Умный локомотив система интеллектуального ремонта локомотивов по состоянию

«Цифровое депо» обслуживает «умные локомотивы»

Группа компаний «ЛокоТех» рассказывает о ходе и результатах реализации пилотного проекта комплексной цифровизации сервисного локомотивного депо «Братское», где новые технологии, помимо всего прочего, проходят испытания суровым климатом, нехваткой персонала и особо высокими требованиями к обслуживанию железнодорожной техники.

История вопроса

Депо – сервисная организация, от скорости и качества работ которой напрямую зависит не только ее собственная эффективность, но и успех клиентов. В современном мире ключевым инструментом, который способен вывести бизнес на принципиально новый уровень развития, повысить устойчивость производства, облегчить тяжелый труд людей и в то же время сократить влияние человеческого фактора становятся цифровые решения. Их внедрением Группа компаний «ЛокоТех», которая была основана в 2012 году и включает в себя порядка 90 сервисных локомотивных депо (СЛД), занимается с самого начала своей работы.

На старте речь шла о точечных решениях, которые по мере развития Группы превратились в такие масштабные проекты, как «Умный локомотив» и «Цифровое депо». Они обеспечивают переход ГК «ЛокоТех» от внеплановых ремонтов на ремонты «по состоянию», исключив как класс внеплановые ремонты, обусловленные внезапными поломками. Это самая современная модель сервиса. Она предполагает, что при заходе в депо на локомотиве будут меняться и обслуживаться те агрегаты и оборудование, которые потенциально могут выйти из строя. Их будет выявлять система предиктивной аналитики, сочетающая в себе математические модели, современные IT-технологии и учитывающая многолетний опыт работы депо. Это позволит предотвратить поломки машин на линии, что чревато серьезными экономическими и временными потерями. Параллельно проект «Цифровое депо» меняет схему работы самого СЛД: оно капитально модернизируется, перестраиваются производственные процессы, что повышает производительность труда и оптимизирует время проведения текущего ремонта (ТР) и технического обслуживания (ТО).

Читайте также:  Яблоки трейд ин ремонт

Кроме того, меняются условия труда людей, что также немаловажно, учитывая современные тренды. «Работа в депо предполагает тяжелый физический труд. Также надо учитывать состояние регионов, продолжающийся процесс глобальной урбанизации. Люди стараются найти себя в более «простых» с точки зрения физического труда профессиях», – говорит Александр Семенов, генеральный директор НИИТКД, который разрабатывал ряд решений для «Цифрового депо». Он добавляет, что в текущих реалиях нужно не только облегчить рабочий процесс в плане физических нагрузок, но и наполнить его интересными задачами, интеллектуализировать труд. Это поможет привлечь специалистов, молодежь.

Исходя из всех предпосылок, выстраивается новая система сервиса, которая решает главную задачу, стоящую перед сервисной компаний. «Речь идет о том, чтобы сделать жизненный цикл локомотива наиболее эффективным, чтобы машина максимум времени была в эксплуатации и минимум – на ремонте», – говорит гендиректор НИИТКД Александр Семенов. Результат изменений измерим и выражается в увеличении одного из ключевых для железных дорог показателя – коэффициента готовности локомотива к эксплуатации (КГЭ). Он показывает, сколько времени машина находится на линии и готова к работе. По итогам 2019 года этот показатель у ОАО «РЖД», крупнейшего собственника локомотивов в России и ключевого клиента ГК «ЛокоТех», преодолел планку в 90%. В 2021 году КГЭ должен быть уже на уровне 95%.

Решение

«Цифровое депо» – принципиально новый подход к обслуживанию сложной железнодорожной техники. Пилотный проект реализуется ГК «ЛокоТех» совместно с НИИТКД, компанией 2050.digital и группой Ctrl2GO с 2018 года на базе СЛД «Братское» в городе Вихоревке Иркутской области.

Братское депо выбрано неслучайно. «Если вы решаете задачу в самом сложном месте, опыт довольно просто транслировать в других местах», – поясняет Александр Семенов. А Братск – это и суровые климатические условия, и ограниченное количество персонала. Что еще более важно – это повышенные требования к надежности локомотивов. Депо буквально является знаковым. Оно находится на Восточном полигоне, грузопотоки которого постоянно растут. Причем это происходит на инфраструктуре, пропускные возможности которой давно достигли максимума. Сейчас идет масштабная модернизация БАМа и Транссиба, но процесс этот не быстрый. А перевозить грузы нужно уже сейчас. Поэтому любой сбой в поломке локомотива может нарушить график движения.

