Q&A: Все, что вам нужно знать об аналитике на производстве

1 Star2 Stars (2 votes, average: 5,00 out of 5)
Загрузка...

Существует стереотип, что анализ данных эффективен только в интернет-компаниях, вроде Google или Amazon. Однако в равной степени он может приносить пользу и производственным предприятиям. Как и для чего аналитика применяется в промышленности?

В течение года наши эксперты давали бесплатные бизнес-консультации читателям. В частности, пользователи интересовались спецификой применения аналитики на производстве. В этой статье мы собрали вопросы и ответы на эту тему воедино — в формате Q&A.

Q: Предприятия не собирают онлайн-данные, как интернет-магазины. Что же тогда анализировать?

A: Действительно, заводы-производители не занимаются розницей, не продают товары в Интернете, не накапливают информацию о покупателях и сделках, не анализируют формы регистрации и результаты рассылок.

Несмотря на это, данных в производстве хватает, и с избытком. В основном их генерирует оборудование — различные цифровые приборы: датчики, контроллеры, встроенные компьютеры. Эта информация может и должна подвергаться анализу с целью прогнозирования поломок и сбоев, оптимизации производственных процессов.

Также предприятия могут анализировать исторические данные — квартальные объемы производства, эффективность работы отдельных цехов, сбыт и т.д.

Дальше — все зависит от отрасли. Если, к примеру, говорить о нефтедобыче — огромную роль играет геологоразведка. Ее цель в развитии бизнеса предельно ясна — поиск залежей нефти и оценка запасов месторождений.

Q: Какие методы анализа могут применяться на производственных предприятиях?

А: Не будем уходить в математические дебри, но перечислим несколько методов и техник, которые уже успешно применяются на предприятиях:

  • искусственные нейронные сети (помогают в построении прогностических моделей);
  • визуальная аналитика (дает наглядное представление о производственных процессах);
  • тесты на статистическую значимость (помогают распознать наиболее весомые статистические факторы для проведения дальнейших исследований);
  • корреляционный анализ (помогает установить неочевидные связи между несколькими величинами, событиями).

Q: Какие производственные задачи решает анализ данных?

А:

  1. Планирование ремонта и замены оборудования. Данные, получаемые с датчиков и контроллеров помогают в построении прогнозных моделей — так, начальник цеха или производства узнает, когда следует провести замену или ТО.
  2. Мониторинг электросетевого оборудования. Основная проблема поставщиков электроэнергии в разрозненности информации. Современные аналитические технологии дают возможность контролировать сразу все энергетические узлы в режиме реального времени. Это позволяет предотвратить дефицит мощности сетей электроснабжения и оперативно устранять неисправности.
  3. Сбыт продуктов производства. Аналитика помогает прогнозировать спрос, анализировать цены и их изменения в разных регионах с учетом макроэкономических показателей. На основе этих данных предприятия могут планировать продажи и снизить простои заправок.

Q: В каких отраслях промышленности может применяться аналитика?

А: Спектр отраслей практически неограничен. Все зависит от масштабов производства, от количества и качества генерируемых данных и, в конце концов, — от желания и готовности руководства инвестировать в инновации.

Сегодня так называемая advanced analytics или “продвинутая аналитика” успешно применяется в:

  • нефтегазе;
  • энергетике;
  • металлургии;
  • фармацевтике и т.д.

Q: С какими трудностями может столкнуться предприятие при внедрении аналитики?

А: Трудности действительно есть, и их много. Основные возникают на этапе принятия решения. Еще часть — в ходе реализации проекта. Мы выделили три основных проблемы, с которыми может столкнуться предприятие при внедрении аналитики:

Обоснование инвестиций. Несмотря на необходимость кардинальных изменений, для отечественных предприятий по-прежнему существует замкнутый круг. Чтобы обосновать инвестиции в аналитику, необходимо предугадать экономический эффект. Для этого, в свою очередь, необходим пилотный проект, также требующий инвестиций — например, в измерительное оборудование, позволяющее количественно оценить результаты. Многие проекты буксуют уже на этом этапе.

Построение структуры. Если вы все же решились внедрить аналитику, будьте готовы полностью перестроить внутреннюю систему предприятия. Данные должны храниться централизовано — крупные компании выбирают для этого “озера данных”, куда поступает информация со всех отделов и цехов.

Решите, кто будет заниматься математическим анализом: вам нужно или учредить отдельный департамент, наняв квалифицированные кадры, или обратиться за помощью к подрядчикам.

Внимательно следует отнестись и к покупке ПО.

Люди и инструментарий — вот две ключевые вещи, от выбора которых зависит успех проекта.

Оценка эффективности. Еще на старте, вы должны понимать, что хотите видеть на финише. Выберите показатели и метрики, которые помогут оценить, насколько успешен аналитический проект — приносит ли он вам ожидаемые результаты. Если нет, не нужно корректировать изначальные цели , пытаясь оправдать целесообразность инвестиций. Не нужно продолжать выкладывать силы и средства в то, что не помогает вам зарабатывать больше. Лучше приостановить проект и проанализировать, где была допущена ошибка.

И напоследок — пара мини-кейсов…

OSIsoft — производитель строительной техники Caterpillar — установил телеметрические датчики на все выпущенные машины. Огромный объем географически распределенной информации требовал анализа в режиме времени, близком к реальному. Компания обратилась за помощью в профильную компанию. Конечный результат — более эффективное обслуживание уже проданной техники, повышение качества выпускаемой продукции.


Производитель инженерного оборудования Bimba Manufacturing не мог выяснить, почему высокоскоростной цилиндр стал замедляться на одном из этапов производства и провоцировать значительный объем брака. Компания установила датчик IntelliSense. Проанализировав поступающие с него данные, эксперты обнаружили, что скорость цилиндра ограничивают глушители выхлопного порта, и заменили их на более современные. Также инженеры заметили колебание в ходе привода, что приводило к его перегреванию и преждевременному износу. Они внесли изменения в конструкцию цилиндра и таким образом продлили срок его службы.

Пожалуйста, оставляйте комментарии — нам интересно ваше мнение о внедрении аналитики на производстве.

Напомним, на нашем сайте вы также можете получить бесплатную бизнес-консультацию.

Автор публикации

не в сети 3 дня

Лариса Шурига

Комментарии: 16Публикации: 871Регистрация: 05-06-2014

Вам также может понравиться

1 комментарий

  1. Дмитрий:

    Тема «использование анализа данных для анализа состояния технологического оборудования» — незаслуженно обойдена вниманием. Между тем количество накапливаемых данных на производствах, разнообразие и комплексность задач в указанной области, спектр применяемых методов делают эту сферу хоть и менее «распиаренной» чем, например, маркетинг, анализ социальных сетей или медицинская диагностика, однако по кругу используемых алгоритмов и средств анализа данных — не менее интересной (и не менее сложной) , по степени экономической эффективности — возможно даже и более значимой, чем другие. По хорошему — тема заслуживает как минимум отдельной постоянной рубрики на сайте.

     

Добавить комментарий

Ваш e-mail не будет опубликован.

закрыть

Поделиться

Отправить на почту
закрыть

Вход

закрыть

Регистрация

+ =
Авторизация
*
*

Login form protected by Login LockDown.


Регистрация
*
*
*
*
Генерация пароля