Павел Миронов, - IBM...• Прогнозные, прокси модели О каких отраслях идет речь •ТЭК •Промышленность ...
Post on 05-Apr-2020
9 Views
Preview:
Transcript
Павел Миронов,
Ведущий консультант, R-Style
Опыт применения технологий IBM по Big Data
для решения актуальных бизнес – задач
Что есть Big Data
Особые технологии сбора и подготовки данных
• Многопоточный непрерывный сбор
• Массово-параллельные одновременные обработки в режиме реального времени
Новые технологии хранения данных
• Гибкое хранение независимо от структуры источника
• Высокая масштабируемость и доступность
• Сверхбыстрый доступ: Database in-memory, MapReduce
Технологии анализа
• Поиск скрытых зависимостей (Data Mining)
• Пространственный, текстовой анализ, распознавание образов
Технологии моделирования
• Искусственный интеллект, когнитивные нейронные сети
• Прогнозные, прокси модели
О каких отраслях идет речь
• ТЭК
• Промышленность
• Наука и экспериментальная деятельность
• Медицина
• Городское хозяйство
Тенденции в отраслях
• Увеличение объемов данных, переход к непрерывным измерениям
• Сокращение сроков принятия решения
• Автоматизация производства
• Усложнение технологий и сокращение сроков их освоения
• Переход систем принятия решений к модели функционирования мозга
(широкое использование аналогий и ассоциативного мышления)
Требования от отраслей
• Повышение доступности данных
• Повышение скорости оценки и качества данных
• Повышение оперативности принятия решения, приближение момента
принятия решения к моменту поступления данных (Enterprise in Real Time)
• Повышение точности и скорости прогнозирования
• Повышение оперативности моделирования
• Переход к малолюдным технологиям, взаимодействию типа SCADA-
компьютер-SCADA (SCS)
Что мы можем предложить • Интеграционная платформа
• Хранилище нового типа
• Решение по управлению качеством
• Решение по оперативному контролю и прогнозированию в режиме
реального времени (Stream computing)
• Управление производственным процессом в режиме реального времени
(Enterprise in Real-Time) с применением систем искусственного интеллекта
и прокси моделирования
Типовая
архитектура
решения
Big Data
Интеграционная платформа
Хранилище нового типа
Управление качеством
Оперативный контроль и прогнозирование
Управление производством
Road-map бизнес-решений
Повышение доступности данных
Повышение качества принимаемых решений
Повышение производственных показателей
Повышение ключевых показателей эффективности
Повышение скорости обработки данных
Снижение затрат на интеграцию (ИТ)
Снижение затрат на хранение и обработку
Снижение рисков неверных решений
Снижение производственных рисков и потерь
Снижение производственных затрат
Интеграционная платформа
Хранилище нового типа
Управление качеством
Оперативный контроль и прогнозирование
Управление производством
IBM® Content Analytics (ICA)
IBM SPSS
IBM® InfoSphere® Streams
IBM® SPSS
IBM® WATSON FOUNDATIONS
IBM® Content Analytics (ICA)
IBM® FileNet
Эффективная интеграция разнородных источников
Мгновенная обработка массивов в РРВ
Быстрая и оценка качества данных
Снижение производственных рисков и потерь
Снижение производственных затрат
Road-map программных
решений
Обеспечение быстроты – обеспечение эффективности
Проблемы скорости доступа:
• Получение и доставка непрерывно получаемых измерений
• Скорость доступа к хранилищу
• Скорость и глубина (многоходовость) обработки данных
• Скорость и многовариантность прогнозного моделирования
• Необходимость использования всего объема знаний в когнитивных
системах искусственного интеллекта (аналогии и ассоциации)
Road-map аппаратного
решения
Средства передачи непрерывного потока измерений
Распределенные хранилища
Средства обеспечения распределенных вычислений (Hadoop)
Средства обеспечения потоковых вычислений
Средства доступа ко всей совокупности хранилищ данных и знаний, непрерывного взаимодействия со SCADA
IBM PureFlex Systems
IBM SONAS IBM FlashSystem
IBM SONAS
IBM Netezza
Пример: Добыча нефти и газа
Интеграционная платформа
– Оперативный сбор производственных показателей
– Сбор данных по разработке месторождений
– Сбор результатов моделирования
Хранилище и управление качеством
– хранилище производственных показателей
– хранилище ГГ моделей
Оперативный контроль и прогнозирование
– оперативный контроль производственных показателей
– анализ производственных показателей
– прокси-моделирование (оперативное прогнозирование)
Управление производством
• Поддержка жизненного цикла проекта разработки месторождений, включая:
– Взаимодействие с системами моделирования, подготовка пакетов данных к моделированию,
– формирование общего информационного пространства рабочих групп
– Организация хранилища геолого-гидродинамических моделей
– Унификация процессов подготовки и моделирования
– Организация взаимодействия производственных систем с системами моделирования
Интеллектуальное месторождение
– Взаимодействие системы прокси-моделирования с ГГ моделированием
– СППР эксплуатации месторождений
Интеграция информационных ресурсов
• Для специалистов по моделированию резервуара значительно сократилось время поиска
необходимой информации по файловым ресурсам, интерпретационным базам данных
• Нет необходимости теперь иметь дело с десятками разнообразных систем и интерфейсов
при поиске информации.
