Чему производство может научиться у металлургической и горнодобывающей промышленности — часть 3 — с Axora

Добро пожаловать в подкаст Trend Detection, созданный Senseye, лидером отрасли в использовании ИИ для обеспечения масштабируемой и устойчивой производительности и надежности активов. Это новая публикация, призванная помочь вам разобраться в том, как повысить эффективность обслуживания.

В третьей и заключительной части нашей серии, посвященной тому, чему производители могут научиться у металлургической и горнодобывающей промышленности, ко мне снова присоединился Джо Карр из Axora. Вы можете прослушать первую часть здесь и вторую часть здесь.

Во время эпизода, посвященного тому, чему производители могут научиться у металлургической и горнодобывающей промышленности, к нам снова присоединился Джо Карр из Axora, чтобы обсудить методы технического обслуживания, которым следуют металлургические и горнодобывающие компании, почему время безотказной работы оборудования является ключевым и как доказывается наличие слишком большого количества машинных данных. сложно.

Пожалуйста, подпишитесь через вашего любимого поставщика подкастов (Apple, Google и Spotify), если вы хотите получать уведомления о будущих выпусках, и сообщите нам свои отзывы, оставив нам отзыв.

Расшифровка

Основные затронутые темы (нажмите, чтобы перейти к разделу)

1. Основные методы технического обслуживания в металлургической и горнодобывающей промышленности
2. Использование машинных данных в металлургии и горнодобывающей промышленности
3. Примеры использования ИИ и машинного обучения в металлургии и горнодобывающей промышленности
4. Устойчивое развитие металлургической и горнодобывающей промышленности
5. Пример использования:Alcoa

Найл Салливан, Senseye:Да, Джо. Это интересно, вы упомянули техническое обслуживание, потому что это то, к чему я шел дальше, и на самом деле это более разумный способ сделать это. Опять же, просто мысли в качестве отправной точки, и вы, вероятно, скажете, что это зависит от конкретного случая, но в целом, какие основные методы обслуживания существуют на данный момент?

Чему следуют эти горнодобывающие компании? Это реактивное обслуживание? Это похоже на то, как вы предложили, чтобы они менялись каждые 4000 дней или что-то в этом роде? В общих чертах, какой практики они придерживаются в данный момент с точки зрения технического обслуживания?

Джо Карр, Axora:В мире горнодобывающей промышленности время безотказной работы имеет ключевое значение. Сто процентов, время безотказной работы — это самое важное, потому что это очень похоже на место в самолете, если я не продюсирую за это время, я никогда не смогу его вернуть. Верно?

После того как самолет взлетит, а кресло не будет продано, я уже никогда не смогу продать его обратно. То же самое, если вы управляете нефтеперерабатывающим заводом, верно? Если вы не производите металл, тонну меди в час, то этот час пропал. Я никогда не верну эту постановку.

Ключевое значение имеет время безотказной работы. Промышленность, конечно, не хочет работать реактивно. Всегда будет некоторый уровень реактивного обслуживания. Это всегда будет происходить. Конечно, как отрасль, мы хотим, чтобы это было исключением, а не правилом. Помимо оперативного обслуживания, которое нам не нужно, у вас есть плановое и профилактическое обслуживание.

Там определенно есть смесь. Опять же, как я уже сказал, это базы по компаниям. Мы обнаруживаем, что определенные вещи, особенно... Например, грузовики. Это отличный пример. Сегодня у нас есть много датчиков в грузовиках, которые могут сказать нам, как работает двигатель, тормоза и тому подобное. В таких случаях, например, мы можем более точно определить, сколько времени потребуется компоненту, чтобы выйти из строя, так что это существует.

Кроме того, есть области, где это просто запланировано. Мы меняем его каждые 5000 часов. Почему мы меняем его каждые 5000 часов? Так рекомендует производитель. Верно это или нет, вопрос спорный.

Сегодня это, безусловно, смесь. Я думаю, что в идеале вся индустрия хотела бы работать непредсказуемо. Мы хотели бы, чтобы искусственный интеллект, данные датчиков и машинное обучение сообщали нам, когда что-то выйдет из строя, за сто часов до того, как это произойдет, чтобы мы могли изменить их в самый последний момент.

