Спикеры: Михаил Александров, технический директор по продукту Polymatica ML, Илья Ушанов, генеральный директор ООО "ГЕЛАРМ", Алексей Бредихин, менеджер по работе с ключевыми клиентами, Polymatica.
Копания Polymatica является российским разработчиком одноименной аналитической платформы. На рынке она с 2011 года. Пользователями платформы являются более 30 тысяч человек как в России, так и в Европе. Представлены они в различных отраслях. Продукт используется в четырех критически важных приложениях правительства РФ. Решения представлены в реестре отечественного ПО.
Самый наш масштабный проект - это Федеральная Налоговая служба РФ, где Polymatica используется для всех задач налоговой аналитики. Polymatica признана базовой аналитической платформой ФНС России. Тут решаются задачи как юридических, так и физических лиц, сбор НДС, сбор налогов и т.д.
Есть ряд интересных проектов с администрациями городов и областей, с департаментом ИТ Москвы, с Пенсионным фондом России, интересный проект с московским метрополитеном, где Polymatica используется для мониторинга пассажиропотока. Но представлен вендор не только в государственном секторе, есть ряд коммерческих заказчиков. В основном это ретейл, розничная торговля, есть проекты в производственном секторе. Есть проект у телекомоператоров, есть проект в энергетической отрасли.
И несколько слов о продуктовой линейке Polymatica. Сейчас три модуля. Модуль Polymatica Dashboards это модуль для построения информационных панелей. Это конструктор, который позволяет быстро создать и построить необходимые дашборды, виджеты.
Это может быть рабочий стол руководителя, секционный центр. Здесь не требуется никакое программирование для добавления необходимых дашбордов и виджетов. Обозначим два интересных момента в данном модуле. Первый – это возможность встраивания дашбордов сторонних приложений. И второй – это возможность добавления кастомных виджетов без привлечения компании-разработчика.
Следующий модуль это Polymatica Analytics. Это наш продукт, с которого в принципе начиналась история компании Polymatica. Это называется мультисфера. Этот модуль позволяет работать с большими объемами данных в режиме либо близком к реальному времени, либо в режиме реального времени. Основная идея – проведение исследовательской эко-аналитики на всем имеющемся массиве данных, в том числе и на исходной детализации, когда необходимо, например, провалиться в трансакцию в чеке.
И третий модуль, который вышел в конце прошлого года, о применении которого в решении задач мониторинга технологических процессов будет основной рассказ сегодня. Это модуль Polymatica ML. Этот модуль создан для следующего этапа работы с данными. Здесь уже есть применение модели МО и ИИ. Платформа является модульной. Все модули могут приобретаться как отдельно для решения каких-то определенных задач, так и все вместе, как единое комплексное решение. Платформа разворачивается как правило в инфраструктуре заказчика, в том числе мы полностью поддерживаем работу в закрытом контуре.
Затем слово взял Илья Ушанов, генеральный директор ООО "ГЕЛАРМ". Компания "ГЕЛАРМ" основана в 2017 году, там работает техническая команда, которая занимается развитием компании с опытом в 12 лет по построению систем мониторингого управления.
До этого мы занимались как внедрением систем мониторингого управления в области телекома, в частности работали с такими заказчиками, как Мегафон, Вымпелком, Единой энергосистемой, Федеральной сетевой компанией. Т.е. внедряли систему мониторинга в масштабах РФ. Сейчас мы уходим от проектной деятельности именно по внедрению систем мониторинга управления, мы переключились на продуктовый стек уже в течение 5 лет разрабатываем свою продуктовую линейку, которая состоит их трех продуктов: это, GIMS Automation, GIMS Inventory и GIMS Monitoring.
GIMS Automation - это продукт, который предназначен для сбора информации из различных источников и обработки этой информации. GIMS Inventory – это инвентаризация оборудования, программного обеспечения, различных процессов и т.д. GIMS Monitoring - это модуль, предназначенный для обработки событийной информации и для обработки метриковой информации. Офисы компании располагаются в Москве и Пензе.
