Российский химический журнал, 2023, №3

Согласно основным направлениям промышленной революции «Индустрия 4.0», цифровой учет и обработка информации становится основным инструментом управления индустриальными процессами во всем мире. Цифровая платформа – это эффективное взаимодействие участников производственного жизненного цикла, которое позволяет качественно и экономически обоснованно разрабатывать продукты или услуги.

ВВЕДЕНИЕ

Согласно основным направлениям промышленной революции «Индустрия 4.0», цифровой учет и обработка информации становится основным инструментом управления индустриальными процессами во всем мире. Цифровая платформа – это эффективное взаимодействие участников производственного жизненного цикла, которое позволяет качественно и экономически обоснованно разрабатывать продукты или услуги. Существует множество как отечественных (Business Studio, 1C, Trace Mode, Галактика), так и зарубежных продуктов (ARIS, SAP, Oracle, Siemens Opcenter), обеспечивающих обработку и связывание данных локальных уровней автоматизированного управления. Классические, монолитные платформы аккумулировавшие глобальный опыт разработок, используют закрытые исходные коды для защиты интеллектуальной собственности; вместе с тем новым подходом к программированию стали построенные на открытом коде микросервисы. Анализ структуры и особенностей цифровых платформ помогает сделать обоснованный выбор средств автоматизации с учетом функционала программных продуктов, их охвата, архитектуры, скорости изменения внешних и внутренних процессов на предприятии.

К основным целям исследования можно отнести: выявление особенностей монолитных цифровых платформ и наилучших областей их применения для автоматизации/информатизации бизнеспроцессов; описание применения микросервисов для интеграции уровней автоматизации предприятия и для создания сервисов часто меняющихся процессов; обсуждение сочетания монолитных систем с микросервисами. Новизна работы состоит в обосновании гибридизации существующих систем учета и обработки данных о состоянии предприятия на всех уровнях как метода импортозамещения.

Российские программно-аппаратные продукты (созданные в том числе и с помощью прототипирования), работоспособность которых находится на уровне лучших практик, способны сохранить прозрачность бизнес-процессов для менеджмента и тем самым способствовать устойчивому развитию предприятия. Если заказчикам и разработчикам в процессе замещения импортного программного обеспечения (далее – ПО) удастся использовать преимущества гибридных цифровых платформ, то результат будет достигнут дешевле, качественнее, быстрее.

МАТЕРИАЛЫ И МЕТОДЫ

В сфере промышленной автоматизации химико-технологических процессов (далее – ХТП) используется традиционная иерархическая структура управления от базового уровня датчиков и исполнительных устройств до высших уровней планирования ресурсов предприятия, бизнес-аналитики и управления логистикой [1–3], функционирование которой обеспечивается подготовленным персоналом предприятий (рис. 1). Управление реализуется на монолитной цифровой платформе, обладающей постоянно расширяющимся множеством протокольных наборов (стеков), которые обеспечивают взаимную вертикальную и горизонтальную интеграцию. Массивы технологической и иной информации накапливаются в базу данных реального времени, служащую источником для вычислений алармов и трендов, составления отчетов.

Монолиты разрабатываются крупными ITкомпаниями, хотя есть примеры, когда платформа создавалась собственными силами (Сбербанк) при особых требованиях к информационной безопасности. ПО развивается посредством выпуска обновлений от разработчика, а накопленные компетентности обеспечивают надежность функционала. Архитектура системы и ее адаптация под типовые решения закладываются на этапе планирования, и при необходимости значительного изменения переменных параметров потребуется переделка всей платформы, что, во-первых, затратно и, во-вторых, становится критической проблемой для быстрой перестройки управления. Современные требования к комплексности интеграции автоматизированных систем управления (далее – АСУ) учитывают скорость изменения процессов, повышение вычислительной эффективности, способности к моделированию ХТП [4–6].

Использование монолитов наиболее оправдано для процессов нижних уровней, включая систему управления производством (manufacturing execution system – MES), которые при работе химико-технологической системы близко к проектной мощности относятся к устоявшимся и управляются в режиме реального времени. Проекты с двухтрехлетним горизонтом планирования или с быстрыми сроками реализации обычно реализуются классическим «водопадом» (Waterfall – модель, в которой разработка ПО выглядит как поток, последовательно проходящий фазы анализа требований, проектирования, реализации, тестирования, интеграции и поддержки).