Возникла проблема с планированием. Мы не можем починить все до того, как оно сломается. У нас должен быть определенный уровень планирования, но существует значительная экономия средств и преимущества времени безотказной работы за счет максимального срока службы компонентов. В том, что если я смогу заставить этот грузовик работать на 10 часов больше, чем я хотел. И я могу спланировать его демонтаж, когда у меня будет свободное место, а не парковать его и ставить в очередь на день, пока я буду заниматься чем-то другим, потому что это потеря производства.

Я думаю, что сегодня, когда я работал над операциями, мы пытались достичь высоких показателей безотказной работы. 88% в целом, было своего рода вещью. Лучшее прогностическое техническое обслуживание, если мы сможем использовать его в восьмидесятые и девяностые годы, даст огромные преимущества. Горнодобывающая компания получает огромные преимущества. Для общества это огромная польза, поскольку мы можем производить больше металлов с тем же количеством активов, что и у нас. Нам не нужно открывать еще одну шахту. Мы можем продолжать производить то, что у нас есть, и работать более эффективно с имеющимся оборудованием.

Найл Салливан, Senseye:Из того, что вы говорите, следует сочетание стратегий. Вы, очевидно, затронули профилактическое обслуживание, которое, с моей точки зрения, очень интересно.

Из всего, что вы сказали, ясно, что предсказуемое техническое обслуживание принесет большую пользу. Насколько хорошо, что их принимают? Возможно, прогностическое техническое обслуживание все еще является растущим рынком и, возможно, еще не набрало обороты.

Мы уже упоминали о цифровом преобразовании и некоторых связанных с этим проблемах, но широко ли известно профилактическое обслуживание и его преимущества? Или это широко известно, и они не принимают его по причинам, которые вы указали ранее, чтобы сделать с безопасностью проблемы и эту сторону?

Джо Карр, Axora:Да. Это действительно широко известно, на самом деле. Решения для технического обслуживания — одни из лучших в отрасли.

Опять же, все сводится к небольшому количеству, потому что вычислить значение очень просто. Так легко сказать:«Что мне даст увеличение времени безотказной работы на 1%?» Запчасти, которые плавают в запчастях, это всегда здорово, но их производство всегда затмевает их незначительность.

Если бы содержание шахты обходилось нам дороже, чем производство материала, у нас бы не было шахты. Горнодобывающая промышленность работает не так, как и любой другой бизнес. Всегда есть огромные преимущества. Я думаю, основная проблема в том, что это было просто бессистемное развитие на протяжении многих лет, и, конечно же, в отношении транспортных средств и завода оно является наиболее дальновидным. Особенно, если у вас есть очень известный большой желтый грузовик, верно?

Если у вас есть сотрудники Caterpillar, Komatsu или им подобные, они знают, что давно занимаются профилактическим обслуживанием своих автомобилей. Когда они продают автомобили сегодня, многие шахты покупают их автомобили. Они их не покупают. Они покупают их во время безотказной работы.

Они покупают автомобиль с минимальным временем безотказной работы 87% или около того. Если они не получают это время безотказной работы, они не платят за него, потому что они арендуют его. Немного похоже на то, что вы можете арендовать автомобиль. Они сильно мотивированы. Производители сильно заинтересованы в том, чтобы эти автомобили работали как можно эффективнее, потому что это огромная разница, когда вы продаете грузовик, говоря:«Мой грузовик эффективен». У них такие огромные массивы данных.

Если вы думаете о Caterpillar, у вас есть десятки тысяч грузовиков с датчиками, и все они предоставляют данные о том, как эти грузовики работают. Они просто становятся лучше в том, что делают.

Если вы работаете в горнодобывающей компании и у вас есть сотня грузовиков, ваш пул данных настолько мал, что вы не сможете воспользоваться этими преимуществами. Когда они внедряют свои собственные системы, они просто не так эффективны. Это пример профилактического и планового обслуживания, проводимого производителем.

Если вы зайдете куда-нибудь, например, на обогатительную фабрику, нефтеперерабатывающий завод или плавильный завод, ни одна компания не продаст плавильный завод. Вы не пойдете в Hatch или FLSmidth и не купите этот плавильный завод. Они строят их из компонентов от множества разных производителей. Затем они могут создать на основе этого цифрового двойника, если это новый плавильный завод, за последние пять лет.

Именно здесь у ИИ, диагностического обслуживания и машинного обучения действительно есть возможности, потому что они не контролируются одним действующим OEM-производителем, верно? Это не дрель, сделанная... Это не машина, сделанная Фордом, где Форд знает, что происходит во всех деталях.