В области телекома и энергетики у нас накоплен большой опыт по мониторингу, и мы сейчас ищем новые ниши, новые направления, по которым мы могли бы развиваться. Для нас сейчас очень интересно создание систем мониторингого управления именно для промышленного сектора. Мы совместно с компанией Polymatica сделали комплексное решение.
Мы предлагаем следующее. Допустим, имеется технологический процесс, с которого мы снимаем некие метрики, события от работы оборудования, от ПО, которое управляет этим технологическим процессом. Эту метриковую информацию мы обрабатываем, анализируем на основании каких-то исторических данных, которые нам предоставлены, формируем оптимальные параметры функционирования производственной цепочки и далее эти управляющие команды мы можем переносить на оборудование. Помимо прочего, мы получаем единое окно, в рамках которого мы видим единые отчеты о том, как у нас функционирует производство, можем подстраивать какие-то индивидуальные этапы технологического процесса.
Наш модуль GIMS Automation предназначен для подключения к различным источникам данных. Он собирает от оборудования параметры его функционирования: потребления расходных материалов, инженерные параметры, такие, как потребление электроэнергии, размеры щели дробилки и т.д. Далее эта собранная информация передается в GIMS Monitoring. Это метриковая событийная информация сохраняется, получается некий Data-set. На основании этого Data-set модуль компании Polymatica, который называется Polymatica ML, анализирует эти данные и ищет оптимальные параметры как нужно подстроить тот или иной этап технологического процесса. Т.е. формирует обратную связь. Технологический процесс выполняется, мы сняли с него данные, увидели, что они выполняются немного не оптимально, проанализировали данные, определили оптимальные параметры, которые необходимо через обратную связь установить на оборудовании и далее через тот же модуль GIMS Automation отправили управляющие команды на оборудование.
Модуль GIMS Inventory позволяет выполнять инвентаризацию. Для того, чтобы технологическим процессом управлять, мы должны понимать, где и какие модули в этом технологическом процессе используются, какими параметрами они обладают, как они взаимосвязаны с другими модулями и т.д. Также GIMS Inventory может описывать некие логические сущности, которые относятся к этому техпроцессу, в частности привязывать к готовой продукции из технологического процесса контрактную базу и т.д. и т.п.
Рассмотрим классический процесс получения глинозема из боксита. Сначала боксит поступает в дробилки, затем в автоклав, сгуститель, фильтр-пресс, осадитель, затем обжигается в печи. С каждого данного технологического процесса можно снимать параметры. Наша задача не просто их снять и прочитать, но и понять, насколько эти параметры оптимальны для выхода продукции наилучшего качества.
На этапе дробления у нас есть возможность задавать ширину щели дробилки для наилучшего измельчения продукта. На этапе автоклава мы можем регулировать температуру и давление в нем. На этапе сгущения можем регулировать расход реагентов и величину разгрузки сгустителя, т.е. через какое время необходимо его разгружать. На этапе фильтрации мы можем управлять временем фильтрации в фильтр-прессе, выставлять мощность и температуру. Все эти математические параметры собираются в нашу базу мониторинга, после этого модуль Polymatica анализируя исторические данные, которые были накоплены в этом Data-set и анализируя текущие данные, определяет, насколько оптимально на данный момент функционирует технологический процесс. И задача модуля состоит в том, чтобы сформировать максимально оптимальные параметры. Потому что классическая обратная связь у нас на технологических процессах работает следующим образом: мы собрали данные, поняли, как нужно скорректировать процесс, скорректировали его, опять сделали замер, поняли, насколько оптимально скорректировали и так бесконечно корректируем процесс. Так вот задача модуля Polymatica вычислить максимально приближенные значения с тем, чтобы не пришлось делать дополнительных корректирующих воздействий на технологический процесс.
Это сокращает время подстраивания процесса, сокращает расходные затраты. Самый яркий пример использования модуля на участке сгустителя это подбор оптимального расхода коагулянтов. Можно сразу подобрать максимально оптимальный расход коагулянтов с тем, чтобы не было его перерасхода, и продукт на выходе при этом чтобы был наилучшего качества.