Верхнеуровневые системы зачастую контролируются в дискретном режиме и гораздо чаще подвержены изменениям. Здесь также используются монолитные системы (на уровне ERP – Enterprise Resource Planning – планирования ресурсов предприятия), но часто заказчики, исходя из критерия «цена/качество/скорость внедрения», выбирают микросервисы.

Политика постоянных улучшений работы предприятия требует и непрерывной оптимизации технологических и производственных процессов. Благодаря этому расширяется область применения микросервисного подхода, ресурсно более доступного по сравнению с монолитами. Микросервисы более избирательно масштабируют обработку больших данных в отношении наиболее требовательного к вычислительным ресурсам приложения и могут быть быстро и отдельно перестроены при появлении новых объектов или задач управления каждого модуля АСУ, без изменения и востребованности функций других сервисов.

Технология легко тиражируется: появилась возможность упаковывать прикладное ПО в так называемый «контейнер» и передать на тот сервер, где оно будет развернуто, в том виде, в каком его собрал разработчик. Приложение сохранит целостность и будет корректно работать на любом устройстве, будь то физический или облачный сервер, или обычный компьютер пользователя. Вместе с приложением в контейнер упаковываются и микросервисы, чтобы не переносить их отдельно из рабочей среды АСУ, часто контейнер и представляет собой готовый микросервис. В современных исследованиях [7, 8] подчеркивается востребованность предиктивных методов управления ХТП, которые реализуются на микросервисах и позволяют моделировать трудно измеряемые или не измеряемые технологические данные, а также предсказывать сбои в работе оборудования и формировать перечень мер по их предотвращению [9].

Микросервисы могут создаваться разными командами разработчиков, и внедрение новой модели или оптимизация существующей может происходить без взаимодействия между создателями ее частей и c использованием разного инструментария, но обычно применение этой технологии ставит в зависимость заказчика прикладного ПО от его создателей, и при создании комплексных АСУ группа разработчиков участвует в их сопровождении на протяжении всего жизненного цикла. Кроме того, массовое применение микросервисов может сопровождаться потерей централизованных стандартов разработки и несоразмерным требованиям к квалификации эксплуатирующего персонала, что указывает на необходимость их информационной общности.

Следует отметить, что изменяющиеся процессы со временем могут превращаться в устоявшиеся, в этих случаях целесообразно превращать микросервис в составную часть монолитной цифровой платформы. Верно и обратное утверждение о том, что часть монолитной платформы может превратиться в отдельные микросервисные продукты, которые, в сочетании с монолитным приложением, образуют гибридную цифровую платформу.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Стратегия развития предприятия на основе принципов ESG (Environmental, Social, and Corporate Governance – экологическое, социальное и корпоративное управление) предусматривает накопление и интеллектуальный анализ массивов данных:

• эксплуатационных, в целях эффективного использования ресурсов для производства конкурентоспособных товаров и услуг [10];

• рыночных, для достижения целевых показателей по каждому отдельному продукту и по каждому отдельному рынку на определенный период, включая качество продукции (как степень соответствия характеристик требованиям ГОСТ Р ИСО 9000-2015, ГОСТ 15467-79).

• экологических, для минимизации воздействия на окружающую среду и одновременного сохранения положительной динамики экономического развития [11].

«Индустрия 4.0» предусматривает создание единого пространства цифровых промышленных и информационно-коммуникационных систем и их взаимодействия без непосредственного участия человека [1]. В промышленные процессы предложено интегрировать киберфизические системы, позволяющие дистанционно менять производственный алгоритм на основе использования данных, полученных в результате обратной связи от потребителей товаров и услуг [12]. Для сокращения сроков создания и себестоимости разработки цифровой платформы становится очевидным выбор в пользу гибридных информационно-управляющих систем, консолидирующих преимущества традиционных монолитных технологий и микросервисов.

В блок-схеме гибридной системы учета и обработки больших массивов данных (рис. 2) невозможно отразить все структурные связи, но основная идея состоит в множественном взаимодействии (на определенном протокольном стеке) монолитных приложений различных уровней автоматизации предприятия (область 4) с микросервисными приложениями (области 1-3), в том числе посредством различных средств виртуализации (область 5).

Микросервисы, в отличие от монолитных приложений, подразделяются не по месту в иерархии систем автоматизации, а по функциональному содержанию, которое позволяет контролировать множество влияющих на протекание ХТП показателей. Таким образом, применение гибридной платформы решает следующие задачи:

• интеграцию микросервисов в традиционные (монолитные) приложения;

• построение распределенных цифровых продуктов, контейнерных приложений с использованием компонентов с открытым кодом (open source);

• развертывание новых и/или миграции существующих виртуальных машин в единую платформу с гипервизорным управлением.

