Сегодня руководители бизнеса, желающие оставаться конкурентоспособными и предсказуемыми, сталкиваются с рядом задач: снижение влияния человеческого фактора на процессы, оптимизация расхода дорогостоящих материалов, регулярное выявление и оптимизация узких мест, снижение затрат на обслуживание при исключении незапланированных простоев и поломки.

Решить эти проблемы помогает создание «цифровых двойников». Цифровой двойник — это программный аналог процесса, моделирующий его протекание под воздействием помех и внешней среды. Цифровой двойник строится на основе анализа данных с сенсоров с помощью машинного обучения. Решение позволяет предприятию быстро выявлять физические проблемы, прогнозировать результаты технологических процессов, повышать качество продукции и, конечно же, снижать влияние человеческого фактора.

В чем сложности построения цифровых двойников и прогнозных моделей?

Однако создание таких двойников — сложный процесс, который может занять много времени и средств. Эта сложность связана с необходимостью объединения технологической информации, описаний процессов и фактических данных с датчиков для создания прогнозной модели процесса. Для создания таких предиктивных моделей, как правило, используются статистические методы и все чаще методы машинного обучения. Получение итогового результата в виде экономии, повышения производительности и прибыли — непростая задача, и, несмотря на бум нейронных сетей и науки о данных, приложение требует глубокого опыта как в математике, так и в приложениях. В рамках построения прогностических моделей необходимо оптимально подобрать метрику, понять, как это улучшение целевой математической метрики приводит к улучшению экономических показателей, а также правильно выбрать метод машинного обучения и понять границы его применимости, настроить стабильную работу в условиях изменения или частичного отсутствия входных данных. И это только часть вопросов, на которые необходимо найти ответы.

Цифровая платформа AILine

В Softline Digital мы собрали команду специалистов, которые последние 6 лет занимаются практическим внедрением машинного обучения на предприятиях и, обобщая этот опыт, создали платформу AILine. Это платформа, позволяющая создавать цифровые двойники, прогностические и рекомендательные модели без переобучения персонала. Это также позволяет улучшать математические модели на основе фактических значений датчиков без необходимости в специалистах по обработке и анализу данных.

Платформа содержит необходимые компоненты для создания цифровых двойников, что позволяет относительно быстро (за 1-2 недели) провести пилотирование, т.е. изучение применимости методов моделирования к конкретному процессу, анализ адекватности данных и оценку достижимости требуемые показатели.

В отличие от аналогичных систем, AILine не только составляет прогноз, но и обосновывает его: выделяет важные в данный момент параметры, нештатные ситуации и определяет точность прогноза в каждой ситуации, что позволяет оператору вмешаться, если ситуация пойдет за рамками. Динамическое обучение и в то же время определение границ применимости — важный аспект нашей системы.

В общем случае встраивание платформы в предприятие выглядит следующим образом

На практике решение представляет из себя программный продукт, который может быть развернут как в облаке, так и в контуре заказчика. Для настройки продукта необходимо указать входные и выходные параметры, а также те, которые нужно оптимизировать. Система выявит аномальные значения задаст вопросы о данных, подсветит аномальные ситуации и предложит их интерпретировать, научится работать в условиях неполных данных. В качестве результата настроенная система предоставит различные интерфейсы, «дашборды» для оператора, технолога и руководства. Для оператора и технолога это рекомендации по управляющим воздействиям, whatif анализ и прогноз производства, а для руководства сводный план, позволяющий повысить управляемость процесса в целом.

Основные преимущества платформы можно разделить на три блока:

I. 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.

II. Легкость масштабирования и внедрения

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

III. 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.