Судовладельцы работают в условиях очень жестких сроков доставки, при этом команда каждого судна – всего несколько человек. Корабли находятся в движении почти круглые сутки, под постоянным воздействием соленой морской воды и сложных погодных условий. Поэтому иногда машины ломаются, а каждая незапланированная остановка – это потеря денег или клиентов. Чтобы этого не произошло, компания Caterpillar Marine предлагает использовать анализ больших данных и предиктивную аналитику.

Предсказать и предотвратить

В 2015 г. Caterpillar Marine приобрели технологию от компании ESRG Technologies Group. Эта система уже 15 лет обеспечивает мониторинг состояния оборудования и аналитику данных по морским перевозкам. Задача специалистов ESRG Technologies Group, большинство из которых сами бывшие моряки, – заставить устройства и агрегаты на борту работать с максимальной эффективностью, позволяя им при этом как можно дольше оставаться в строю.

Система анализирует показатели сенсоров и датчиков, закрепленных на оборудовании и предупреждает, если какие-либо характеристики отклонились от заданных параметров. В отличие от аварийной сигнализации, которая срабатывает только тогда, когда поломка уже произошла, предиктивный анализ ESRG Technologies Group сообщает, что агрегат скоро сломается. Таким образом, обслуживающий персонал успевает провести планово-предупредительные ремонты заранее.

Например, анализ данных у одного из клиентов Caterpillar Marine выявил следующую закономерность. Давление в масляных насосах на буксирах начинает падать за семь дней до их поломки. И это падение усиливается примерно за четыре дня до выхода из строя. При этом оно остается в рамках нормальных значений, то есть обычная сигнализация не срабатывает.

Получив подтвержденную модель развития аварийной ситуации, специалисты Caterpillar Marine предложили клиенту перейти от жесткого расписания ремонтов масляных насосов к ремонтам по требованию. Возврат инвестиций был мгновенный: клиент сэкономил до $35 тыс на ежегодном обслуживании одного двигателя.

Взгляд сверху

Сегодня предиктивная аналитика для отдельных узлов и агрегатов систем уже широко используется крупными промышленными предприятиями и транспортными компаниями. Это своего рода стандарт промышленного интернета вещей. Однако с ростом вычислительных мощностей фокус начинает сдвигаться в сторону многофакторного анализа, в основе которого обработка данных, поступающих от различных источников. Это позволяет выявить закономерности, неочевидные на уровне отдельных устройств.

Чтобы достичь успеха, компания Caterpillar Marine обратилась к помощи больших данных: она использовала программные системы Pentaho для интеграции и аналитики. Именно они помогли увязать между собой информацию, представленную в самых разрозненных форматах, и построить комплексные модели для выявления скрытых взаимосвязей в работе разных механизмов судна. Caterpillar Marine получила возможность учитывать огромное количество внешних факторов, почти не использовавшихся в анализе ранее: показатели температуры, давления и частоты вращения, значения географических координат и геометрических углов.

По словам Петра Травкина, руководителя направления Big Data в компании Hitachi Data Systems, решения Pentaho ежегодно имеют дело буквально с триллионами значений данных, которые необходимо оценивать. «Технологии Pentaho позволили заказчикам Caterpillar Marine увидеть то, что действительно важно для них, и что бывает непросто обнаружить, располагая только бортовым программным обеспечением. Объединение всех данных необходимо, чтобы понять, что они представляют собой в контексте целого судна», – заявил Петр Травкин.

В случае с Caterpillar Marine локальная система на корабле каждые 15 минут отправляет информацию в дата-центр на суше. Здесь разнородные данные при помощи программного продукта Pentaho Data Integration приводятся в единый вид и загружаются в аналитическую систему. Специалисты Caterpillar Marine не стали создавать самостоятельный продукт для первичной обработки данных, а купили уже готовый. По словам представителя компании, это позволяет им сосредоточиться на основном виде деятельности – визуализации и создании многофакторных моделей на основе получаемых данных. В результате клиенты видят взаимоотношения различных характеристик оборудования и их взаимное влияние. Например, куб данных может содержать информацию о потреблении горючего, скорости работы двигателей, загрузке судна, силе и направлении ветра. Комплексный анализ позволяет определить наиболее экономичные и эффективные режимы работы оборудования.

