Цифровизация завода в РФ и за рубежом: создаем цифровой двойник

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.

Big Data, Большие данные, предиктивная аналитика, Machine Learning, машинное обучение, цифровизация, цифровая трансформация, Internet Of Things, IoT, IIoT, интернет вещей — Нацпрограмма «Цифровая экономика» предполагает тотальную цифровизацию государственных предприятий

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].

Большие данные, предиктивная аналитика, Machine Learning, машинное обучение, цифровизация, цифровая трансформация, Internet Of Things, IoT, IIoT, интернет вещей — Цифровой двойник — это виртуальная модель реального физического объекта и его рабочих процессов

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].

Цифровая трансформация, цифровизация — Цифровые двойники позволят повысить эффективность производства

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: