что такое пром данные
Зачем вам нужен Splunk? Интернет вещей и промышленные данные
Сегодня мы хотим поговорить об интернете вещей (IoT) и о промышленном интернете вещей (IIoT), а также о том, как Splunk связан с этим.
Сначала разберемся с основными терминами:
Интернет Вещей (IoT, Internet of Things) – система объединенных компьютерных сетей и подключенных физических объектов (вещей) со встроенными датчиками и ПО для сбора и обмена данными, с возможностью удаленного контроля и управления в автоматизированном режиме, без участия человека.
Промышленный Интернет Вещей (Industrial Internet of Things, IIoT) – интернет вещей для корпоративного / отраслевого применения – отличается от обычного IoT тем, что подключаются промышленные (производственные) объекты со встроенными датчиками.
Все эти объекты генерируют огромное количество структурированных и неструктурированных данных. При обработке этих данных можно получить информацию, которая может быть использована для предотвращения поломок оборудования, внеплановых простоев, сокращения внепланового техобслуживания и сбоев в управлении цепочками поставок, тем самым позволяя предприятию функционировать более эффективно.
Сейчас во всем мире промышленное производство все чаще обращается к своим данным IIoT, чтобы лучше контролировать и диагностировать проблемы работы оборудования, а также прогнозировать потребности в обслуживании.
По исследованиям ARC Industry, глобальная обрабатывающая промышленность ежегодно теряет 20 миллиардов долларов из незапланированных простоев, и почти 80% промышленных операций являются реактивными. Отсутствие осознания в режиме реального времени того, что происходит в критических промышленных системах, вызывает реактивный подход к управлению промышленными операциями, а возникающие проблемы часто решаются с помощью интуиции, а не с использованием подхода, основанного на данных.
В этой ситуации особую значимость приобретает корректное представление актуальной и своевременной информации в понятном для пользователя виде.
Splunk для IoT
Программное обеспечение Splunk позволяет собирать, анализировать и визуализировать данные в режиме реального времени, а также сопоставлять исторические данные из любого источника, включая данные генерируемые различными датчиками, сенсорами, системами SCADA, сетями и приложениями, связанными с промышленным производством.
Основные возможности Splunk:
Давайте разберем основные возможности Splunk для работы с промышленными данными:
Мониторинг и диагностика
Безопасность и соответствие требованиями
Предиктивное обслуживание
Splunk Industrial Asset Intelligence
Весной 2018 года Splunk объявила о запуске своей первой платформы Splunk Industrial Asset Intelligence (IAI), непосредственно связанной с IIoT, предназначенной для инженеров по автоматизации процессов в промышленных компаниях.
Это решение предназначено для компаний в сфере производства, энергетики, транспорта, нефти и газа, а также других промышленных отраслей.
Splunk IAI коррелирует данные из автоматизированных систем управления (АСУ), датчиков, систем SCADA и приложений, что позволяет легко контролировать и диагностировать работу оборудования и проблемы в режиме реального времени.
С 23 июня Splunk IAI выпускается с ограниченной доступностью, а полноценный релиз запланирован на осень 2018 года.
Официальный бриф для этого решения, можно найти тут.
Как использовать промышленные данные для непрерывной эксплуатации оборудования
В Уфе завершилась шестая ежегодная конференция Даунстрим Россия 2020. Это международная площадка профсообщества, заинтересованного повышать эффективность предприятий нефтегазового сектора. Индустриальный директор направления «Нефтегазовая промышленность и энергетика» Clover Group Расим Ибрагимов в своем докладе рассказал, как анализ больших данных увеличивает срок службы оборудования. Коротко, тезисы спикера.
Оборудование нефтегазоперерабатывающих предприятий ежедневно генерирует гигантские объемы данных. Согласно результатам исследования аналитического агентства Statista, только 50% полученных данных от всех объектов нефтегазового комплекса используются для предупреждения аварийных ситуаций и решения бизнес-задач производства. Между тем, компаниям нужно поддерживать высокий уровень производительности и общую эффективность предприятия. По данным исследованиям, те объекты в отрасли, которые применяют технологии Big Data, в три раза чаще реализуют свои планы.
