Bagaimana Kami Belajar Memprediksi Kegagalan

Halo, Habr! Ini adalah Olga Peshina lagi, pakar pengembangan teknologi baru di Severstal-Infocom JSC. Saat memompa telemetri pabrik metalurgi raksasa kami, kami ingin mengoperasikan data yang diperoleh dari unit tidak hanya dalam waktu nyata ("sesuatu telah rusak, perlu diperbaiki"), tetapi juga untuk membangun model untuk analisis prediktif peralatan kegagalan ("segera akan ada masalah, perlu dilakukan tindakan sebelumnya").





Saya akan memberi tahu Anda bagaimana kami mencoba menerapkan perbaikan prediktif, apa yang telah kami rencanakan dan apa yang tidak, dan mengapa.





Kedengarannya ajaib - untuk selalu tahu kapan setiap gulungan atau bantalan akan gagal, menjadwalkan perawatan dengan kondisi, meminimalkan layanan berlebihan dan stok suku cadang, pergi ke nol pada pemberhentian darurat.





Setiap teknologi baru bergerak melalui siklus hype: ekspektasi yang berlebihan memberi jalan pada kekecewaan yang mendalam, setelah itu muncul realisasi peluang dan keterbatasan nyata. Pada 2017-2020, kami juga melalui jalur ini. 





Siklus hype.  Temukan Bitcoin
Siklus hype. Temukan Bitcoin

Seperti yang kita lihat: pemicu inovasi

2014 , (), , . , , โ€“ .





500 . 12 000, 2025 100 000. , , 50 .





Sensor getaran dan RPM pada mesin
Sensor getaran gulungan

2017 Data Lake , . SAP ERP ; , .





: , . .





, . , : , . , , .





Kit gulungan

, , , , .





, . , 24/7 : . . , โ€“ - โ€“ .





2017-2018 . , , , , , .





: , , , , , . , , .





, โ€“ , , . , : , , , .





. , , ? , , . - , , ? , , . โ€“ , . , . ?





, , . โ€“ -2000. , . โ€“ .





Stan-2000.  Berhenti tidak dapat diperbaiki
-2000.

. -2000 1800 . โ€“ (). 





( ) . โ€“ .





Stand finishing

. , , , . 





, , . : MVP . , , , . 





- , - . : , - . 2018 . , โ€ฆ .





. : , , โ€“ .





, . .





-

- -, Data Lake. .





. : โ€“ , . โ€“ โ€“ . โ€“ , . . , - .





: โ€“ , . , 50%. , : , โ€“ . ยซ ยป.





, โ€“ . - : . , , , , , โ€ฆ , , - !





: , . โ€“ . , . . , . , : ยซ , , , โ€ฆ , ยป.





, (, , ) . : .





, โ€ฆ , . , .





, , , . . , .





Data dari ribuan sensor mengalir ke pusat pemantauan.
.

:

, . , 50%, 3 5-6 1,5 . - โ€“ , , .





. - Gerdau , SmartSignal, General Electric, .





650 , . โ€“ . , SmartSignal , : . , .





โ€“ , . , , : , , , . . , - .





ยซ , โ€“ ยป. . . , .





, , , . , โ€“ , , . : โ€“ , , , .





SmartSignal - , , . . . , โ€“ , .





SmartSignal , . .





General Electric , : , , . . , . .





, , ยซ ยป. , - , , โ€ฆ - , .





, , . : , , . 





, , , . .





, . , , . , .





SmartSignal (). 





UNRS.  Dialah yang setiap bulan menghasilkan 50GB data tentang kondisinya
. 50

MVP . : , . 





. , SmartSignal 5-7 , . 20 , . . 





โ€“ . โ€“ , โ€“ .





ยซ ยป, - 80% . โ€“ . โ€“ . .





, . , .





: GE . . , โ€“ . - .





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








All Articles