Блог пользователя - admin

Типичная доля затрат на техническое обслуживание по отраслям, % от общих затрат на производство.
Доступная возможность экономии, %.

Проблема качества данных для управления активами имеет комплексный характер и единственного рецепта ее решения не существует. Как правило, решение включает в себя систему мер (организационных и технических). В статье на известном ресурсе Reliabilityweb рассмотрен один аспект этой проблемы: качество собираемых операторами данных снижается, если они не понимают, зачем это делается.

В рассмотренной ситуации типичны вопросы операторов: 

• «Я трачу часы на запись этих показаний, но никто их никогда не просматривает. Зачем я это делаю?»,
• «Я могу сказать вам, исправен ли насос, за 30 секунд, просто послушав его. Зачем мне регистрировать эти десять показателей?».

Если не ответить на эти вопросы, то невозможно будет эффективно руководить. Операторы — это не просто «сборщики данных», они являются первой линией обеспечения исправности оборудования. Если они не видят ценности этого процесса, мы не можем ожидать от них необходимой тщательности.

Пример решения этой проблемы на одном из предприятий. Они решили ее не с помощью дополнительного программного обеспечения или более строгих требований к работникам, а с помощью прозрачности. Они относились к своим операторам как к партнерам в обеспечении надежности. Вот как они это сделали:

Обучение и инвестиции: Они отошли от подхода «просто снимайте показания» к объяснению того, почему данные важны. Они показали операторам, как их полевые данные в сочетании с другими аналитическими данными предприятия позволяют инженерам по надежности проводить расширенную диагностику. Когда оператор понимает «общую картину», его восприятие задачи меняется с бремени на вклад.
Создание системы обратной связи: на предприятии разработан процесс, позволяющий операторам сообщать об аномалиях. Если оператор замечает определенную тенденцию или тревожный звук, система должна подтвердить это, отследить и — что наиболее важно — предоставить обратную связь о результате.
Периодический пересмотр маршрутов: Маршруты обходов часто разрабатываются по принципу «настроил и забыл», несмотря на то, что выполняются тысячи раз в год. Нужно позволить операторам вносить предложения по улучшению маршрутов. Корректировка маршрутов на основе отзывов операторов позволила предприятию сэкономить ценное время и, что более важно, укрепить доверие внутри организации.
Покажите результат: Когда операторы видят, что их рекомендации отслеживаются и выполняются, качество их отчетов естественным образом улучшается. Данные, которые они собирают, должны использоваться. Тогда они перестают быть пассивными наблюдателями и начинают активно участвовать в обеспечении надежности. 
Обучение работе с технологиями: Технологии хороши ровно настолько, насколько хорош пользователь. Распространенная ошибка — считать, что инструменты инструменты для обходов оборудования достаточно интуитивно понятны, чтобы операторы могли разобраться в них без дополнительного обучения. Это приводит к снижению качества данных и разочарованию. Обучение никогда не должно быть второстепенным вопросом. Будь то внедрение нового мобильного устройства или прием на работу нового сотрудника, обучение должно быть тщательным. Операторы должны в полной мере владеть всеми функциями инструмента. Они должны быть уверены в своих силах при использовании инструмента для выполнения своих задач.
Результаты: Культура надежности, когда операторы становятся частью процесса, приводит к глубоким изменениям. Количество высококачественных, действенных рекомендаций увеличивается. Время от выявления проблемы до ее решения сокращается, поскольку обратная связь замыкается и становится надежной.

В конечном счете, обеспечение надежности — это командная работа. Если вы хотите улучшить качество данных вашего предприятия и эффективность вашей программы обеспечения надежности, начните с устранения коммуникационного барьера.

Вывод: Устраните разрыв! Ваши операторы — ваши лучшие активы. Если вы инвестируете в них, объясняете им «почему» за данными стоят определенные задачи и даете им право голоса при разработке ваших процессов, вы получаете не только точные показания, но и культуру постоянного совершенствования и ответственности, которую не может обеспечить ни один программный пакет.

