Каждый день на нефтегазохимических заводах СИБУРа работают тысячи единиц оборудования. Компрессоры, насосы, турбины — все они крутятся, нагреваются, изнашиваются. И рано или поздно ломаются.

Если выходит из строя ключевой агрегат, завод теряет миллионы рублей в день. Один простой может остановить весь цех, сдвинуть график отгрузок, повлиять на работу нескольких производств.

Раньше мы узнавали о проблемах так: загорается красная лампочка, срабатывает сигнализация, агрегат останавливается. Оператор видит на мониторе: температура подшипника 120 градусов — критично! Производство встает. Вызываем ремонтную бригаду, ищем запчасти, теряем время и деньги.

Что если узнавать о проблемах раньше? Не когда температура подшипника уже 120 градусов, а когда она поднялась с обычных 65 до 75? Тогда можно спланировать ремонт, заказать запчасти, остановить производство согласно плану.

Лучше потратить деньги на год разработки, чем терять гораздо больше на каждой поломке. Особенно если при этом снижается нагрузка на персонал, исчезает аврал, и работа становится предсказуемой.

Что такое предиктивная диагностика простыми словами

Слово "предиктивная" часто вводит в заблуждение. Мы не предсказываем будущее — мы сравниваем норму с реальностью.

Представьте: у вас есть знакомый, который всегда приходит на работу в 9:00. Вдруг он начал опаздывать на 15 минут. Формально он не нарушает правила — рабочий день с 9:30. Но что-то изменилось. Может, проблемы дома, может, заболел.

Так же работает наша система. Она знает, как "в норме" ведет себя каждый агрегат. Когда видит отклонение от нормы — подает сигнал. Не ждет, пока сработает красная лампочка аварии.

Обычная система мониторинга: "Температура 100 градусов — внимание! 120 градусов — авария!"

Предиктивная система: "Обычно при такой нагрузке температура 65 градусов, а сейчас 75. Что-то не так."

Почему традиционный подход к обслуживанию не всегда работает

Большинство людей думает, что оборудование работает по простой схеме: новое служит долго, старое ломается чаще. На самом деле все сложнее.

Исследования показывают, что только 11% отказов связаны с возрастом оборудования. Остальные 89% имеют случайную природу, но у них есть конкретные проявления — изменения в температуре, вибрации, давлении. Эти изменения можно отследить на раннем этапе.

Традиционное плановое обслуживание работает по календарю: "Подшипник служит год, меняем по графику." Но что если он может проработать полтора года без проблем? Или наоборот — начнет изнашиваться через восемь месяцев?

Предиктивная диагностика меняет подход: "Подшипник работает нормально, но появились первые признаки износа. Будем следить, возможно заменим раньше. И разберемся, почему он изнашивается быстрее обычного."

Система не отменяет плановое обслуживание, а делает его умнее. Вместо слепого следования графику мы получаем данные о реальном состоянии каждого агрегата.

Как работает математическая модель

Сердце любой системы предиктивной диагностики — математическая модель, которая понимает, как должно работать оборудование.

Основа метода — матрица допустимых состояний оборудования. Представьте многомерное пространство, где каждая точка — это состояние агрегата в определенный момент времени. Температура, давление, вибрация, скорость вращения — все эти параметры создают уникальный "портрет" работающего агрегата.

Система собирает исторические данные за месяцы работы и определяет область нормального функционирования. Когда текущее состояние агрегата выходит за границы этой области — система подает сигнал.

Чем дальше точка от области нормы, тем серьезнее потенциальная проблема. Система не просто констатирует отклонение, а показывает его динамику — растет проблема или стабилизировалась.

Как все начиналось: от западных технологий к своим

В 2019 году мы внедрили западную модель предиктивной диагностики и одновременно создали Центр мониторинга и диагностики. Именно с внедрения этого решения зародился отдельный центр диагностики. Первые модели запустили в сентябре, и система сразу показала результат.

Она работала просто: собираем данные с датчиков, обучаем математическую модель, сравниваем прогноз с фактом. Отклонение больше нормы — формируем уведомление.

За пять лет работы с западным решением мы предотвратили десятки аварий. И даже одна авария крупного агрегата, которой получилось избежать, окупает внедрение системы на месяцы вперед.

Но главный эффект был даже не в деньгах, а в безопасности. На нефтегазохимическом заводе внезапная остановка агрегата может привести к серьезным последствиям. Предиктивная диагностика дала нам время подготовиться, избежать аварийных ситуаций.

Изменился и подход к обслуживанию. Раньше: "Подшипник служит год, меняем по графику." Теперь: "Подшипник работает нормально, но появились первые признаки износа. Будем следить, возможно заменим раньше. И разберемся, почему он изнашивается быстрее."

После санкций мы не смогли продлить лицензию — американская компания перестала работать с российскими клиентами. Система осталась работать на уже внедренных агрегатах, но развивать ее дальше стало невозможно. Нельзя подключить новые заводы, добавить функции, адаптировать под наши особенности.