Читайте также:  Ремонт samsung a5 2017 сервисная

Прежде чем приступить к проекту, специалисты проанализировали текущую работу депо, обращая внимание на возможность сокращения временных потерь, анализируя то, где можно при помощи цифровых технологий повысить эффективность обслуживания локомотивов и облегчить работу сотрудников.

К осени 2020 года в рамках проекта внедрено более 30 различных цифровых и технологических решений, которые интегрированы в одну интеллектуальную IoT-систему. В нее непрерывно осуществляется передача данных с «умных локомотивов» и технологического оборудования самого депо. На основе этих сведений выстраивается прогнозная аналитика технического состояния локомотивного парка, а также планируются ресурсы для более эффективной организации производственных процессов.

Среда

Комплексная система «Цифровое депо» начинает работать еще на подъезде локомотива к СЛД. Там установлено пять радиоуправляемых стрелок, которые позволяют машинисту дистанционно переключать направление движения, что оптимизирует процесс маневровой работы. Также на подъездных путях депо располагаются специальные интеллектуальные рамки, которые включают камеры системы распознавания номера локомотива и фиксации времени его захода в депо, а также считывают RFID-метки линейного оборудования, передающие сведения в единое информационное пространство.

При приемке локомотива сотрудники депо фиксируют неисправности при помощи мобильных устройств. На основе данных, полученных из различных источников и систем, назначаются работы и исполнители в соответствии с квалификацией и присутствием на смене, что контролируется при помощи системы биометрической идентификации персонала.

Обслуживание локомотива производится на универсальной ремонтной позиции. Это один из важнейших элементов трансформации технологических процессов. Она позволяет полностью исключить необходимость маневров локомотива: сверхцикловые работы на 3-секционной машине производятся без перестановки секций по цехам, тем самым сокращается время ремонта.

«Умной» является и сама ремонтная позиция – она оснащена современным оборудованием с возможностью прямой передачи снимаемых данных в единое информационное пространство. Например, износ тормозных колодок локомотивов определяется на основе видеоаналитики и искусственного интеллекта, а при создании существенной базы данных сама система сможет проводить автоматический осмотр секций с помощью предиктивной аналитики, что позволит исключить влияние человеческого фактора и сократить время обслуживания локомотива.

Рядом с ремонтной позицией расположена автоматизированная система вертикального хранения, которая дает возможность оперативно получать запасные части и материалы. Вопрос поставки дефицитных и мелкосерийных деталей решается при помощи аддитивных технологий или 3D-печати: изделия можно оперативно изготовить непосредственно в депо.

Все данные о техническом состоянии локомотивов и проводимых с ними операций поступают в ситуационный центр и доступны для различных уровней пользователей (руководства депо, мастеров, инспекторов ОАО «РЖД», производителей и т.д.). При этом сотрудники отслеживают все процессы в режиме реального времени, используя специальные мобильные устройства с набором взаимосвязанных мобильных приложений, которые предусмотрены для каждого этапа обслуживания и ремонта локомотивов. Это минимизирует временные и трудовые затраты при сборе данных о состоянии машины и повышает объективность полученной информации. Также сокращается время распределения производственных задач и принятия управленческих решений.

Одновременно формируется обратная связь с разработкой и производством, что позволяет улучшать эксплуатационные характеристики локомотива.

Таймлайн

Июнь 2018 – старт работ по проекту «Цифрового депо».

Июль 2018 – сформирована команда проекта, начата разработка концепции решения.

Ноябрь 2018 – сформирована концепция решения, представлены первые прототипы систем и устройств.

Март 2019 – сформирована концепция «Универсальной ремонтной позиции», начато строительство в СЛД «Братское».

Июнь 2019 – цифровые решения интегрированы с автоматизированными системами «ЛокоТех-Сервис» при помощи Единой интеграционной программной платформы.

Август 2019 – проект «Цифровое депо» презентован на Международном железнодорожном салоне пространства 1520 «PRO//Движение. ЭКСПО».

Декабрь 2019 – решения «Цифрового депо» продемонстрированы руководству РЖД, ТМХ и ГК «ЛокоТех», проведен научно-технический совет РЖД на базе СЛД «Братское».

Декабрь 2019 – в опытную эксплуатацию запущен Ситуационный центр СЛД «Братское».

