Copyright © SAS Institute Inc. All rights reserved. Аналитика для предсказания поломок оборудования Обеспечение непрерывности производства Николай Клемашев
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Аналитика для предсказания поломок оборудованияОбеспечение непрерывности производства
Николай Клемашев
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Потери от внезапных поломок
• Дорогостоящий ремонт
• Больше повреждений
• Длительный ремонт
• Как следствие, большие потери производства
• ConocoPhilips, 35 млн. долл. за день простоя
• Репутационные потери
• Загрязнение окружающей среды (протекание труб)
• Недовольство населения (отключение воды)
• Катастрофы
• Саяно-Шушенская ГЭС, 17 августа 2009
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Два основных типа решаемых задачДва основных аналитических подхода
• Прогнозирование поломок критического оборудования• Машинное обучение
• Ранжирование оборудования для инспектирования• Анализ выживаемости
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Прогнозное управление надежностью SAS
Регламентная работа аналитических моделей
Тактическое/стратегическое управление
Часы/Дни
Дежурная смена
Список вероятных инцидентов
Недели/ Месяцы
Факторы влияния/ Причины аварий
Факторы влияния/ Причины аварий
Факторы влияния/ Причины аварий
Аналитический модуль
DATA MINING
Анализ факторов
Информация с датчиков по работе
оборудования
Вероятность инцидентаНестандартное поведение датчиков
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Прогнозирование поломок оборудования Машинное обучение
Обучение модели Применение модели
Кол-во скачков температуры подшипников
Повышеннаявариабельность
температуры подшипников (мин)
Повышеннаявариабельность
момента силы (мин)
Кол-во скачков вибрации
Кол-во скачков температуры бака
...Нештатная ситуация в
следующий час
2 51 2 2 1 ... ДА
3 25 0 3 2 ... НЕТ
... ... ... ... … ... …
Кол-во скачков температуры подшипников
Повышеннаявариабельность
температуры подшипников (мин)
Повышеннаявариабельность
момента силы (мин)
Кол-во скачков вибрации
Кол-во скачков температуры бака
...Нештатная ситуация в
следующий час
0 7 2 0 0 ... 0,37
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Прогнозирование поломок оборудованияВыявление странностей в динамике показаний датчиков
время
Отказ
Давление
масла
Верхний предел
предупреждения
Нижний предел
предупреждения
Ступенчатоеизменение Одиночный
импульсОдиночный
импульс
Неустойчи-вость
Отказ
Верхний предел
предупреждения
Нижний предел
предупреждения
Частота
вращения
двигателя
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Прогнозирование поломок оборудованияПостроение профилей аномалий
ОСТАНОВ
В сигналах датчиков нет
«странностей»
Необычное поведение показателей
оборудования: скачки, нестабильность,
выбросы
Время до останова (число 5-минутных интервалов)
Вес
«ст
ран
но
стей
»
Точка анализа: странности уже
видны и остается время
на реакцию
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Прогнозирование поломок оборудованияМетодика обучения и применения модели
Анализируемыйинтервал
Окнореагирования
Горизонтпрогнозирования
Регламентприменения
Время
Анализируемыйинтервал
Окнореагирования
Горизонтпрогнозирования
Момент построения прогноза
Copyright © SAS Inst itute Inc. A l l r ights reserved.
SAS Visual StatisticsИнструмент для бизнес-пользователей
Интуитивно понятный веб-интерфейс для
работы аналитиков и бизнес экспертов
In-memory анализ данных в
различных разрезах на лету
Широкий набор визуализаций и целый
ряд аналитических алгоритмов
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Газоперерабатывающий заводПример анализа данных
• Крупный завод на ближнем востоке
• Ежедневно производит и перерабатывает
• 370 млн. куб. футов (10,000,000 m³) попутного газа.
• 40,000 барр. (6,000 m³) газоконденсата.
• 1,800 метрических тонн серы.
• Высокотехнологичное производство
• В системе очистки газа от серы периодически возникали серьёзные отказы. Стандартные средства анализа не помогли выяснить причину.
• Для анализа причин была использована аналитика SAS
Copyright © SAS Inst itute Inc. A l l r ights reserved.
SAS Enterprise MinerИнструмент для аналитика и/или Data Scientist’а
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Пилотный проект в России• Оперативное предсказание НШС на компрессорных
станциях
• Анализируемые типы НШС:
• «Осевой сдвиг (перегруз МП)»
• «Отказ КМП (СУМП)»
• Единая модель на 7 НШС данных типов
• 118 показателей со SCADA:
• 1 измерение в секунду
• 1 час перед каждым из 7 НШС в прошлом + штатная работа
• 22 типа странностей для каждого датчика
• 2596 потенциальных факторов возникновения НШС
• 46 факторов выделены Системой как значимые
• Выявление необычной работы оборудования
• Для всех остальных типов НШС
Транспортировка газа
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Пилотный проект в России • Значимые факторы наступления НШС на ГПА:
• Дисперсия давления газа на входе компрессора (изб.)
• Дисперсия перепада давления буферного газа на фильтре СГУ
• Дисперсия давления на выходе первой ступени СГУ2 (заднего)
• Среднее значение осевой силы
• Минимальный скачок dP между атмосферным и полным Р воздуха на входе в К ГГ)
• Дисперсия давления газа на выходе компрессора (изб.)
• Количество скачков давления воздуха за компрессором ГГ
• Создана модель:
• Специализированные методы предсказания редких событий (Gradient Boosting)
• Комбинация 42 деревьев решений
• Применима ко всем ГПА этого типа
Транспортировка газа
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Пилотный проект в России Тестовая эксплуатация
• Каждые 10 минут:
- Система анализирует последние 45 минут работы агрегатов
- Формирует вероятность возникновения инцидента в течение 15 – 60 минут (значение от 0 до 1)
• Инциденты: зафиксировано не было
• Зафиксированы предупреждения для одного из ГПА с низкой вероятностью инцидента: нестабильность в работе указанных моделью параметров и снижение надежности ГПА подтверждены
Транспортировка газа
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Ранжирование оборудования для инспекцийДва критерия ранжирования
• Два варианта ранжирования
• По вероятности выхода из строя в течение некоторого периода
• Для каждой единицы оборудования рассчитывается вероятность поломкив течение некоторого периода
• Инспектировать оборудование с наибольшей вероятностью поломки
• По ожидаемому времени до поломки
• Фиксируется уровень риска
• Для каждой единицы оборудования определяется время поломки
• Инспектировать оборудование, которое скоро выйдет из строя
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Ранжирование оборудования для инспекцийВероятности поломки в зависимости от времени
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Ранжирование оборудования для инспекцийРанжирование по вероятности поломки в течение месяца
720
0.37
0.76
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Ранжирование оборудования для инспекцийРанжирование по времени до поломки
280190
Copyright © SAS Inst itute Inc. A l l r ights reserved.
BARCOУдалённый мониторинг состояния оборудования
Copyright © SAS Inst itute Inc. A l l r ights reserved.
SAS Connected Vehiclehttps://www.youtube.com/watch?v=EhYUNn3ltUo
Преимущества:• Много данных• Качество аналитики• Дополнительное направление
бизнеса• Повышение качества
выпускаемой продукции
sas.com
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Спасибо за внимание