ГК АТИСС: без понимания рынка автоматизации не может быть успеха

От интегратора к вендору: как команда Schneider Electric построила нового лидера на рынке АСУ ТП

После ухода западных гигантов возник вакуум. Кто сможет говорить с «Газпромом» и «Лукойлом» на языке ISA-88, выполнять проекты по зарубежным стандартам и при этом создавать собственные аппаратные продукты?

В эксклюзивном интервью руководитель ГК «АТИСС» — бывший исполнительный директор Schneider Electric — раскрывает:

• Почему 250 инженеров из его команды не ушли к заказчикам, а создали компанию-интегратор, которая выросла в 7 раз за 2 года?
• Какой путь от сборки шкафов до вендора решений они прошли и зачем им собственный НИОКР с терминальными панелями и интеллектуальными позиционерами?
• Почему их позиционер со встроенной нейросетью работает на токовой петле 4–20 мА и предсказывает износ клапана без внешнего питания?
• Как они заставили ИИ работать в АСУ ТП: не ChatGPT для операторов, а промышленные LLM, обученные на 300+ проектах — от Амурского ГХК до Норильска.
• Они тестируют системы из 50 000 сигналов на цифровых двойниках — и заставляют заказчиков платить за тренажерные комплексы, которые экономят месяцы пусконаладки.
• Жесткие данные: почему инжиниринг на одном российском ПЛК стоит в 2 раза дороже, чем на другом, и при чем здесь DCS vs PLC-архитектура.

Это не рассказ о «замещении импорта». Это кейс построения инженерной компании, которая уже сегодня делает то, что большинство обсуждает как «перспективу»: встраивает ИИ в полевые устройства, оцифровывает сборочное производство до 3D-моделей в реальном времени и меняет бизнес-модель с интегратора на поставщика решений.

Если вы проектируете, внедряете или разрабатываете для АСУ ТП — это интервью покажет вам практическую дорожную карту развития в новой реальности.

СМОТРИТЕ ПОЛНОЕ ИНТЕРВЬЮ

___________________________________________________________________________________________________________________

ГК АТИСС: без понимания рынка автоматизации не может быть успеха

Текст интервью получен посредством автоматического распознавания речи 
и не подвергался редактированию, в связи с чем возможны ошибки и неточности.

00:35
Я представляю группу компаний АТИСС. Группа компаний АТИСС, как группа компаний образовалась в 2023 году. До этого, путем слияния крупного интегратора Южно-Федерального округа компании ООО АТИСС и компании «Технологии качественных систем» в единую группу компании АТИСС. «Технология качественных систем», это компания TECO SYSTEM, находится в Москве. Она была образована после всех всем известных событий 2022 года, когда крупные игроки, международные игроки ушли с рынка автоматизации и осталось много компаний с большим опытом. 


Осталось много персонала. 

Да, да. И вот так получилось, что я на тот момент был исполнительным директором Schneider Electric System. Занимался промышленной автоматизацией, отработал в компании больше 15 лет на позиции исполнительного директора. И, соответственно, мы стали перед выбором. Вот вроде как компания уходит, говорит, все, нам российский рынок неинтересен.

При этом есть инженерный потенциал, большой инженерный потенциал. Мы в свое время постоянно из года в год росли, увеличивались объемы проектов, увеличивалось количество предложений, интересные решения мы внедряли. Команда в составе, наверное, 40 человек встала перед выбором, что делать.

И вот мы решили, что мы все вместе образуем свою отдельную компанию, которую назвали «Технологией качественных систем», которая потом вошла в структуру группы компании АТИСС. Поэтому мы начали с небольшого потенциала в 40 человек, в 36 человек, если честно. И так получилось, что в 2023 году на рынке серьезной промышленной автоматизации сложился такой вакуум нормальных инженерных компаний.

И вот таким образом, насколько я знаю, поступили только мы.


2:46
Простите, вы имеете в виду вакуум нормальных инженерных компаний системных интеграторов именно? 

Да, да.


2:53
Или поставщиков оборудования? 