Февраль 2020 – завершение строительства «Универсальной ремонтной позиции» и интеграции цифровых решений, применяемых на ней.

Март 2020 – начат ввод в эксплуатацию «Универсальной ремонтной позиции» и решений «Цифрового депо» в СЛД «Братское».

Результат

В результате внедрения проекта «Цифровое депо» весь технологический процесс становится прозрачным. «В этом проекте удалось объединить массу существующих решений в один комплекс, увязать их друг с другом», – рассказывает Александр Семенов. Как итог: временные затраты на производственные операции сокращаются на 60%, а производительность труда увеличивается на 30%. Издержки на ремонт уменьшаются на 20%. Только использование универсальной ремонтной позиции, которая исключает необходимость маневров локомотива, сокращает время ремонта до 40%.

Сравнение стандартной и новой схем ремонта

В перспективе предполагается масштабирование проекта на всю сеть СЛД. Так как «Цифровое депо» – это совокупность интегрированных решений, их можно применять как в виде отдельных цифровых сервисов, так и в комплексе.

Результаты пилотного проекта «Цифровое депо»

Источник

«Умный локомотив» набирает ход

Ежемесячно искусственный интеллект локомотива обрабатывает более 1,5 терабайт данных. В результате затраты на аварийный ремонт снижаются в три раза, а потери времени из-за неплановых ремонтов – на 12%.

История вопроса

Локомотив – сложная машина, у нее порядка 7 тыс. конструктивных элементов. От их исправности и оперативности ремонта в случае поломки зависят не только возможность бесперебойной перевозки грузов и пассажиров, но и успешность железнодорожных компаний, и экономики России в целом. Если перевести это на язык железнодорожников, то коэффициент готовности локомотива к эксплуатации (КГЭ), показывающий, сколько времени машина находится на линии и готова к работе, должен быть как можно выше. По итогам минувшего года этот показатель у ОАО «РЖД», основного владельца локомотивов в России, перешагнул порог в 90%, а в 2021 году цифра должна составить уже 95%.

Это вызов для сервисных компаний. Созданная в 2012 году Группа компаний «ЛокоТех» – одна из них. Уже на старте Группа, в которую входит порядка 90 сервисных локомотивных депо и 9 локомотиворемонтных заводов, задумывалась о способах повышения эффективности своей работы. Для этого «ЛокоТех» начал внедрять автоматизированную систему управления (АСУ) «Сетевой график», которая позволяла формировать перечень сверхцикловых работ на основании расшифровки данных микропроцессорной системы управления (МСУ) при заходе локомотива в сервисное депо. Говорить о полной автоматизации процесса было сложно: анализ данных МСУ выполнялся группами диагностики в ручном режиме, что не исключало влияния человеческого фактора, а вся обработка сведений занимала около 4 часов.

Полученный опыт работы с данными бортовых систем локомотивов стал одной из основ проекта «Умный локомотив», который стартовал в «ЛокоТех» в 2016 году. Его цель – трансформировать бизнес-процессы предприятия, перейти от планово-предупредительных ремонтов на ремонты «по состоянию». В «Умном локомотиве» используются системы прогнозной, или предиктивной, аналитики с применением технологий искусственного интеллекта, нейронных сетей, интернета вещей, анализа больших данных. В сумме это дает возможность оценивать и прогнозировать состояние узлов и агрегатов локомотива, отслеживать аномалии и в автоматическом режиме выводить информацию о технологическом состоянии оборудования. «Умный локомотив» уже стал одним из крупнейших в России и СНГ проектов по AI-трансформации.

Предпосылки для запуска проекта:

1. Простои оборудования и техники.

2. Большие сроки и затраты на ремонт.

3. Необходимость понимания реального технического состояния транспорта.

4. Потребность в прозрачности существующих процессов.

Решение

Обслуживание по состоянию – наиболее инновационная модель сервиса, которая сочетает в себе большой перечень инструментов Индустрии 4.0 и глубокое знание техники.

Когда в 2016 году ГК «ЛокоТех» объявила конкурс на решение, позволяющее предсказывать неисправности локомотивов и оборудования между плановыми ремонтами, зарубежная практика анализировалась детально. Но «ЛокоТех» удалось найти российскую компанию, которая представила работоспособный прототип, как минимум, не уступающий зарубежным аналогам. Ею стала Clover Group, которая входит в группу Ctrl2GO.

Проект «Умный локомотив» – это система предиктивной аналитики, которая проводит мониторинг технического состояния оборудования и прогнозирует отказы с указанием конкретного узла локомотива, оборудованного датчиками. При создании системы широко применялись такие сквозные технологии как искусственный интеллект и промышленный интернет вещей. «Также в своей работе мы широко использовали технологии потоковой обработки big data с применением инструментов машинного обучения», – рассказывает гендиректор Clover Group Денис Лисин.

В основе проекта «Умный локомотив» лежит собственная платформа Clover Group. Она предназначена для обработки и анализа больших данных производственных и сервисных предприятий. На базе платформы создано решение Ctrl@Maintenance — это интеллектуальная система для риск-ориентированного управления производственными активами и планирования технического обслуживания и ремонта. Система включает в себя библиотеку правил, а также математические модели, так называемые, MX-модели (MathExperience), которые сочетают в себе математику и глубокое понимание физических процессов оборудования локомотивов.

«Данные с «Умного локомотива» аккумулируются в нашей платформе Ctrl@Maintenance, которая на их основе предсказывает, когда и что именно сломается», – говорит гендиректор Ctrl2GO Алексей Белинский. С учетом этих сведений за неделю до того, как локомотив придет на ремонт, автоматически формируется заявка на запчасти для отделов закупок и снабжения. Дополнительно в автоматическом режиме формируется еще одна заявка на работы по неисправностям, которые система обнаружит до их возникновения. «Продукт уже интегрирован с системами планирования ресурсов предприятия, решениями SAP и 1С.», – добавляет Алексей Белинский. Помимо этого «Умный локомотив» позволяет проверить качество проведенных ремонта и обслуживания.

Возможности «Умного локомотива»:

1. Интеллектуальная оценка и прогноз фактического технического состояния узлов эксплуатируемой техники.

2. Формирование плана необходимых работ по каждой единице техники для каждого ремонтного цеха на основе интеллектуального анализа больших данных.

3. Интеллектуальный контроль качества исполнения ремонтов.

4. Автоматизированное открытие наряда-заказа на работы в ERP/EAM пользователей.

5. Составление плана обучения персонала по результатам интеллектуального анализа данных.

6. Автоматическое формирование заявок на пополнение запасов.

7. Описание возможных причин дефектов оборудования на основе интеллектуального анализа телеметрии.

8. Оценка влияния развивающихся дефектов на перерасход топлива.

9. Управление стоимостью владения и рисками остановки производственных процессов.

10. Автоматическое выявление нарушений режимов эксплуатации оборудования.

Среда

Решения в сфере предиктивной аналитики как один из самых современных инструментов, позволяющих повысить эффективность работы бизнеса, находятся в центре внимания сервисных компаний и промышленных корпораций всего мира. Но, как отмечает гендиректор Ctrl2GO Алексей Белинский, их внедрение без изменения бизнес-процессов не принесет существенных результатов. Именно поэтому важно, что система «Умный локомотив» глубоко интегрирована в бизнес-процессы сервисных локомотивных депо и влияет на механизмы приемки, диагностики, назначения работ, ремонта и выдачи локомотива в депо. «Ctrl2GO добилась обнаружения аномалий в поведении машин, составила физические модели узлов локомотива для объяснения природы их возникновения. Чтобы получить настоящую экономическую эффективность, потребовалась интеграция с системами планирования ресурсов предприятия, которая позволила осуществлять разнарядку запасных частей и дополнительных работ еще до захода локомотива на ремонт», – рассказывает Алексей Белинский.

Таким образом, прогнозная аналитика с применением технологий искусственного интеллекта и нейронных сетей дала возможность управлять процессами технического обслуживания и ремонта в режиме реального времени, оценивать и прогнозировать техническое состояние узлов и агрегатов машин. При этом система предлагает наиболее оптимальное решение по времени и объему работ. То есть ремонтное подразделение может планировать свою деятельность задолго до постановки машины на ремонт или обслуживание. В итоге процесс автоматизируется, достигается его максимальная транспарентность и предсказуемость.

На 12% снизилось время простоя локомотивов на сервисном обслуживании.

На 154 тыс. человеко-часов в год сократилось время диагностики.

С 4 часов до 20 минут сократилось время диагностики локомотива, по данным МСУ.

Таймлайн

Сентябрь 2016 года – на InnoTrans компания «ЛокоТех» презентовала «Умный локомотив».