Каждый нефтеперерабатывающий завод уникален. Каждый плавильщик индивидуален. Каждый концентратор уникален и состоит из множества разных деталей от разных производителей. Возможность собрать все эти данные вместе, понять и предоставить информацию, которая сегодня у нас есть для грузовиков, буровых установок или экскаваторов, — вот где действительно интересная возможность. Затем то же самое происходит во всей цепочке создания ценности. Это всего лишь два действительно хороших примера.

Найл Салливан, Senseye:Это потому, что данные всегда... Ну, это важная тема с нашей точки зрения, потому что либо... Это все праздник, либо ситуация с голодом, когда нет данных или их очень много в самых разных форматах. По крайней мере, довольно сложно потратить какое-то время, чтобы добраться до этих реальных идей.

Хорошо ли металлургические и горнодобывающие компании собирают большое количество данных о различных типах оборудования и ищут способы использовать это? Или они не собирают много данных? Это другая сторона дела?

Джо Карр, Axora:Исходя из личного опыта, они собирают тонны данных. Они понятия не имеют, что с этим делать.

Мы обнаружили это на основе нашего прогноза, нашего инновационного прогноза, когда мы выполняли работу. Одна из самых больших проблем заключалась в том, что нам нужно иметь возможность собирать данные. Это сложная задача, потому что для этого вам нужна сеть.

Когда-то у шахт были данные в разных форматах и ​​в разных местах. Во-первых, они не обязательно не знали, что с этим делать, или не могли ничего с этим сделать, потому что не могли. У них не было навыков, о которых мы говорили ранее. Данные - это настоящая проблема, потому что эти машины сегодня... Один из технических парней, с которым я разговаривал пару лет назад из технического отдела, сказал:"Целый грузовик производит два гигабайта данных в день". И у них было 83 на шахте бегающих. Он сказал:«Хранилище заполнено. Это не займет много времени». Верно? У вас есть 83 устройства, производящих два гигабайта данных каждый день, чтобы заполнить сервер. Что мы делаем с этими данными?

Или 99 % из них нас не интересует. Почему нам это не интересно? Мы не имеем к этому никакого отношения. Вероятно, это были невероятно интересные данные. Мы отслеживаем скорость, время цикла и температуру двигателя по переменным. Вероятно, мы отслеживаем 20 из 500 переменных, поступающих от этих грузовиков, в режиме реального времени.

Это огромная возможность для майнинга, потому что у них есть все эти данные, а потом они разрозненны. Он находится на шахте по всем причинам, о которых мы говорили ранее, об облачной инфраструктуре и о том, как вы защищаете шахту от кибератак? У нас есть все эти данные, которые просто хранятся на сервере, с которым никто ничего не делает, потому что никто на самой шахте не знает, как это сделать. Никто не нанят для этого.

Что я работаю горным инженером, чтобы быть на шахте. Меня не нанимают просматривать данные сервера. Меня наняли разбивать скалы, доставать вещи из земли и проводить через план обработки. Это смесь, да? Очень редко вы приходите на шахту и видите 20 ученых, работающих с данными. Верно? Что вы делаете, так это находите много геологов, инженеров, производственных рабочих и бурильщиков, которые работают на шахте.

Это такой позор, потому что, как я уже сказал, это такая неиспользованная возможность. Как я уже говорил, у них нет внутренних ресурсов для просеивания этих данных. Они также немного больше заботятся о безопасности при работе с облаком или программными платформами, которые могут помочь получить реальное представление об этом. Это похоже на упущенную возможность.

Как я уже сказал, отрасль, скорее всего, изменится. Люди меняют работу и генерируют... Может быть, это тоже дело поколений. Может быть, со временем это изменится, и люди будут выдвигать эти идеи, думая:«Ну, есть масса данных. Почему мы ничего не делаем?» Нам действительно нужно пойти туда и найти решения, чтобы мы могли использовать эти данные для нашей пользы.

Это ведь и работа, верно? Когда я был инженером-технологом, меня больше всего заботило производство. Если бы кто-нибудь подошел ко мне и сказал:«О, мы можем запустить проект искусственного интеллекта на ваших грузовиках или что-то в этом роде?» Мое мнение было бы таким:ну, это мешает моему производству и моей работе.

Вы также видите разрыв связи, когда люди на сайте просто хотят выполнять свою работу. И люди, работающие в отделах инноваций, действительно заинтересованы в реализации инновационных проектов, но им нужно заручиться поддержкой людей на местах. Есть такое несоответствие, когда я инженер-технолог, мне платят премию и зарплату за производство. Мне не платят за запуск проектов ИИ.

Может возникнуть разрыв связи, когда люди на сайте говорят:"Послушай, у меня нет на это времени". Это также интересная дихотомия внутри шахты. Сама шахта замурована. Производственный персонал на шахте не разговаривает с производственным персоналом на заводе, который не обязательно разговаривает с производственным персоналом на нефтеперерабатывающих и плавильных заводах, производящих конечный металл. Они все занимаются своим делом. Точно так же, поскольку все они занимаются своими делами, и это действительно важно для них, если вы придете вместе с техническим обслуживанием, вы можете не получить одобрения. Они могут сказать:«О, это действительно ценно. Мне это очень нравится». Ответ, как правило, таков:«Возвращайтесь ко мне, когда я смогу использовать его немедленно, и мне не нужно тратить время на его интеграцию». Это этап интеграции и связанная с этим проблема. Там нет человека, чья работа заключалась бы в этом.

Найл Салливан, Senseye:Как я уже сказал, опять же, я думаю, это связано с отсутствующим элементом навыков. Или это не известная проблема, не так ли? Знают ли они о разрыве в навыках?

Джо Карр, Axora:Да, это так. Думаю, это связано с тем, о чем мы говорили ранее, с машинным обучением, искусственным интеллектом и удаленными операционными центрами.

Когда люди освобождаются от действий, которые повторяются, являются частью планирования и шагов, которые они все еще выполняют... Многие люди делают это вручную, что вероятно, можно было бы автоматизировать. Когда люди освободятся от этих вещей, они смогут взглянуть на такие вещи, как ИИ, и смогут посвятить время и усилия этим проектам, которые в конечном итоге принесут невероятную пользу.

Это:"Лучше я наберу 10 фунтов сейчас, чем 20 фунтов на следующей неделе". Что бы вы предпочли, верно? Вы бы предпочли получить выгоду сейчас или позже? Как люди с ужасным долгосрочным мышлением, планирующие на 10 лет вперед... На самом деле, горнодобывающая промышленность фантастически умеет планировать на 20 лет вперед.

В каждом отделе горнодобывающей промышленности есть краткосрочные, среднесрочные и долгосрочные планировщики. У людей, планирующих долгосрочное планирование, самый ранний прогноз составляет 10 лет. Они смотрят на вещи так далеко в будущем. Окно планирования краткосрочного человека сегодня днем. На самом деле я думаю, что горнодобывающая промышленность действительно хорошо мыслит в долгосрочной перспективе. Речь идет о том, как мы помогаем всей цепочке создания стоимости мыслить в долгосрочной перспективе. И как сделать так, чтобы люди могли это сделать?

Найл Салливан, Senseye:Я знаю, что мы много упоминали о машинном обучении ИИ, и, очевидно, с моей точки зрения, с точки зрения обслуживания предикторов, я знаю, насколько это может принести пользу. Кроме того, в каких областях применяются ИИ и машинное обучение? Какие примеры вы можете привести в металлургии и горнодобывающей промышленности?

Джо Карр, Axora:Ну, это действительно... список длиннее вашей руки, как и во многих других случаях.

Найл Салливан, Senseye:Может быть, поговорим о первой пятерке. Нет, топ... не знаю..

Джо Карр, Axora:Да. Мы проведем обратный отсчет, хорошо? Номер пять.

Я думаю, есть несколько областей. Мы говорили о техническом обслуживании. Я думаю, что техническое обслуживание — это очень хорошо, потому что плоды висят так низко, что лежат на полу.

Есть некоторые области, в которых, пока у нас есть датчики, с которыми мы можем что-то делать, я думаю, что в обслуживании можно сделать так много, что сегодня является либо реактивным, либо просто запланированным. Воздушный фильтр поменяли через 500 часов. Почему мы его меняем? Потому что так сказано. Я определенно думаю, что в этом есть преимущества.

