Управление эффективностью активов в эпоху цифровизации

«Интернет вещей»: не откладывая на завтра

Промышленный «Интернет вещей», который недавно считался многообещающей технологией будущего, стремительно превращается в широко используемый инструмент, способный уже сегодня изменить облик производств и методы ведения бизнеса. Неслучайно технологиями IIoT начинают интересоваться все больше компаний из нефтегазового сектора, горнодобывающей промышленности и обрабатывающих отраслей.

Ошибочно полагать, будто облачные вычисления, машинное обучение, дополненная реальность и техническое обслуживание на основе прогнозов — только зарождающиеся, далекие от внедрения технологические инновации. На самом деле все эти средства доступны уже сейчас и на практике меняют подход ведущих промышленных компаний к повышению производительности активов и эффективности производства. По мнению многих аналитиков, влияние IoT на промышленный сектор будет выше, чем на потребительский. Согласно оценкам Forbes, к 2020 г. объем глобального рынка IoT-технологий достигнет $457 млрд при ежегодном росте капиталовложений около 28% (Forbes, Roundup of Internet of Things Forecasts, 2017 г.).

Когда промышленный «Интернет вещей» только зарождался, в фокусе внимания специалистов находились способы подключения различного оборудования к единой системе и сбор максимального количества данных с целью точного мониторинга. Но сейчас на первый план выходит вопрос о том, как наилучшим образом использовать полученные сведения, чтобы увеличить эффективность активов. Стало очевидно, что собранная информация не представляет большой ценности без глубокого анализа и интерпретации на основе отраслевых знаний. Только грамотная экспертиза позволяет правильно оценить данные: на ее основе можно не только понять, что уже произошло на производстве, но и делать точные прогнозы о будущем состоянии оборудования и характеристиках техпроцессов.

Новый подход к управлению производительностью

Прогрессивные руководители, учитывая возможности технологий IIoT, пересматривают сложившиеся на предприятиях стратегии повышения эффективности активов и строят производственные экосистемы по новым принципам. Оптимизировать работу оборудования и снизить риски аварийных остановов помогают анализ эксплуатационных данных и предсказательная аналитика. Облачные технологии, современные средства связи и программные продукты обеспечивают удобство совместной работы с полученной информацией, а также позволяют привлекать к решению проблем экспертов, находящихся за тысячи километров от производственного объекта.

До появления IIoT предприятия тоже, так или иначе, пытались управлять производительностью активов (Asset Performance Management, АРМ). К примеру, для этого традиционно применялись системы планового техобслуживания (ТО) и планово-предупредительных ремонтов (ППР) с периодической фиксацией данных на бумажных носителях или в электронных таблицах; позднее возникло и специализированное, впрочем, далекое от совершенства ПО. Несомненно, по сравнению с ситуацией, когда оборудование эксплуатируется до отказа и обслуживается исключительно по требованию, продуманное профилактическое обслуживание — большой шаг вперед, ведь оно увеличивает надежность технологических установок и станков, сокращает расходы на ремонт и обслуживание. Однако всем известно, что при этом сами ППР требуют немалых денег и времени, а потому зачастую они проводятся номинально или с отклонением от графика, что может привести к катастрофическим последствиям.

Но даже грамотно и своевременно выполненное ТО не может по своей эффективности сравниться с техобслуживанием, строящимся на основе технологий промышленного «Интернета вещей» и прогностической аналитики. Информация от датчиков, отслеживающих множество параметров состояния оборудования, помогает выявлять проблемы на ранних стадиях и предотвращать развитие неисправностей. При этом ремонтные службы останавливают технологические установки для профилактических работ не по графику, а только тогда, когда в этом действительно есть необходимость. Немаловажно, что мониторинг состояния активов происходит непрерывно, не требует отправки технических специалистов на объект и прерывания техпроцесса.

Таким образом, IIoT в сфере управления производительностью не только обеспечивает куда более широкий функционал, но и существенно снижает издержки компаний. Благодаря современному ПО в распоряжении руководства оказывается исчерпывающая информация, позволяющая принимать обоснованные решения, касающиеся эксплуатации активов. Это особенно актуально для предприятий, чьи производственные мощности ограниченны и работают на пределе возможного, а также для тех сфер бизнеса, где даже небольшое отставание от производственного плана грозит тяжелыми финансовыми последствиями и репутационными рисками.

Оптимальная стратегия эксплуатации оборудования

Как уже отмечалось, основные причины низкой производительности предприятий связаны с поломками оборудования и внеплановыми простоями. Так, нефтеперерабатывающий или химический завод среднего размера теряет около 5% мощностей только за счет незапланированных остановок техпроцессов. Благодаря цифровым технологиям и аналитическому ПО можно увеличивать время безотказной работы, количество и качество выпускаемой продукции на 1–2% в год. По консервативным оценкам, это проводит к повышению годового дохода предприятия на $26–30 млн. Вместо того чтобы постфактум разбираться в случившихся авариях, можно заблаговременно проводить упреждающий анализ, который позволит понять, как эксплуатировать и обслуживать оборудование, чтобы предотвратить вероятные проблемы.

Использование IIoT для управления эффективностью активов нефтеперерабатывающего предприятия можно рассмотреть на примере установки коксования. Ключевой показатель ее производительности — скорость на выходе коксового барабана. Отслеживая информацию о скорости в режиме реального времени, можно точнее управлять всей установкой.

Другой пример — функция системы управления, позволяющая непрерывно рассчитывать скоростной коэффициент для вакуумной колонны. Такой коэффициент важен для определения скорости переработки сырой нефти, температуры на выходе из контура нагревателя и расхода отгоночного пара. В цифровую эпоху операторы имеют постоянный доступ к текущим значениям этого критического параметра.