Наш модуль позволяет очень быстро создавать коннекторы к различному оборудованию и программному обеспечению. В модуль GIMS Automation встроен конструктор, который позволяет быстро по IP-протоколам делать подключения и собирать необходимую информацию. Также на базе этого модуля можно гибко создавать процессы управления производством, при его помощи мы можем описывать бизнес-логику. Например, передачу данных, системы плановых работ, системы управления, системы финансового управления и т.д. Соответственно, используются алгоритмов ИИ для оптимального функционирования производства. Использует такие математические модели, которые позволяют оптимально и быстро подстраивать технологический процесс.
Затем слово передали Алексею Бредихину, менеджеру по работе с ключевыми клиентами, Polymatica.
Предыдущий выступающий рассказал о построении интеграции с оборудованием, сбор информации с датчиков и последующую ее обработку. Такая конструкция прекрасно работает, когда есть набор жестких правил, четких сигналов для мониторинга, и тогда это решение закрывает такие потребности. Если же мы хотим добавить более интеллектуальную обработку в решение, то мы с коллегами нашли интересное решение. Модуль Polymatica ML дополняет процесс сбора мониторинга технологических параметров возможностью использования ИИ в различных моделях. Как это выглядит, когда мы дополняем это правилами. Первый важный момент для любого ИИ это то, что необходимо накапливать исторические данные для построения моделей, своеобразный аналитический сбор витрины. И решение коллег позволяет закрыть эту важную часть. Далее, прежде, чем строить модель, аналитик или функциональный эксперт обычно берет и смотрит, что собой представляют эти данные. Тут как раз подключается в работу наш модуль Polymatica ML. Первый шаг – это исследование данных функционала, которое позволяет проверить, насколько данные качественны, посмотреть, есть ли выбросы, провести предварительную аналитическую обработку. Например, заполнить пропуск, если происходит какой-то сбой при поступлении информации с датчиков и т.п. Этот шаг позволяет нам понять, что собой представляют наши данные и какие модели мы можем на этих данных построить.
Следующий шаг – это построение различных моделей ИИ. Основная проблема состоит в том, что функционал модуля ориентирован на построение моделей не пофессиональными дата-сайтистами, а инженерами-экспертами в предметной области. Мы неоднократно сталкивались в нашей практике с тем, что профессиональные дата-сайтисты и функциональные эксперты тяжело находят общий язык для согласования требований к модели. А наш модуль позволяет функциональным экспертам без глубокого погружения в программирование, математику и статистику, используя данные от технологических процессов строить свои модели. При этом никто не отменяет классических экспертных правил. И наше решение позволяет с одной стороны настроить модель МО, которая строится на исторических данных, являя некоторые закономерности, использует алгоритмы прогнозирования. А с другой стороны, наше решение позволяет настраивать бизнес-правила, и, что самое важное, затем их комбинировать, т.е. объединять между собой. И в результате у нас появляется единый репозиторий с моделями ИИ и экспертными правилами, которые затем мы можем применять.
После того, как у нас появились правила модели, следующим шагом становится ее применение. Вступает в работу наш следующий компонент, который отвечает за управление жизненным циклом модели и правил. И он позволяет сформированному репозиторий быстро и просто запускать эти модели и правила, т.е. интегрировать их в процесс принятия решений. В том числе интегрируя с системами мониторинга технологических процессов. Из системы мониторинга GIMS Automation нам поступают значения собранных и технически предобработанных параметров от оборудования и поступает на вход нашим моделям и экспертным правилам. И наши модели выдают рекомендации, которые в том числе могут поступать в GIMS Automation, в том числе выдавать управляющее воздействие на оборудование технологической линии. Это, конечно, идеальный сценарий применения нашей модели, который вряд ли сразу удастся внедрить. Чаще всего сначала это некие уведомительные рекомендации, которые поступают на пульт оператора, который затем принимает то или иное решение. При этом важным моментом является то, что мы обеспечиваем сбор данный, сбор информации о работе наших моделей. Потому что модели не вечны. Они портятся, точность их работы уменьшается и экспертные правила тоже могут претерпевать изменения. Наше решение позволяет собирать характеристики, проводить оценку точности модели и в случае, если, например, точность модели упала ниже определенного порога, мы сигнализируем ответственным сотрудниками о том, что пора либо модель переобучить, либо подумать о создании новой модели. Т.о. наше с коллегами комплексное решение закрывает полный производственный цикл: от сбора информации с производственных систем, накопления информации для дальнейшего построения модели, собственно построения моделей до применения моделей в реальных условиях.
