В ТВЭЛ испытали собственную систему предиктивной аналитики

На Чепецком механическом заводе (ЧМЗ) завершилось тестирование системы прогнозирования качества продукции и состояния оборудования AtomMind.

Созданная в топливной компании low-code-система предлагает оптимальные параметры и режимы работы оборудования для уменьшения доли брака готовой продукции, визуализирует процесс производства и оповещает пользователей об отклонениях параметров работы оборудования, анализирует данные датчиков и параметры работы станков, прогнозируя возможность выхода из строя тех или иных узлов. Так пользователи получают возможность перейти от планового ремонта оборудования к ремонту по требованию, не дожидаясь его поломки.

Сейчас система обрабатывает в онлайн-режиме 600 параметров, в перспективе этот показатель может вырасти до 2000.

AtomMind имеет единый интерфейс, ее можно встроить в ИТ-ландшафт предприятия. Так, систему внедрили в прокатном производстве ЧМЗ и интегрировали с информационными системами: МES (система управления производственными процессами), ERP (система планирования ресурсов предприятия), AСУ ТП, ультразвуковым контролем качества, датчиками и контроллерами оборудования.

«Цифровые подходы к планированию производства, разработке и освоению новой продукции существенно сокращают время, необходимое для выполнения заказов. В условиях растущих объемов производства — это необходимый инструмент достижения бизнес-показателей», — отметил генеральный директор ЧМЗ Сергей Чинейкин.

Параллельно на Ковровском механическом заводе (КМЗ) завершилась проверка прототипа системы, основанной на использовании инструментов AtomMind.

«Система анализирует данные, опираясь на высокоэффективные модели машинного обучения, которые используют исторические данные испытаний. Нам удалось обеспечить взаимодействие модели с пользователями при помощи AtomMind, а также модернизировать расчеты в ряде производственных процессов на КМЗ, — отметил директор по цифровизации ТВЭЛ Евгений Гаранин. — Полученный опыт станет основанием для создания системы предиктивного анализа с расширенным функционалом и ее тиражирования на предприятия топливной компании, которые выполняют аналогичные задачи. Успешная эксплуатация таких систем в дивизионе также важна для вывода наших цифровых продуктов на рынок».