Специальный проект
Партнёр рекламного проекта:
ООО «САП СНГ»

Рзработка: GSPD
Отдел рекламы и спецпроектов:
Виктория Чернышкина, Алеся Агаподченко, Павел Бекишев

© 2017 АО «Бизнес Ньюс Медиа»
Математика предвиденья:
как предикативная
аналитика помогает
сэкономить на ремонте
Среди множества инновационных идей и технологий предсказательная аналитика кажется самой банальной и простой. Это всего лишь набор методов анализа данных, позволяющих на основе текущей информации об объекте делать прогноз о его будущем состоянии.

И хотя в этом определении нет отсылок к новым технологиям, именно внедрение методов предикативной аналитики – главный приоритет для компаний США и Китая, согласно опросу Deloitte Touche Tohmatsu и Совета по конкурентоспособности США 1. С чем связан интерес к этой концепции и как она может быть полезна на практике?
Идея предикативной аналитики действительно не нова, но бурное развитие это направление получило недавно – вместе с растущей популярностью использования Big data в бизнесе. Для предикативного анализа используется массив неструктурированных данных о каком-то процессе, и после «переработки» получают модель, которая предсказывает его дальнейшее развитие.Big data, клапаны
и шестеренки
Первоначально идею предикативной аналитики подхватили интернет-компании. Они стали использовать ее методы для повышения конверсии. Однако в полной мере эта концепция раскрывает свой потенциал в работе бизнеса, связанного с реальным сектором.

Промышленное оборудование – огромный источник больших данных. Собирая информацию о состоянии каждого узла машины, можно с высокой точностью оценить ее состояние и заранее предвидеть проблемы. Эта идея оказалась настолько удачной, что американские и китайские компании признали предикативную аналитику более приоритетной для внедрения, даже по сравнению интернетом вещей или разработкой новейших сплавов и материалов. 
1https://www.iiconsortium.org/pdf/Indus-
trial_Analytics- the_engine_driving_IIoT_revo-
lution_20170321_FINAL.pdf
Высокие расходы на починку и замену запчастей – настоящая проблема для реального сектора. По данным Союза машиностроителей России, только авиационная отрасль в 2016 году потратила на техническое обслуживание и ремонт почти 1,4 миллиарда долларов. Ежегодные расходы на сервисное обслуживание легковых автомобилей в России еще больше и, по данным «Автостата», в прошлом году достигли 4,5 миллиарда долларов.«Простой неожиданный»
и «простой плановый»
Неудивительно, что бизнес ищет любые легальные способы для снижения подобных трат. Не проведенный вовремя ремонт грозит остановкой производства или даже аварией, что в любом случае обернется убытками.

Для снижения количества внеплановых простоев и оптимизации трат на ремонт многие компании используют административные методы: составляют план ремонта, проводят проверку исправности деталей, при необходимости меняют их. Проблема в том, что в этом случае сроки и параметры технического обслуживания определяются не реальной необходимостью, а некоторыми условно-расчетными показателями. Фактически, «внезапный простой» заменяется «плановым». 

Исправить эту ситуацию и помогает предикативная аналитика. Ее применение позволяет отказаться от административного подхода при формировании плана техобслуживания и заменить его концепцией ремонта по состоянию.
Практическое внедрение предикативной аналитики включает три этапа. Первый шаг – установка датчиков, которые передают информацию о деталях и узлах. Решения SAP организуют сбор информации о сигналах с оборудования, его структуре и связанных с ним действиями: истории ремонтов, информации о поставщиках, квалификации ремонтного персонала. Все данные хранятся в едином месте, что существенно сокращает трудозатраты на подготовку следующего анализа. Эту информацию можно использовать не только для сбора информации, но и для построения системы мониторинга за состоянием техники.Предикативная аналитика в три шага
На втором этапе внедрения предикативной аналитики в игру вступает искусственный интеллект. Он анализирует собираемую информацию, выявляет закономерности и формулирует на их основе различные гипотезы о будущем поведении оборудования.

Третий, завершающий этап, заключается в формировании программы ремонта с учетом прогнозов, которая периодически корректируется и актуализируется. К этому времени уже сформирован прогноз о будущем поведении оборудования, и у компании появляется возможность выбрать оптимальное время для проведения технического обслуживания.