Агент предиктивного обслуживания

1️⃣ Предсказание засорения экструдера и предотвращение аварийных остановов (кейс СИБУР)

Ситуация: Экструдер по производству полипропиленовых гранул — агрегат размером с двухкомнатную квартиру. При нарушении температурного режима или давления расплавленный полимер начинает налипать между фильерой и ножами, образуя агломерат. Он поднимается и забивает вибросито. Раньше об этом узнавали, когда агломерат становился видимым — но к этому моменту экструдер уже полностью забит. Остановка, разборка, чистка занимали более 30 минут. В 2017 году произошло 19 таких остановок, каждая — миллионные убытки .

Действие агента:
1. Агент через IIoT.Istok или SCADA в реальном времени собирает телеметрию с экструдера: температура расплава, давление перед фильерой, ток двигателя, вибрация, частота вращения шнека .
2. Математическая модель, обученная на исторических данных о 19 остановках, сравнивает текущие параметры с «матрицей допустимых состояний». Когда температура и давление начинают отклоняться от нормы (например, с 65°C до 75°C при той же нагрузке), агент вычисляет вероятность засорения за 1–2 часа до события .
3. На дашборде оператора загорается жёлтый индикатор. Система выдаёт конкретную рекомендацию: «Увеличить прижим ножей на 2 единицы для предотвращения налипания» .
4. Оператор подтверждает корректировку одним кликом. Если отклонение продолжает расти — индикатор становится красным, агент эскалирует предупреждение мастеру смены через Битрикс24.
5. После успешного предотвращения инцидента агент фиксирует событие в 1С:ТОиР как «предотвращённый отказ», обновляет модель и пополняет базу знаний .

Результат:
✓ 0 внеплановых остановов после внедрения системы .
✓ Экономия миллионов рублей в год на каждой производственной линии.
✓ Операторы перестали работать «вслепую» — получили инструмент, предсказывающий проблемы раньше, чем они станут видимы.

2️⃣ Комплексная предиктивная диагностика парка оборудования (кейсы СУЭК, Берёзовская ГРЭС, НЛМК)

Ситуация: Горнодобывающее предприятие эксплуатирует десятки экскаваторов и дробильно-транспортных комплексов в круглосуточном режиме. Внезапный отказ экскаватора останавливает весь вскрышной участок. Раньше ремонты проводились либо по наработке (часто избыточно), либо по факту поломки (аварийно) .

Действие агента:
1. Агент интегрирован с платформой «Цифра» / «ТвинПро» и системой 1С:ТОиР Корп. На каждую единицу техники заведён цифровой паспорт с историей наработки, ремонтов, замен узлов .
2. С датчиков экскаватора (вибрация подшипников, температура редукторов, давление в гидросистеме) данные поступают в IIoT.Istok каждые 100 мс. ML-модели анализируют тренды деградации .
3. При обнаружении устойчивого роста вибрации опорно-поворотного круга агент за 2 недели прогнозирует: «Вероятность отказа — 65% через 300 моточасов». Рекомендация: «Провести смазку узла в ближайшие 3 смены, запланировать замену в следующий ППР» .
4. Агент автоматически создаёт в 1С:ТОиР заявку на плановое обслуживание, резервирует необходимые смазочные материалы на складе (через интеграцию с 1С:ERP), назначает ответственного механика .
5. Yandex DataLens визуализирует на общедоступных дашбордах: «Состояние парка — 94% в зелёной зоне, 5% в жёлтой, 1% в красной». Каждый механик видит KPI по своему участку .

Результат (СУЭК):
✓ Аварийность снижена на 22% .
✓ Расход смазочных материалов сокращён на 18% за счёт оптимизации периодичности обслуживания .
✓ Время реакции на отклонения сокращено на 50% (кейс НЛМК по визуализации) .

3️⃣ Управление жизненным циклом активов и цифровые двойники (кейсы Лебединский ГОК, ЛокоТех, IIoT.Istok)

Ситуация: Вращающиеся печи обжига на ГОКе работают в экстремальных тепловых режимах. Футеровка изнашивается неравномерно, прогары приводят к внеплановым остановкам на 2–3 суток. Завод теряет до 50 млн руб. за каждый час простоя. Требуется не просто прогнозировать отказ, а моделировать различные сценарии эксплуатации .