• Пользователям предоставлен сервис мгновенного поиска информации
• Информация представляется в структурированном виде и выводится на экран в привычных и
удобных для пользователя табличных формах
Инновационный пилотный проект по высокоскоростному
интегрированному доступу к геолого-геофизической и
промысловой информации.
Впервые информация из широкого ряда
специализированных систем стала доступна
специалистам через единый унифицированный интерфейс
Время
Параметры процесса
Аварийное состояние, обнаруженное системой
Пределы нормы АСУ Неблагоприятные последствия
Давление
Температура
Поток
Упреждающее решение проблем – предупреждение и предложения операторам до выхода за пределы нормы
Упреждающее выявление проблем с помощью активного мониторинга
Управление предупреждениями с помощью интеллектуальной фильтрации и корреляции
Мощный анализ причин с помощью графического анализа признаков
Поддержка принятия решений по устранению проблем с применением экспертных знаний
Прогноз последствий проблем с помощью механизма рассуждений
Увеличение производительности газовых скважин
• 15% рост добычи из 350 скважин
• Анализирует данные и изменяет настройки процесса контроля каждые
15 - 45 минут
• Применяет методы принятия решений в режиме реального времени, основываясь на инженерном опыте и опыте операторов
• Прогнозирует нештатные ситуации, предупреждает операторов и дает рекомендации по устранению этих ситуаций
Система принятия решений на базе
нейронных сетей автоматизирует контроль
путем достижения баланса между добычей
газа и удалением излишков воды
Партнерство с:
Преимущества системы:
– В отличии от классических жестко запрограммированных СППР нейросетевые модули могут в любой момент времени зафиксировать новые возникающие производственные и технические ситуации и запомнить реакцию диспетчера на них
– Путем самостоятельного продолжающегося ассоциирования прогнозировать развитие системы и предупреждать диспетчера о возможном развитии ситуации до ее наступления
– Предлагать диспетчеру для санкционирования строго определенный сценарий действий
– Запоминать и синтезировать сигнально-управляющие команды, устанавливающие оптимальные параметры различных режимов работы скважин при выполнении изменяющихся производственных заданий .
– Синтезировать высказывания на естественном (русском языке)
• помощь диспетчеру в анализе текущего режима работы объекта
• автоматизации идентификации аварийных ситуаций
• выдача диспетчеру рекомендаций по их устранению при
максимальном сохранении работоспособности технологического
объекта в целом Схема размещения
скважин Срез межнейронных связей
мозга человека
32605 32705
32707
32806
32805
32702 32703
32607 32603 32704 32701
32608 32606 32601 32706 32708 32804
32604 32602 32503 32505 32802 32801
32502 32501 32507 32803
32504 32506 32508
32904
32902
3290132903
32905
3290633002
33001
3300333004
3300633005
33101
3310233103
3310433202
33201
33203
33204
33205
33301
33302
33303
33305
33304
44504
44508
44509
44405
44407
44409
44501
44503
44403
44401
44404
44408
44502
44505
44304
44309
44402
44406
44301
44310
44206
44303
44305
44308
44203
44208
44207
44201
44204
44205
44108
44202 44106
44101
44104
44102
44103
44009
44007
44008
44005
44006
44002
44004
44003
44001
43907
43908
43909
43906
43904
43905
43903
43902
43901
43804
43805 43802
43803 43801
43704
43707
43706
43702
43701
43705
43703
43609
43607
43603
43610
43611
43605
43601
43507
43504
43608
43606
43602
43508
43505
43502
43407
43406
43604
43506
43503
43501
43408
43404
43402
43405
43403
43401
44105
44507
44302
44306
44506
44307
44107
11102
11103
11106
11201
11205
11302
11303
11307
11402
11405
1150411505
11602
11604
11605
11702
11705
11801
11901
11904
11906
12002
12101
12104
12203
12204
12302
12305
20102
20103
20104
20203
20306
20302
20305 20502
20406
20602
20605
20702
20704
20802
2080620903
20905
21003
21004
21007
20403
20206
20505
242
243
12301
241
1110111104
11105 11107
11202
1120311204
11206
11301
11304 11305
1130611401 11403
11404 11406
1150111502
11503
1150611507
11601 11603
11606
11701
11703
11704
11802 11803
11804
11902
1190311905 12001
12003
12004
12005 1210212103
12105
12202
12205 122061230312304
20101
2010520106 20201 20202
20204
2030320301
20307
2030420401
20402
20404
20405 20501
20503
20504
20601 20603
20604
20701
20703
20705
20706
20803
20804
20801
20805
20901
