在10月中旬，作为在托木斯克举行的U-NOVUS青年论坛的一部分，我们举办了一次数据科学研讨会。
原则上，托木斯克应得的是一个由科学家和学生组成的城市的名声，毕竟这是15家研究机构，9所大学和几家企业孵化器-这是严重的。 因此，我们决定邀请来自不同公司的学生和专家参加。
我们从生活中拿出一个案例（从生产中读取），这是石化企业进行高级分析的任务。
关于它的情况-在削减。
研讨会持续了三天，这是团队需要花费多少时间来解决我们的问题，并表明他们所创建的解决方案实际上将对整个行业有所帮助，或者仅仅是采用了许多可以应用的有用机制在未来的数字化学生产中。
挑战赛
有必要创建一个工作方案，在该方案的框架内，将开发和实施我们对生产中使用的技术设备进行主动监控的系统。
同时，重要的是要考虑到将这种设备分为几种类型（根据关键程度）是合乎逻辑的，因此，它们的管理和监视方法不应相同，并且单个脚本在这里不起作用。 还必须考虑到，该公司对已收集的数据使用了最简单的可视化系统，该系统也可以使用。 另外，我们给负载带来了许多因素-设备状况对产品毛利的影响； 定期维修的频率； 在已经建立了基本监控系统的情况下，安装附加机架的方案，依此类推。
而且我们立即规定了许多必须考虑的框架和限制，否则，事实证明您已做出决定，但由于忘记了其中一些因素，因此您将无法应用该决定。 这会有所帮助，因为这样的解决方案应该可以在实时生产中工作，并且在此过程中可能会发生许多不同的事情。
这些因素包括：
- 收集的数据质量差。
- 团队中存在着创建具有各种专业知识的专家-程序员，生产技术人员，熟悉设备的人员以及数学建模领域的专家的监视系统。
- 工作人员不愿意使用新系统（还有其他方法）。
- 完全缺少用于解决问题的数据（未考虑某些参数，没有传感器会获取信息等）。
- 如果有任何数据，则可能会有困难-例如，并非所有数据都被数字化（但是您需要使用它们），它们以不同的格式存储，几次单击就无法到达其中一些，并且您需要经过几圈批准。
系统的必需组件：一个模块，用于发现设备中的异常（某些事物正在变暖，不应该出现，有东西正在挂出，但是应该持续存在，并且行为类似），以及一个预测模块，可以根据已收集的数据来预测相似的情况。
在输出中，我想对解决方案进行详细描述，考虑到所有这些情况，可以引入一个主动监控设备的系统。 它可能包括机器学习算法，任何现成的解决方案和框架。
并且绝对是理想的（这就是为什么会有业务人员加入团队的原因）-要注意那些会受到这种系统的引入影响的业务流程； 您甚至可能必须引入新的业务流程以确保解决方案有效。
总结
我们必须向团队致敬-他们被证明是优秀的。 在一个框架内，这些团队混合在一起，既有学生，也有具有数据分析师的程序员，还有负责指导的程序员，本地公司的主管可以立即工作。 这样的组合极大地影响了最终的解决方案，我们检查并立即注意到，有人非常重视体系结构部分，有人将与用户的交互放在首位，有人认为主要是规划和遵守KPI。 通常，您将研究解决方案-立即想象谁真正发明了该解决方案。
对我们来说，评估标准非常简单。 最主要的是该解决方案在我们企业中的实际适用性。 在提出的6个解决方案中，几乎所有人都进行了管理，只有2个根本不适合我们（尽管有6个样本，这是三分之一）。 但事实是，这些家伙要么在解决方案本身上就失败了，要么没有详细介绍，或者该解决方案不适用于石化行业。 this，这种情况也会发生-解决方案本身似乎还不错，它可以解决问题，甚至可以扩展，但是特别是，我们根本不使用它，堆栈也不一样。 一般而言。
剩下的4个解决方案非常完美，我们决定让这些家伙确切地了解他们所做的事情以及他们将要做什么，因此他们现在将参与我们的项目。
SIBUR IT托木斯克数字技术中心负责人Nikolay Ksenzik。