Чуть подробнее про модуль Polymatica ML. Перед разработкой этого модуля, стояли две задачи. Создание модели МО функциональными экспертами в первую очередь. Понятно, что люди, которые работают с модулем, должны иметь представление о том, что такое ИИ и что такое МО, но все математические технические статистические нюансы должны были быть скрыты. Пользователь графического интерфейса строит модели по обработке и затем их применяет. И второй шаг это собственно применение моделей МО и управление жизненным циклом модели. Первое, что позволяет делать модуль, это оперативно внедрять модели МО в бизнес-процессы компании и интегрироваться с другими решениями. По сути, мы по щелчку мыши можем развернуть модель для пакетной обработки данных, если она требуется по регламенту. Понятно, что обработка может быть как для больших массивов, условно говоря, один раз в сутки или один раз в месяц, так и для более оперативных вещей, один раз в 15 минут или раз в полчаса и т.д.
Второй важный момент состоит в том, что мы обеспечиваем контроль за точностью модели МО, т.е. внедрить и запустить модель – это половина успеха, но важно, особенно когда модель используется в таких критически важных задачах, как мониторинг технологического процесса, где необходимо контролировать ее точность.
Если модель начинает выдавать некорректные значения, важно вовремя поймать это момент времени и либо переобучить модель, любо вывести ее из эксплуатации и построить новую. Поскольку мы достаточно легко можем публиковать и обновлять модели, важно, чтобы перед каждой новой публикацией модель прошла все необходимые согласования. Это тоже обеспечивается нашим решением. Т.о. мы закрываем весь цикл по работе с моделями ИИ.
Важной особенностью архитектуры является то, что у нас есть возможность быстро и просто подключать новые алгоритмы и новые библиотеки с алгоритмами МО. Это не является «прибитыми гвоздями» внутри модуля. Подключение новых библиотек, новых версий библиотек и новых алгоритмов происходит через конфигурацию системы и в принципе есть возможность заводить в том числе и некоторые специфические узлы и алгоритмы, которые особенно интересны для применения в промышленности, когда у нас идет комбинация классических методов МО с физико-математическим моделированием. Можем встраивать такие алгоритмы в наши решения. Решение изначально поддерживает горизонтальное масштабирование высокой доступности, поддерживается контейнеризация и обеспечивается развертывание моделей быстро и просто. Либо в пакетном применении если у нас накоплены исторические данные, которые находятся как правило в дореволюционной базе данных. Такое мы тоже умеем обрабатывать. И важно то, что мы интегрируемся с нашими другими модулями продуктовой линейки Polymatica. Это и Polymatica Dashboards, который можно использовать для визуализации решений, в том числе технологических параметров. И модулем Polymatica Analytics, который позволяет проводить исследования, т.е. инструмент поможет смотреть на данные с разных сторон.
Один из примеров пилотного проекта, который сейчас находится у нас в проработке, и первые результаты уже есть, это прогнозирование качества кокса (речь идет о коксохимической промышленности), где мы по различным параметрам из производственной шихты предсказываем, какое качество продукции подходит, и далее можем использовать эти данные для построения оптимального производственного процесса. Использование нашей модели позволяет быстрее проводить исследования и реагировать на них, чем это приходилось раньше делать в лабораторных условиях. Этот процесс в лабораториях занимал много времени, в результате чего повлиять на запущенный технологический процесс уже не представлялось возможным. Использование нашей модели с одной стороны обеспечивает приемлемую точность, с другой стороны позволяет реагировать очень оперативно, оптимально выстраивая параметры.
Преимущества решения. Решение входит в реестр отечественного ПО. Именно построение или адаптация модели может выполняться функциональными экспертами. Обычно первое внедрение проводится либо нашей фирмой, либо совместно с нашими партнерами. И последующее развитие, адаптацию и построение новых моделей выполняется специалистами клиентов самостоятельно.