Действие агента:
1. Агент создаёт цифровой двойник вращающейся печи на платформе IIoT.Istok или «ТвинПро». В двойник загружены: CAD-модель, теплофизические характеристики материалов, исторические данные термопар, режимы работы .
2. В реальном времени агент синхронизирует двойник с физическим объектом: температура кожуха, состав отходящих газов, скорость вращения, крутящий момент.
3. ML-модель прогнозирует остаточный ресурс футеровки с точностью ±5%. При достижении порога «износ 80%» агент моделирует три сценарии:
   А) Эксплуатация до отказа — риск внепланового простоя 72 часа.
   Б) Плановый ремонт через 3 недели — простой 48 часов, +15 млн руб. упущенной выгоды.
   В) Оптимизация режима обжига (снижение температуры на 30°C) — продление ресурса на 6 недель, ремонт в период плановой остановки завода, 0 упущенной выгоды.
4. Агент направляет рекомендацию главному инженеру через Битрикс24: «Сценарий В обеспечивает максимальную экономию — 73 млн руб.». Решение принимается за 15 минут, а не за 2 дня согласований.
5. Все изменения фиксируются в Цифровом формуляре (паспорте) изделия. Завод-изготовитель получает обезличенные данные об износе для улучшения конструкции следующего поколения печей .

Результат (Лебединский ГОК):
✓ Межремонтный интервал увеличен на 20% .
✓ Энергозатраты снижены на 8% за счёт оптимизации теплового режима .
✓ Создана единая база жизненного цикла для 370 тыс. объектов (кейс ЛокоТех) с потенциалом масштабирования на всю промышленность РФ

🧑‍💼 Главный инженер / технический директор — переход от стратегии «ремонт до отказа» к управлению надёжностью на основе данных. Снижение аварийности, прогнозируемость простоев .
🧑‍💼 Руководитель службы ТОиР / главный механик — автоматизация планирования ремонтов, исключение экстренных закупок, прозрачность состояния оборудования в реальном времени .
🧑‍💼 Начальник производства — устранение простоев как фактора срыва производственного плана. Достижение КТИ (коэффициента технического использования) до 100% .
🧑‍💼 Инженер-диагност / оператор — «цифровой напарник», который предупреждает об отклонениях и подсказывает оптимальные режимы работы. Снижение стресса, доверие к системе .

🔵 1С:ТОиР Управление ремонтами и обслуживанием оборудования КОРП (разработка «Деснол»)
— Паспортизация активов: создание единой базы оборудования (реальный кейс «Ай-Пласт» — 5000+ объектов ремонта, «Нэфис Косметикс» — 11 156 объектов) .
— Учёт наработки и параметров эксплуатации: получение моточасов, циклов, температурных профилей для обучения ML-моделей.
— Интеграция с 1С:ERP / 1С:УПП: автоматическое формирование заявок на закупку запчастей при прогнозе отказа, двусторонняя синхронизация складских остатков .
— Интеграция с 1С:ЗУП: почасовой учёт трудозатрат ремонтного персонала, планирование загрузки бригад .
— Автоматические оповещения: уведомления о превышении наработки, истечении сроков ремонта, достижении минимального остатка ТМЦ .

🟡 Платформа IIoT.Istok (НПП «Исток» им. Шокина, холдинг «Росэл», Ростех)
— Первая отечественная IIoT-платформа, не имеющая аналогов в РФ. Сбор данных с датчиков, объединение в единую систему диспетчеризации .
— Встроенные алгоритмы ИИ: автоматическая диагностика неисправностей и предиктивный анализ технического состояния в реальном времени .
— Цифровые двойники: создание виртуальных копий промышленного оборудования, симуляция режимов работы, прогноз деградации .
— Внедрена на предприятиях ОПК и в федеральном проекте «Персональные медицинские помощники» .