В понимании депозита, безусловно, есть преимущества. Не сходить с ума по касательной геологии, учитывая аудиторию вашего подкаста, а просто понять, где находится металл под землей. Есть много преимуществ в том, чтобы иметь возможность использовать не человеческий мозг, а просто понимать это, потому что у вас могут быть миллионы точек данных, которые сегодня мы находим, мы щелкаем, и мы замыкаем это здесь, и это здесь, и мы строим форма, да?

В зависимости от того, какие алгоритмы вы хотите конкретно изучить, есть так много преимуществ для ИИ или машинного обучения, которые можно применить к этим моделям. Вместо того, чтобы делать одну модель в неделю, алгоритм машинного обучения может создавать сотни моделей за день, а затем геолог может их оценить и сказать:«Окей, в этом есть смысл. это сделано здесь. Это сошло с ума по касательной, так что мы просто проигнорируем это."

Основной ИИ, безусловно, дает множество преимуществ. Мы используем ИИ для глупых вещей. Это умно. Он очень хорош в одном и ужасен во всем остальном. ИИ вождения грузовика отлично справляется с вождением грузовика, но вы не можете делать ничего другого, когда машинное обучение учится само по себе.

Применения ИИ в шахте для повторного выполнения повторяющихся задач. Там тонны этого, от сверления отверстий до выкапывания материала, разметки лиц и загрузки взрывчатки. Все эти вещи созрели для ИИ, потому что мы каждый раз делаем одно и то же.

Иду бурить забой для горизонтальной разработки. Я использую одну и ту же схему сверления каждый раз. Сейчас много сверлят, буровики даже дырки не сверлят. Они запускают его, и он сверлит его сам. Они следят за тем, чтобы дырки располагались в нужных местах, но неужели так много дополнительных действий требуется, чтобы сказать:«Ну, почему они не могут просто справиться с этим сами? Просто пусть кто-то в удаленном операционном центре присматривает за на нем."

В этом есть свои преимущества, и, конечно же, в области металла, когда мы рассматриваем такие вещи, как машинное обучение, с точки зрения понимания продукта, который мы производим. Как мы его производим? Есть дефекты? Если это очищенный металл, в конце концов использующий что-то вроде машинного зрения, то камеры. По сути, причудливый способ сказать камера. Использование машинного зрения для понимания результатов материала, а затем того, кому мы его продаем.

В конечном счете, утопия будет заключаться в том, что вам нужен конкретный металл с определенными свойствами. Вы размещаете свой заказ, он отправляется на шахту, и шахта отправляет оборудование туда, где, как она знает, находится этот материал. Он майнит это конкретное оборудование. Он проходит через обогатительную фабрику, плавильный завод и нефтеперерабатывающий завод, потому что у него очень специфические свойства, и он доставляется вам точно в соответствии с вашими требованиями. Затем вы обрабатываете это, как хотите, или просто используете его в своем проекте. Сегодня мы далеки от этой интегрированной цепочки поставок. Это, в конечном счете, то, что могло бы... И нет причин, по которым мы не могли бы сделать это сегодня, сегодня этого просто не существует.

Найл Салливан, Senseye:Нет, это действительно интересно.

Я знаю, что наше время подходит к концу, но я хотел затронуть тему устойчивого развития, которая является горячей темой.

Что я хотел знать, так это, опять же, в общих чертах, как устойчивость влияет на металлы и добычу полезных ископаемых в минуту? Я знаю, что мы говорили о проблеме с ресурсами. Кроме того, какие меры предпринимаются компаниями для достижения поставленных целей? Я уверен, что у многих производителей, металлургических и горнодобывающих компаний также есть цели, которых они хотят достичь.

Джо Карр, Axora:Да. Горнодобывающая промышленность на самом деле делает довольно много. Вы посмотрите на это сегодня, есть много проектов, использующих транспортные средства с батареями на шахтах. Водород также является большой темой для разговоров.

Я думаю, только вчера в новостях парень, владеющий Fortescue Metals в Австралии, только что купил аккумуляторную стойку Williams F1, чтобы посмотреть на аккумуляторы.

Он интересный персонаж, поскольку владеет одним из крупнейших в мире железорудных рудников. Или, я бы сказал, горнодобывающие группы. Он строит солнечную ферму, лучше сказать, в глубинке. Он собирается использовать это для получения водорода из морской воды, для производства зеленой стали в Австралии. Итак, продавать сталь без углеродного следа.