Тогда мы решили: создадим свою систему. Готовые решения были и на российском рынке, но они не подходили под наши требования, да и свое решение легче подстроить под особенности именно наших заводов.

Как работает предиктивная диагностика: общие принципы

Прежде чем рассказать о нашей разработке, объясню принципы работы любой системы предиктивной диагностики. Они одинаковы что для американской системы, что для нашего решения. Меняется только интерфейс и некоторые технические детали.

Что видит инженер за компьютером

Утром инженер-диагност приходит на работу, открывает систему. Видит список уведомлений — как почтовый ящик, только вместо писем сообщения от оборудования.

Инженер кликает на сообщение. Открывается график за последние несколько дней. Синяя линия — фактическая температура. Зеленая — прогноз нормы. Если зеленая и синяя линии сильно расходятся, значит именно в это время что-то произошло.

Инженер смотрит на соседние датчики. Проверяет вибрацию, давление масла, другие параметры. Собирает картину воедино. Возможно, проблема не в подшипнике, а в системе охлаждения. Или масло стало хуже прокачиваться.

После анализа инженер звонит на завод: "Коллеги, у вас на втором агрегате растет температура подшипника. Рекомендую проверить уровень масла и состояние маслонасоса."

Через несколько дней созваниваются снова. Обсуждают результаты проверки. Если проблема подтвердилась — планируют ремонт. Если оказалось, что это нормальный режим работы — система "запоминает" новую норму.

Почему компьютер не может сказать: "Замените подшипник"

Может возникнуть вопрос, почему система не выдает конкретные указания? Почему не может сказать: "Проблема в подшипнике номер 3, замените его"?

Причин несколько. Во-первых, оборудование сложное. В одном компрессоре сотни компонентов, тысячи взаимосвязей. Температура подшипника может расти из-за износа самого подшипника, проблем с маслом, засорения фильтра, изменения режима работы.

Как в медицине: высокая температура может быть признаком простуды, гриппа, воспаления или чего-то серьезного. Не всегда можно просто дать жаропонижающее и ждать, пока проблема решится. Врач учитывает все симптомы, анализирует, ставит диагноз. Так же работает и наш инженер-диагност.

Во-вторых, оборудование очень разное. У нас есть агрегаты еще советских времен, есть современные зарубежные. Одна и та же "температура 75 градусов" для одного — норма, для другого — проблема.

В-третьих, статистики мало. Если бы у нас было тысячи одинаковых агрегатов и сотни типовых поломок, можно было бы выявить четкие закономерности. Но агрегаты уникальные, а поломки, к счастью, случаются нечасто.

Поэтому система подсказывает, где искать проблему. А найти и устранить ее помогает опытный инженер-диагност.

Как устроен сервис внутри

За простым интерфейсом с графиками скрывается сложная математика. Расскажу, что происходит под капотом системы.

Математические модели

В основе нашей системы — статистические модели. Мы используем модернизированный алгоритм SBM (similarity-based modeling) — тот самый метод матрицы состояний, который описывал выше.

Дополнительно тестируем нейросетевые модели на автоэнкодерах. Автоэнкодер работает как сжатие фотографии: берет данные об агрегате, сжимает их до главного смысла, а потом пытается восстановить исходную картину. Если агрегат здоров — восстановленная картина почти не отличается от оригинала. Если что-то не так — появляются искажения.

Как мы решаем, что мониторить

Перед настройкой системы проводим анализ возможных отказов. Изучаем конструкцию агрегата и определяем: какие поломки наиболее вероятны и как они проявляются в данных.

Износ подшипника покажет себя через рост температуры и изменение спектра вибрации. Засорение фильтра — через увеличение перепада давления. Проблемы с уплотнениями — через падение давления в системе.

Для мониторинга используем как прямые показания датчиков, так и расчетные параметры. Например, анализируем частотный спектр вибрации (FFT) — это позволяет заметить дефекты, невидимые при обычном измерении общего уровня вибрации.

Как система оценивает серьезность проблемы

Не все отклонения одинаково важны. Система использует приоритеты от 1 до 5, где 1 — критично, 5 — просто стоит обратить внимание.

Логика простая: небольшие отклонения в пределах нормальных колебаний не вызывают тревоги. Средние отклонения генерируют уведомления низкого приоритета — "возможно, стоит присмотреться". Большие отклонения запускают сигналы высокого приоритета — "требуется вмешательство".

Аналитические правила учитывают не только размер отклонения, но и его поведение во времени. Постоянное небольшое отклонение может быть нормой. Растущее отклонение — признак развивающейся проблемы.

Как мы обучаем модели

Чтобы система поняла, как работает исправный агрегат, собираем исторические данные. Идеально — за целый год работы. Тогда модель увидит все возможные режимы: зимний холод и летнюю жару, низкие и высокие нагрузки, разные сорта сырья.