Применение гибридных цифровых платформ в химической промышленности рекомендуется при росте количества модулей, которые используют результаты работы микросервиса как источника данных для работы монолитных систем и наоборот, для построения систем контроля качества, повышения ресурсной, экономической и экологической эффективности [13]. Одним из примеров возможной реализации является предиктивная система контроля выбросов загрязняющих веществ, построенная на основе данных АСУ технологического процесса [14–16], внедрение которой минимизирует затраты на создание систем автоматического контроля.

Хорошо зарекомендовали себя гибридные цифровые системы, внедряемые с целью повышения достоверности и удобства представления информации на высшем уровне управления – бизнесаналитике. С 2015 года на нефтехимическом предприятии ПАО «Сургутнефтегаз» работает ситуационно-аналитический центр (САЦ). Формирование САЦ базировалось на единой объектной модели производственной деятельности предприятия [17]. Средствами САЦ обеспечено согласование и синхронизация специализированных АСУ с физическими объектами, внедрена система управления производственными фондами предприятия (ТОиР), направленная на достижение максимальной доходности промышленных активов. Монолитный ландшафт заложил качественную основу для разноуровневых АСУ, а микросервисы, с одной стороны, осуществили адаптацию процессов под текущие требования и, с другой стороны, позволили внедрить предиктивную аналитику. Последняя включает в себя два процесса: оценивание и сопоставление. Каждый временной период проводится выстраивание графиков на основе лучших практик и запускается менеджмент по минимизации процессных отклонений [18, 19] (рис. 3).

Гибридизация существующих систем управления в Российской Федерации во многом обусловлена приверженностью многих зарубежных разработчиков АСУ санкционной политике, в результате чего стало невозможным обновление платформ. Действующие монолиты с микросервисными надстройками способны сохранять адекватность в среднесрочной перспективе и по мере локализации производства технических комплексов в процессе преодоления импортозависимости, использование российского ПО будет расширяться за счет инжиниринга силами персонала предприятий или системных интеграторов. Одним из главных препятствий для трансформации традиционных цифровых продуктов является их реализация в операционной системе Microsoft Windows, в то время как одним из ключевых требований к локальным разработкам является их реализация в российских операционных системах с ядром LINUX [20]. Откликом рынка на изменившиеся условия конъюнктуры уже стало появление российских продуктов (например, ZIIoT, SEDMAX). Они выпускаются как монолитное решение для потребителей, но сочетают в себе микросервисы, которые могут быть легко адаптированы под конкретные запросы заказчика.

ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

Система интеллектуального анализа больших данных (операционных, экологических, диагностических) химического предприятия является многоуровневой иерархической (каскадируемой) структурой, которая организует основные бизнеспроцессы предприятия. Современные представления о решении задач моделирования, оптимизации и оперативного предсказания аварийных ситуаций связаны с внедрением гибридных систем, использующих накопленные в монолитных платформах данные и аналитически комбинирующие их с текущими результатами в моделях, выполненных на микросервисах.

Оценивая среду, в которой сегодня развиваются технологии, как максимально подвижную и изменчивую, можно с уверенностью утверждать, что при разработке референтной, или типовой модели платформы следует идентифицировать и учитывать максимальный спектр измеримых аспектов воздействия [21, 22]. Применение монолитной технологии имеет ряд преимуществ благодаря возможности использования типовых коммерческих продуктов для адаптации целевых систем, а также тонкой настройки, модернизации и технического сопровождения желаемого уровня функциональности при помощи прикладных разработок. Такие системы используются в информационном сопровождении всех основных производственных процессов.

Микросервисная технология привела к появлению приложений, ориентированных на оптимизацию и моделирование параметров, нацеленных на отработку условий и факторов, которые влияют не только на функциональные алгоритмы, но и на модернизацию самой платформы. Часто такие приложения строятся на основе данных монолитных приложений и являются их аналитической надстройкой. Для разработки таких приложений часто применяется допускающий маневрирование итеративный подход (agile), для которого ключевым является сам продукт и его качество в соответствии с видением клиента.

Российские разработчики, обладающие достаточным уровнем компетентности, стремятся использовать открывшееся окно возможностей, связанное с уходом с рынка зарубежных поставщиков ПО, и помочь в решении проблемы преодоления импортозависимости, используя гибкие методологии. Продукты различаются по функциональным, рыночным и иным параметрам, но отмечается явный тренд на их совершенствование и развитие. Гибридная цифровая платформа обработки данных ХТП способна объединить множество разнородных программных продуктов и открывает большие перспективны по импортозамещению в области автоматизации систем управления [23].

Список литературы

1. Meshalkin V.P., Dovì V.G., Bobkov V.I., Belyakov A.V., Butusov O.B., Garabadzhiu A.V., Burukhina T.F., Khodchenko S.M. State of the art and research development prospects of energy and resource-efficient environmentally safe chemical process systems engineering // Mendeleev Commun. 2021. Vol. 31. P. 593.
2. Мешалкин В.П. Основы интенсификации и ресурсо-энергоэффективности химико-технологических систем. М.: Принт Экспресс, 2021. 442 с.
3. Егорова Н.Н., Руденко Л.Г. Известия высших учебных заведений. Серия «Экономика, финансы и управление производством». 2022. № 4 (54). С. 65–72.
4. Мешалкин В.П., Дови В., Марсанич А. Принципы промышленной логистики. М.: РХТУ им. Д. И. Менделеева, 2002. 722 с.
5. Решетников И.С. MES. Стратегическая инициатива. М.: НГСС, 2019. 289 с.
6. An overview of Honeywell’s layered optimization solution [Электронный ресурс]. (дата обращения: 14.07.2023).
7. Брускин С.Н. Модели и инструменты предиктивной аналитики для цифровой корпорации. Математические и инструментальные методы // Вестник РЭУ им. Г. В. Плеханова. 2017. № 5. С. 135–139.
8. Носырева А.А., Абрамов В.И. Предиктивная аналитика — основа для цифровой трансформации компаний // НИЯУ МИФИ. Сборник научных статей Международной научно-практической конференции «Актуальные проблемы экономики, учета, аудита и анализа в современных условиях». Курск, 2021. С. 179–182.
9. Андреев Е.Б., Куцевич Н.А., Синенко О.В. SCADA-системы: взгляд изнутри. М.: РТСофт, 2004. 176 с.
10. Розенблюм М., Гарфинкель Т. Мониторы виртуальных машин: современность и тенденции // Открытые системы. 2005. № 06. 12 с. (дата обращения: 11.07.2023).
11. Куленцан А.Л., Марчук Н.А. // Известия вузов. Химия и химическая технология. 2022. Т. 65. Вып. 1. С. 116–121.
12. Демидов А.Б. Лабораторные информационные системы LIMS. М.: МИТ, 2006. 13 с.
13. Куленцан А.Л., Марчук Н.А. // Известия вузов. Химия и химическая технология. 2019. Т. 62. Вып. 11. С. 156–160.
14. Владов Р.А., Дозорцев В.М., Шайдуллин Р.А., Белоусов О.Ю. // Автоматизация в промышленности. 2019. № 12. С. 44–52.
15. Грачев В.А., Скобелев Д.О., Попов А.Ю. // Экология и промышленность России. 2020. Т. 24. № 10. С. 43–49.
16. Meshalkin V.P., Skobelev D.O., Popov A.Y., Vocciante M., Gonzalez M. // Theoretical Foundations of Chemical Engineering. 2021. Vol. 55. No. 4. P. 588–593.
17. Творческий процесс технического прогресса [Электронный ресурс]. (дата обращения: 20.07.2023).
18. Целиканов Д., Утешев К. // Автоматизация в промышленности. 2020. № 2. С. 12–15.
19. Reference Architecture Model, Version 3, 2019. International Data Spaces Association. Germany [Электронный ресурс]. (дата обращения: 11.07.2023).
20. О мерах по обеспечению технологической независимости и безопасности критической информационной инфраструктуры Российской Федерации: Указ Президента РФ от 30 марта 2022 г. № 166.
21. Стороженко П.А., Скобелев Д.О., Малявин А.С., Костылева В.М., Попов А.Ю. // Экология и промышленность России. 2022. Т. 26. № 4. С. 37–43.
22. Almgren R., Skobelev D. // Journal of Open Innovation: Technology, Market, and Complexity. 2020. Vol. 6. No. 2. P. 22.
23. Сизова О.В., Махалкина Е.С. // Известия высших учебных заведений. Серия «Экономика, финансы и управление производством». 2022. № 4 (54). С. 140–151.