Если вы посмотрите на горнодобывающую промышленность, сталь, которая является одним из крупнейших производителей CO2. Они берут железную руду, а для производства стали нужно сжигать кокс и уголь, который является особым типом угля.

У вас есть два вида угля. Тепловая энергия, о которой все думают, когда думают о яме, бросают уголь в огонь и сжигают его на электростанции. Это энергетический уголь. Коксовый уголь — это очень специфический тип, используемый для производства стали. Это источник большей части горнодобывающей промышленности, за исключением, очевидно, угледобывающей промышленности. Это источник значительной части горнодобывающей промышленности — выбросы CO2.

Есть серьезные вопросы о том, как мы производим зеленую сталь? Как снизить потребность в угле при производстве стали? Можем ли мы сделать это с помощью водорода или даже природного газа?

Хотя, цены на природный газ сегодня, это тоже не большой смысл на данный момент, с тем, каков природный газ.

Устойчивое развитие занимает важное место в списке задач и потребностей горнодобывающей промышленности. Это интересный вопрос, как мы производим все эти действительно важные металлы, которые всем нужны? Как мы производим их с таким ограниченным воздействием? Понимание того, что горнодобывающая промышленность по своей природе является отраслью, которая берет что-то из земли. Это добывающая промышленность.

Вопрос о том, как сделать это лучше, уже давно стоит в повестке дня горнодобывающих компаний. И так будет продолжаться, чем больше люди будут сосредоточены на окружающей среде, которой будет только больше. Мы собираемся увидеть больше.

Для меня действительно интересная часть ... И двойная мысль, цитируя Оруэлла «1984», что способность держать в голове две вещи, диаметрально противоположные, и не понимать их пользы, заключается в том, что многие люди не понимают. не нравится горнодобывающая промышленность. Вы говорите, что работаете в горнодобывающей промышленности, а люди говорят:«Ну да ладно». Они не понимают индустрию.

У них такое мнение, что эта отрасль — ужасная отрасль, металлургическая промышленность. Но в то же время они также говорят:«Мы находимся в климатическом кризисе, и нам нужна зеленая энергия больше, чем что-либо». Невозможно иметь два диаметрально противоположных мнения о том, что вам не нравится горнодобывающая промышленность, но вы хотите что-то сделать с изменением климата. У вас не может быть одного без другого.

Мы не можем этого сделать. Я помню, как несколько лет назад я был на IMARK, международной конференции по горнодобывающим ресурсам, когда мне действительно разрешили сесть в самолет и отправиться в разные места.

В Мельбурне были люди, выступавшие против вымирания. На самом деле у меня есть видеозапись интервью на Sky News Australia. Там был глава протеста против вымирания. Более или менее перефразируя то, что он сказал. Он сказал:«В настоящее время мы находимся в климатическом кризисе, и нам нужно что-то с этим делать. Если мы не проснемся, мир столкнется с огромными проблемами». Затем на одном дыхании:«Они строят медный рудник на Филиппинах, который никому не нужен».

Удерживать оба представления невозможно, верно? Вы не можете быть против медных рудников и против изменения климата. Революция в области зеленой энергетики невозможна без индустрии закупок.

Найл Салливан, Senseye:На самом деле, это действительно хорошее настроение для завершения. Незадолго до того, как мы закончим, Джо, как люди могут узнать больше об Axora и о том, что вы для них делаете? Для промышленности?

Джо Карр, Axora:Да, вы можете зайти на Axora.com. Вы можете просмотреть рынок и связаться с нами через него. Или вы можете найти меня в LinkedIn и написать мне сообщение. Я буду рад перенаправить вас к соответствующему человеку в компании, чтобы поговорить о том, о чем вы хотите поговорить.

Пример использования:Alcoa

Корпорация Alcoa является мировым лидером в производстве бокситов, глинозема и алюминиевой продукции, построенной на фундаменте твердых ценностей и передового опыта, насчитывающем более 130 лет, начиная с открытия, изменившего мир, которое сделало алюминий доступной и жизненно важной частью современной жизни.

Alcoa управляет производственными предприятиями по всему миру и применяет прорывные инновации и передовой опыт, которые привели к повышению эффективности, безопасности, устойчивости и укреплению сообществ, где бы они ни работали.

Узнайте, почему компания Alcoa заключила партнерское соглашение с Senseye, чтобы внедрить лучшие в своем классе технологии и практические методы профилактического обслуживания.