Интеграция системы планово-предупредительных ремонтов в модель «Сельское хозяйство 4.0»

Введение

В условиях перехода к цифровой экономике внедрение современных информационных технологий в производственные процессы агропромышленного комплекса (АПК) является одним из главных факторов повышения его эффективности, конкурентоспособности и устойчивого развития в ближайшие десятилетия. Концептуальная модель новых форм организации производственных процессов «Индустрия 4.0» была разработана в Германии и официально анонсирована в Ганновере в 2011 г. В сравнении с 3-ей промышленной революцией «Индустрия 4.0» предполагает ещё большую автоматизацию, захватывающую как непосредственно производственный процесс, так и уровень принятия ответственных решений, что достигается за счёт внедрения следующих технологий ^[1]:

· анализ больших данных BigData,

· имитационное моделирование,

· интернет сервисов IoS (Internet of Services),

· дополненная реальность,

· киберфизические системы,

· аддитивное производство,

· интернет вещей IoT (Internet of Things),

· облачные вычисления,

· автономные роботы.

Модель «Сельское хозяйство 4.0» развивается параллельно «Индустрии 4.0» и описывает механизмы организации производства сельскохозяйственной продукции на основе вышеперечисленных технологий. Тем не менее, в модели сельского хозяйства акцент преимущественно смещён в сторону определённых технологий, соответствующих специфике отрасли: анализ больших данных BigData, интернет вещей IoT, интернет сервисов IoS и автономные роботы ^{[2, 3]}.

Высокая степень механизации сферы сельского хозяйства является его важной отличительной чертой, аккумулирующей в себе значительные средства на эксплуатацию и ремонт сельскохозяйственной техники. В нашей стране внедрена и действует на большинстве предприятий отрасли система планово-предупредительных ремонтов, обеспечивающая своевременное техническое обслуживание и ремонт техники, что позволяет свести к минимуму число внезапных отказов производственных единиц. Периодичность технического обслуживания и ремонтов рассчитывается по потреблённым объёмам топлива на соответствующее число моточасов для тракторов, комбайнов и других машин, и по километражу – для легковых автомобилей, автобусов и грузовиков ^{[4, 5]}. Учёт данных показателей представляет собой важную информацию, отражающую уровень износа механизмов машин, потребность в ремонте и техническом обслуживании.

Для сбора информации о километраже и объёмах потреблённого топлива используются различные методы, – ведение ведомостей, талонные и жетонные системы, автоматизированные топливо-заправочные установки ^[6]. Затем полученные данные аккумулируются, систематизируются и анализируются. Сбор данных с занесением в вычислительные системы, как правило, производится вручную, что с одной стороны создаёт определённые издержки, а с другой дезорганизует работу систему планирования сельскохозяйственных работ, ставя её в зависимость от своевременности предоставления необходимых сведений.

Более современная техника обладает встроенными системами самодиагностики, собирающими сведения о техническом состоянии отдельных узлов и механизмов, в этом случае техническое обслуживание и ремонт производятся по текущему состоянию, что является более прогрессивным подходом. Но при этом предприятия, как правило, не отказываются от системы планово-предупредительных ремонтов, используя данные самодиагностики как дополнительную полезную информацию.

Другим существенным недостатком системы планово-предупредительных ремонтов является её неспособность адаптироваться к сопутствующим условиям эксплуатации сельскохозяйственной техники и транспортных средств, таких как климатические условия, агрессивность среды, продолжительность непрерывной работы, качество используемых расходных материалов и пр.

На наш взгляд, повышение эффективности функционирования системы планово-предупредительных ремонтов и других, связанных с ней систем, возможно за счёт использования современных информационных технологий с последующей интеграцией в модель «Сельское хозяйство 4.0», что требует разработки специальных мероприятий технического и информационно-аналитического характера.

Методология

Для интеграции системы планово-предупредительных ремонтов сельскохозяйственной техники в новую модель организации производственной деятельности предлагается использовать технологию интернета вещей IoT. Данная технология является преемницей технологии M2M (machine to machine), обеспечивающей связь и обмен данными между различным оборудованием. Ключевым отличием IoT от M2M является объединение в единую систему разнотипных устройств через IP-сеть, что, как ожидается, позволит создавать более передовые интеллектуальные приложения и ещё больше увеличит уровень автоматизации производственных процессов и принятия ответственных решений.

