Продолжая разговор о том, что такое цифровой двойник и где эта технология Industry 4.0 используется на практике, сегодня мы рассмотрим несколько реальных примеров такой цифровизации в отечественной и зарубежной промышленности. Читайте в нашей статье про практическую синергию технологий Big Data, ML, PLM и IIoT в нефтегазовой, теплоэнергетической и машиностроительной отраслях. Также мы расскажем, как такая цифровизация помогла немецкому заводу Siemens на четверть сократить себестоимость изделий.
Тотальная цифровизация: госкомпания по внедрению технологий I4.0
Цифровизация государственных предприятий продолжается: 20 мая 2019 года Министерство коммуникаций и связи отправило в крупные госкорпорации (Газпромнефть, Аэрофлот, РЖД, КамАЗ, Почта России, Ростех, Ростелеком и др.) проект новых методических рекомендаций по разработке стратегий цифровой трансформации [1]. Этот документ разработан в рамках национальной программы «Цифровая экономика» и предусматривает практическое внедрение следующих технологий 4-ой промышленной революции (Industry 4.0, I4.0) [2]:
- единая цифровая платформа, интегрирующая системы DSS, PLM, MES, ERP, MDM, CRM, ERM и BI;
- модель непрерывной оптимизации бизнеса;
- предиктивная и предписывающая аналитика на базе больших данных (Big Data) и машинного обучения (Machine Learning) в операционных и управленческих процессах;
- цифровые двойники рабочих процессов и продукции.
При актуальности использования всех вышеотмеченных технологий, пока данная методика носит общий характер и не адаптирована к размеру и сфере деятельности конкретной компании. Это затрудняет ее практическую реализацию, не позволяя в полной мере получить отдачу от весьма солидных инвестиций. Стоимость такого проекта цифровизации оценивается не менее 1 миллиарда рублей с ежегодной ценой поддержки на уровне 150-200 миллионов рублей [1]. Напомним, бюджет нацпрограммы «Цифровая экономика» до 2024 года составляет более 1,6 триллионов рублей, из которых 535,3 миллиарда будут профинансированы из внебюджетных источников [2]. Но пока одни отечественные компании еще только размышляют о том, что такое цифровизация и разрабатывают стратегические направления по внедрению Big Data, Machine Learning, Internet of Things, PLM и других технологий I4.0, другие уже вовсю применяют их на практике. Некоторые из таких примеров мы рассмотрим далее.
Цифровые двойники в нефтегазовом секторе
В настоящее время в России именно нефтегазовая промышленность добилась наиболее показательных результатов в цифровизации вообще и цифровых двойников в частности. Например, в декабре 2019 года Газпромнефть приступила к созданию цифровой интегрированной модели Восточного участка Оренбургского нефтегазоконденсатного месторождения. В проекте задействованы несколько крупных инфраструктурных объектов, 280 нефтяных и газовых скважин действующего и проектного фонда. Цифровая интегрированная модель месторождения состоит из взаимосвязанных моделей пласта, скважин и наземной инфраструктуры. Она предназначена для оптимизации работы каждого элемента по отдельности и целой системы. С помощью этой модели цифрового месторождения планируется прогнозировать добычу углеводородов в краткосрочных и долгосрочных горизонтах, оптимизировать расход газлифтного газа, рассчитывать пропускную способность системы нефтесбора и технологические режимов работы скважин. Проект планируется полностью реализовать до конца 2020 г., включая интеграцию с уже имеющимися информационными системами [3].
Аналогичные работы по цифровому месторождению запустила Роснефть в Башкирии, введя систему в опытно-промышленную эксплуатацию в мае 2019 году. В проект входят цифровые двойники производственных объектов и процессов, мобильные IoT/IIoT-устройства, а также интеллектуальная cистема мониторинга трубопроводов. Ожидается, что эта система позволит на 60% увеличить количество дистанционно управляемых объектов, на 5% повысить энергоэффективность процессов добычи и на 5% снизить логистические издержки. Таким образом, масштабирование технологий только в рамках «Башнефти» позволит получить дополнительно около 1 млн тонн нефти за счёт оптимизации производства. В целом прогнозируемый экономический эффект составит порядка 1 млрд рублей в год [4].
