В 2015 году горно-металлургическая компания «Норильский никель» стартовала рассчитанную на 10 лет комплексную программу с амбициозным названием «Технологический прорыв». Главной целью программы стала глубинная трансформация производственных процессов, их перевод, как сформулировано в программе, «в новое целевое состояние», которое характеризуется эффективным многовариантным планированием и оперативным контролем выполнения планов с использованием современных технологий.
За пять лет первого этапа программы компания прошла впечатляющий путь от «лоскутной» автоматизации к системе комплексной интегрированной цифровой поддержки процессов горного передела и управления ими. В 2020 году начат второй этап «Технологического прорыва».
Владимир Трапезин, директор по автоматизации и информационной трансформации производства компании «Норникель» и номинант премии CDO Award 2021, рассказал, что в его ответственность входит контроль за тем, чтобы концепция «Технологического прорыва» воплощалась в жизнь именно так, как она замышлялась. Мы побеседовали с Владимиром о достижениях первого этапа программы, планах на второй и о том, какие данные лежат в основе всего этого и какие инструменты работы с данными делают «Технологический прорыв» возможным.
Успехи базовой автоматизации
— Какие основные предпосылки программы «Технологический прорыв»?
В 2013 году новая управленческая команда приняла стратегию развития компании, направленную, с одной стороны, на сокращение затрат и оптимизацию неэффективных производств, а с другой – на концентрацию усилий на самых рентабельных, так называемых «первоклассных» активах.
Анализ показал, что неполные и не вовремя поступающие данные не позволяют оперативно планировать производство и эффективно им управлять. Руководством была поставлена задача реализовать программу повышения операционной эффективности производства с соответствующей информационной поддержкой.
Изучив опыт российских и западных компаний, мы поняли, что прежде всего должны устранить тот огромный разрыв, который существовал между «Норникелем» и мировыми лидерами. Но оказалось, что догнать тех, кто с 90-х вкладывает все возможные ресурсы в технологическое развитие, можно, только выработав свой путь повышения эффективности производства. Что мы и сделали, разработав программу «Технологический прорыв».
— Состояние работы с данными на момент начала «Технологического прорыва» – в чем были основные проблемы?
Аудит всех решений в области промышленной автоматизации «Норникеля» выявил более 200 никак не связанных между собой информационных систем. При этом бизнесу катастрофически не хватало полной, достоверной, актуальной на любой момент времени информации. У нас собирались терабайты данных о производстве продуктов, о свойствах материалов и другая важнейшая информация, но она недостаточно использовалась и не приносила необходимого эффекта бизнесу. Кроме того, на производстве было желание формировать не один, а 10-12 вариантов производственных планов с тем, чтобы сравнивать их и выбирать оптимальный, но уровень информационного развития не позволял это сделать.
— Какие задачи решались на первом этапе программы?
К 2020 году мы завершили базовую автоматизацию. Особое внимание уделялось таким группам задач, как связь и позиционирование, аналитика и отчетность, управление производством, планирование.
Горнодобывающая отрасль — это непрерывное производство с последовательностью технологических процессов бурения, взрывания, экскавации, транспортировки, складирования и обогащения полезных ископаемых. Нам необходимо было научиться планировать это в почасовом режиме, контролировать исполнение плана в реальном времени и оперативно управлять производством. Существующая процессная модель не позволяла это делать, необходимые процессы либо отсутствовали, либо не работали на достижение нужного результата.
Мы определили ключевые показатели эффективности по каждому процессу, сформулировали, какой результат процесса является успешным, оценили достижимость такого результата, зафиксировали основные вехи на ближайшие пять лет и под них сформировали проекты, сгруппировав их в единую программу.
В результате реализации первого этапа программы компания получила более 30 информационных системы и большое количество либо вновь созданных, либо трансформированных процессов.
Один из основных наших принципов – следовать от трансформации бизнес-процессов к их информационной поддержке. Выстраивание целевой процессной модели является первичным, и без этого этапа мы не приступаем к выбору технологий. Невозможно «пристроить» к старым процессам «цифру» и ожидать ощутимых и, главное, долгосрочных эффектов.
— Что изменилось в подходах к работе с данными при переходе от хаоса из более чем 200 систем к текущему состоянию?
Мы использовали архитектурный подход, причем строили изначально не ИТ-архитектуру, а именно бизнес-архитектуру. Благодаря этому мы увидели, какие данные и потоки данных у нас есть, и смогли понять, где и какие хранилища данных надо создавать, чтобы получить «единые источники правды».
Поскольку в компании не было ни одного корпоративного справочника, прежде всего совместно с Департаментом ИТ было принято решение выстраивать вертикально ориентированную систему управления НСИ – делать справочники с градацией на корпоративные и локальные, определять процесс управления ими и подбирать под это правильную платформу.
Следующим шагом стало создание PIMS – хранилища технологических данных. Эта система – «спинной мозг» архитектуры технологических данных в компании, она предназначена для централизованного сбора и хранения всей необходимой информации о производстве. Сейчас хранилище включает в себя более 100 тыс. параметров всех предприятий «Норникеля». При внедрении новых систем в рамках программы основным источником производственных данных является система PIMS. Тем самым мы добиваемся единообразия механизмов передачи информации в системы-потребители и гарантируем, что все они будут получать одни и те же значения запрашиваемых параметров.
Дальше стало понятно, что не хватает диспетчерского слоя информационных систем, на котором в соответствии с корпоративными правилами будут собираться обработанные реляционные данные.
Отдельная задача – управление активами и формирование соответствующего слоя данных. На основе мирового стандарта и его российской версии была разработана корпоративная политика управления промышленными активами. Собраны и оцифрованы все паспорта оборудования, а также технические карты наиболее критичного оборудования, что позволяет вести эффективное управление промышленными активами в единой системе.
Внедрение горно-геологических информационных систем (ГГИС) позволило создать единую горно-геологическую базу данных. Вдумайтесь, огромная горно-металлургическая компания вручную корректировала добычу рудных тел. А теперь 100% всех разведанных запасов оцифровано и уложено в 3D-модели. Большинство компаний на этом останавливаются, мы же реализовали полный цикл проектирования и планирования горных работ. Огромный слой оцифрованных недр позволил нам провести ревизию запасов, проанализировать, что и насколько эффективно добывали, и пересмотреть политику планирования добычи. Выяснилось, что раньше из запланированной работы горного производства по направлениям выполнялось только около 20%, сейчас же мы приблизились к 90% выполнения плана.
«Ментальная революция» и цифровая трансформация
— Какие еще можно привести примеры «прорыва» в управлении компанией благодаря реализации программы?
Например, благодаря цифровизации промышленных активов мы перешли от управления ремонтами к управлению активами. А управление активами – это управление надежностью, рисками, прибылью. Если раньше в ответ на предложение сократить затраты на ремонты на миллиард рублей мы могли только сокрушаться, то теперь приведем следующие выкладки: в этом случае под риском окажется прибыль в размере стольких-то млрд руб и вероятность реализации этого риска будет, допустим, 40%. Принимайте решение. Риск-ориентированное планирование в управлении активами – это высший пилотаж, настоящий прорыв.
Другой пример. Как понять, оптимален ли производственный план по добыче в подземных рудниках? Мы создали имитационные модели рудников – со всеми дорогами, поворотами, рудными телами, конвейерами, подъемными устройствами, поездами, самосвалами, погрузочно-доставочными машинами, буровыми и пр. Теперь этот симулятор в течение 10 минут проигрывает сформированный в ГГИС годовой план рудника – бурит, взрывает, возит, измельчает, поднимает и т. д. На выходе мы получаем информацию, выполним ли план, и с какой маржинальной оценкой. И это делается для 10-12 вариантов плана, после чего мы можем выбрать оптимальный, который позволит реализовать все необходимое с наибольшей эффективностью.
Сегодня «цифра» позволяет нам не только оптимизировать планирование, но и гарантировать выполнение плана. Приведу пример подземной диспетчеризации. Раньше диспетчеру требовалось несколько часов, для того чтобы передать новые инструкции горнякам под землей. А по окончании смены он готовил диспетчерский рапорт – огромную «простыню» с невероятными колонками цифр, собранными за смену, на основе этого планировалось задание на следующий день. В этих условиях ни о каком оперативном реагировании на отклонения от плана речи не шло.
Сейчас у нас под землей проложены сотни километров оптоволокна, размещено множество датчиков, и мы несколько раз в течение часа получаем данные от каждого элемента, задействованного в выполнении плана. И планирование, и контроль исполнения плана реализуются в почасовом режиме. Мы получили возможность оперативно влиять на ситуацию и гарантировать выполнение сменного задания. Более того, примерно за час до конца смены у нас есть информация о том, каков прогноз по результату, что позволяет планировать следующую смену. Это очевидное преимущество, реализовать которое без мощной системы передачи неограниченного объема данных из-под земли и обратно было бы невозможно.
— Кто это «мы» – кто владеет данными и отвечает за них? Кто задействован в процессах работы с данными?
Работают с этим все – и бизнес, и производство, и ИТ. Каждая система, реализованная в рамках программы, стала каждодневным инструментом для тысяч руководителей и специалистов в едином информационном пространстве.
Я предпочитаю избегать в нашем случае термина «внедрять» системы. Мы строим новые процессы, обеспечивая для них информационную поддержку. Сегодня на всех наших семи рудниках произошла «ментальная» революция, а после нее – грандиозная трансформация. Сломаны старые, родом еще с советских времен, производственно-технические отделы, вместо них появились центры оперативного планирования, в которых реализуются новые процессы с новыми инструментами и новыми ролями. Кто-то с помощью этих инструментов работает, планирует, контролирует исполнение, а кто-то отвечает за гарантированную работоспособность инструментария, за то, чтобы данные были на 100% доступные, достоверные и полные.
Поэтому «мы» – это «Норильский никель».
— А на ком лежит ответственность за то, чтобы данные были на 100% доступные, достоверные и полные? Это сотрудники ИТ, производственники?
Снова – и те, и другие. Допустим, ИТ-специалисту ставятся три контрольных показателя: коэффициент технической готовности системы (причем обратите внимание, я про ITIL вообще не говорю, он здесь не подходит, это для офиса), вероятность безотказной работы и коэффициент оперативной готовности. И он рано или поздно добивается целевых значений, а данные все равно не достоверны. Начинаем искать причину, задаем новые показатели: данные достоверны, своевременны, полны. И тут выясняется, что их достижение зависит не только от ИТ-специалиста. Поскольку под землей нет GPS, для позиционирования машин в рудниках размещаются автономные точки отметки. Такую метку необходимо не только повесить в нужное место, но и записать информацию о ней в нужный справочник корректно и своевременно. Только тогда система сможет корректно отслеживать рейсы. Если горняк неправильно внес эти данные в базу, система правильно работать не будет: не может быть достоверной информация, которая базируется на недостоверных базовых данных. А хозяином этих данных является не «айтишник», а горняк.
Мы в процессах прописываем обеспечение достоверности данных, прослеживая все факторы, которые на это влияют. Выяснилось, что в ряде случаев стандартные технологии у нас оказываются неприменимы. Например, для определения веса ковша мы используем нейронные сети – с помощью оптики смотрим загруженность ковша, определяем размер фракции и по данным о материале, значению насыпной плотности и другим параметрам вычисляем вес. Нам пришлось на это пойти, потому что с помощью обычных весов под землей на получение достоверных данных затрачивается слишком много времени.
— Приведите еще примеры таких нестандартных решений в работе с данными.
Многие считают метод предиктивных ремонтов наиболее передовым подходом к повышению эффективности работы с оборудованием. А я скажу – нет, это не так. Для прогнозирования поломок нужно обеспечить большой поток информации и его анализ, но при этом мы будем гнаться за уже произошедшими отклонениями, за уже наметившимися трендами. На самом же деле суть здесь в другом. Механизм не должен ломаться, работая в тех условиях, для которых он спроектирован и построен. Главным источником деструктивных изменений оказывается человек. Если человека удалить из процесса, потребность в предиктивных ремонтах значительно снизится. В контроле за действиями человека заложен куда больший потенциал повышения эффективности, чем в предиктивных ремонтах.
Мы и сделали это, создав так называемый паспорт оператора. Оператор получает задание с учетом всех нормативов, а система фиксирует фактическое значение параметров: на какой скорости он доехал из точки А в точку В, за сколько секунд зачерпнул рудную массу, за какое время вернулся, сколько секунд потратил на выгрузку, на какой передаче ехал, сколько было оборотов двигателя, сколько потратил горючего и т. д. Дальше анализируем результаты разных операторов на одной и той же машине и одной и той же операции и делаем выводы, почему они различаются. Потребуется ли, например, данному оператору дополнительное обучение или лучше перевести его на другую работу.
Но в конечном итоге мы движемся в сторону автономных либо дистанционно управляемых машин. В прошлом году прошло тестирование первого автономного подземного самосвала на одном из наших рудников, и сейчас идет к завершению проект по вводу в эксплуатацию беспилотных самосвалов под землей.
Цель – безопасное и эффективное автономное производство
— Какие дальнейшие шаги запланированы в программе? Чего сейчас не хватает с точки зрения оцифровки процессов и работы с данными?
Мы реализовали базовые инструменты, а теперь работаем над тем, чтобы задействовать в управлении производством более точные данные, для которых потребуются инструменты с более тонкой настройкой. Например, мы собрали в базу данных работу всех маркшейдеров, которые вручную проводят сканирование подземных выработок. Такие замеры делаются раз в 10 дней и имеют определенную погрешность метода, к тому же на них не может не влиять человеческий фактор. Если маркшейдерия будет оцифрована и станет полностью безлюдной, то, представьте себе: машина едет по своим делам, забирается в выработку и сканирует ее, эти данные в реальном времени, а не через 10 дней, поступают в базу данных, мы сразу видим отклонения и можем на них реагировать.