Применяя технологии промышленного «Интернета вещей» и продвинутые инструменты анализа данных, руководство предприятия имеет возможность принимать оптимальные решения для повышения производительности активов. Современные системы позволяют учитывать экономические показатели и делать выбор в сложных ситуациях. К примеру, иногда лучше снизить пропускную способность линии, чтобы продлить срок службы важного оборудования до следующего планового останова. В других случаях — допустим, в преддверии модернизации — следует повысить нагрузку на оборудование для максимального использования имеющихся возможностей. Если задача экономии средств стоит особенно остро, можно отказаться от излишних проверок некоторых компонентов оборудования, а заодно оценить, может ли потенциальная экономия на обслуживании компенсировать ожидаемые потери от вероятного аварийного простоя.

Легкое внедрение для быстрой окупаемости

Те, кому доводилось пользоваться традиционными программными пакетами в сфере управления эффективностью активов, знают, что создание систем АРМ требует начальных капиталовложений, ручной настройки сотен интерфейсов, трудоемкого администрирования систем, постоянных обновлений и обучения конечных пользователей. Эти факторы зачастую и удерживали руководство предприятий от внедрения подобных решений. Однако цифровая трансформация изменила подход к созданию систем АРМ.

Сегодня существуют стандартизованные методики внедрения, позволяющие быстро и просто развертывать АРМ на объекте. Если раньше на это уходили месяцы и даже годы, то сегодня достаточно нескольких дней или недель. Производители систем используют готовые, предварительно настроенные и протестированные шаблоны. Такие шаблоны разрабатывают на основе отраслевого опыта и реальных задач, стоящих перед заказчиками. Пользователь получает в распоряжение гибкое ПО, которое поддерживает автоматическую настройку и обеспечивает доступ к обширной базе отраслевых знаний.

Облачные технологии

Один из трендов в сфере цифровизации производств связан с подключением к облачным сервисам. Сегодня этот процесс интенсивно идет в нефтегазовой и горнодобывающей отраслях, где многие активы компаний территориально удалены друг от друга и расположены в трудно­доступных местах. Как правило, на месторождениях собирается большое количество данных, однако далеко не всегда непосредственно на объекте есть специалисты, способные грамотно проанализировать полученную информацию и принять оптимальные решения по надежной эксплуатации оборудования.

Подключив активы к облаку, компания может пользоваться экспертизой и аналитическими моделями производителя системы автоматизации, быть на связи со своим лицензиаром или привлекать сторонних специалистов к решению проблем, связанных с низкой производительностью или нестабильной работой оборудования.

В результате благодаря технологиям IIoT компании не только решают проблемы нехватки и высокой стоимости квалифицированных кадров, но и пользуются рекомендациями лучших отраслевых экспертов. Такая поддержка помогает выявлять нарушения в работе оборудования на самых ранних стадиях, экономя массу денег и времени.

В качестве примера облачного сервиса для APM можно упомянуть решение Honeywell Connected Plant Asset Performance Insight, предназначенное для повышения эффективности управления эксплуатацией и ТО промышленного оборудования. Оно обеспечивает подключение активов к облаку и применяет аналитические модели Honeywell и партнеров, чтобы избавить заказчиков от незапланированных простоев и излишнего обслуживания. Получая доступ к накопленному в отрасли опыту эксплуатации оборудования, заказчики могут эффективно использовать собираемые на их производственных объектах данные.

Другой пример, Honeywell Connected Plant Thermal IQ, — это система удаленного мониторинга для отслеживания и управления данными о критически важных тепловых процессах в сфере производства и в коммерческом секторе. Thermal IQ выполняет безопасное подключение оборудования для сжигания топлива к облаку и обеспечивает доступ к данным о тепловых процессах в реальном времени с любого «умного» устройства. Таким образом, персонал получает возможность более эффективно управлять тепловым оборудованием и контролировать его состояние, сокращая незапланированные простои и увеличивая время безотказной работы.

На пути к «цифровой зрелости»

Управление производительностью оборудования неотделимо от систем автоматизации производства, и эффективность современных АРМ определяется тем, что их можно тесно увязать с системами управления технологическим процессом. Отказы оборудования нельзя полностью проанализировать, предсказать или сократить лишь на основе просмотра данных APM, поскольку надежность активов зависит не только от надлежащего обслуживания, но и от характеристик управления техпроцессом.

Новый индустриальный уклад требует, чтобы каждое предприятие имело своего «цифрового двойника», т. е. некую виртуальную модель, описывающую оборудование и производственные процессы. Такой «двойник» выполняет множество функций, в том числе помогает устранить потенциальные проблемы, связанные с надежностью. На цифровой модели эксплуатационный и обслуживающий персонал может тестировать различные процессы, а затем оценивать, что произошло (описательная аналитика), почему это произошло (диагностическая аналитика), когда это может повториться (предсказательная аналитика) и что нужно сделать, чтобы это не повторилось или, в случае положительного события, наоборот, повторилось (предписывающая аналитика).

Таким образом, «цифровая зрелость» предполагает интеграцию данных о состоянии оборудования с информацией о характеристиках технологических процессов. Столь глубокое овладение цифровыми технологиями значительно повышает производительность и надежность производственных мощностей. Технологии IIoT, аналитика и привлечение отраслевых экспертов помогают промышленным предприятиям предотвратить незапланированные простои, увеличить выпуск продукции и свести к минимуму риски, связанные с безопасностью. Все это напрямую влияет на прибыль и другие бизнес-показатели.