В погоне за высокой производительностью может возникать соблазн использовать оборудование на предельных мощностях. Работа агрегатов на износ часто приводит к незапланированным остановам, которые несут экономические потери. По статистике Ростехнадзора средний ущерб от аварии в 2019 год составил 111,1 млн рублей, в 2018 году эта цифра была 91, млн рублей. То есть, средний ущерб от аварий на производствах увеличился в 2,5 раза. Поэтому предприятия заинтересованы в мерах, которые помогут предотвращать аварии и помогать настраивать оптимальные режимы эксплуатации оборудования.
Есть и другая сторона. В промышленности, как и большинстве секторах экономики проявляется ситуация, когда мощности недозагружены или текущий производственный процесс недостаточно рентабелен. В этих условиях предприятия заинтересованы работать на снижение себестоимости, и все технологии, которые на это направлены, приоритетны.
Кроме того, государство диктует всеобщую цифровизацию промышленности, описанную в ведомственном проекте «Цифровая энергетика». Активно поддерживается идея внедрения в нефтегазовом комплексе пилотных проектов на базе цифровых технологий и отраслевых платформенных решений.
Согласно исследованию Accenture, в 2018 году около половины НПЗ в разных странах оценивали свой уровень внедрения цифровых технологий как высокий или средний. 41% участников опроса подтвердили, что ощущают финансовые выгоды от внедрения инструментов Индустрии 4.0. Те же, кто еще не занимаются цифровизацией напрямую, включили ее в число своих приоритетных целей и осуществляют те или иные проекты на своих НПЗ. В топе самых распространенных технологий: интеллектуальные системы мониторинга состояния предприятия, позволяющие сокращать время ремонтов и простоев, уменьшать операционные затраты.
Мы в Clover Group создаем ПО на базе технологий предиктивного анализа. Решения компании помогают контролировать деградацию оборудования, применять предупреждающие меры за счет прогнозирования отказов оборудования и продлевать срок службы оборудования, корректировать программу ремонтов. В нашем проектном портфеле есть кейсы для энергетической компании, в ходе которых мы разработали модели оценки технического состояния узлов газотурбинной установки и модель перерасхода топлива. Перед нами стояла задача с помощью исторических данных определить предотказные состояния на основе математических моделей с использованием методов машинного обучения. Также нам было необходимо оценить энергоэффективность агрегата на основе степени деградации конструктивных элементов оборудования. По итогу проекта, созданные модели выявляли величину перерасхода топлива на газотурбинной установке по причине износа конструктивных элементов. Эксперты компании смогли добиться ранжирования конструктивных элементов газотурбинной установки по степени влияния на перерасход топлива и снижения аварийности за счет своевременного реагирования на развивающиеся дефекты в деталях. Кейс демонстрирует потенциал использования данных, чтобы повышать эффективность предприятия, увеличивать срок эксплуатации оборудования и реализовывать новые возможности, открывающиеся перед компанией.
Содержание
Определение
Технологии
Сбор, хранение и управление данными
Поскольку данные с автоматизированного промышленного оборудования генерируются с необычайной скоростью и в больших объемах, инфраструктура хранения и управления этими данными становится первой проблемой, с которой сталкивается любая отрасль. В отличие от традиционной бизнес-аналитики, которая в основном фокусируется на внутренних структурированных данных и обрабатывает эту информацию в регулярно повторяющихся циклах, аналитическая система «Промышленные большие данные» требует аналитики и визуализации результатов почти в реальном времени.
Следующим шагом является создание системы управления данными, которая сможет обрабатывать большие объемы данных и выполнять аналитику практически в реальном времени. Чтобы обеспечить быстрое принятие решений, необходимо более интегрировать хранение, управление и обработку данных. General Electric построила прототип инфраструктуры хранения данных для парка газовых турбин. Доказано, что разработанная система на основе гридов данных в оперативной памяти (IMDG) способна обрабатывать сложные высокоскоростные и большие потоки данных при выполнении аналитики данных в режиме, близком к реальному времени. Они считают, что разработанная технология продемонстрировала жизнеспособный путь к реализации инфраструктуры пакетного управления «большими промышленными данными». По мере снижения цен на память такие системы станут центральными и фундаментальными для отрасли будущего.
Киберфизические системы
Образцы репозиториев
Каждое устройство в промышленной системе ежесекундно генерирует огромное количество данных. Ежедневно каждая машина на производственной линии генерирует миллиарды образцов данных. Например, Boeing 787 генерирует более половины терабайта данных за рейс. Очевидно, что объем данных, генерируемых группой единиц в промышленной системе, намного превышает возможности традиционных методов, поэтому их обработка, управление и обработка будут сложной задачей.
