Дмитрий Халин: «Big data в промышленности – это неразведанный Клондайк»

Информационные технологии и искусственный интеллект далеко не всегда означают стерильные лаборатории или молодых людей в худи с ноутбуком в руках. Иногда это промышленные цеха и грохот турбин. Да, все большее проникновение ИТ получает именно в промышленной сфере – здесь много интересных задач и сложных вызовов даже для самого опытного специалиста. Об особенностях цифровизации энергетической отрасли рассказывает Дмитрий Халин, член правления, заместитель генерального директора по информационным технологиям и цифровой трансформации компании «Эн+».

Дмитрий, мы обычно представляем наших спикеров аудитории журнала. Расскажите, чем вы занимались ранее и как оказались в должности ИТ-директора?

Я уже 30 лет работаю в сфере ИТ. За плечами два диплома: МИФИ и «Московской школы управления СКОЛКОВО», получал там MBA 10 лет назад. Начинал в разработке ПО, был одним из первых системных инженеров в стране. До начала цифровизации трудился сугубо в ИТ-секторе и в основном международных компаниях. С 2019 года пришел в МТС и руководил бизнес-вертикалью облачных и цифровых решений. Сейчас в компании «Эн+» отвечаю за ИТ и цифровую трансформацию.

В общем, если кратко суммировать, то бóльшую часть своей карьеры я занимался созданием и продажей высокотехнологичных продуктов. Сейчас моя главная задача — их эффективное применение в крупной промышленной группе, нацеленной на трансформацию в цифровую компанию.

Можете подробнее рассказать, какими задачами занимаетесь сегодня?

Прежде всего я создаю и развиваю команду. И уже, собственно, она трансформирует «Эн+» в цифровую компанию. Что такое цифровая компания в промышленности? Это киберфизическая система, то есть комплексная система, состоящая из двух уровней. Первый — физические элементы или объекты: все люди и механизмы, которые участвуют в процессах создания ценности. Второй уровень — их цифровые образы, или двойники, которые формируют вычислительный слой управления, где киберфизическая система непрерывно получает данные от физических элементов и обрабатывает их.

По сути, это и есть промышленные большие данные, используемые для оптимизации процессов достижения поставленных целей. Сегодня мы строим такую систему. Цифровизация же — это новое направление, и сейчас оно объединено с ИТ. Мы максимально сотрудничаем, не дублируем функции друг друга и четко понимаем, что, говоря о цифровизации, часто подразумевают автоматизацию и наоборот.

Вы, наверное, знаете, что во многих промышленных компаниях есть задача сокращения производственных потерь. Напрямую это не связано ни с ИТ, ни с цифровизацией, но тем не менее это и есть наш приоритет. В первую очередь цифровизация для нас — борьба с производственными потерями и непрерывные улучшения на производстве с помощью цифровых технологий, управление на основе актуальных и достоверных данных.

Считается, что энергетическая отрасль — одна из самых консервативных. Как вам удается так кардинально перестраивать бизнес? Ведь цифровизация неминуемо влечет за собой перестройку всех процессов. Насколько это проблематично для вас?

Думаю, у всех и всегда есть определенная инерционность, какие-то индустрии более зарегулированы, какие-то менее зарегулированы, но работы везде хватает. В принципе мы, как энергетики, находимся в контексте той регуляторики и тех подходов, которые установлены именно в нашей отрасли. При этом существует множество участков, где мы применяем инновации. Производственная система у нас давно существует и применяется системно.

Производство — это как постоянно развивающийся живой организм, и мы видим очень много возможностей для его цифровизации не только на уровне внедрения больших комплексных монолитных систем. Современные технологические изменения привели к появлению новых прорывных технологий, включая искусственный интеллект, а сам способ разработки ПО стал на порядки проще.

Поэтому мы ожидаем роста количества внедряемых цифровых проектов и решений. Увеличение за счет того, что мы называем "диджитал кайдзен" — небольших компактных и быстрых проектов по немедленному улучшению процессов на производственной площадке.

А какие технологии наиболее востребованы сегодня в отрасли?

Мы и сами задавали себе этот вопрос. Если взять девять технологических направлений, которые обозначены в программе развития цифровой экономики, то мы фокусируемся в нашей стратегии на трех из них. Это искусственный интеллект, большие данные и "промышленный Интернет".

Под промышленным Интернетом мы понимаем подразделы «Интернета вещей». В нашем случае это защищенная внутренняя система, объединяющая физические объекты в единый вычислительный слой управления.

Большие данные для нас — это не то, чем занимаются в b2c-компаниях, а преимущественно промышленные данные. Мы объединяем весь их массив и обрабатываем его с помощью искусственного интеллекта.

