База знаний

Примеры использования инструментов предиктивной аналитики

Дополнение к статье «Введение в SAP Predictive Analytics 2.0 и инструменты прогнозирования SAP HANA»

Авторы:

Михаил Савкин, старший менеджер отдела аудита систем и процессов, PwC

Жуау Андре Кардозу, специалист по базису и системам предиктивного анализа SAP PdMS и SAP ASMP

Предиктивная аналитика может быть направлена на проникновение технологий интеллектуальной промышленной аналитики, как в научно-исследовательскую деятельность, так и в коммерческий сектор и сферу производственного управления.

Идея точного прогнозирования технического и качественного состояния обусловлена острой потребностью фондоёмких и ресурсоёмких предприятий в существенном сокращении затрат на владение оборудованием, сервисное обслуживание и необходимость повышения конкурентоспособности своей продукции. Предиктивная аналитика позволяет извлекать необходимую информацию о поведении и техническом состоянии оборудования из различных источников данных (таких, как данные КИПиА, АСУ ТП, аналоговых приборов; ведомостей и журналов). Данная информация структурируется и обрабатывается с учетом особенностей функционирования и конструкции рассматриваемого узла и играет важную роль в принятии решений по управлению процессом обслуживания. Основной задачей предиктивной аналитики оборудования в данном случае является прогнозирование его технического состояния путем построения и использования предиктивной модели для контролируемого объекта.

Для успешной разработки и внедрения решений предиктивной аналитики необходимо иметь понимание как минимум двух базовых составляющих:

  • Накоплен определенный объем данных, сгенерированный промышленными единицами.
  • Эффективное решение в области интеллектуального анализа данных.

Один из краеугольных каменей скорости внедрения предиктивной является способностью адаптироваться (кастомизироваться) под специфику других стран и выдвигать повышенные требования к зрелости ИТ-структуры предприятия.

Таким образом возможно быстро и качественно оценить состояние эксплуатируемых промышленных единиц, выявлять зарождение и развитие аномалий и тренды, приводящие к сбоям и нарушениям производственного процесса, определять вероятность отказа и остаточный ресурс в режиме реального времени работы.

Применимость SAP Predictive Analytics распространяется на область Железных Дорог, где оборудование довольно дорогое и его доступность играет ключевую роль в формировании нераспределенной прибыли. С помощью продукта SAP PdMS удалось создать решение, которое определяет и прогнозирует состояние здоровья и целостность локомотивов, и учитывает данные от установленных датчиков. Функциональная архитектура EAM изображена на рис. 1.

Рис. 1. Функциональная архитектура EAM

Как выглядит верхнеуровневая архитектура систем показано на рис. 2.

Вы хотели бы увидеть полную версию статьи?

Если вы являетесь подписчиком журнала SAP Professional Journal, пожалуйста, авторизируйтесь на сайте.

Если вы хотите подписаться на журнала SAP Professional Journal, пожалуйста, обратитесь в редакцию или сделайте заказ на сайте.

Правила получения тестового доступа к статьям SAP Professional Journal


Любое воспроизведение запрещено.
Копирайт © «Издательство ООО «Эксперт РП» Copyright © 2010 Wellesley Information Services. All rights reserved.