遇到问题时，您开始寻找解决问题的方法，同时思考下一次如何再次解决相同的问题。 无论您做什么，从小型移动应用程序到庞大的信息系统，错误总是有代价的，并且使用您的产品的行业越关键，这个错误的代价就越高。 因此，理想的情况是当您在曲线之前工作时，即尝试在问题实际发生之前对其进行预测。
聚丙烯挤出机在SIBUR中，我们具有“数字技术”功能，其功能之一是进行高级分析。 我们以一种或另一种方式参与与公司数据分析相关的所有过程：从许多传感器的读数到生产，库存汇总和预测。 利用这些数据，我们创建了可以显着帮助提高公司运营效率的数字产品。
我的名字叫Alexander Krot，我代表着高级分析的方向，切切地告诉你：
- 如何减少挤出机的计划外停机次数，将聚丙烯切成颗粒并易于堵塞；
- 如何使用数据分析和定制模型使丁二烯产量每月增加100吨以上；
- 为什么反应堆问题比使用X射线调查更容易预测。
可以通过两种方式提高运营生产效率。 首先是通过更稳定的生产体制来增加产量。 第二个原因是减少了计划外停机所造成的损失，每一次损失都使我们损失了数百万美元。
通常，将用于预测分析的工作模型简单地理解为程序。 像，这是适合您的代码，它将有助于预测可能的问题，并使用它。 我们决定采用另一种方式，将其作为成熟的交钥匙产品创建一个现成的模型，输出是可以进行调整的自学习工作模型，便捷的界面和观察终端以及可响应用户对新功能要求的支持。 我们的用户是监视生产过程的操作员，因此他们确切地知道更改产品的方式和方式，以便更方便地使用产品。 毕竟，操作员将监视终端，响应指示器的更改并进行调整。
因此，我们根据经典的产品方案构建此类模型，并为每个产品创建一个团队，其中包括产品负责人，开发人员，设计师，数据工程师。 团队中始终有一名生产技术人员-一位员工确切了解生产流程的安排，而我们打算对此进行改进。
每个项目的持续时间为3到6个月，具体取决于其复杂程度。 首先，我们通过派遣一个团队到现场（对企业）进行侦察，我们有一个称为“框架”的研究程序来确定客户到底想要什么，是否有可能借助数据来解决问题。 如果可能的话，我们将开始进一步评估：是否有足够的可用数据来解决问题，可以将它们下载到哪里，是否需要组织变更。 当然，我们单独考虑经济影响，以便随后对项目进行排名，并仅选择那些发挥最大作用的项目。 很明显，如果我们在一个项目上花费大量时间和精力，结果一个月能节省5,000卢布或几个灯泡，那么真的不需要这样的项目。
如果我们了解该产品将为公司带来真正的利益（从优化工作本身和改善员工条件以及直接的财务利益方面而言），那么我们就开始工作。 现在，我们已经以这种速度实施了几乎十二个不同的项目，在本文中，我想谈谈其中几个最重要的项目。
聚丙烯生产中挤出机的预测维护
SIBUR出售的产品之一是聚丙烯，我们以颗粒状包装形式出售（袋装）（我们
在这里写了更多关于我们的产品的
信息 ）。 用气体本身生产聚丙烯需要几个阶段，我们将在这里最后停止-切割颗粒。 有聚丙烯的过氧化物等级；将过氧化物添加到聚丙烯的均质料中以产生它们。 也就是说，熔体与这样的聚丙烯一起流动，过氧化物被动态添加到其中，所有这些物料被混合并进料到挤出机中。
本质上，挤压机就像一台大型绞肉机。 仅相当于一居室普通公寓的大小。 在这方面，我们感兴趣的挤出机部件包括螺旋钻（如绞肉机，此处将熔体与过氧化物混合），模具（这已经是绞肉机中网眼的类似物，该混合物在压力下被送入）和带有倒置刀的刀片架模具的侧面将聚丙烯面食主动切成颗粒。 然后切碎的颗粒随空气流上升到特殊的振动筛上，将颗粒包装在袋子中，准备运输。
由于各种原因，会发生挤出机的计划外停机。
例如，过氧化物混合不佳是因为温度受到轻微干扰，施加的压力不足或其他原因。 最终，所有这些质量开始在模具和带刀的刀片架之间粘附。 因此，代替了常规的颗粒，形成了附聚物，其随着空气的流动而上升并且堵塞了振动筛。
这里的要点是，如果这些团块变得可见，则意味着挤出机本身中的所有东西都已经完全堵塞。 必须停止生产，关闭所有设备，拆卸，取下零件，清洁模具和刀具。 所有这些通常会停止半个多小时，而且公司要花大笔钱。
实际上，这里和这里都是数据科学。
在2017年，有19次此类中断。 我们收集了有关它们的数据，研究了生产技术体制的参数-挤出和聚合的遥测技术。 我们分析了所有这些，发现了许多模式。 结果就是创建了一个模型，该模型开始向操作员发出信号，表明可能很快发生堵塞，大约是在此类事件发生前一个小时。
我们为操作员提供了完整的系统。 现在他们有了一个界面，几个屏幕，我们实时显示与过程技术相关的所有遥测。 为简单起见，我们用速度表上的不同颜色（绿色-黄色-红色）突出显示所需的指示器。 此外，在目视观察挤出机时，尚无任何假设，检查遥测和指示的系统将开始提前发出警报，指出2小时后可能发生堵塞（我们模型的预测范围）。 而且，如果现在很容易拧紧刀夹，例如，那么可以避免意外的停止。
我们的主要任务之一是确保我们的工具生存。 操作员必须信任该系统。 如果她经常虚假地工作，并且让他分心并仔细检查所有内容，那么他迟早会以她熟悉的刺激物对她的警报做出反应。 然后，总的来说，他将开始认为他们已经建立了一个不太清楚的系统，该系统有时会错误地起作用并分散工作的注意力。 因此，我们在飞行中训练了模型以最大程度地减少这种情况。 我们在振动屏上安装了摄像机，以便操作员可以观察到事情的进展，如果系统突然闪烁，在这种情况下，他将提前视觉看到附聚物，而不是在所有振动筛都被堵塞时察觉到。 如果生产员工更改了刀具或挤出机的设置，他们会立即写信给我们寻求支持，并要求我们考虑到这一点，以便使模型更准确地工作。
结果如何 该模型于2018年推出。从那时起，我们不再有任何计划外的停车。
这是一项预测性维护项目。 这对工作有很大帮助，例如，我们预测特定安装会在什么时候出问题，有必要更换机油或轴承，并且我们将提前订购必要的零件以便能够进行维修。并安装它们，而不解决订购，交付等问题。
现在，我们通过保持最佳模式来优化生产。
丁二烯顾问
丁二烯是我们的中间产品，例如，随后从中可以生产众所周知的合成橡胶。 丁二烯生产具有一个特点，为此需要催化剂，该元素非常有价值。 通常，它会提前2-3年购买，而且由于含有贵金属而需要花费数十亿卢布。
我们有2个反应堆，每个反应堆有8个反应堆。 无需详细介绍技术生产方式，就可以用以下简单的字眼来描述操作员的工作：您有一个设定温度（我们称其为“设定点”），并且在换班期间必须保持该温度。 它通过供气的风门调节。 操作者的任务是将温度保持在允许的上限，以便一方面催化剂不燃烧，另一方面，以获得最终产物的最大产率。 总而言之，它取决于保持最大静止模式。
因此，当产生足够的产物时，有必要甚至将温度保持在上限附近，但是对催化剂没有危害。 一切都会好起来（看起来-固定温度就是这样），但是许多不同的因素都会影响这一点。
值得一提的是，操作员方面也不是那么简单。 通过打开风门来改变温度的任何动作都具有几个小时的惯性。 在家里洗个澡很容易，我打开热水，意识到自己走得太远了，再加点冷，然后一切都好。 直到洗衣机开始取水，或者邻居中的一个没有想到卫生。
在这里。 您将快门打开1度，就无法立即评估其对总体温度变化的影响。 每次换档时，平均操作员平均将这些襟翼前后扭转三下。
在这里，我们收集了历史数据，查看了这些数据，将风门打开1度后温度变化了多少。 在2上。在3上。结果，建立了完整的模型组合，这实际上成为了针对运营商的推荐系统。 如果突然某个地方温度与设定值不同，系统会立即发出警报，指示哪个风门和必须打开多少度才能达到最佳温度。 操作员会立即看到并做出反应。
对生产的影响是每年平均平均增加约1,000吨丁二烯。
这是应用模型的另一个附加效果；我们更改了操作员本人的集体形象。 他们变得更加勤奋和专心，将操作员置于国外理想温度下的KPI缺勤状态。 现在，他们正在讨论哪种转变能更好地完成工作，并正在快速学习新的模型功能。 通常，我们为他们提供了一个很好的工具来帮助他们完成工作，并且他们还向我们提供了质量反馈，使我们可以改进此系统。
该系统会在轮班结束时自动为每个操作员生成一份报告，并附上报告的有效性，因此很明显，今天谁值得夸奖。 生产中的类似元素改变了工作文化。 运营商的形象也发生了变化-变得更加数字化，现在运营商了解并使用具有所有必要技能的数字工具，并积极参与这些工具的开发和改进。
丁烯馏分焦炭形成的预测模型
反应堆中装有带热电偶（温度传感器）的栅格。 通常，在反应堆的运行过程中，焦炭会粘在这些格栅上，这会导致格栅的破坏和停机期间维修时间的增加。 当发生这种情况时，反应堆将停止运行，所有这些都将被清洗，损坏的元件也将被更换。 时间大约7天。 想法是预测焦炭的形成，在短时间内停止燃烧，在这种情况下，无需打开反应堆本身，从而增加大修间隔。
我们如何理解焦炭开始在反应堆中积累？ 给他拍X光片。 但这带来了巨大的财务成本。 因此，决定对它们进行优化并求助于分析。
通常，当焦炭开始粘附在温度传感器上时，它们会显示出较低的温度以及较低的温度分散性。 我们看到了这一点，建立了一个无需进行伽马扫描就能开始预测焦化的模型。 该模型仍处于试验阶段，现在，它的使用使您可以：
- 提供一个用于监视所有网格上的所有传感器的界面。
- 事先了解并计划维修工作和维修人员的负担。
- 减少维修间隔和维修时间。
不是一个生产
可以认为生产中的分析仅与生产本身有关。 实际上，事实并非如此，包括与我们一起进行的营销案例。 例如，我们可以预测某些类型产品的市场价格。
再次需要注意的是，我们不是为了模型而建立模型，而是基于模型来创建成品。 因此，我们还创建了ML框架，该框架实际上已成为满足模型需求的单一标准。 无论由哪个团队生产产品，或者甚至是通过API创建其模型的第三方承包商，对于我们而言重要的是所有这些模型都在单个界面中。 这使我们能够了解哪些模型运行正常，哪些模型开始降级，哪些模型由于缺少数据等而完全没有启动等。
当只有5个模型时，一切都很简单，有了监控和支持。 当有更多的人（包括承包商）时，便可以使用ML框架，该框架可以统一容器中的每个数字产品并自动部署API。 我们可以将所有模型放在此处并同时进行监视。
因此，我们使用我们的框架。
我们有很多任务，很明显而且不是很明显，对于决定在大型企业中尝试使用数据的科学家来说，我们将感到非常高兴，现在我们正在寻找：
产品负责人 （莫斯科）；
数据科学家（
莫斯科 ，
下诺夫哥罗德 ，
托木斯克 ）。
这是关于我们工作方式的简短视频