Comment nous avons appris à prévoir les échecs

Bonjour, Habr! Il s'agit encore d'Olga Peshina, experte en développement de nouvelles technologies chez Severstal-Infocom JSC. Tout en pompant la télémétrie de notre usine métallurgique géante, nous voulons exploiter les données obtenues à partir des unités non seulement en temps réel («quelque chose est cassé, doit être réparé»), mais aussi construire un modèle d'analyse prédictive des équipements échecs («bientôt il y aura un problème, il faut agir à l'avance»).





Je vais vous dire comment nous avons mis la main sur le ballon en essayant de mettre en œuvre des réparations prédictives, ce que nous avions prévu et ce que nous n’avons pas fait, et pourquoi.





Cela semble magique - savoir toujours à quel moment chaque rouleau ou roulement échouera, planifier la maintenance en fonction de l'état, minimiser le surservice et le stock de pièces de rechange, passer à zéro lors des arrêts d'urgence.





Toute nouvelle technologie passe par un cycle de battage mĂ©diatique: les attentes excessives cèdent la place Ă  une profonde dĂ©ception, après quoi vient la rĂ©alisation d'opportunitĂ©s et de limites rĂ©elles. En 2017-2020, nous avons Ă©galement suivi cette voie. 





Le cycle du battage médiatique.  Trouver Bitcoin
Le cycle du battage médiatique. Trouver Bitcoin

Comme nous l'avons vu: le déclencheur de l'innovation

2014 , (), , . , , – .





500 . 12 000, 2025 100 000. , , 50 .





Capteur de vibrations et de régime sur le moteur
Capteur de vibration du rouleau

2017 Data Lake , . SAP ERP ; , .





: , . .





, . , : , . , , .





Kits de rouleaux

, , , , .





, . , 24/7 : . . , – - – .





2017-2018 . , , , , , .





: , , , , , . , , .





, – , , . , : , , , .





. , , ? , , . - , , ? , , . – , . , . ?





, , . – -2000. , . – .





Stan-2000.  L'arrêt ne peut pas être réparé
-2000.

. -2000 1800 . – (). 





( ) . – .





Supports de finition

. , , , . 





, , . : MVP . , , , . 





- , - . : , - . 2018 . , … .





. : , , – .





, . .





-

- -, Data Lake. .





. : – , . – – . – , . . , - .





: – , . , 50%. , : , – . « ».





, – . - : . , , , , , … , , - !





: , . – . , . . , . , : « , , , … , ».





, (, , ) . : .





, … , . , .





, , , . . , .





Les données de milliers de capteurs sont transmises au centre de surveillance.
.

:

, . , 50%, 3 5-6 1,5 . - – , , .





. - Gerdau , SmartSignal, General Electric, .





650 , . – . , SmartSignal , : . , .





– , . , , : , , , . . , - .





« , – ». . . , .





, , , . , – , , . : – , , , .





SmartSignal - , , . . . , – , .





SmartSignal , . .





General Electric , : , , . . , . .





, , « ». , - , , … - , .





, , . : , , . 





, , , . .





, . , , . , .





SmartSignal (). 





UNRS.  C'est elle qui génère chaque mois 50 Go de données sur son état
. 50

MVP . : , . 





. , SmartSignal 5-7 , . 20 , . . 





– . – , – .





« », - 80% . – . – . .





, . , .





: GE . . , – . - .





, - , - , - . , , . : , ?








All Articles