Нет, именно системных интеграторов. То есть в чем особенность? Вот ушли крупные компании и представители компаний Honewell, Emerson, Yokagawa и так далее. Заказчики начали разбирать этих специалистов. И все специалисты с этих компаний ушли к заказчикам, конечным пользователям.

А интеграторов, компании, которые могут сделать, их не осталось. Потом получилось как? Эти компании, ну берем там Сибур, Роснефть, Газпромнефть, Лукойл и так далее, которые понабрали качественных, очень умных специалистов по автоматизации. Начали выполнять свои проекты. Выходят на рынок, начинают объяснять, что нужно. А интегратор не понимает, что им нужно. Потому что они начинают на вот зарубежном…


3:48
По зарубежным стандартам требования выдвигать. Наши не привыкли к таким требованиям.

3:54
И так получилось, что наша компания одна из немногих, которая сказала, да, окей, все понятно, что вы просите, да, вот так, пошли, поехали. И благодаря этому в нас поверили. Мы выросли до 250 специалистов, именно инженеров в нашей компании. Более того, у нас свой научно-исследовательский центр RND по промышленной автоматизации. У нас на базе московского офиса наш центр технической компетенции, технологический центр. И мы активно развиваем. То есть одно из направлений. Мы начали, мы бурно начали, мы до сих пор растем, бурно начали как интегратор. Но наша цель, мы для себя разработали цель 5-летнего развития, о том, к чему мы через 5 лет придем. Мы решили, что наша цель – это стать вендором. Да, интегратором быть интересно, но гораздо интереснее вендорская история.


4:55
Вендором, опять же, оборудования или решения?

Решения. Потому что как бы ты ни рос, есть определенные…


5:04
Собственно, чем системный интегратор приличный и отличается от вендора, поставщика решений в области АСУ ТП? Они же, мне кажется, примерно одинаково себя и позиционируют.

Позиционирование, оно существенно отличается в чем? Интегратор – это человек, который на фронтенде, то есть он впереди процесса автоматизации. Он работает непосредственно с заказчиками.

Выполняет проекты и, соответственно, получает все шишки, связанные с вовремя запустить, приехать на площадку, все проблемы. Особенно, если мы говорим про промышленную автоматизацию, берем комплекс модернизации, или новая стройка. Автоматизация всегда в самом конце.

В начале там все, что вовремя, они сделали проектировщики накосячили, вовремя сделали технологи, потом строители, как обычно, все затянули. А заказчик говорит, извини, мне нужно все запускать, у меня продукт, сейчас придет договор с «Газпромом» на подачу газа, мне нужно срочно запустить. Вот вы хотели за три месяца запустить автоматизацию, вот у вас две недели, все, давайте, пускайте, иначе мы вот так.

Поэтому интеграторы по автоматизации, они самые последние, они собирают все самые проблемные шишки. И надо уметь работать на этом рынке и понимать все особенности рынка автоматизации именно с точки зрения интегратора. Когда ты понимаешь эти особенности рынка, ты можешь предложить для рынка тот продукт, уникальный продукт, который интересен заказчику.


06:46
Вы говорите о том, что вы хотите стать вендором каких-то концептуальных решений в области автоматизации, которые вы будете как коробку давать интегратору, а интегратор будет уже адаптировать его там.

Конечно, то есть одно дело, можно компанию образовать и сказать, а вот мы сейчас вендор, сейчас мы посидим, там кучу денег вложим в разработку, разработаем продукт, выведем его на рынок. И будем говорить, ой, заказчики, приходите, смотрите. Это один способ.

Мы понимаем, что этот способ не совсем, ну скажем так, правильный, потому что он очень долгий, пока соберешь все особенности эксплуатации, все шишки, поймешь, что нужно заказчику и так далее. Мы же для себя приняли другой путь развития, потому что у нас есть понимание, как интегратор, то есть мы растем как интегратор, мы набираем пул проектов, мы разбираемся в технологии, мы занимаемся полный спектр всего, что связано с автоматизацией. От проектирования, сборки шкафов, низковольтных комплектных устройств, проведение заводских приемов, издаточных испытаний, программирование, конфигурирование, программное обеспечение, различных расчетов надежности, функциональной безопасности, ЗОКИИ, соответственно, кибербезопасность и так далее. То есть весь спектр мы делаем. У нас инженеры, как и я, они же люди достаточно ленивые. Человек вообще не существо ленивое, а инженер это супер ленивое существо. Он так или иначе родится какой-то продукт, который позволит в чем-то эффективнее работать, с меньшими трудозатратами, какой-то интересный продукт для нашего заказчика. Казалось бы, - мы молодая компания, 8 лет на рынке. Наш НИОКР уже сейчас разработал несколько продуктов. 

