностирования аномалий в показаниях датчиков помогает «предсказывать» отказы?
Важны три момента:
Рассмотрим для иллюстрации пример из жизни. В середине дня вы обнаружили, что в вашем автомобиле на треть «спустило колесо», хотя утром все было нормально. В такой ситуации, скорее всего, вы можете «предсказать», что доехать до шиномонтажа еще можно успеть, а вот оставить это на завтра и ездить дальше так уже не получится. И, вероятно, будете правы.
По такому же принципу работает и наш механизм: аномалия — «низкое давление в шине», диагностика — «если давление в шине ниже положенного, то с вероятностью 90% через 5 часов произойдет повреждение корда».
Важно, что детектирование аномалий не сводится к проверке выхода за допустимые границы. Это умеет проверять любая АСУ ТП, и в 1С:ТОИР 2 КОРП есть система сигнализации о таких отклонениях.
Система умеет находить ситуации, когда с виду допустимое значение выглядит «подозрительно»: например, показатель «открытие заслонки» принимает значения от 0 до 100% и вообще не может «выйти за границы». Тем не менее, был реальный пример, когда по показаниям этого датчика можно было предотвратить отказ, — заслонка открывалась всё больше и больше, хотя не должна была.
Системе не надо объяснять, «куда смотреть». Она сама сопоставляет все значения со всеми. Это позволит не пропускать даже то, о чем не подумали заранее. По такой аномалии нельзя будет автоматически сказать, к какому виду отказа она приведет (если не будет соответствующего паттерна в системе), но она будет отправлена специалисту на разбор. И он сможет внести данные в систему или отметить, что это было несущественно.
Все вышеперечисленные моменты — это уже даже не просто «умный» механизм, которые скрывает сложность. Это уже почти «интеллект» — который думает и старается помочь.
Поделиться: