Для построения моделей и эффективного функционирования систем предиктивной аналитики и оптимизации необходимы данные с датчиков. Часто бывает так, что их либо недостаточно, либо они некорректные. Также бывают ситуации, когда датчики вообще отсутствуют, но для построения модели они крайне необходимы. Так и случилось у нас на одном химическом предприятии.
Заказчик поставил перед нами цель: повысить выработку продукта с помощью нашего оптимизатора. При выполнении работы было выяснено, что она измеряется только после ее выгрузки в машины. Данный параметр не заносится ни в какую систему данных, а прописывать их вручную — возрастет риск человеческого фактора. Так что же делать?
После брейнсторминга нашей командой был придуман виртуальный тег, позволяющий вычислять выработку исходя из имеющихся данных (расходы и уровни в баках) прямо в коннекторе данных.
В итоге выработка стала вычисляться в режиме реального времени и подаваться на оптимизатор. Наши технологи и инженеры сотворили чудо!
Заказчик поставил перед нами цель: повысить выработку продукта с помощью нашего оптимизатора. При выполнении работы было выяснено, что она измеряется только после ее выгрузки в машины. Данный параметр не заносится ни в какую систему данных, а прописывать их вручную — возрастет риск человеческого фактора. Так что же делать?
После брейнсторминга нашей командой был придуман виртуальный тег, позволяющий вычислять выработку исходя из имеющихся данных (расходы и уровни в баках) прямо в коннекторе данных.
В итоге выработка стала вычисляться в режиме реального времени и подаваться на оптимизатор. Наши технологи и инженеры сотворили чудо!