Интеграция машин и механизмов в IoT осуществляется на основе паттерна разработки подобных систем, включающего следующие технические решения и компоненты ^[7]:

· подключение к используемому оборудованию, машинам и системам радиоэлектронных меток RFID (Radio Frequency Identification), представляющих собой микрочип и позволяющих однозначно идентифицировать объекты (в том числе людей и животных);

· создание WSN сети (Wireless Sensor Network), обеспечивающей сбор информации от датчиков окружающей среды, такой как температура, влажность, скорость ветра, объём выпавших осадков, кислотность и пр.;

· создание IPv6 сети, обеспечивающей значительно более расширенную адресацию объектов в сравнении с IPv4;

· установка датчиков на оборудование, машины и системы, способных работать в тяжёлых производственных условиях и взаимодействующих с чипом RFID;

· установка промежуточного программного обеспечения, обеспечивающего взаимодействие между сетью Internet и объектами, предоставляющего интерфейс для взаимодействия приложений и устройств, причём такое взаимодействие должно производиться через специальные протоколы (IEEE 802.15.4, 6LoWPAN, RPL, CoAP), обеспечивающие плавную передачу обслуживания и уменьшение времени задержки при перемещении техники с места на место и переключении обслуживания в различных режимах;

· установка аппаратных компонент – плат с памятью, процессорами, АЦП (аналого-цифровыми преобразователями), приёмопередатчиками и другими важными элементами, обеспечивающими процесс передачи информационных сигналов между датчиками, исполнительными органами и приложениями на физическом уровне;

· создание облачных сервисов хранения и аналитики поступающей информации, позволяющих на основе анализа больших объёмов данных вырабатывать оптимальные решения,

· создание интернет-приложений, обеспечивающих коммуникацию конечных пользователей с технической системой.

Вышеперечисленные компоненты и технологии представляют собой образ будущей системы или её паттерн проектирования, на который необходимо опираться в процессе разработки.

Результаты

В результате разработки механизма интеграции системы планово-предупредительных ремонтов в модель «Сельское хозяйство 4.0» на основе технологии IoT были определены собираемые данные, источники данных, технологии их обработки и анализа. Схема IoT-системы планово-предупредительных ремонтов представлена на рисунке 1.

Рисунок 1. Схема организации IoT-системы планово-предупредительных ремонтов сельскохозяйственной техники и транспортных средств.

Базовым источником информации для IoT-системы планово-предупредительных ремонтов сельскохозяйственной техники и транспортных средств являются датчики, установленные непосредственно в машинах, – датчики километража, потреблённого топлива, длительности непрерывной работы, состояния узлов и механизмов. При определении состояния узлов и механизмов предполагается сбор информации о следующих конструктивных элементах машин, для которых уже сейчас разработаны средства диагностики: кривошипно-шатунный механизм, трансмиссия, ременные, цепные и карданные передачи, редукторы коробок передач, подшипники, пружины, звёздочки, вариаторы, валы, оси, транспортёры и транспортирующие элеваторы, шнек, колёса и шины, вентиляторы, система питания, система очистки и подачи воздуха, рулевое управление, электрооборудование, механизм газораспределения, гидросистема, система охлаждения, система смазки, тормозная система, и пр. ^[8]. Способы определения состояния перечисленных систем базируются в основном, на измерении внутренних вибраций, давления, температуры, зазоров, силы натяжения и других физических величин.

Источниками дополнительных данных, влияющих на оценку технического состояния сельскохозяйственных машин являются станции технического обслуживания (СТО), авто-заправочные станции (АЗС) и станции мониторинга окружающей среды (СМОС). Так как на СТО производится ремонт и техническое обслуживание техники, то там аккумулируется информация по типам и моделям техники, произведённом обслуживании и ремонте, используемых расходных материалах и запасных частях, квалификации обслуживающего персонала. Поскольку перечисленные факторы оказывают влияние на износ техники, то данные о них также должны учитываться при расчёте периодов ремонта и технического обслуживания. Сбор данных на СТО осуществляется автоматизированным способом, – данные о моделях техники (соответствующих меткам RFID), закупаемых материалах, запасных частях и квалификации персонала будут поступать автоматически из локальной вычислительной сети предприятия, а данные о ремонтируемой технике (её RFID), заменённых запасных частях, выполненных операциях, датах проведённого ремонта и технического обслуживания – при производстве соответствующего вида работ.

Существует большое число исследований о негативном влиянии некачественного топлива на работу двигателя, в результате которого нарушается работа форсунок, загрязняются цилиндры и технологические зазоры, при попадании сернистых соединений в машинное масло ухудшаются его свойства, что приводит к повышенному износу подвижных элементов, как самого двигателя, так и передаточных механизмов ^[9-11]. Для эффективного учёта влияния данного фактора организация контроля качества топлива должна производиться по параметрам в соответствии с требованиями ГОС 305-2013 и ГОСТ 32513-2013, а сбор данных должен осуществляться с привязкой к RFID заправляемой техники.

Другая важная группа факторов, оказывающих влияние на износ машин, – воздействие окружающей среды, то есть той среды, в которой эксплуатируется техника. К собираемым данным здесь относятся показания температуры, продолжительности и объёмов осадков, уровень pH осадков и почвы обрабатываемых полей. Для получения необходимой информации должна быть развёрнута система СМОС, состоящая из датчиков и автономных модулей, способных выполнять требуемые измерения и анализы.