Есть терминальные панели для автоматизации, которые позволяют эффективно быстро собирать шкафы и выпускать производство. При этом самое сложное всегда в отладке это последние мили, когда вроде как шкафчик небольшой, там контроллеры несколько стоит, но терминальная часть, их там тысячи, сотни тысяч кабелей, все проверить, протянуть и так далее. Самое сложное, что-то там не дотянулось, вся система не работает.

Чтобы избежать этого, мы придумали наше решение по терминальным панелям, подсмотренное у зарубежных вендоров, адаптировали, привязали к российскому оборудованию и активно используем своих проектов. Это первое решение. 

Второе решение, которое мы точно так же разработали, оно прошло сейчас опытную эксплуатацию и уже смотрим площадки у заказчика. У нас три заказчика, которые согласились провести испытание. Это наш интеллектуальный позиционер. Это устройство, которое устанавливается на запорную регулирующую арматуру, клапаны и позволяет правильно управлять технологическим процессом. Но он не интеллектуальный, он кроме того, что он правильно на нужное положение поворачивается, закрывается, он еще и рассказывает о процессе. Насколько правильный поток идет ламинарный, насколько загрязненность клапана и так далее и тому подобное. Более того, мы сделали наш продукт со встроенным искусственным интеллектом, нейросетью, которая позволяет делать диагностику состояния оборудования.

Самые большие затраты у заказчиков наших в нефтепереработке, в химии, в период капитального ремонта, им по регламенту нужно остановить, разобрать все, залезть, посмотреть клапан, очистить. Даже если он не был загрязнен, все равно требуется при остановке полностью проводить замену, чистку.


10:57
В каждом конечном устройстве стоит компьютер, в котором крутится мат-модель этого устройства и мат-модель процесса.

Мы понимаем по тому, как работает наш позиционер, какие показатели, мы понимаем, у нас заложена обученная модель, мы понимаем, как процесс загрязнения. Мы можем говорить, что вот ты сейчас останавливаешь, ты можешь сейчас не обслуживать, потому что он не загрязнен. Только в следующий период капитального ремонта ты можешь проводить обслуживание. Это первый этап использования и так называемый predictive maintenance, то есть предиктивная диагностика. А второй этап это техобслуживание по необходимости.


11:48
Это неразрывно связано с предиктивной диагностикой.

Конечно, конечно. И если раньше эти устройства были внешние от каких-то именитых производителей, но они внешне подключались на систему со своими датчиками, анализировали, то теперь эта система встроена.


12:05
Насколько это оправдано, встраивать в каждый позиционер такую систему, а не выносить ее централизованно на уровень SCADA?

Знаете, на самом деле это тоже очень интересно. Промышленная автоматизация это очень такая консервативная отрасль. И там те технические решения, которые сейчас у нас на заводах используются, они были разработаны в 80-90-х годах прошлого века. Вот действительно реально. 

Здесь же, когда мы стали перед вопросом, что вот опять же, в России интеллектуальных позиционеров нет. То есть есть электроприводы, которые заворачивают, поворачивают, ну стандартные. А пневмопреобразователь, его делать достаточно сложно, в России нет их. Но при этом мы их поставляли, мы их использовали, запускали, мы понимаем физику процесса, понимаем, как он работает. И мы взяли несколько позиционеров зарубежных, немецких, американских компаний, посмотрели, вскрыли, посмотрели, что там, как используется.