Но иногда ждать некогда. Недавно на новом производстве в Нижнекамске агрегаты проработали всего три месяца, а нас уже попросили подключить систему. Обучили модели на трех месяцах данных. Работает, но требует больше внимания — система еще не знает всех возможных режимов.

Самый важный этап — очистка данных. Нужно исключить все периоды, когда агрегат работал неисправно или нестандартно. Убираем данные ремонтов, аварийных остановок, пусковых режимов.

Часть очистки делаем автоматически — алгоритмы находят явные выбросы и аномалии. Часть вручную — инженер знает историю агрегата и может исключить сомнительные периоды.

Из очищенных данных формируется та самая матрица допустимых состояний. В ней 400 характерных точек — "снимков" агрегата в разных нормальных режимах. Когда система работает в реальном времени, она ищет в матрице похожие состояния и прогнозирует, какими должны быть показания исправного агрегата.

Со временем модели требуют обновления. Если агрегат начал работать в новом режиме или на другом сырье — добавляем эти данные в матрицу. Система расширяет представление о норме.

Понимание этих технических деталей помогает при внедрении системы на новых производствах.

Как мы внедряем систему

Процесс внедрения одинаков для любой системы предиктивной диагностики. Покажу на примере того, как мы работали с американским решением и как планируем внедрять свою систему.

Как мы обучаем систему на новом заводе

Когда подключаем новое производство, начинаем с выбора оборудования. Не все подряд — только самое критичное. Те агрегаты, остановка которых серьезно влияет на производство.

Смотрим, какие датчики уже есть. Температура, вибрация, давление — чем больше, тем лучше. Все показания должны попадать в одну систему — либо в MES (систему управления производством), либо в наше озеро данных.

Дальше начинается обучение. Идеальный вариант — собрать данные за год работы, чтобы система увидела все режимы: летнюю жару и зимние морозы, плановые остановки и максимальные нагрузки.

Наша собственная система: что мы делаем по-другому

Теперь перейдем к нашей разработке. Три года работы с западной технологией дали нам понять, что можно улучшить.

Что мы улучшили в собственной системе

Переработали дизайн интерфейса. Убрали функции, которыми не пользуются. Добавили те, которых не хватало. Сделали систему более гибкой под наши задачи.

Главная проблема американской системы — неудобная работа с графиками. В старой системе, чтобы посмотреть значение параметра в определенный момент, нужно было несколько раз кликнуть мышкой. А если параметров много — процесс затягивался.

В нашей системе добавили курсоры. Можно поставить до 5 меток на графике и сразу увидеть значения всех параметров в эти моменты. Мелочь, но работать стало удобнее.

По сути, мы взяли проверенную архитектуру и адаптировали под свои потребности. Как покупка автомобиля с последующим тюнингом — меняем салон, добавляем опции, но колеса все равно четыре и их все так же крутит двигатель.

Место в большой системе управления надежностью

Предиктивная диагностика не заменяет нам все проверки, это просто один из инструментов, которыми мы отслеживаем состояние оборудования.

Представьте жизненный цикл агрегата. В начале оборудование новое, работает стабильно. Потом начинается постепенная деградация — появляются первые признаки износа. В конце агрегат требует серьезного ремонта или замены.

Предиктивная диагностика наиболее эффективна в средней части этого цикла. Когда агрегат уже не новый, но еще не требует постоянного ремонта. Именно тогда система замечает первые признаки проблем и дает время на их устранение.

Планово-предупредительные ремонты по календарю остаются основой обслуживания. Мы меняем фильтры каждые три месяца, проводим капитальный ремонт раз в два года — независимо от состояния агрегата. Это гарантирует базовый уровень надежности.

Традиционная диагностика по состоянию тоже никуда не исчезает. Раз в квартал приходит специалист с виброметром, проверяет подшипники. Два раза в год делаем тепловизионную съемку — ищем перегревы в электрооборудовании. Отбираем пробы масла на анализ.

Мы не заменяем предиктивной диагностикой плановое обслуживание. Система помогает планировать его более эффективно. С ее помощью мы знаем заранее, что скоро потребуется вмешательство — готовим запчасти, планируем остановку на удобное время.

Где мы сейчас: от тестирования к реальной системе

Сейчас наша система проходит опытную эксплуатацию. Мы загрузили несколько агрегатов и сравниваем ее работу с западной системой, с которой работали до этого. Цель — понять, действительно ли наши алгоритмы работают не хуже.

Это не полноценная промышленная эксплуатация.. Мы тестируем математику, проверяем, правильно ли система реагирует на те же отклонения.

По тем агрегатам, где идет сравнение, наша система выдает похожие сигналы. Это значит, что основные принципы работы мы воспроизвели правильно.

К концу 2025 года планируем постепенное внедрение на производстве. Мы уже сделали основу, но такие системы надо развивать годами. Поэтому пока мы развиваем систему, будем постепенно подключать к ней другие заводы, чтобы в будущем у нас было одна единая система на всех предприятиях СИБУРа.