20902
20904
20906
21001
21002
21005
21006
20205
20506
244
12201
6
305
219
309
205
209
212207
216
217
117
105 104
103
116
107
108
106
109
102
110
114
118
113
121 119
120
112
123
122
24
21
18
31
Куст 29
Куст 30
Куст 31
Куст 32Куст 33
Куст 25
Куст 26 Куст 27
Куст 28
Куст 34
Куст 35
Куст 36
Куст 37
Куст 38
Куст 39Куст 40
Куст 41
Куст 42
Куст 43
Куст 44
Куст 45
Условные обозначения
Граница контура Граница контурагазоностности пласта: нефтеностности пласта: БТ 6-8 БТ 10(1) БТ 10(1) БТ 11 БТ 11(1) линия глинизации пластов БТ11
Площадка куста сеноманских скважинПлощадка кустов газоконденсатных и нефтяных скважин
Забои пробуренных скважин(на 01.01.2009): Забои проектных скважин: разведочные; газокконденсатные скважины на БТ 6-8, БТ 10(1) и БТ 11; эксплуатационные на сеноман; нефтянык скважины на БТ 10(1) и БТ 11(1); эксплуатационные газоконденсатные скважины на БТ 6-8 и БТ 10(1)
Масштаб 1:125000СППР по эксплуатации месторождений (WATSON)
Энергетика: минимизация последствий отказов • Интеграционная платформа
– Оперативный сбор данных с датчиков энергетических объектов и интеллектуальных индикаторов распространения отказа
– Интеграция с ОРС-серверами
• Хранилище и управление качеством
– поддержка технологии ОРС (OLE for Process Control) и стандартных протоколов обмена данными
– Хранилище производственных показателей
• Оперативный контроль и прогнозирование
– Контроль состояния сети
– Оценка остаточного ресурса трансформаторов
– Анализ показателей энергопотребления
– Мониторинг запаса устойчивости энергосистемы
– Мониторинг переходных режимов (СМПР)
• Управление производством
– Связь с интеллектуальными устройствами обеспечения восстановления через сотовую сеть GPRS, идентификация место отказа, автоматическая изоляция и восстановление поставки электроэнергии
– Применение архитектура с локальной централизацией и использованием интеллектуальных главных контроллеров, каждый из которых поддерживает связь с ограниченным числом подчиненных устройств.
– Применение СППР для «умных сетей» (Smart Grids) на базе нейронных сетей (WATSON)
СППР управления «умной сетью» (WATSON) Применение WATSON Foundations в качестве интеллектуальной системы управления распределением (DMS) и
интеллектуальной электроэнергетической системы с активно-адаптивной сетью (ИЕС ААС) создаст "умную",
автоматически ремонтирующуюся сеть
• Автоматизированное распределение нагрузок и регулирование потребления
• Автоматизация процедуры восстановления после отказа: самовосстанавливающаяся система быстро восстановит
две или три секции фидера, и автоматически подключит потребителей, оставив поврежденную секцию фидера
изолированной
• Управление технологическими процессами и поддержание параметров энергоснабжения на заданном уровне
• Управление автоматизированными объектами, работающими без обслуживающего персонала
• Руководство аварийными бригадами и дежурным персоналом при ликвидации мелких поломок и аварий на
энергетических коммуникациях внутри предприятия
• Руководство оперативными переключениями
• Оперативное распределение энергетических ресурсов внутри предприятия в случае профицита энергоносителей
Снижение энергозатрат
• Ежегодная экономия затрат на электроэнергию составляет
1 750 000 долларов
• Степень контроля за замкнутой системой приближается к 100%
• Система + оптимизатор обновляют настройки каждые 5 минут
• Результат превысил поставленные цели
3.3 0.0
67.4
72.1
95.1 91.9
96.9
98.899.6
3.3 1.6
23.6
35.7
46.5
54.660.0
64.668.4
71.589.9
0
10
20
30
40
50
60
70
80
90
100
Jan-
02
Feb-0
2
Mar
-02
Apr
-02
May
-02
Jun-
02
Jul-0
2
Aug
-02
Sep
-02
Oct
-02
Nov
-02
Dec
-02
% U
se
2002 Target
Monthly Use
Year To Date
Оптимизатор системы принятия решений на нейронных
сетей для управления системами энергоснабжения закрытого
цикла для крупных нефтехимических заводов
20
Решения – Интеграционная платформа
– Хранилище нового типа
– Управление качеством
– Оперативный контроль и прогнозирование
состояния
– Управление производственным процессом
– Широкий охват источников данных
– Отсутствие временного разрыва
между поступающими данными и их
анализом
– Широкие возможности поиска
скрытых взаимосвязей и
эвристического анализа
– Возможности перехода к
малолюдным технологиям
Павел Миронов
Ведущий консультант, R-Style
Pavel.Mironov@r-style.com
+7 (495) 640 60 10 доб.4545
+7 (903) 218 19 48
top related