1. Usability (Пригодность). Данные применимы в рамках одного или нескольких бизнес-процессов или при принятии решений.
2. Precision (Детализация). Данные фиксируются с той степенью детализации, которая требуется для бизнес-процессов.
3. Timeliness (Своевременность). Данные обновляются с частотой, достаточной для удовлетворения бизнес-требованиям.
4. Accuracy (Точность). Значение данных точно отражает реальные объекты или события.
5. Nonduplication (Уникальность). Каждая запись данных уникальна с точки зрения используемого способа идентификации.
6. Availibility (Доступность). Данные доступны, их легко извлечь и интегрировать в бизнес-процессы.
7. Validity (Валидность). Данные соответствуют установленным требованиям и получены из проверяемого источника.
8. Consistency (Согласованность). Данные, хранящиеся в разных местах, имеют единообразную структуру и представление.
9. Completeness (Полнота). В записях нет пропущенных полей, а в наборах данных — пропущенных экземпляров.

Большинство руководителей служб технического обслуживания стремятся к одному и тому же: меньше неожиданностей, более безопасная работа, большее время безотказной работы и меньшие потери средств.

Прогнозное техническое обслуживание обещает все четыре аспекта, и почти каждая компания, предлагающая его, рисует одну и ту же картину: кривая зрелости, где реактивное обслуживание находится внизу, прогнозное — наверху, а стрелка указывает вверх и вправо.

Однако пятьдесят лет исследований выявили иную суть зрелого технического обслуживания, и вот она. Зрелые организации используют продуманное сочетание реактивных, превентивных и прогнозных стратегий, выбираемых для каждого актива и каждого вида отказов. Зрелость заключается в качестве принимаемых решений и данных, лежащих в их основе.

Момент, который обычно упускается из виду при построении кривых зрелости технического обслуживания: для некоторых видов отказов правильным результатом является полное отсутствие планового технического обслуживания. Разница между уровнем 1 и уровнем 5 в модели зрелости технического обслуживания заключается в том, является ли реактивная стратегия стратегией, которую вы осознанно выбираете для каждого класса активов, или стратегией по умолчанию, которая выбирает вас.

В руководстве Министерства энергетики США по передовым методам эксплуатации и технического обслуживания аналогичный тезис подкрепляется цифрами. В нем рекомендуется использовать реактивный подход к обслуживанию недорогого, некритичного и резервированного оборудования, а также указывается, что структура высокоэффективного технического обслуживания составляет менее 10 процентов реактивного, от 25 до 35 процентов профилактического и от 45 до 55 процентов прогнозного обслуживания.

Уровень зрелости устанавливается для каждого класса активов и каждого вида отказов, а не для всего предприятия в целом. Упаковочные машины на конечной стадии линии с мониторингом вибрации могут находиться на 4-м уровне (проактивное обслуживание), в то время как клапаны в двух зданиях от них находятся на 2-м уровне (профилактическое плановое обслуживание), и оба варианта могут быть правильным решением. Усреднение по всему предприятию препятствует решениям, которые действительно имеют значение.

Опрос почти 700 специалистов и руководителей по техническому обслуживанию показал, что 47% из них столкнулись с невосполнимой потерей знаний после увольнения сотрудника. Семьдесят четыре процента респондентов заявили, что в их организациях есть важнейшие активы, которые зависят от знаний одного человека.

Две трети специалистов по техническому обслуживанию заявили, что лично обладают важными знаниями, которые нигде не задокументированы в системах их организации.

Результаты исследования подчеркивают растущую проблему, поскольку опытные специалисты уходят на пенсию или покидают компанию, а предприятиям трудно найти им замену. Знания о поведении оборудования, повторяющихся проблемах, процедурах ремонта и методах технического обслуживания могут накапливаться годами работы с техникой, но могут никогда не попасть в официальные записи о техническом обслуживании.

Крупные отделы технического обслуживания (с численностью персонала от 51 до 100 сотрудников) на 50% чаще, чем в среднем, сообщали о потере знаний, которые невозможно было восстановить после увольнения сотрудника.

Исследование также показывает, что предприятия по-прежнему больше обеспокоены наличием достаточного количества квалифицированных специалистов, чем заменой этих работников искусственным интеллектом. Когда руководителей служб технического обслуживания спросили, какое улучшение окажет наибольшее влияние на их бизнес, они поставили наём и удержание квалифицированных техников выше искусственного интеллекта.