На самом деле мы используем более широкий набор технологий продвинутой аналитики и работы с данными, а искусственный интеллект здесь просто является хедлайнером. Тем не менее это современный инструмент, подходящий именно для обработки огромных массивов данных. И мы системно организуем его применение на уровне всей компании, для повышения эффективности и доступности для всех наших предприятий и для любых проектов.

Какие проекты уже завершены или находятся в стадии реализации?

Из проектов, которые реализуются или находятся на финальной стадии, могу отметить создание автоматизированной системы предиктивной диагностики гидроагрегатов для гидроэлектростанций. Мы строим цифрового двойника Братской ГЭС, оцифровывая потоки информации и создавая электронную базу технической документации. Конечно же, в названных проектах найдется место и для наших интерактивных информационных панелей с визуализацией (дашбордов). Например, визуализация технологических данных будет очень полезна для мониторинга состояния любого из агрегатов гидроэлектростанции или ТЭЦ.

Еще пример – система постоянного тепловизионного мониторинга открытых распределительных устройств с отображением данных на дашбордах, которая внедрена на Иркутской ГЭС. Она позволяет не только расширить возможности человеческого зрения и усилить визуальный контроль, но и собирать данные для последующей цифровой обработки и использования с более продвинутыми системами аналитики.

Что такое система предиктивной аналитики?

В нашем случае это система, которая собирает данные с датчиков, расположенных на гидротурбинах, и благодаря алгоритмам машинного обучения помогает провести анализ работы оборудования, его состояния, параметров и нагрузки. Она работает над тем, чтобы выявить потенциальные проблемы прежде, чем они приведут к серьезным сбоям, к остановке или поломкам.

То, что мы делаем, дополняет существующие технологии контроля, и мы их не пытаемся сразу заменить. Полученная с использованием новых инструментов информация позволяет нам прогнозировать вероятности отказа и определять оптимальное время для технического обслуживания оборудования. Когда работа ведется с большими агрегатами, где простой становится ЧП и влияет на экономические показатели, планирование ремонтных работ заранее очень важно. Мы сможем минимизировать простои и снизить риски возникновения аварийных ситуаций, что позволит повысить эффективность и безопасность работы оборудования.

Подчеркну, что эта система является отечественной разработкой и полностью импортозамещенным решением.

По поводу еще одного вашего направления – искусственного интеллекта. Чем вообще он занимается, что собой представляет и как вы его используете?

Да, мы занимаемся искусственным интеллектом в лаборатории искусственного интеллекта и больших данных. В нашей компании она выполняет роль центра экспертизы и инноваций. Исследования в этой области являются одним из наших главных приоритетов.

Поскольку это новое направление в разработке, то понятно, что в данной сфере не обойтись без элементов исследований и экспериментов. Здесь мало полностью готовых продуктов, но есть инструментарий, который позволяет такие продукты создавать.

Мы осознаем, что компания, которая всерьез делает ставку на применение искусственного интеллекта, должна сама уметь обучать свои модели и построить эффективную систему управления таким процессом. Этим и занимается наша лаборатория. Кроме того, внедрение подобных систем и готовых «коробочных» решений достаточно дорого. Поэтому цель лаборатории — сделать технологии более доступными и эффективными для бизнеса и производства.

Мы работаем над ПО, рассчитанным на решение широкого спектра задач — как с использованием прогнозной аналитики для предупреждения отказов оборудования, так и для оптимизации производственных и бизнес-процессов.

Мы также хотим дополнительно протестировать ряд гипотез, сделав это с помощью относительно недорогого, но массового оборудования.

Например, на производстве есть большое количество разных насосов. Это, конечно, не такие дорогие агрегаты, как турбина, но их много. И создание ремонтного резерва — тоже серьезные затраты. Понимание того, какие именно типы насосов сломаются и в каких количествах, помогает существенно оптимизировать запасы ремонтного оборудования.

Для решения серьезных задач нужны опытные ИТ-специалисты. Как вы решаете вопрос с дефицитом кадров?

Да, дефицит кадров сейчас действительно важный вопрос для всех цифровых компаний. Мы осознаем, что вкладываться в кадры необходимо на ранних этапах, и работаем с университетами, которые готовят ИТ-специалистов и энергетиков. Сейчас к работе в компании приступают выпускники первого потока нашего образовательного проекта «Академия ИТ».

Многие ИТ-специалисты хотят работать в технологических гигантах, в компаниях b2c, не понимая, какие перспективы сегодня открываются в промышленности. Но как только реальный кандидат уже на собеседовании у нас слышит о поставленных задачах, у него резко повышается мотивация.

И я могу сказать, исходя из своего тридцатилетнего опыта работы в ИТ, я считаю, что в промышленности сейчас наиболее интересно. Мы находимся еще в самом-самом начале пути по развитию цифровизации, и здесь работы на десятилетия, в отличие от того же b2c-сегмента.

Наша команда молодых специалистов имеет отличное образование, и они заинтересованы в получении осязаемых экономических эффектов из тех данных, которые в промышленности всегда были.

