Стартапы стали умнее, компании – осторожнее

Цифровизация, большие данные, искусственный интеллект, цифровой двойник… За последние несколько лет эти термины прочно утвердились в лексиконе отечественных промышленников. Вместе с тем, как считают участники прошедшей в конце ноября на площадке инновационного центра «Сколково» конференции «Эффективное производство 4.0», многие из этих понятий нуждаются в более точном понимании и детальном осмыслении. Какова конечная цель цифровизации? Почему, несмотря на успешное в целом внедрение передовых технологий, у нас не получается массово повысить производительность труда? Какие типичные ошибки совершают компании, инициирующие у себя цифровизацию? Почему большие данные и актуальная информация – это не всегда одно и то же? Эти и другие вопросы анализировались в докладах на пленарной сессии, обсуждались на тематических воркшопах. 


Разумеется, речь зашла и о трендах. Вице-президент фонда «Сколково» (фонд наряду с компанией «Цифра» являлся организатором конференции), исполнительный директор кластера передовых промышленных технологий, ядерных и космических технологий Алексей Беляков в своем выступлении отметил, что «тенденция последних двух лет состоит в том, что производственные компании из числа партнеров «Сколкова» хотят сотрудничать с нами именно в цифровой сфере. Мы видим большой спрос на внедрение цифровых технологий в производственные процессы со стороны таких традиционно консервативных отраслей, как машиностроение, нефтехимия, металлургия». Как рассказал Алексей Беляков, наиболее востребованы в индустрии проекты по промышленному интернету вещей (IIoT). Ожидаемый размер рынка IIoT в России к 2020 году – 400 млрд рублей, причем более половины этой суммы приходится на индустриальный сегмент. Это увеличение рынка IIoT более чем в два раза по сравнению с 2017 годом. 
Несмотря на убедительные цифры, внедрение технологий искусственного интеллекта на производстве пока не вышло за пределы стадии пилотных проектов, считает гендиректор компании «Цифра» Игорь Богачев. И связано это с дефицитом данных, которые необходимы для экономически целесообразного использования этих технологий.
Что касается запросов на функционал ИИ, то, как отмечали спикеры форума, сегодня промышленниками востребован не столько мониторинг оборудования как таковой, сколько конкретные решения и их монетизация в виде создания цифрового двойника производства, оптимизации цепочек продаж и т.д. Этот спрос породил ключевой тренд: стартапы и предлагаемые решения становятся все более умными, а потребители – все более взыскательными. И компании, прежде чем массово внедрять технологии ИИ, сейчас занимаются небольшими пилотными проектами и осторожно относятся к новым технологиям. Тем не менее уже сейчас можно отметить ряд успехов стартапов «Сколкова» в Индустрии 4.0. Например, в проектах, связанных с аддитивным производством: компании этого профиля, начинавшие 3–4 года назад как резиденты «Сколкова», уже выходят на рынок, причем это не столько рынок В2В, сколько В2С, и не столько российский, сколько европейский. 
Хорошую динамику показывают также компании, занимающиеся безопасностью. Это безопасность производства, контроль качества продукции, управление персоналом. Сейчас есть технологии, позволяющие отслеживать местоположение каждого работника, оценивать эффективность его действий. Эти же технологии позволяют цифровизовать заказ-наряд и т.д. И компании, которые применяют эти продукты, в 2018 году на порядок нарастили свою выручку. 
Еще один тренд – до сих пор пользуются популярностью платформы интернета вещей. И это притом что в промышленном интернете вещей таких платформ уже десятки. Развиваются такие платформы с функционалом сбора и первичной обработки информации. 
Напрямую связана с искусственным интеллектом предикативная аналитика. Компании, развивающие это направление, продолжают демонстрировать динамику – в нефтегазовом комплексе, в машиностроении. 
К сожалению, на производстве очень трудно сделать коробочное решение, и в основном бизнес носит консалтинговый характер. Это не очень хорошо, консалтинг плохо масштабируется. И это сдерживает темпы развития наших компаний. 
Говоря о перспективах прорыва, участники форума сошлись на том, что его можно с большой долей вероятности прогнозировать во временном диапазоне – 3–4 года. За это время как раз и появятся необходимые коробочные решения, которые позволят масштабироваться довольно быстро. 
Одной из главных задач цифровой трансформации производства участники обсуждения считают сокращение издержек. «Цифровизация каждого участка и производственного процесса накопительным итогом дает возможность для значительной экономии в масштабах предприятия, – констатировал Алексей Беляков. – Это чаще всего повышение технической готовности и общей эффективности оборудования, оптимизация логистики и склада, оптимизация использования транспорта и персонала, экономия энергоресурсов. Кроме того, цифровизация производственных процессов позволяет оптимизировать технологию, производственный процесс. Предсказательная аналитика открывает тут новые возможности. Она вскрывает неявные связи и зависимости между большим количеством параметров, которые влияют на качество, себестоимость и сроки производства. К тому же цифровизация управленческих процессов создает потенциал для управления предприятием на качественно новом уровне. Вскрывается и устраняется неэффективность управленческих процессов. Становится возможным обосновать управленческие решения расчетом. Цифровой двойник предприятия помогает быстро проанализировать варианты решений».
«Конечная цель цифровизации производства – это выход на принципиально иной способ организации производства. Такой способ, который значительно меняет управленческие, производственные и кооперационные процессы промышленных предприятий. Это также появление новых способов взаимодействия с потребителями и поставщиками, новые способы коммерциализации, новые продукты, гибкое производство», – подытожил Алексей Беляков.
Участники конференции приводили в своих выступлениях много примеров успешно внедряемых новых технологий и отмечали, что уже наработаны для этого все необходимые методологии. Почему тогда не получается массово повысить производительность труда? По-видимому, отмечали выступавшие, это в значительной степени вопрос уровня развития внутренней культуры предприятий. Еще точнее – применения компаниями инструментария, стимулирующего системный подход к поиску и внедрению передовых технологий. Один из таких методов состоит в том, что генеральный директор должен сам внедрять ИИ. И не просто держать вопрос под контролем, а именно в ручном режиме сделать первые проекты. Тем самым не только запустить инновации в компании, но и показать пример сотрудникам, что будет способствовать их вовлечению в процессы улучшений. Кейсы в промышленности, начинающиеся с привития корпоративной культуры в компаниях, успешно реализуются через корпоративные акселераторы – это программы, позволяющие вовлечь сотрудников в инновации, организовать внутренние команды, занятые созданием новых продуктов, внедрением инновационных технологий в действующие процессы. 