🟡 Российские APM/EAM-платформы с предиктивной аналитикой
— «ТвинПро», «ОПТИМУМ-ТОиР», платформа «Цифра» — модули оценки рисков, цифровые советчики, интеграция с IoT-сенсорами и SCADA .
— Цифровой советчик (СУЭК): интеллектуальный модуль поддержки решений, анализирует нагрузки, вибрацию, температуру; даёт рекомендации по оптимальному времени обслуживания. Подтверждённый эффект: снижение аварийности на 22%, сокращение расхода расходных материалов на 18% .

🔵 Цифровой формуляр (паспорт) изделия (ЛокоТех + КонтролТуГоу.Ру)
— Защищённое хранилище данных о 370 тыс. объектов подвижного состава, интеграция с учётными системами ЛокоТех-Сервис и Желдорреммаш .
— Прослеживаемость всего жизненного цикла: проектирование → эксплуатация → ремонт → утилизация. Верифицированный доступ участников цепочки (производитель, эксплуатант, ремонтные службы) .
— Внесение в Единый реестр российского ПО, поддержка импортозамещения .

🟡 Yandex DataLens + YandexGPT / GigaChat
— Визуализация предиктивной аналитики: дашборды с цветовой индикацией (зелёный/жёлтый/красный) для операторов. Реальный кейс компании «КОТ»: 172 формализованные метрики, сокращение времени доступа к данным с дней до секунд, интеграция в рабочие места сотрудников .
— RAG по технической документации: оператор запрашивает «Допустимые режимы эксплуатации компрессора» — агент мгновенно выдаёт выдержку из регламентов и ГОСТ.
— Интеграция с системой СИБУР: собственное импортозамещённое решение предиктивной диагностики на базе открытых технологий, разработанное после ухода западных вендоров .

🔵 Системы класса SCADA / АСУ ТП
— Сбор телеметрии: температура, вибрация, давление, ток, расход. Поддержка OPC UA, Modbus TCP, MQTT.
— Интеграция с «Умной диагностикой (SmartDiagnostics)» — российская система предиктивной аналитики, внедрённая на «Метровагонмаш» для прогнозирования отказов подвижного состава

• Основные модели:
— 🇷🇺 GigaChat 2 Pro / GigaChat-MoE — открытые промышленные модели, архитектура Mixture of Experts. Используются в пилотных проектах «ФосАгро» и СИБУР для RAG по техрегламентам и предиктивной аналитики .
— 🇷🇺 YandexGPT 5.1 Pro — интеграция с Yandex DataLens, визуализация дашбордов, RAG по эксплуатационной документации. Контекст 32К токенов, снижение стоимости в 3 раза (0,40₽/1000 токенов) .
• Специализированные ML-модели:
— Градиентный бустинг (CatBoost, XGBoost) — классификация аномалий, прогнозирование временных рядов (вибрация, температура). Используются в системах «Цифровой советчик» (СУЭК) .
— Нейросети (LSTM, Transformers) — для прогноза остаточного ресурса сложных агрегатов с нелинейными зависимостями.
— Алгоритмы выявления аномалий (Isolation Forest, Autoencoders) — обнаружение отклонений в многомерной телеметрии в реальном времени .
• Альтернативы: 🇨🇳 Qwen3-72B — сильные математические и инженерные бенчмарки, может быть развёрнута локально для закрытого контура. 🇨🇳 GLM-4.7-Flash (30B MoE) — эффективна для высокочастотного инференса при анализе потоков данных с датчиков.
• GPU VPS (умеренная нагрузка, до 5000 единиц оборудования):
— NVIDIA L40S (48 ГБ) — оптимальный выбор для инференса GigaChat / YandexGPT и одновременной работы ML-моделей. Доступно в Т1 Cloud, Yandex Cloud. Подтверждённая совместимость с 1С:ТОиР и IIoT.Istok .
— NVIDIA RTX 4090 (24 ГБ) — достаточно для GLM-4.7-Flash и лёгких версий YandexGPT; бюджетное решение для средних производств (до 1000 активов).
• Для крупных холдингов (десятки тысяч активов, цифровые двойники): кластер 2×NVIDIA L40S или NVIDIA H200 (141 ГБ) — поддержка полномасштабных симуляций цифровых двойников и глубокого обучения на многолетних исторических данных .