Также стоит отметить опыт нефтехимической компании «СИБУР», которая реализовала собственную систему управления инженерными данными, собрав в ней всю информацию по оборудованию, включая его место в производственной цепочке, нормативные режимы работы, частоту обслуживания, геометрические и технические характеристики и т.д. Надежное хранение и автоматизированная обработка данных позволяет сократить временные затраты и число ошибок при обслуживании, ремонте и заказе запчастей. Модуль предиктивной аналитики в этой PLM-системе помогает заранее планировать профилактические операции и подсказывает, какие элементы оборудования следует отключить или перекрыть для безопасного ремонта. Цифровые двойники технологического оборудования позволяют моделировать разные режимы его работы, учитывая данные о химических веществах и показателях технологического процесса. После проверки модели выполняются расчетные исследования и определяются оптимальные параметры процесса для повышения технологической и энергетической эффективности. Рассчитываются не только технологические параметры (энергия, теплообмен), но и экономика – затраты на дополнительное оборудование, целесообразность модернизации [5].
Big Data, PLM и IIoT в транспорте, энергетике и машиностроении
Помимо своей профильной деятельности, СИБУР также использует технологии Big Data, PLM и IIoT в сопутствующих процессах. В частности, компания запустила проект по оптимизации железнодорожных перевозок, чтобы с помощью средств I4.0 снизить затраты на ремонтные работы, выявить дублирование операций при управлении подвижным составом и повысить эффективность управления отгрузками. Похожим образом цифровые двойники применяются для эффективной эксплуатации поездов «Сапсан» и «Ласточка». В 2018 году цифровой двойник был внедрен в корпорации «Трансмашхолдинг», позволяя быстро рассчитывать результаты выполнения производственного плана при заданных параметрах [5].
Еще одним показательным примером использования технологий Big Data, PLM и IIoT в отечественном машиностроении является виртуальный прототип завода КАМАЗ. В рамках этого проекта были созданы 3D-модели почти 50 cтанков, а также другого технологического оборудования: производственные роботы, манипуляторы, кантователи, рольганги. Эти трехмерные модели применяются при моделировании механообработки и сборки, а также для размещения оборудования на 3D-планировках [5].
Цифровые двойники также актуальны и для энергетической отрасли. Например, виртуальная модель техпроцессов станции на базе фактических характеристик оборудования и исторических данных позволила Московской ТЭЦ-20 повысить эффективность своей работы на 4%. Это достигнуто за счет перераспределения нагрузок при изменении режима, краткосрочного планирования состава оборудования и оптимизации прогнозов суточных заявок на потребление тепла по критерию максимизации маржинальной прибыли [6].
Из зарубежного опыта интересны результаты компании Siemens, одного из крупнейших разработчиков электроники и программируемых логических контроллеров. Например, на заводе в немецком городе Амберг, где выпускается 12 миллионов контроллеров в год (одно изделие в секунду) реальное производство полностью объединено с виртуальным. Нанесенные на изделие коды автоматически передают оборудованию технологический маршрут и требования к каждой выполняемой операции. При этом IIoT-система учитывает приоритет операций и доступность производственных линий для соблюдения установленных сроков, контролируя весь процесс на соответствие нормативам качества. Такая цифровизация в 2 раза сократила сроки запуска новых изделий, снизив период переналадки оборудования на 50%. Новые заказы исполняются в течение 24 часов при размере партии от 1 изделия до 1000 экземпляров. 99,99885% выпускаемой продукции полностью соответствует всем стандартам качества. В общем случае, цифровой двойник сократил себестоимость изделий на 25% [7].
На другом заводе Siemens, в немецком городе Фюрт корпоративная PLM-система интегрирована с ERP и MES, что позволило получить сквозное решение для управления выпуском всех электронных изделий. IIoT обеспечивает сбор технологической информации в реальном времени, передавая данные в MES-систему, которая разрабатывает технологические процессы производства печатных плат, механических деталей и узлов, а также осуществляет календарное планирование, управление материальными потоками и анализ технологической информации. Через PLM-систему предприятия MES получает прямой доступ ко всей информации о конструкции электрических и механических узлов изделия. А процессы поставки материалов и другая обеспечивающая деятельность автоматизированы с помощью ERP [7].
Как сделать, чтобы цифровизация бизнеса балы эффективной и создать цифровой двойник производства с помощью технологий больших данных, Machine Learning и Internet Of Things, вы узнаете на наших образовательных курсах в лицензированном учебном центре обучения и повышения квалификации ИТ-специалистов (менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data) в Москве:
Источники
- https://www.rbc.ru/technology_and_media/27/05/2019/5ce825f99a7947aaec2e09ae
- https://habr.com/ru/news/t/453604/
- https://neftegaz.ru/news/tsifrovizatsiya/513068-gazpromneft-orenburg-sozdaet-tsifrovoe-mestorozhdenie-/
- https://www.rosneft.ru/press/news/item/195043/
- https://rb.ru/longread/digital-twin/
- https://habr.com/ru/company/croc/blog/481902/
- https://controlengrussia.com/innovatsii/novye-vozmozhnosti/