На воркшопе «Промышленное предприятие. Стратегия трансформации»
подробно разбирались типичные ошибки промышленных компаний, инициирующих у себя процессы перехода к Индустрии 4.0. Вот под каким углом предложил взглянуть на проблему операционный директор компании «АЙПЛ Консалтинг» (IPL Consulting) Владимир Капустин: 
– Очень часто цифровая трансформация ассоциируется только с внедрением технологий в производство, при сохранении в неизменном виде бизнес-процессов и бизнес-модели компании. Это серьезная стратегическая ошибка. Переход к Индустрии 4.0 – это в первую очередь изменение бизнес-процессов компании, выстраивание новой модели управления, для которой цифровизация является не более чем инструментом реализации. Когда речь идет об Индустрии 4.0, мы должны говорить о внедрении на российских предприятиях наилучших доступных на сегодняшний день в мире инструментов управления, причем не только производством, а всей цепочкой создания ценности и взаимодействием с потребителями и поставщиками. А наши промышленники часто сосредоточивают все внимание на технологиях, будь то новое интеллектуальное оборудование или цифровые прототипы, забывая, что нужно заниматься внедрением передовых бизнес-процессов, и держатся за методы управления производством и логистикой из прошлого, обременяя производство устаревшей моделью взаимоотношений. Тратятся миллионы и миллиарды рублей, а на выходе получается современное по оборудованию, но устаревшее с точки зрения бизнес-модели производство. При этом мы можем видеть тот эффект, который дает внедрение лучших мировых бизнес-моделей, основанных на цифровом производстве, российским компаниям. Прекрасным примером построения такой модели являются предприятия НПК ОВК, где мы можем увидеть разумную комбинацию всех инструментов цифрового производства. Необходимо понять, что переход на современное цифровое производство – это достаточно последовательный путь, начинающийся с внедрения лучших в своем классе ИТ-систем для горизонтальной интеграции бизнеса и далее переходящий в построение вертикальной интеграции, и лишь потом – в переход на полностью цифровое производство там, где это необходимо. Если же бизнес вкладывается в датчики, роботы и искусственный интеллект без изменения бизнес-модели и культуры бизнеса, то это крайне неэффективное вложение. Начинайте с бизнес-культуры, с внедрения лучших мировых инструментов управления бизнесом, и тогда вы сможете получить результат от внедрения цифрового производства.
Успешные примеры применения именно таких подходов приводились на воркшопе «Управление промышленным предприятием. Инфраструктура и технологии», модерировала который руководитель направления промышленной автоматизации Omron Electronics Ярослава Чекавинская. В числе таких примеров – первые шаги в цифровизации кузовного цеха завода «Ниссан» в Санкт-Петербурге. На предприятии был реализован ряд проектов с целью сокращения простоев конвейерной линии. Один из этих проектов – создание эффективной системы контроля процесса сварки. Оператору на участок дается конкретное задание: сколько сварочных точек он должен поставить. Чтобы оператор не пропускал сварочные точки, на заводе приходилось держать большой штат контролеров качества, проверяющих наличие всех точек на разных этапах сварки кузова. Чтобы добиться эффективного контроля, было решено собирать данные со сварочных трансформаторов о точном количестве сваренных точек. Для этого вся информация передается в PLC-контроллер, который далее анализирует, правильное ли количество точек поставил оператор. И не дает ему отпускать дальше подсборку по процессу, заставляя его закончить все операции. В результате установки системы появилась возможность выявить проблемные зоны, где операторы ошибаются наиболее часто, и внедрить необходимые меры, помогающие предотвратить ошибки. Следующий проект – система перемещения кузова. Изначальным проектом цеха было предусмотрено, что оператору требуется вручную перемещать кузова по линии на так называемых скидах. На заводе решили этот процесс автоматизировать и обычные роликовые столы поменять на столы с электроприводами. Тем самым сокращается нагрузка на оператора, у него высвобождается время на выполнение других операций. Все моторы подключены через частотные преобразователи. На участке стали собирать данные о номинальном токе, который возникает в процессе перемещения кузова по линии. И если случилась помеха на линии, нагрузка на мотор возрастает и, соответственно, ток возрастает. Для руководства цеха это сигнал обнаружить причину проблемы и предотвратить простои. 