На портале "Промышленные страницы" опубликована статья «Российское промышленное ПО: интеграция в гетерогенную среду» с комментариями НПП СпецТек.
 
В комментарии НПП СпецТек показана некоторая шизофреничность позиции государства в вопросах импортозамещения ПО. С одной стороны, российский законодатель фактически мотивировал крупные промышленные предприятия не покупать лицензионное ПО на рынке, а разрабатывать его самостоятельно или по заказу, автоматически получая исключительные права на заказную разработку. Мотивация здесь состоит в том, что согласно ч. 6 п. 3 ст. 257 Налогового кодекса РФ все затраты на самостоятельное создание ПО принимаются к учету с коэффициентом 2 (включая затраты на внедрение), а значит на удвоенную сумму всех расходов будет уменьшаться налоговая база по налогу на прибыль. А вот если предприятие приобретает лицензию на использование готового российского ПО, то с коэффициентом 2 принимается к учету только стоимость лицензии, а затраты на внедрение, составляющие 70 или более процентов от цены проекта (на языке закона – на адаптацию и модификацию приобретенного ПО), учитываются здесь с коэффициентом 1 (пп.26 п.1 ст. 264 Налогового кодекса РФ).

А с другой стороны государство в лице Минцифры РФ в целях государственной поддержки отечественных разработчиков неоднократно пыталось ограничить самостоятельную разработку, регулируя вопросы финансирования такой разработки и включения самостоятельно разработанного софта в Единый реестр отечественного ПО. Но промышленные корпорации каждый раз находят обходные пути. 

Таким образом, государство сначала мотивирует предприятия к самостоятельной разработке ПО, а потом с этим борется. Объяснение этой ситуации, вероятно, лежит в плоскости противоборства различных лоббирующих сил. В этом смысле самое свежее решение «о государственной поддержке» – это вступившие в силу с 1 марта 2026 года «Правила формирования и ведения перечня российских программ для ЭВМ и баз данных, разработанных и используемых для собственных нужд российскими юридическими лицами». 

Сведения о включенном в этот перечень софте являются закрытыми и не подлежат опубликованию, а сам софт вносится в этот перечень по решению Правительственной комиссии, а не Минцифры. Ведение этого перечня узаконено соответствующим федеральным законом, которым также предусмотрено, что если законом будет установлено требование об использовании программы из Единого реестра российских программ для ЭВМ, то это требование считается выполненным при использовании программ из этого нового перечня.

Фактически создан параллельный Единому реестру перечень, статус которого приравнен к Единому реестру. Софт без включения в Единый реестр может поставляться в качестве отечественного, в том числе для использования в критической информационной инфраструктуре. С попытками ограничить внутренние разработки промышленных корпораций покончено.

Фото: «ПромоГрупп Медиа»

На отраслевом ресурсе нефтегазовой промышленности опубликована статья с комментариями НПП СпецТек на актуальную тему: «Как нефтегаз конкурирует с ИТ-компаниями за одних и тех же специалистов. Кто выиграет эту битву?». Суть нашего комментария состоит в следующем.

Источник противостояния за специалистов между ИТ-компаниями и промышленными корпорациями кроется в коренном изменении модели импортозамещения. Изначально предполагалось, что в целях импортозамещения промышленники будут обращаться в Единый реестр российских программ для ЭВМ (далее – Реестр), выбирать в нем подходящие продукты и приобретать соответствующие лицензии на рынке. 

Однако, в 2019 году в Реестр был введен принципиально нерыночный класс ПО: программное обеспечение, разработанное юридическими лицами для реализации своей деятельности и предназначенное преимущественно для внутреннего использования. В новом классификаторе это класс 05.07. С этого момента промышленники получили возможность осуществлять политику импортозамещения, не приобретая продукты из Реестра, а разрабатывая их самостоятельно и регистрируя в Реестре.