В течение последних нескольких лет исследователи и компании активно участвовали в сборе, организации и анализе огромных промышленных массивов данных. Некоторые из этих наборов данных в настоящее время доступны для публичного использования в исследовательских целях.
Примеры сценариев использования промышленной аналитики больших данных
База для цифровизации производства
Что нужно для качественного и непротиворечивого регулирования промышленных данных
В ноябре 2020 года заместитель председателя правительства РФ Дмитрий Чернышенко поручил Минцифры, Минпромторгу и другим ведомствам разработать нормативную базу цифровой трансформации производств – федеральный закон «О промышленных данных». О том, как сделать регулирование этой сферы максимально эффективным, RSpectr.com рассказали эксперты.
ЦИФРОВОЕ ТОПЛИВО
Если регулированию сбора, обработки, хранения и использования персональных сведений в России уже более десяти лет, то нормативное обеспечение промышленных данных, возникающих в процессе производства и межмашинных коммуникаций, только формируется. При этом
промышленные данные – это топливо для digital-трансформации предприятий, цифровых двойников технологического оборудования, инженерных коммуникаций и выпускаемых изделий, обновляющихся в режиме реального времени вместе с оригиналами
Кроме того, на обмене промышленными данными строится взаимодействие участников экосистем, объединяющих производителя с партнерами и контрагентами.
«Разрабатываемый федеральный закон должен задать рамки и основы регулирования в новой сфере»,– отметил директор департамента цифровых технологий Минпромторга Владимир Дождев на Всероссийском дне интернета вещей. По его словам, такое правовое обеспечение будет базироваться на ведомственных актах, документах технического регулирования, в национальных и межгосударственных стандартах.
Владимир Дождев, Минпромторг:
– Мы закладываем в этот нормативный документ архитектуры, протоколы, механизмы совместной работы устройств. И в целом правила игры на этом рынке, способствующие появлению новых разработчиков. А также дальнейшему развитию продуктов и сервисов для работы с данными действующих компаний, которые уже имеют большую долю.
ОПРЕДЕЛИТЬ ПОНЯТИЯ
«Проект закона “О цифровых промышленных данных” разрабатывается в ключе внедрения ведомственных технологий искусственного интеллекта», – прокомментировала RSpectr член комиссии по правовому обеспечению цифровой экономики Московского отделения Ассоциации юристов России (МО АЮР), руководитель Российского центра компетенций и анализа стандартов ОЭСР РАНХиГС при Президенте РФ Антонина Левашенко. Информация о разрабатываемом документе не представлена на портале проектов нормативных правовых актов, поэтому она ссылается на информацию пресс-службы Минпромторга.
По словам эксперта, в зоне ответственности министерства – разработка и согласование порядка работы по формированию наборов данных. В ноябре прошлого года Д.Чернышенко поручил заместителям руководителей всех министерств и ведомств по цифровой трансформации сформировать не менее двух наборов данных (дата-сетов) – для искусственного интеллекта.
По словам А.Левашенко, в Минпромторге дата-сеты формируются на базе Государственной информационной системы (ГИС) промышленности, отраслевых наборов данных, которые отражают фактический уровень производства по отраслям промышленности.
Антонина Левашенко, МО АЮР:
– В отношении цифровых промышленных данных возникает вопрос о техническом обеспечении сбора промышленных данных для обработки с применением технологии искусственного интеллекта: требуется высокая цифровизация самой промышленности, в рамках которой было бы возможно собирать данные обо всех этапах производства, выпуске на рынок и поставке потребителям.
Совпадение по времени разработки закона с внедрением цифровых решений и сервисов на производстве должно способствовать лучшему пониманию сути промышленных данных, их образования и использования в технологических процессах.
Как сообщил RSpectr директор Ассоциации интернета вещей Андрей Колесников, ключевая задача законопроекта – ввод в коммерческий оборот наборов данных и метаданных, постоянными источниками которых являются промышленное оборудование, цифровые платформы и модели.
Андрей Колесников, Ассоциация интернета вещей:
– Цель, которую должен преследовать федеральный закон, – создание прозрачного рынка промышленных данных в России для повышения эффективности промышленного производства с учетом требований цифрового суверенитета.