Мысль о том, что никакие технологии, включая ИИ, не смогут полностью заменить человека – профессионала, принимающего решения, развил в своем выступлении представитель НПО «Техномаш» Антон Пырялин: 
– Данные и информация – это не одно и то же. Сейчас многие агитируют за большие данные, искусственный интеллект. А что такое информация? Это то, что устраняет неопределенность. Возьмем для примера планово-предупредительные (ППР) и предиктивные ремонты металлообрабатывающего оборудования. С первыми было все ясно еще в 1950-е годы. Ремонт – это вопрос обеспечения надежности, то есть вероятности того, что система выполняет свои функции в течение заданного времени без отказов при условии правильной эксплуатации в указанных обстоятельствах. Совсем не праздный вопрос: доживет ли ваш станок до ППР? Печальный пример: на одном из предприятий Роскосмоса станок стои-мостью 2 миллиона евро не дожил до него. А причина – небольшой дефект в подъемном механизме привел к аварии. В итоге ремонт обошелся компании в 1 миллион евро. Вывод: ППР не спасает от таких критичных ситуаций. В развитых странах работа по ППР практически везде запрещена. У нас сейчас разрабатывается новый стандарт, регулирующий условия испытания металлорежущих станков. В соответствии с ним предприятиям будет разрешено выбирать между ППР и предиктивным ремонтом.
На предприятии важно как можно раньше знать, что происходит с оборудованием в цехах, в каком оно состоянии, потому что основная проблема – это незапланированные события. Чем меньше их вероятность, тем надежнее ваш бизнес. Но то, что сейчас предлагается – большие данные, ИИ – для решения задач управления надежностью, к сожалению, на практике себя не оправдывает. Коллеги подтверждают, что не все задачи можно решать путем использования ИИ и не всегда большие данные – это информация, то есть не всегда это то, что избавляет вас от неопределенности. 
Еще один фактор, влияющий на эффективность контроля состояния оборудования, – это степень совпадения мотивации персонала, обслуживающего станки, с мотивацией менеджмента и акционеров. Как добиться, чтобы они совпадали? Вывести службу диагностики из подчинения службе главного механика, возможно, отдать ее на аутсорсинг. Как правило, в итоге компания получает более достоверную картину состояния дел в цехах, общее время простоев снижается в 5–7 раз, общий экономический эффект достигает 40–50%. 

 

Версия для печати
Авторы: Галина Таранова
Разместить ссылку на: 


Добавить комментарий

Автор: *
Тема: *
Код c
картинки: *

Коментарий: