ProEcoEngineering
How we implement

First the production loss, then the model

Самая частая ошибка — начинать с выбора технологии. Мы идём в обратном порядке: от потери на производстве к показателю, который должен измениться, и только потом — к данным и модели.

Порядок работы

Семь шагов от потери до измеренного показателя

01
Production loss
02
The decision that has to be made
03
Данные для этого решения
04
Model
05
Integration
06
Action
07
Metric
Этапы

Пилот обычно длится три месяца, продолжение — по измеренному результату

  1. 01

    Inspection of losses and data

    Где и сколько вы теряете, какие данные уже есть. Итог — короткий отчёт: решается ли задача данными и с какого показателя начать.

    2–3 weeks
  2. 02

    Pilot

    Один объект, один показатель. Подключение, модель, связь с вашей системой заявок. В отчёте — эффект по сравнению с исходным уровнем.

    3 months
  3. 03

    Тиражирование

    Переносим модель на однотипные установки по типовой модели активов. Самостоятельность системы расширяем только по вашему решению.

    6–12 months
  4. 04

    Support

    Следим за дрейфом, переобучаем модель, берём новые задачи из каталога.

    ongoing
Самостоятельность системы

Шесть уровней самостоятельности — поднимаемся постепенно

Большинству заводов разумно подниматься по уровням шаг за шагом, не ослабляя ограничений безопасности. Полную автономию для критичных процессов мы не предлагаем.

Levels of autonomy
LevelWhat the system is allowed to doExampleOur practice
ЧтениеReads datamonitoring, analyticsPILOT START
ОбъяснениеОбъясняет и ищет причинуthe cause, similar casesPILOT START
РекомендацияProposes an actionsetpoint, repair, schedule — a person decidesPILOT START
Действие с подтверждениемA person confirms, the system executesa work order, a purchase order, rescheduling an operationAT THE CUSTOMER'S DISCRETION
Ограниченная автономияActs on its own within strictly defined limitsa setpoint band, an order limitAT THE CUSTOMER'S DISCRETION
Полная автономияActs without confirmationwe do not offer this for critical processesNOT OFFERED
Архитектура

A layer on top of the existing automation, not a replacement for it

The controllers and SCADA stay. The AI system connects to them as a separate level. What we add is highlighted in colour.

01Physical layermachines, controllers, drives, sensors, cameras, meters
02Связь и промышленные сетисети OT, SCADA, историк, OPC, шлюзы, вычислители у линии
03Operational contextMES, CMMS, QMS, WMS, laboratory, traceability
04Business contextERP, procurement, orders, suppliers
05Data layertime series, events, asset model, semantics
06AI layervision, prediction, anomalies, optimisation, causal models, LLM
07Twin and simulationфизика плюс данные; проверка действий на модели до пуска
08Action governanceaccess rights, permitted scenarios, action log
09Executiona person, MES, CMMS, ERP, scheduler — the controller remains deterministic
Cloudобучение больших моделей, аналитика по нескольким заводам, планирование — только если вы разрешаете
У линиикамеры и вибрация: ответ за миллисекунды, работа при слабой связи, данные не покидают площадку
Controllerуправление и защиты с предсказуемым поведением — ИИ здесь не работает
Языковые модели и агентынад контуром управления: советуют и запускают проверенные сценарии
Access segmentation by IEC 62443 zones and conduits
Риски

Почему проваливаются ИИ-проекты и что мы с этим делаем

Каждая причина взята из открытых разборов внедрений и опыта наших специалистов по автоматизации.

01

No quality data

No sensors, unnamed tags, mismatched timestamps, repairs recorded as free text.

Обследуем данные до работы над моделью. Если нужно, сначала автоматизируем.
02

Нет правильной разметки

В журнале записано «ремонт» или «не работает», а не режим отказа.

Размечаем события вместе с вашими механиками; пробелы разметки закрывает физическая модель.
03

Rare events

Serious failures are, by definition, few.

Учим модель на нормальной работе, для зрения — на синтетических дефектах, переносим опыт между однотипными установками.
04

Drift

The supplier, component, season or lighting changed — the model got worse.

Следим за дрейфом и переобучаем модель: это постоянная работа, а не разовый файл.
05

Совпадение вместо причины

The operator needs a cause, not a number.

Explainable and causal models; the answer always comes with a reference to the data.
06

No action

The prediction is shown on a screen, but no repair work order is created — the system becomes yet another monitor.

Доводим цепочку до действия: прогноз сам ведёт к заявке в CMMS, изменению графика или уставки.
07

The pilot does not scale

If 300 signals on one line were mapped manually, on a hundred lines that work will cost more than the effect.

С первого объекта строим типовую модель активов и подключение, рассчитанные на тиражирование.
08

Weak economics

The project starts with a hundred small tasks instead of five large losses.

Начинаем с отбора задач: событие частое и дорогое, решение повторяется, после прогноза есть действие, есть исходный уровень для сравнения.
How we implement

Начнём с обследования потерь и данных

По итогам — короткий отчёт: решается ли ваша потеря данными, каких данных не хватает и с какого показателя начать пилот.

Order an inspectionTask catalogue