Окончательные изменения произошли в 2022 году, когда при поддержке Правительства РФ были созданы так называемые «Индустриальные центры компетенций» - закрытые структуры, в которых силами кэптивных ИТ-компаний промышленных корпораций осваиваются их ИТ-бюджеты. В августе 2026 года Правительство РФ утвердило очередной перечень особо значимых проектов (ОЗП) для развития цифровой экономики. В список вошли 24 инициативы на 14,4 млрд рублей, которые будут реализовываться за счет собственных средств компаний. Это значит, что очередные миллиарды рублей будут пронесены мимо рынка и освоены «в узком кругу» в «Индустриальных центрах компетенций». Естественно, для освоения таких бюджетов нужны кадры, отсюда и конкуренция за них с ИТ-компаниями.

Сложившаяся практика несет серьезную кадровую угрозу для отечественной ИТ-отрасли. Промышленные корпорации сформировали параллельную ИТ-индустрию, построенную на принципиально нерыночной основе. 
Глава Минцифры Максут Шадаев в ноябре 2025 года изложил свое видение сложившейся ситуации так, что крупные российские корпорации часто сами для себя разрабатывают аналоги ИТ-продуктов в своих кэптивных компаниях, затем включают их в Реестр и таким образом демонстрируют переход на российские решения, вместо того, чтобы искать их на рынке. «Это негативно влияет на спрос на отечественное ПО в целом – он уже падает». 

Etihad Water and Electricity (EtihadWE) получила сертификат соответствия ISO 55001:2024 для своей системы управления активами. 

Сертификация охватывает активы EtihadWE по передаче и распределению электроэнергии и воды. Ключевым аспектом является то, что система управления активами была разработана и внедрена полностью собственными силами компании EtihadWE.

«Получение сертификата ISO 55001:2024 представляет собой важную веху в нашем пути к операционному совершенству и управлению активами мирового класса», - заявил Абдулла Мохаммед Аль-Хемейри, главный операционный директор EtihadWE.

Etihad Water and Electricity (EtihadWE) это государственная компания ОАЭ, которая обеспечивает электроэнергией и питьевой водой северные эмираты страны (Аджман, Рас-эль-Хайма, Умм-эль-Кайвайн и Фуджейра). Компания управляет энергосетью, включающей более 15,000 километров линий электропередач и многочисленные высоковольтные подстанции по всей территории Северных Эмиратов. Компания также эксплуатирует, модернизирует и расширяет обширную сеть водоснабжения и трубопроводную инфраструктуру в северных эмиратах ОАЭ.

Предиктивное (или прогнозное) техническое обслуживание с использованием искусственного интеллекта (ИИ) — это уже зрелая, проверенная технология, но она по-прежнему требует точности в развертывании, реалистичности в ожиданиях и строгости в измерениях. От этой технологии ожидают сокращения затрат на техническое обслуживание и рентабельности инвестиций. Важное значение имеет такой показатель, как горизонт прогнозирования отказа — от него в конечном счете зависит принципиальная возможность извлечения выгоды из данной технологии. 

Однако, несмотря на зрелость рынка, по-прежнему не хватает надежной точки отсчета. Какой реальной окупаемости инвестиций следует ожидать? Какие виды отказов действительно обнаруживает ИИ, а какие пропускает? Как соотносятся сроки упреждения и частота ложной тревоги в разных классах активов? 

Неправильно настроенные системы вызывают усталость от оповещений с ложной тревогой. Прогнозы остаточного срока службы, сделанные без достаточных данных для машинного обучения, вводят в заблуждение специалистов по планированию технического обслуживания. Прогнозы рентабельности инвестиций, основанные на тематических исследованиях поставщиков, а не на операционных показателях, разочаровывают финансовых директоров. 

Чтобы дать ориентир и ответить на эти вопросы, был проведен анализ данных, содержащихся в многочисленных отраслевых исследованиях, технической документации OEM-производителей, рецензируемых научных работах, а также полевые данные реальных внедрений, охватывающих четыре отрасли (нефтегазовая, энергетика, автомобилестроение, водоснабжение) и четыре критически важных класса оборудования: 

1. центробежные насосы, 
2. роторные компрессоры, 
3. обрабатывающие центры с ЧПУ,
4. силовые трансформаторы. 

Результаты анализа сведены в отчет, цель которого — помочь разобраться в ситуации и предоставить научно обоснованные данные, необходимые для принятия уверенных решений по инвестированию в проекты предиктивного технического обслуживания.