И у нас больше двух с половиной лет занял RND, потому что сам пневмопреобразователь нужно было соответствующим образом сделать. Мы заключили два договора с институтами, потому что нам нужен был специальный клапан, специальный каучук в составе. Наша система должна работать от минус 70 до плюс 300 градусов. А клапан каучуковый должен иметь такую же эластичность. То есть понимаете, в России даже таких вещей не было. То есть саму электрическую часть мы за полгода сделали.

При этом текущее развитие микроэлектроники позволяет поставить там достаточно простой чип. Он маленький, он энергоэффективный, но он до такой степени мощный, что мы можем туда и нейросеть засунуть. Это устройство не автономное, оно подключается к 4–20 мА и потребляет как раз ток 4–20 мА, который идет.

То есть без подключения дополнительных источников питания. Вот тоже один из примеров. То есть мы увидели у заказчика, что есть необходимость в таких системах, мы их разработали. И дальше мы смотрим разработки. Например, опять же всем известный сейчас активный хайп по искусственному интеллекту. Использование искусственного интеллекта.


14:26
Это очень спорный вопрос и в области АСУ ТП. В некоторых областях можно использовать, но вот как предиктивная аналитика какая-то, к примеру, советчик. А вот для управления тех. процессами – я очень сильно сомневаюсь.

Ну да, я с вами полностью здесь согласен. На самом деле, так как мы компания IT, так как мы на острие каких-то научных изысканий в области промышленно-автоматизации, а чтобы не быть сапожником без сапог, мы и свои внутренние процессы тоже занимаемся автоматизацией внутренних бизнес-процессов. И мы заметили, что есть определенные рутинные задачи в ходе нашей работы.

В ходе сбора исходных данных от заказчика, инжиниринга, программирования, тестирования, ввода в эксплуатацию, постоянно. То есть, с одной стороны, хочется все детально, чтобы заказчик точно нам исходные данные передал, но таких заказчиков я не знаю, каждый раз это такой квест, куча листочков, ревизий и так далее, я не знаю, что там на бумажке написано, на салфетке нарисовано, вот сделай так, что-то там вербально передается, это постоянно так происходит. Мы очень любим наших заказчиков, не нам их менять, нам с ними работать.

Поэтому мы решили, что окей, искусственный интеллект в чем хорош? Искусственный интеллект хорош в обработке больших массивов данных, в поиске взаимосвязей, оценке этих взаимосвязей и подготовке каких-то там кратких информаций, брифов и так далее. Все остальное мы не берем, потому что остальные вещи, рассуждательная модель и так далее, нужно все еще, чтобы она дорабатывалась.

Вот мы взяли, опять же, так как мы работаем в АСУ ТП, для критической инфраструктуры, мы не можем брать публичные модели, более того, исходные данные мы не можем загружать куда-то в облако. Есть лингвистические модели, которые открытые, open-source, и они публичные, доступные, то есть они локальные. К сожалению, это китайские модели. Российские, есть у нас несколько попыток, но опять же, это все облако, мы не можем ничего выражать в облако.


17:00
В локалке это все не работает.

Да, да это все облако, и это с одной стороны облако, потом любые обученные, уже обученные модели, они обучаются для заказчиков, либо для пользователей, чтобы пользователям понравилась эта искусственная модель, они вложили деньги, еще раз заработали и так далее. Это всё про деньги. Поэтому использовать в автоматизации, не обученные на процессе автоматизации модели, ну это нельзя, потому что они будут не подстраиваться. Любой искусственный интеллект сейчас обученный, вот возьмите там, не знаю, даже тот же сам Гигачат, что-то напишите, какой-то промт, сделайте, или там Алису, о чем-то спросите, что они выдадут? То, что вам удобно, хочется услышать. 

Да, конечно. 

Оператору не нужно говорить, что ему хочется услышать. Поэтому в АСУ ТП применимы только те модели, на мой взгляд, которые обучены. То есть взята сама модель, она обучается на тех данных, с которыми она будет работать. То есть если берём пустую модель и обучаем её на наших проектах, исходных данных она уже начинает понимать, что нам нужно, наши потребности.


18:20
Предобученная, к тому же, еще и гораздо меньше ресурсов требует.

Естественная, да, естественная. Поэтому мы пошли по этому пути, у нас сейчас активно идет разработка внутри, но мы ее планируем также выводить на рынок, это программа обеспечения Smart Engineering, которая позволяет именно какие-то рутинные процессы полностью автоматизировать. С одной стороны это работа с заказчиком.

Приходит к нам заказчик, говорит, вот тут бумажка, тут бумажка, тут бумажка я хочу, вот тут что-то я нарисовал как хочу, сделай нам автоматизацию, но вот я привык как, не знаю, в якогавских цветах, сделай, пожалуйста, нам автоматизацию, вот, чтобы все было. Мы говорим, да, окей, хорошо. То есть мы его не посылаем, не говорим, что там дай нам детальное техническое задание, подпишись, мы говорим, да, хорошо, присылай.

Мы загружаем в систему, там у нас есть искусственный интеллект, есть компьютерное зрение, которое распознает там цвета и прочее, подбирает, смотрит, здесь задублировано, здесь какой-то информации нет, то есть предобрабатывает исходные данные. Потом дозапрашиваем эти исходные данные, мы понимаем, что у нас есть. Точно так же по проектированию.

У нас наработано, сейчас, наверное, больше трехсот, наверное, проектов, которые мы уже выполнили, крупных сложных проектов в области промышленной автоматизации. То есть от мелких до там, не знаю, там, ну вот из самого крупного, это Амурский газохимический комплекс, объекты ОЗХ, там больше шестисот шкафов. А если вообще смотреть, сколько мы туда поставили, только на один объект, там больше тысячи шкафов суммарно.

То есть мы там уровень инфраструктурных решений также поставляли. И у нас есть это уже наработанные модели, чертежи. Приходит заказчик, говорит, вот у меня такая технология. Мы эту технологию внедряли там, там, там. Давайте мы посмотрим, предложим вам технические решения, покажем, как это сделать, как это другие заказчики.


20:22
Конечно, когда уже даже и референс есть, это и заказчику интереснее.

Да, да, да. И ты начинаешь с заказчиком разговаривать на его языке, на технологическом. Сформировали, дальше пришли исходные данные, быстренько сформировался 3D модель шкафчика.

Мы отправляем, покрути, пожалуйста, посмотри, нравится, не нравится расположение там контроллеров и прочее. Тоже же приятно, когда у тебя после получения исходных данных, через там пару недель уже 3D модель, вот шкафчики, как это будет выглядеть. Дальше нам это помогает на собственной сборке.

Я считаю, что у нас крупнейшее в России сборочное производство. У нас больше пяти тысяч квадратных метров сборочных производств. Почти стадион под единым куполом, полностью пять тысяч квадратных метров.

Современный производство, залитые полы, антистатическое покрытие. Полностью оцифрованный производство со своими боксами, где каждый проект делается. Информационная система, смс, со всей складской историей. И у нас сборка шкафов построена на потоке.


21:23
То есть вы еще и как отдельный просто отторгаемый продукт эти шкафы предлагаете собранные.

Да, конечно. И вот когда получается 3D модель, мы можем сразу покрутить этот шкафчик, посмотреть, правильно ли там подключаются шкафные соединения. И заказчик может увидеть, как это будет выглядеть, как он будет обслуживать, как же дверки открывать. Тоже это удобно.

И наше сборочное производство сразу понимает, как это собирать. Сами понимаете, когда просто автокадровские чертежи 2D, плоские. А когда 3D модель, ты сразу понимаешь, как куда что вставить. Это тоже ускоряет и сборочное производство.


22:02
Да и меньше требования к квалификации монтажников.

Где у нас еще используется искусственный интеллект дальше? 

Тестирование. Любые разработчики, любые инженеры очень не любят что-то проверять. Это такие же ленивые, еще даже больше. Это почти автоматизаторы, почти такие ленивые, как айтишники. Айтишники самые ленивые, автоматизаторы чуть менее. Они просто понимают, что если они не проверят, может что-то... Потом на объекте придется сидеть. И опять же, вот правильно сказали, что для того, чтобы меньше сидеть на объекте, быстро запуститься. Это вот история по запуску. Быстрее, быстрее, быстрее. Мы планировали в договоре 3 месяца. Вы же умная компания, давайте за 2 недели, что там делать-то? Включить да запустить. А вот чтобы эту историю спокойно пережить, нам нужно как можно больше тестировать наших решений у нас на производстве.

То есть где-то в Амурскую область, где-то в Норильск, например. Сложно поехать. То есть там, когда едешь, достаточно долго времени проводишь. Командировочные условия. И все детально, нормально не проверишь, не оттестируешь.


23:15
Ну протестировать я понимаю как можно, например, шкаф. Или там отдельно стоящий контроллер с залитым ПО. А вот как протестировать готовое решение, систему, которая состоит из хотя бы даже десятка шкафов.

23:30
На самом деле методики есть. И в зарубежных компаниях тоже достаточно много было подобных методик. Используются либо имитаторы внешне, подключаемые к системе кнопочками. Либо целая отдельная система как имитаторы.


23:45
Это же под каждый проект нужно разрабатывать свой собственный стенд тестировочный. Это тоже история, будь здоров. 

Ну да, вот Росатом таким образом поступает для атомных электростанций. У них имитатор сделан, там понятно.

У них там просто типовое решение. 

Ну почти типовое, скажем так. Но здесь тоже нужно не забывать, что когда мы говорим про комплексную сложную автоматизацию промышленную. Всегда в комплекте с АСУ ТП идет тренажерный комплекс. И здесь правильно нужно заказчику доказывать, что смотри, давай ты купишь тренажерный комплекс не такой вот для галочки. Для инспектора, который придет, увидит как вот ГИБДД там вопросы-ответы и все ушел. А давай ты купишь тренажерный комплекс, где будет еще технологическая модель. Там может быть она не совсем точная будет, но будет заложена технологическая модель. Мы этот тренажерный комплекс будем использовать для тестирования АСУ ТП. Мы же можем подключить через OPC UA, другие протоколы. Мы можем подключить этот тренажерный комплекс к нашей системе. И отладить все контура управления. Мало того, что ты заранее купишь своих операторов, технологов обучишь новой системе, так мы еще оттестируем твою систему у нас на производстве. Приезжай, Краснодарский край, город Краснодар, житница. Хорошо, тепло, садись, тестируй. 

То есть мы максимально стараемся и уговариваем наших заказчиков, давайте мы вот комплекс всех работ, тестов и прочих сделаем заранее. Потом, когда мы поедем к вам на площадку, там интернета нету, там режимный объект вышел, зашел, вышел через проходную. Там что-то тестировать, что-то внести туда, потом обратно вынести тяжело. Всегда есть сложности с доступом на объект. И как раз последний этап пусконаладочных работ, лучше внедрять то, что ты уже проверил на 100 рядов.

И опять же искусственный интеллект здесь включается, когда мы делаем проверки программных обеспечений. Их контуров, ну представляете, если там система 50 тысяч сигналов, например. 50 тысяч сигналов в районе 20 тысяч контуров управления. Ну там понятно, там базовские, РСУшные разделяются, но все равно. И они еще между собой взаимосвязаны. Физически человек сесть проверить правильность работы, о том, что авария не выходит, о том, что все нормально управляется, процесс регулирования не выходит, не может проверить.

Здесь как раз появляется вот та зона искусственного интеллекта, который может все возможные подобрать кейсы для проверки. И это не мы придумали, это и раньше та же самая компания Yokogava в своем программном продукте уже имела подобные решения по батч-тестированию, так называемому, проведению тестов именно контуров управления. Вот мы просто это все упаковываем для российских решений, российских продуктов и упаковываем в виде единого решения.

Да, пока это наше ноу-хау, за счет чего мы такие эффективные. Да, у нас компания находится в Москве, высокооплачиваемые специалисты выше рынка. Тем не менее, мы на рынке автоматизации достаточно хорошо себя чувствуем и мы с годом в год растем. Почему? Потому что мы эффективны.


27:23
Вот насколько, используя вашу модель, вам удается точно предсказать, что будет на объекте? То есть, очевидно же, что расхождение есть? 

Нет, конечно же есть. Мы модель сейчас дорабатываем, только в определенных элементах она сейчас у нас в производстве используется, там мы ее активно развиваем.

Но уже сейчас, я могу сказать, у нас в компании ведется учет рабочего времени. Каждый инженер, выполняя какую-то задачу, говорит, сколько на эту задачу потратил времени. То есть, каждый час рабочего времени мы знаем, чем занимался у нас конкретный инженер.

И мы эту статистику, не потому, что там по часам, что все приходили, нет. Мы эту статистику введем для того, чтобы понять, какая задача занимает сколько времени. Какая задача для какого вендора занимает сколько времени.

Потому что мы берем несколько производителей оборудования, ПЛК-оборудования российского, и время инжиниринга для этих систем, оно разное. Мы должны понимать. То есть, когда к нам заказчик говорит, я хочу такого-то вендора, мы говорим, да, окей, но тебе будет стоить дороже. Он спрашивает, почему? Ну, потому что по нашему опыту на этом вендоре не 2 часа на точку инжиниринг занимает, а 3 или 4 часа на точку. Извини, но это вот практика.


28:50
Это же, скорее всего, происходит не от того, что у одного нашего производителя хуже контроллеры, чем у другого, а скорее от того, что инженер просто более знаком вот с этими и меньше знаком с этими. Поэтому, естественно, у него тут все происходит влёт, а тут нужно сидеть и разбираться.

Отчасти да, отчасти нет. Видите, наши российские вендоры, они росли по-разному. Ставились различными целями. То есть компании, когда развивались, российские, они развивались, когда были зарубежные компании на рынке. И практически все компании понимали, что целится там на Schneider, Emerson, Honeywell замена. Но это слишком там, это какой-то топ. Никогда они не сделают такого уровня стимуляции. Целились куда? Omron, там Mitsubishi, Siemens замена. Им было достаточно занять какую-то долю рынка, один-два процента, не более. Когда все компании ушли зарубежные, рынок освободился и заказчики начали вот эти вот компании, этих вендоров, которые не приспособлены для рынка DCS, распределенных систем управления, начали пытаться их применить. Соответственно, чем отличается распределенная система управления от ПЛК-системы? В ПЛК-системе ты сидишь, программируешь на языке программирования, компилируешь, загружаешь.

Распределенная система управления в функциональном блоке уже находится внутри, ты конфигурируешь. Ты нажал, сделал конфигурацию, загрузил. Ты на лету можешь поменять без остановки технологического процесса, какие-то операции можешь поменять. Вот чем отличается распределенная система от ПЛК-системы. 

А у нас стали пытаться применять ПЛК-системы в зонах, в тех проектах, где требуется распределенная система управления. При этом, когда система для локальной автоматизации, она приспособлена для работы до тысячи сигналов, например, или до 5000 сигналов.

Это понятно, как там сделать, как запрограммировать. Она сделана так, что есть один контроллер, пара контроллеров работает и все нормально. Когда ты пытаешься сделать систему на 50 тысяч сигналов, и там в этой системе у тебя уже не одна пара контроллеров, а 10 пар контроллеров. Это другая система. И у многих заказчиков, у многих вендеров, например, нет таких вещей, когда, например, сигнал из одного шкафа перешел в другой. В зарубежных системах там просто указал другой шкаф, и он сразу переконфигурировал адрес. Адресация поменялась, все автоматически сделалось. Здесь нужно перепривязывать каждый раз адресное пространство с одного в другое. Вот это один сигнал.

А представляете, когда заказчику у вас там сходные данные такие, а у нас технология поменялась, технологическая компания отказалась там поставлять зарубежные, мы нашли там китайскую, а у них там сигналы не цифровые, а аналоговые. Вот пожалуйста, там дискретные, вот пожалуйста, переделай всю таблицу сигналов. А ты уже сделал там на 20 тысяч сигналов всю разводку, и ты сидишь переделаешь заново. Еще-то что-то поменялось, а мы забыли там какой-то там от цовбер поставить снова заново.

Вот поэтому столько времени занимает.

© СТА-ПРЕСС, 2025