Система Pentaho Data Integration использует подход на основе метаданных и графический интерфейс с поддержкой перетаскивания объектов, что позволяет упростить комплексную процедуру преобразования данных под названием «извлечение/преобразование/загрузка» (ETL). Эта система обеспечивает масштабируемое согласование данных, представленных в различных форматах, и их загрузку в инструменты аналитики и создания отчетов компании на базе открытого ПО.

Дорога мини-трансформаций

Небольшие улучшения на каждом корабле могут дать значительный эффект в масштабах всего флота. Как правило, перевозчики беспокоятся о трех составляющих: расход топлива, незапланированные простои и соответствие требованиям по защите окружающей среды. Решение Caterpillar Marine позволяет экономить в каждом из направлений.

Например, на судах используется до пяти электрогенераторов для того, чтобы питать такое энергоемкое оборудование, как компрессоры или холодильные установки. При этом часто судовладельцы считают, что оптимальный вариант – использовать лишь часть генераторов, но с максимальной загрузкой.

Анализ данных показал, что это не так. Использование всех генераторов, но с неполной загрузкой позволяет экономить до $30 в час с каждой машины. Казалось бы, немного, но, если умножить эту экономию на 50 судов, работающих 24 часа в сутки 26 недель в году, то получится $650 тыс.

Для другого заказчика Caterpillar Marine рассчитал зависимость скорости работы двигателя от настроек лезвий гребного винта. Анализ данных, полученных в ходе тестов, выявил оптимальные сочетания, что сэкономило более $26 тыс на каждое судно.

Многофакторный анализ выявляет зависимости, неочевидные на первый взгляд. Один из клиентов Caterpillar Marine обнаружил, что экономия, которая получается после чистки и профилактики корпуса судна за счет улучшения эксплуатационных характеристик корабля, с лихвой покрывает стоимость самого обслуживания и приносит дополнительную экономию.

Не секрет, что в ходе эксплуатации корпус судна покрывается ракушками и водорослями, что негативно влияет на скорость и управляемость. Клиент Caterpillar Marine проводил профилактическое обслуживание по расписанию – раз в два года. Обслуживание обходилось в $35 тыс на каждый корабль. При этом потери компании из-за перерасхода топлива составляли $1,3 млн за два года на один корабль, то есть более $10 млн на всю флотилию из восьми кораблей.

С помощью системы бизнес-аналитики было рассчитано оптимальное количество обслуживающих мероприятий – шесть в течение двух лет. Общая экономия составил около $800 тыс на корабль или около $3,6 млн на всю флотилию.

Капитаны цифровых океанов

Аналитика работы оборудования в реальном времени – это то, что сегодня должно быть по умолчанию в компаниях, работающих со сложными устройствами и агрегатами. Комплексный, многофакторный анализ всех имеющихся в наличии данных – это будущее интернета вещей для крупных предприятий. Именно такой анализ позволяет находить взаимосвязи, способные дать толчок к трансформации бизнес-процессов и снижению издержек.

Сегодня каждый производственный процесс окружают океаны данных. Это зачастую разрозненная информация об окружающей среде и условиях работы оборудования, характеристики производственных процессов, показатели работы конкретных устройств. Тем не менее, каждый байт собирается и хранится, ожидая момента, когда он понадобится. Для того, чтобы максимально эффективно использовать данные, во многих компаниях появляются новые специалисты – в дополнение к CIO приходят CDO – Chief Digital Officer. Их задача – понять, какую пользу компания может извлечь из созданного мира промышленного интернета вещей.