Ноябрь 2016 года – система «Умный локомотив» – победитель в номинации «Инновация» национальной премии в области импортозамещения «Приоритет-2016».

Март 2017 года – завершена опытная эксплуатация модуля поиска аномалий в 5 пилотных депо.

Сентябрь 2017 года – 1,3 тыс. секций локомотивов в 20 сервисных локомотивных депо.

Октябрь 2017 года – накоплен достаточный объем данных для обучения моделей предиктивной аналитики.

Сентябрь 2018 года – 6,4 тыс. секций локомотивов в 40 сервисных локомотивных депо.

Декабрь 2018 – реализация решения Clover SmartMaintenance для «ЛокоТеха» – победитель категории «Искусственный интеллект и цифровая экономика» премии «Время инноваций».

Февраль 2019 года – решение Clover SmartMaintenance вошло в топ-100 кейсов АНО «Цифровая экономика».

Июнь 2019 года – 7,5 тыс. секций локомотивов в 59 сервисных локомотивных депо.

Июль 2019 года – запущен в опытную эксплуатацию модуль предиктивной аналитики, позволяющий заблаговременно выявить предотказные состояния оборудования.

Январь 2020 года – 8,5 тыс. секций локомотивов в 59 сервисных локомотивных депо, запуск системы «Умный локомотив» в промышленную эксплуатацию.

Нюансы

В ходе реализации проекта возникали и сложности. Одна из них заключалась в том, что в краткосрочной перспективе невозможно организовать online передачу данных, а снимать абсолютно все сведения на каждом ТО2 (техническом обслуживании, которое проводится раз в несколько суток в зависимости от типа локомотива) будет очень затратно. «До начала проекта «Умный локомотив» практики «снимать» данные на всем периоде эксплуатации не было. Для качественного обучения моделей необходимы непрерывные сведения от начала развития дефекта до полного отказа. У нас были частичные данные: условно в расчете на один локомотив мы видели только 10% времени эксплуатации на цикле между заходами на обслуживание или ремонт», – объясняет исполнительный директор Clover Group Максим Вдовенко.

Вдобавок есть сложности, связанные со спецификой отрасли. Например, руководство по обслуживанию говорит, что форсунки двигателя снимаются и испытываются на стенде только на четных ТО3 (производится в депо приписки локомотива после пробега 210—400 тыс. км в зависимости от типа) или текущих ремонтах. В результате отследить факт неисправности форсунок, привязать к нему результаты анализа данных телеметрии просто невозможно: в узле уже есть неисправность, но локомотив может эксплуатироваться и продолжает работать. «Поэтому мы описывали отказы исходя из имеющихся параметров. В этой работе нам помогала экспертиза самого заказчика, было много консультаций со специалистами групп диагностики. Предиктивная аналитика создавалась к получившимся точкам с учетом глубокого понимания физических процессов оборудования локомотивов», – говорит руководитель проекта «Умный локомотив» Сергей Варфоломеев.

Он добавляет, что реальное внедрение «Умного локомотива» от теоретических предположений отличалось и в части проверки работоспособности системы. «Доказать эффективность работы алгоритмов можно только путем дефектовки узлов локомотива на каждом ремонте, которая проводится совместно «ЛокоТех», РЖД и Ctrl2GO, составлением акта», – поясняет гендиректор Clover Group Денис Лисин.

Результат

К началу 2020 года система «Умный локомотив» использовалась для работы с телеметрией 8,5 тыс. секций локомотивов в 59 сервисных локомотивных депо. Она анализирует работу 23 видов оборудования по 300-500 параметрам в зависимости от серии локомотива и способна находить свыше 60 видов сбоев в работе оборудования, автоматически определять нарушения эксплуатации, связанные с неправильными действиями локомотивной бригады. Для понимания масштаба достаточно сказать, что ежемесячно система обрабатывает более 1,5 терабайт данных.

«Мы получаем сквозной процесс – от определения необходимости ремонта до досрочного устранения поломки и недопущения простоя локомотива. В результате затраты на аварийный ремонт снижаются в три раза, а потери времени из-за неплановых ремонтов – на 12%», – говорит Алексей Белинский.

По словам Алексея Белинского, в ближайших планах реализация в системе нового функционала: автоматического формирования графика ремонтов, в котором локомотивы будут распределяться на основании реального технического состояния, дислокации, пробега и загрузки самих депо. «Таким образом производительность депо увеличится еще на 22%», – прогнозирует Алексей Белинский.

Источник

Оцените статью