Когда я пришел в компанию, то ездил по различным предприятиям и везде спрашивал про собираемые данные и регламенты их хранения. И понял, что огромный пласт данных используется лишь на уровне цехов. Поэтому большие данные в промышленности — еще неразведанный и неиспользованный Клондайк.

В компании «Эн+» создана «Лаборатория 4.0». Расскажите, что это такое? Как это соотносится с понятием «Индустрии 4.0»?

Необходимо понимать, почему мы разделяем два понятия. Так происходит потому, что у них разные задачи.

«Индустрия 4.0» — это современный этап технологического развития, внедрение киберфизических систем в производство. А для этого необходимы обработка данных и их систематизация. Инвестиции в такой проект очень масштабны, окупятся не сразу, но компания верит в технологии искусственного интеллекта и, соответственно, инвестирует.

А наша лаборатория «Индустрии 4.0» занимается исследованием практической применимости таких технологий. По сути, это каталог решений, объединенных в рамках концепции данной индустрии. То есть основная задача нашей лаборатории — отбор лучших решений и практик, их масштабирование и управление жизненным циклом этих решений.

У нас в команде есть сотрудники, работающие непосредственно на предприятиях. Для всех ГЭС, для всех ТЭЦ и других бизнесов у нас есть специалисты, которые в ежедневном режиме определяют потребности закрепленных за ними предприятий. А лаборатория «Индустрии 4.0» выступает для них экспертным центром, отбирающим и тестирующим решения, которые они используют.

«Эн+» известна тем, что проводит огромное количество благотворительных мероприятий по защите Байкала. Каков ваш вклад в эту работу с точки зрения ИТ?

Байкал для нас очень большая, важная, близкая, родная тема. Мы много лет инвестируем в программу сохранения экосистемы. Кстати, данные там тоже играют большую роль.

В первую очередь это данные экологического мониторинга Байкала и притоков. Этот проект реализуется с 2019 года силами ученых биологического факультета МГУ при участии Российской академии наук ряда других институтов. Мы получаем данные о концентрации микропластика, причинах развития водорослей («цветения» воды) и деградации некоторых эндемичных видов. Все эти данные собираются по более чем 80 параметрам. 

Сейчас как раз наша лаборатория начинает исследовать этот массив данных. Я вам уже говорил про киберфизическую систему, но в разрезе производственных площадок. Мы хотим расширить это понятие и на основе данных сделать фактически цифровой двойник Байкала для того, чтобы получаемый массив данных позволял нам максимально эффективно сохранять природное богатство.

Давайте поговорим про перспективы. Какие планы в отношении роботизации, компьютерного зрения, машинного обучения?

Эти технологии я уже упоминал. Безусловно, у нас большие планы по их развитию.

Взять, например, компьютерное зрение — оно отлично подходит для видеонаблюдения, аналитики и предотвращения инцидентов, то есть для промышленной безопасности. Контрольные заграждения для персонала, контроль наличия средства для защиты — все это требует инвестиций и внимания. Вообще мы рассматриваем компьютерное зрение как очень перспективное направление. Собственно, мы имеем дело с видеопотоком, который можно обрабатывать с помощью искусственного интеллекта, и, таким образом, мы имеем дело с универсальным датчиком для почти любого производственного процесса.

Что касается роботизации, мы начинаем с программных роботов RPA, или роботизации бизнес-процессов. В этой области есть много рутинных повторяющихся задач, например ручной ввод при работе с офисными документами. Мы хотим максимально автоматизировать подобный механический и однообразный труд, заменив его RPA.

В наших стратегических планах на десять лет вперед так и написано: наш последний принтер мы хотим пожертвовать на благотворительность и полностью отказаться от бумаги.

Технология машинного зрения будет полезна каждому сотруднику для его собственной безопасности. Она дополнительно напомнит об опасностях на производстве. Мы массово внедряем подобные технологии и инвестируем в них.

Для того чтобы начать модернизацию своего бизнеса с помощью аналитики и работы с данными, мы рекомендуем каждому руководителю задуматься о внедрении дашбордов (интерактивных графических интерфейсов). То есть у менеджера должен быть перечень параметров, которые ему полезно видеть и отслеживать. И мы сейчас по каждому из бизнес-направлений, таких как кадры, охрана труда, торговля, производственные площадки, разрабатываем приоритетный набор показателей, которые руководители хотят видеть в оперативном режиме, строим свое корпоративное хранилище данных и внедряем бизнес-аналитику.

Следующим шагом будет развитие приложений для смартфона. Представьте мастера цеха, у которого есть персональный помощник, оперативно выдающий персонализированную информацию, предназначенную именно для него. Это будет огромным подспорьем.

Несмотря на то, что это очень большая и долгая работа, мы ее делаем и двигаемся в заданном направлении. И мы обязательно ее выполним.