в нормативном документе должны содержаться определения понятия «промышленные данные» и сопутствующих им метаданных
И регламентироваться отношения участников нового рынка между собой и с государством.
При этом вопрос, какие данные относить к промышленным, является для компаний – членов ассоциации дискуссионным. Будут ли это первичные данные, собираемые со средств промпроизводства в ходе их мониторинга, данные цифровых моделей, алгоритмы, которые применяются в решениях по автоматизации на основе данных и справочников, – еще предстоит выяснить.
ЧТО НУЖНО В НОВОМ ЗАКОНЕ
Эксперты предлагают определить основных участников оборота таких данных: провайдеров, потребителей и компании, обогащающие Big Data. Также в законе предлагается описать:
Для стимулирования оборота таких данных нужно внести изменения в действующее законодательство, снижающие операционную и фискальную нагрузку на его субъекты, считают в Ассоциации интернета вещей. Разрабатываемый нормативный акт должен содержать требования к первичным системам сбора, накопления и обработки промышленных данных на предприятиях с учетом их отраслевой принадлежности и уровня востребованности.
Кроме того, в законе «О промышленных данных» должны быть определены полномочия платформ-агрегаторов, в чьи задачи входят сбор, обработка и обогащение такой информации. Нужно решить и вопросы трансграничной передачи промышленных данных, необходимых для компаний– участниц глобальных технологических и производственных цепочек.
В качестве инструментов для решения ключевой задачи эксперты Ассоциации интернета вещей называют:
Рычаги регулирования процесса стандартизации и введения в коммерческий оборот данных этой категории должны находиться у Минцифры и Минпромторга. По мнению А. Колесникова, исполнять регуляторную функцию они должны, опираясь, с одной стороны, на профильные ведомства, а с другой – на профессиональные союзы и объединения. При этом архитектура управления должна строиться на базе сетевой структуры и стандартов, обеспечивающих интероперабельность, но не представлять собой ГИС, цифровую платформу или единый центр компетенции.
Обеспечение правовой базы для работы с цифровыми промышленными данными обусловлено комплексным подходом, заложенным в федеральном проекте «Искусственный интеллект», который был утвержден в августе 2020 года, отмечает А. Левашенко. Это означает, что государство должно стимулировать не только разработчиков искусственного интеллекта, но все отрасли экономики для массового внедрения таких технологий с использованием соответствующих данных.
Что такое пром данные
С таким подходом согласился генеральный директор компании «Цифрум» (ГК «Росатом») Борис Макевнин: «Для нас закон о промышленных данных является одним из способов сокращения издержек на владение данными, а также повышения скорости и качества разработки цифровых продуктов, за счет референсных дата-сетов».
Правда, Андрей Белевцев указал, что BIM-модель далека от настоящих «цифровых двойников», и добавил: «По-настоящему крутые вещи возникают тогда, когда удается создать «цифровой двойник» физических и химических процессов, которые, к примеру, происходят на конкретной установке нефтеперерабатывающего завода. Это сложная математика, сложное моделирование».
Павел Сорокин рассказал, что инициаторы законопроекта о промданных изучали опыт саморегулируемых организаций: «Но у бизнеса есть много вопросов, в том числе о безопасности данных, поэтому нужно создать фреймворк в виде закона, а на его базе уже обеспечивать саморегулирование. Все жестко регулировать не надо!»
Павел Сорокин назвал пять барьеров на пути создания закона о промданных: каждая компания хранит данные различными способами, значительный объем данных не является оперативно доступным, для получения доступа к данным необходимо каждый раз заново разбираться в их формате и модели, отсутствуют единые правила оборота данных (включая безопасность их обращения), высока зависимость от иностранного программного обеспечения.
Многие компании действительно пытаются на основе корпоративных данных создать новые источники дохода и направления бизнеса, а вместо интеграции платформ с другими участниками рынка стремятся продвинуть свою корпоративную платформу в качестве рыночного механизма.
Национальную цифровую промышленную платформу намерен создать «Росатом». В интервью порталу ComNews Борис Макевнин объяснял: «В состав платформы войдут средства сбора, хранения и интеллектуальной обработки данных на промышленных предприятиях, операционная система, решения для реализации упомянутых Edge-вычислений и повышения «уровня интеллекта» используемых в производственных процессах датчиков, который сейчас близок к нулю» (см. публикацию на ComNews от 27 мая 2021 г.).