О заказчике
ООО «Сахалинская энергия» — российская компания, занимающаяся освоением шельфовых месторождений и производством сжиженного природного газа (СПГ) и нефти, с объектами добычи на шельфе Сахалина.
Запрос
Предпосылки:
- Планировалась разработка и внедрение системы, способной выявлять ранние признаки деградации оборудования, задолго до того, как ситуация станет критической.
- У клиента были накоплены большие объемы производственных данных, которые открывали возможность использования современных алгоритмов машинного обучения.
- Данные и оборудование менялись на постоянной основе.
- Разработка эффективного решения требовала глубокого понимания технологического процесса, а также постоянного общения с технологами.
Задачи:
- Клиент решил создать внутри подразделение Data Science.
- Улучшить аналитические навыки младших специалистов подразделения для последующей самостоятельной работы.
Цели проекта
- Создание, обучение и консультирование команды клиента по технологиям искусственного интеллекта (машинное обучение, data science).
- Настроить процесс НИОКР по машинному обучению в организации.
Почему «Сахалинская энергия» выбрала ENBISYS
Компания ENBISYS была основана в 2006 году для решения комплексных задач в заказной разработке. С 2016 года ENBISYS развивает стратегическое направление в области искусственного интеллекта. В компании была создана лаборатория по анализу данных и машинному обучению, что позволило вести разработку ИТ-решений с использованием технологий ИИ. Также специалисты ENBISYS разработали и начали преподавать магистерскую программу по машинному обучению в Томском государственном университете.
К началу сотрудничества с «Сахалинская энергия», у нас уже были реализованы успешные отраслевые проекты с применением искусственного интеллекта, в том числе R&D:
- Cистемы диагностики заболеваний
- Системы оценки стоимости жилья
- Системы адаптивного обучения
- Система диагностики и визуализации данных для прогнозирования отказов скважинного оборудования
- Системы прогнозирования спроса по товарным группам в ритейле
- Рекомендательные системы
- и другие. Ссылка (https://enbisys.ru/iskusstvenniy_intellekt)
Создание собственной команды машинного обучения (https://enbisys.ru/building_your_inhouse_machine_learning_team) требует опыта работы в сфере вычислительной техники и математики, а также наличия актуальных экспертных знаний в предметной области.
Команда ENBISYS знает, как быстро и грамотно формулировать гипотезы в машинном обучении, и в процессе их валидации умеет правильно взаимодействовать с экспертами предметной области.
Этапы проекта
- Проведение консультаций по квалификации кандидатов в отдел Data Science.
- Адаптация общей программы обучения под конкретные задачи клиента.
- Проведение очной интенсивной программы обучения с минимальным количеством теории и максимальным упором на практические упражнения.
- Совместное решение первых реальных производственных задач.
- Онлайн сопровождение и поддержка в течение 9 месяцев после окончания очного курса.
- Совместная работа над задачами в течение 9 месяцев после окончания очного курса по дополнительному запросу от “Сахалинская энергия”.
Вызовы проекта
Пропускаем этот блок
Результат
За 2 месяца специалисты ENBISYS по Data Science обучили команду клиента, в том числе на реальных задачах компании.
Детально изучили следующие темы машинного обучения и Data Science:
- Python
- NumPy
- Pandas
- Задачи классификации
- “Деревья решений”
- Нейросети
- Регрессии
В результате работ были разработаны две модели. Модель машинного обучения – это математический алгоритм, который обучается на данных, выявляет в них закономерности и использует их для прогнозирования, классификации или принятия решений, не будучи явно запрограммированным для каждой задачи
Модель 1 — решение в области предиктивной аналитики. Команда использовала имеющиеся данные для создания инструмента, позволяющего выявлять пневматические управляющие клапаны с признаками высокой степени изношенности по косвенным данным телеметрии из SCADA без остановки оборудования.
Модель 2 — решение в области компьютерного зрения. Оператор на объекте, визуально контролирующий работу факела, может не заметить определённые отклонения в его поведении, что может привести к повреждению головки факела и последующей остановке добычи. Это, в свою очередь, ведёт к значительным потерям из-за простоя. Разработанный алгоритм помогает своевременно оповещать оператора о возможных нежелательных режимах работы факела, чтобы он мог принять необходимые меры.
Команда проекта
Обучением команды клиента и совместным решением реальных производственных задач занимались главный и ведущий специалисты ENBISYS по анализу данных на территории клиента (о. Сахалин).
Планы на дальнейшее сотрудничество с «Сахалинская энергия»
Успешная реализация данного проекта способствовала дальнейшему сотрудничеству. В последствии были реализованы следующие проекты:
- Разработка системы компьютерного зрения для обнаружения горения факела СПГ
- ИИ-система идентификации особей диких животных в естественной среде
Отзыв клиента о сотрудничестве
Команда ENBISYS успешно достигла большинства целей проекта. Они представили профессиональное решение актуальных проблем. Это сильная команда инженеров, нацеленных на результат. Рабочий был процесс выстроен грамотно с точки зрения коммуникации и эффективности. Александр Кривошеев, Начальник отдела мониторинга состояния оборудования
