Как Big Data экономит ресурсы на производстве

Современное промышленное производство — это не только станки и компьютеры, которые ими управляют. Это еще и различные датчики, которые отслеживают работу оборудования, и при этом генерируют огромные объемы информации.

ПАО «Микрон» ­­– крупнейший российский чипмейкер с полным циклом производства, выпускающий микросхемы и процессоры, которые используются, к примеру, в банковских картах.

Требования к качеству очень высокие: выход годной продукции близок к 100%. А значит, и оборудование, и техпроцессы должны этому соответствовать. Перед запуском любой производственной линии делают тестовый прогон — он позволяет убедиться, что все работает как надо.

На заводе «Микрон» тест одной из установок показывал сбой без видимых причин. Приходилось сливать дорогостоящие химикаты и перезапускать установку с различными настройками. А значит — тратить время и деньги. Найти причину сбоев без глубокого анализа данных не удавалось.


Сергей Ранчин -заместитель генерального директора по производству ПАО «Микрон» 

Перезапуск — это, как правило, потеря дорогостоящих материалов. Каждая установка снимает в час около 200 тысяч различных показателей: вибрации, температура — много параметров влияет на качество процесса. А здесь сложная задача, была тонкость в том, что именно взаимосвязь этих двадцати с лишним параметров, совокупность произошедших событий давала отрицательный результат. То есть не какое-то отдельное событие, которое указывало на причину, а именно совокупность нескольких факторов. И обычными методами, математическими даже, это просто очень долго и практически невозможно сделать.



Завод «Микрон» решил привлечь специалистов со стороны, чтобы они помогли найти причину сбоев. Выбрали МТС, в том числе и, потому, что специалисты этой компании уже несколько лет работают с Big Data.


Сергей Ранчин
заместитель генерального директора по производству ПАО «Микрон»
Мы послали запрос, могут ли они сделать такую работу и осуществить такой анализ, получили положительный ответ. А дальше уже это было дело техники. Люди приехали к нам на предприятие, посмотрели, как собираются эти данные, как они хранятся, как часто обновляются. Ну и уже после этого вместе с нашими технологами на установке разработали алгоритм передачи этой информации, анализа ее и обратных действий.

Исследование данных позволило найти конкретную причину, которая мешала оборудованию выйти на штатный режим работы. Как результат, заметно сократились расходы на тестовые запуски, поскольку теперь нужно менять не десятки параметров, а только один.


Сергей Ранчин
заместитель генерального директора по производству ПАО «Микрон»
С привлечением ребят из МТС, которые, соответственно, подключили к этому элементы искусственного интеллекта, сразу взяли за год всю статистику и, благодаря этому, вывели те конкретные вещи, которые мешали грамотно проверить работоспособность установки. Выявили проблему на уровне конкретного реактива. Соответственно, сократились наши расходы на 92%

Технологи также экономят время на настройку, благодаря чему на треть сократился простой оборудования. Теперь, по словам Сергея Ранчина, завод «Микрон» намерен использовать метод анализа данных для устранения ряда проблем на другом оборудовании.


Сергей Ранчин
заместитель генерального директора по производству ПАО «Микрон»
Все зависит в большинстве случаев от анализа большого массива данных для выявления причин на ранней стадии. И как раз этот случай показательный для не только, наверное, наших практик, российских, но и мировых. Мы с удовольствием рекомендовали ребят из МТС нашим технологическим партнерам в Европе. А мы уже теперь по нескольким другим единицам технологического оборудования, где у нас критичные потери существуют, также с ними подготовительную работу проводим.

В ближайшем будущем запросы от российских промышленников на внедрение современных цифровых технологий вообще, и в том числе анализ больших объемов данных, будет только расти.


Сергей Ранчин
заместитель генерального директора по производству ПАО «Микрон»
Сейчас все станки, и зарубежные, и отечественного производства, это несколько сотен датчиков информационных и алгоритмы. Не только управление оборудованием, но и поиски вот этих ошибок или оптимизация решений сейчас превалируют в целом в промышленности. Конечно, у нас, может быть, не настолько сильно развито промышленное производство, чтобы использовать такие современные станки, тем более, некоторые вещи сейчас закрыты для поставки в Россию. Но с цифровизацией, безусловно, востребованность, мне кажется, будет расти кратно на такие запросы от промышленных предприятий. Другое дело, что надо переломить эту ситуацию в мозгах промышленников, чтобы они использовали более современное оборудование, не просто для управления производством, а еще и для повышения качества и анализа этих массивов данных. Здесь да, надо еще немножко поработать.

Анализ данных и интернет вещей на производстве позволяют решать множество других задач, например, опосредованно контролировать состав сырья, подбирать оптимальные режимы работы для станков или вспомогательного оборудования, прогнозировать, когда установкам потребуется ремонт. Это сложная задача, которая по силам только хорошо подготовленным специалистам и требует огромных вычислительных мощностей. А значит, спрос со стороны промышленности на услуги компаний, работающих с Big Data, тоже будет расти.