Сводка результатов анализа статистики применения предиктивного обслуживания: 

• снижение затрат на техническое обслуживание - 20-40%,
• горизонт прогнозирования отказов - 3-21 дней,
• частота ложной тревоги после оптимизации - 3-10%,
• окупаемость инвестиций - 12-24 месяцев.

В отчете еще много полезной информации, касающейся упомянутых выше классов оборудования:

• типичные причины отказов с частотой их возникновения,
• основные контролируемые параметры состояния,
• экономический эффект в количественном выражении от применения предиктивного обслуживания,
• матрица сравнения применимости и эффективности видов датчиков в разных классах оборудования,
• варианты стратегии предупреждения отказов в зависимости от горизонта их прогнозирования.

Многие организации недоинвестируют в предиктивное техническое обслуживание, поскольку в их бизнес-планах учитывается только прямая экономия затрат на техническое обслуживание, при этом упускается 60–70% общей выгоды. В этой связи сформирована модель рентабельности инвестиций в предиктивное техническое обслуживание. Она учитывает выгоду по четырем направлениям: 

1. прямая экономия затрат, 
2. косвенные операционные выгоды, 
3. снижение рисков,
4. стратегические преимущества. 

Архитектура комплексной выгоды AI PdM

Снижение затрат на техническое обслуживание

Ошибка прогнозирования срока до отказа

Стандарт ISO 55013:2024 и национальный ГОСТ Р 55.0.08–2025/ИСО 55013:2024 «Управление активами. Руководство по управлению активами данных» в числе прочего дает важную рекомендацию: процессы сбора данных должны быть нацелены на сбор не только самих данных об активах, но и сведений о контексте, в котором эти данные были собраны (например, принятые ранее решения или выполненные действия с активами и так далее). А процессы принятия решений на основе данных должны учитывать этот контекст.

В статье, доступной по ссылке, эта проблема рассматривается под углом организации предиктивного технического обслуживания и сбора данных о техническом состоянии. Корень проблемы: промышленные данные часто хранятся в отдельных, разрозненных системах. Платформы мониторинга состояния могут содержать данные о вибрации, температуре и смазке. В то же время, оперативная информация, такая как нагрузка, скорость, производительность, состояние процесса и производственный спрос, может храниться в системах SCADA, MES-системах и т.д. 

В результате аналитики часто оценивают данные о состоянии активов независимо от операционной среды, в которой они были получены. Например, на критически важном оборудовании появляется вибрационный сигнал, и обслуживающий персонал начинает анализ возможной неисправности, а спустя несколько дней выясняется, что оборудование исправно. Повышенные показания вибрации были вызваны не износом оборудования, а изменением условий эксплуатации. Данные были верны. Диагноз — нет.

Одна из фундаментальных реалий промышленного оборудования заключается в том, что машины не работают изолированно. На их поведение сильно влияют условия эксплуатации.

Уровень вибрации, считающийся приемлемым при работе под полной нагрузкой, может указывать на начинающуюся проблему при работе той же машины в условиях малой нагрузки.

Аналогично, рабочая температура 85°C может быть совершенно нормальной в периоды пиковой производственной нагрузки. Та же самая температура при низкой нагрузке может указывать на проблемы с охлаждением, смазкой или ненормальные условия нагрузки.

Анализ токов в двигателе представляет собой схожие проблемы. Изменения в характеристиках тока могут быть вызваны дефектами ротора, эксцентриситетом или механическими неисправностями. Однако они также могут отражать изменения в условиях технологического процесса, колебания нагрузки или режимах работы, не имеющие отношения к износу оборудования.

В каждом из этих примеров само измерение не вводит в заблуждение. Проблема возникает, когда измерение интерпретируется без понимания обстоятельств, при которых оно было проведено.

Контекст определяет значение. Без контекста специалисты по надежности рискуют сравнивать измерения, которые на самом деле не являются сопоставимыми.

Приведенные примеры еще раз подчеркивают важности интеграции данных об активах и построения единой информационной системы управления активами, включающей шлюзы со смежными системами, задающими контекст.