Data Monitoring and Analysis Center

Технология удаленного мониторинга и методология анализа данных

 

Реальные многофакторные процессы обладают неопределённостью обусловленной природой вариабельности известных измеримых, неизмеримых численно и даже не дифференцируемых факторов. Эта неопределённость и незнание технологическим персоналом, как управлять ею, создают огромные потери.

 

Наши решения основаны на методологии Статистического управления процессами (Statistical Process Control, SPC), основной инструмент — Контрольные карты Шухарта. Несмотря на внешнюю простоту и почти девяностолетний возраст контрольных карт, разработанных профессором Уолтером Эндрю Шухартом (Walter A. Shewhart), их верное практическое использование и интерпретация до сих пор остается уделом немногих специалистов.

 

Работа DMA.CENTER с данными включает весь комплекс операций, начиная с организации процедуры сбора.

 

Мы исследуем данные неразрывно с контекстом их образования. Поэтому для выработки рекомендаций по совершенствованию процессов мы опираемся на научные знания и экспертные оценки технологов предприятий.

 

Поиск причин сбоев, аномалий и неэффективности процессов с движением исследования «вверх по течению», дает понимание что, как и на каком уровне необходимо делать для непрерывного совершенствования процессов.

 

 

Преимущества диагностирования методами SPC

 

Незначительные требования к объему данных

Для мониторинга данных и диагностирования с помощью методов SPC требуется несравнимо меньший объем данных чем для диагностики с помощью методов машинного обучения (machine learning, ML). Для целей диагностирования и прогнозирования методами SPC не имеет значения, представляют ли данные 100% ряда данных или его часть, но данные должны быть организованы рационально и с учетом распространения во времени. Подойдут данные собираемые вручную. Как следствие, предъявляются незначительные требования к вычислительной мощности оборудования и хранению исторических данных (не требуется сплошной сбор данных).

 

Не реактивные, а основанные на знаниях действия

С использованием SPC, анализ причинно-следственных связей сбоев пополняет новыми сведениями базу знаний наших заказчиков о системе функционирования процессов, а не предлагает диспетчеру совершение реактивных действий без объяснения "почему", как в случае с одним из модных направлений цифровизации Машинным обучением (machine learning, ML), как будто можно "залить" любые данные, много данных, в умную машину и она выдаст ответы на все вопросы без необходимости использования научных знаний об исследуемой области и понимания контекста.

 

Опирается на научные и экспертные знаниях о процессах

В работе по совершенствованию используются научные знания о природе исследуемых явлений и обязательно участвуют компетентные сотрудники компании заказчика. Изучение контекста образования данных и работа с экспертами в исследуемой области — наши основополагающие принципы.

 

Учитывает статистическое состояние процесса для прогнозирования

Учитывает состояние исследуемого процесса (стабильное или непредсказуемое), что многократно повышает точность прогнозирования.

 

Минимизирует последствия от совершения ошибок первого и второго рода

Позволяет минимизировать последствия от совершения ошибок первого и второго рода в попытках совершенствования, указывая конкретные операциональные правила воздействия на процесс, а именно, требуется ли вмешательство в работу анализируемого процесса или наоборот, помогут только системные изменения.

 

Учитывает быструю потерю актуальности накопленных за прошлый период данных

Все течет, все меняется.

 

Создает индивидуальную сигнатуру сбоев

Наша методология операционально точно отделяет шум от сигналов, выявляя индивидуальную сигнатуру сбоев в работе оборудования и технологических процессов, а не требует установки вымышленных граничных значений.

 

Например, о проблеме, свидетельствующей об отсутствии таких знаний сообщила компания OSyS (Optimized Systems and Solutions, является дочерней компанией Rolls-Royce), которая специализируется на предоставлении СППР для мониторинга и оптимизации высокоценных активов:

 

"При анализе параметров производительности специалисты компании OSyS столкнулись с тем, что им приходилось задавать либо слишком узкие граничные значения, и тогда резко увеличивалось количество оповещений, либо значения слишком широкого диапазона, и тогда получалось, что значения в оповещении не соответствуют требуемым пределам. Однако технические средства, знания и навыки анализа помогли им создать сигнатуру сбоя для всевозможных потоков данных, которые могут поступать с оборудования".

Источник: iot.ru

 

Monitoring of International Space Station Telemetry Using Shewhart Control Charts

 

Мониторинг телеметрии Международной космической станции с помощью контрольных карт Шухарта в NASA

The Use of Statistical Process Control in Deep Space Network Operations

 

Использование Статистического управления процессами в Сети дальней космической связи NASA

БЦ "H2O", ОФИС 509 , 195030, г. Санкт-Петербург, ул. Химиков, 28АС,
Тел., WhatsApp: +7 (911) 711-93-27, E-mail:    info@dma.center