Сегодня руководители предприятий сталкиваются с рядом вызовов, включая снижение влияния человеческого фактора влияния на процессы, оптимизацию расхода материалов, выявление и устранение узких мест, а также снижение затрат на ТОиР и исключение внеплановых простоев и поломок. Решение этих проблем может быть найдено через создание цифровых двойников.

Цифровой двойник —-это программное отображение реального процесса, моделирующее его функционирование  при условиях помех и окружающей среды. Он строится на основе анализа данных, полученных от сенсоров, с использованием машинного обучения. Цифровой двойник позволяет предприятиям быстрее обнаруживать физические проблемы, предсказывать результаты технологических процессов, повышать качество продукции и уменьшать влияние человеческого фактора.

В чем сложности построения цифровых двойников и прогнозных моделей?

Построение цифровых двойников может быть сложным процессом, требующим значительного времени и затрат. Это связано с необходимостью объединения технической информации, описания процесса и фактических данных сдатчиков для создания прогнозной модели. Для создания таких моделей обычно используют статистические методы и все больше прибегают к методам машинного обучения.

Однако достижение практических результатов, таких как экономия, повышение производительности и прибыли, является непростой задачей.Несмотря на развитие технологий в области нейросетей и анализа данных, для успешной реализации цифровых двойников требуется глубокий опыт как в математике, так и в конкретной области применения. При построении прогнозных моделей необходимо правильно выбрать метрику, понять, как улучшение математической метрики связано с улучшением экономических показателей, а также выбрать и применить подходящий метод машинного обучения, учитывая его ограничения и настраивая его для стабильной работы в условиях изменяющихся или неполных входных данных. И это лишь некоторые из вопросов, на которые необходимо найти ответы.

Построение цифровых двойников требует комплексного подхода, включающего не только технические аспекты, но и понимание бизнес-процессов и целей предприятия. Это процесс, который лучше всего выполнять с участием экспертов в области данных, машинного обучения и промышленных процессов, чтобы обеспечить максимальную эффективность и успешное применение цифровых двойников на практике.

Цифровая платформа AILine

Платформа AILine, разработанная командой специалистов из Softline Digital, представляет собой инструмент для создания цифровых двойников, прогнозных и рекомендательных моделей на предприятиях. Она позволяет проводить внедрение методов машинного обучения без необходимости переподготовки персонала и привлечения специалистов по данным.

С помощью платформы AILine можно быстро (за 1-2 недели)провести пилотирование, которое включает исследование применимости методов моделирования к конкретному процессу, анализ достаточности данных и оценку достижимости требуемых метрик.исследование и оценить применимость моделирования к конкретному процессу, а также проанализировать данные и оценить достижимость требуемых метрик.

Одно из отличий AILine от других систем заключается в том, что она не только предоставляет прогноз, но и обосновывает его. Платформа подсвечивает важные параметры, выделяет аномальные ситуации и определяет точность прогноза для каждой ситуации. Это дает оператору возможность вмешаться, если ситуация выходит за рамки. Динамическое обучение и определение границ применимости являются важными аспектами системы AILine.

‍

На практике AILine представляет собой программный продукт, который может быть развернут как в облачной среде, так и внутри инфраструктуры заказчика. Для настройки продукта необходимо указать входные и выходные параметры, а также параметры, которые требуется оптимизировать. Система обнаружит аномальные значения, задаст вопросы о данных, подсветит аномальные ситуации и предложит их интерпретацию. Она также научится работать с неполными данными. В результате настройки системы предоставляются различные интерфейсы и панели управления (dashboards) для операторов, технологов и руководителей. Операторам и технологам предоставляются рекомендации по управляющим воздействиям, анализ возможных сценариев и прогнозирование производства. Руководству предоставляется сводный план, который помогает повысить управляемость процесса в целом.

Основные преимущества платформы можно разделить на три блока:

Адаптивность

• При изменении условий (сырье, процесс, требования) технолог может самостоятельно донастроить модели.
• Выбор наилучшего метода ИИ исходя из ситуации.
• Использование знаний о технологии вместе с фактическими данными для более точного моделирования.

‍
Легкость масштабирования и внедрения

• Построение рабочего прототипа за одну неделю.
• Интеграция с системами сбора и хранения данных.
• Поддержка решения опытными специалистами.

‍
Удобство и практическая польза

• Детализация каждого прогноза и рекомендации: подсвечиваем важные в данный момент параметры и аномалии.
• Моделирование ситуаций: как поведет себя процесс при изменении параметров.
• Индивидуальные дашборды: для оператора, технолога, руководства.

Практическое применение AILine

При построении платформы AILine мы старались избежать проблем стандартных способов построения цифровых двойников, сохранив их достоинства.

Как результат, мы провели ряд успешных внедрений и пилотных проектов. Наши основные направления это: —металлургия, нефтехимия и агропромышленный комплекс. Платформа показала свою применимость в задачах от флотации до расхода ферросплавов, от оптимизации выработки метиленхлорида до прогноза производительности стада, от шихтовки и процесса измельчения руды до прогноза прогноза хим. состава и брака продукции.По нашему опыту в случае готовности задачи и процессов внедрение пилотного проекта занимает до 2 недель, однако мы можем вместе пройти весь путь с самого начала, от анализа производства и постановки задачи.

‍