Датчики каждой из перечисленных групп организуются через локальные сети WSN на основе технологии IEEE 802.15.4 ZigBee, отличающейся низкой стоимостью, надёжностью, низким энергопотреблением, ячеистой топологией, лёгкой масштабируемостью и криптографическими механизмами защиты данных ^{[12, 13]}. Связь координаторов ZigBee с сетью Internet может осуществляться различными путями: с помощью FTP-кабеля, волоконно-оптических линий связи (ВОЛС), технологий беспроводной связи 4G. Наибольшей надёжностью и пропускной способностью из перечисленных технологий обладают ВОЛС и FTP-кабели, но и стоимость таких линий очень высока. Если в области нахождения агропредприятия имеются ретрансляторы мобильных операторов с возможностью организации беспроводной связи стандарта 4G (или в перспективе 5G), то экономически более целесообразно использовать данную технологию.

Последний вопрос, который должен быть проработан при интеграции системы планово-предупредительных ремонтов в модель «Сельское хозяйство 4.0» это разработка алгоритмов и программного обеспечения на стороне интернет-сервиса, предназначенных для обработки поступающих массивов данных. Главной задачей анализа данных является корректировка периодов технического обслуживания и ремонта на основе статистики внезапных отказов, результатов ежедневного технического обслуживания и собираемой с датчиков информации. Механизм корректировки основывается на технологиях машинного обучения. В виду отсутствия возможности получения обучающей выборки для эксплуатируемой техники алгоритм обучения должен обладать способностью к постепенной адаптации по мере поступления новых данных с датчиков. Кроме того, алгоритм должен учитывать в своей работе, как количественные, так и качественные данные. Также, на наш взгляд, является целесообразным введение в механизм корректировки нечёткой информации, отражающей субъективную оценку состояния техники её оператором.

Помимо корректировки сроков ремонта и технического обслуживания на выходе система должна выдавать перечень факторов, оказавших существенное влияние в процессе принятия решения. Система может быть преобразована в интеллектуальную при включении в неё продукционных правил и базы знаний, содержащей информацию о том, что нужно сделать, чтобы уменьшить износ техники при воздействии соответствующих факторов.

Обсуждение

Интеграция системы планово-предупредительных ремонтов сельскохозяйственной техники в модель «Сельское хозяйство 4.0» потребует от предприятий отрасли существенных капиталовложений. Для решения данной проблемы, на наш взгляд, необходимо разработать государственную программу льготного кредитования и софинансирования при внедрении подобных систем. С другой стороны для уменьшения расходов предприятия должны иметь возможность устанавливать систему в различных конфигурациях с возможностью её постепенного развития по мере необходимости.

Другой особенностью развития сельского хозяйства в России является низкая составляющая крупных сельскохозяйственных предприятий в общей структуре АПК, по данным исследования J’son & Partners Consulting доля таких компаний составляет приблизительно 0,5% ^[14]. Объёмы требуемых капиталовложений позволяют внедрять новые технологии только достаточно крупным компаниям, и это является проблемой для нашей страны, так как выручка подавляющего большинства сельскохозяйственных предприятий позволяет проводить автоматизацию лишь базовых функций, таких как бухгалтерский учёт, складское хозяйство и т.п. Отсюда возникает необходимость стимулирования развития отечественных предприятий АПК, которая, на наш взгляд, может быть реализована через протекционистские меры российского продовольственного рынка, развитие внутренних инвестиций, развитие инфраструктуры и сельских территорий, подготовку высококвалифицированных специалистов для организации современного сельскохозяйственного производства.

Для сокращения издержек на создание и эксплуатацию системы планово-предупредительных ремонтов, интегрированной в новую модель организации производства «Сельское хозяйство 4.0» также является полезным на региональном уровне создание кластеров предприятий АПК, представляющими собой объединения однотипных предприятий отрасли. Кластеры позволяют использовать эффект масштаба и сокращать издержки за счёт общих поставщиков сырья, изделий и машин, найма высококвалифицированных работников, совместного использования сервисных центров и ремонтных мастерских ^[15]. Соответственно и при внедрении разработанной нами системы возможно перераспределение части расходов между несколькими предприятиями кластера, использующими общую телекоммуникационную инфраструктуру.

Заключение

Таким образом, в настоящей работе были описаны современные технологии, на базе которых создаётся новая модель организации сельскохозяйственного производства «Сельское хозяйство 4.0», была разработана система, позволяющая интегрировать систему планово-предупредительных ремонтов в новую модель. Приведено описание общей концепции организации системы, коммуникационных технологий, спецификации собираемых данных и источников их получения. Отдельное внимание было уделено системе обработки данных на стороне интернет-сервиса, сформулированы основные требования к алгоритмам машинного обучения и анализа данных. Принятые меры, в случае реализации, должны оптимизировать техническое обслуживание и ремонт сельскохозяйственной техники, сократить число внезапных отказов и увеличить реальный срок службы.