Да, огромное количество данных из готовых скважин уже уложены в базы ГГИС, получены 3D-модели рудных тел. Мы их один раз с заданной точностью оцифровали, сейчас идет их выработка, но в оперативной работе с точки зрения «цифры» маркшейдерия отстает. Мы пытаемся делать прорыв в этом направлении, потому что нигде в мире этого пока нет.
— В чем значение программы для отрасли? В чем ее уникальность? Чем вы особенно гордитесь?
Прежде всего, был выбран верный подход. Мы не рассматривали только цифровую трансформацию, под которой многие до сих пор понимают внедрение новейших технологий. Мы с самого начала понимали, что для достижения столь значимых целей необходимы сначала трансформация операционной модели, ментальная трансформация и затем уже цифровая.
Что касается технологий, то на первом этапе программы использовано много типовых решений мирового класса. Но есть и уникальные решения. Например, имитационные модели рудников полностью разработаны у нас. Мы приглашали известные западные и российские компании, но у них не получилось. Нашли двух молодых российских специалистов, которые не знали, что это невозможно, и они сделали. Наша система имитационного моделирования защищена патентом РФ, это действительно уникальная разработка, которой можно гордиться.
— Неужели имитационное моделирование рудников нигде не практикуется?
Практикуется, но не так, как у нас. Мы хотели полностью автоматизировать контроль за выполнением плана горных работ. Для того чтобы это стало возможным, нам пришлось совместно с институтом «Гипроникель» потратить полтора года на разработку методологических документов, вникнуть в каждый из принципиальных элементов подземного горного дела. Описав всю логику процесса, мы ее оцифровали, выбрали платформу с нужным быстродействием и поддержкой специализированной базы данных и т. д.
В результате сегодня мы не берем в работу план, пока он не проверен на имитационной модели. А модель может, например, сказать, что на самом деле для реализации плана необходимо не 12 машин, а восемь. Соответственно, сокращаются расходы на закупку оборудования. По итогам первого этапа программы мы получили существенный экономический эффект, отказавшись от закупки 40 единиц дорогостоящей горной техники.
— Какие перспективы у «Технологического прорыва»?
Сегодня мы находимся на середине намеченного пути, а нашей конечной целью является безлюдный или, точнее, автономный рудник. По плану, к 2025 году добыча руды на шахте «Глубокая» рудника «Скалистый», на глубине 2-2,5 км, будет осуществляться в максимально автономном режиме.
Почему именно там? Во-первых, это очень глубоко, во-вторых, там очень высокая температура. Для работы людей на такой глубине необходимо обеспечивать воздух и кондиционировать его для снижения температуры. В безлюдном руднике люди перестанут спускаться в шахту, по крайней мере на то время, когда происходит сама добыча, подача воздуха будет минимизирована, техника станет электрической, автономной и дистанционно управляемой, будет реализована вентиляция по требованию. Есть множество новых задач и технологий, над которыми мы сейчас работаем, и, если мы это сделаем, добыча на астероиде перестанет быть фантазией.
Безлюдный рудник предъявляет совершенно иные требования к надежности. Так, для того чтобы обеспечить надежную передачу данных туда и обратно для управления таким агрегатом, как многотонный самосвал, нужны специализированные технологии, офисный wi-fi не годится. Мы сейчас испытываем на своих полигонах решения связи от ведущих мировых поставщиков.
И это только один пример. Процессы, связанные с автономностью, требуют новых знаний и компетенций как от бизнеса, так и от специалистов на местах. Значит, необходимо будет позаботиться о соответствующем обучении. Кроме того, понадобится выстроить правильные процессы взаимодействия с государственными органами, которые требуют определенных документов для организации такой работы.
И, конечно, здесь открывается обширное поле для применения самых передовых технологий обработки данных – анализа больших данных, машинного обучения, искусственного интеллекта. Мы уже начинаем применять многие из этих инструментов, выбирая оптимальные в зависимости от задачи. Появление базового слоя «цифры» дает возможность пытливым умам двигаться дальше. Например, если на обогатительной фабрике оцифрованы самые разнообразные данные, почему бы не поэкспериментировать с ними: построить систему-советчик для оптимизации технологического процесса, чтобы сделать его более безопасным, или более производительным, или более эффективным. На каждой из трех обогатительных фабрик компании такие работы ведутся, причем инициированы они людьми самых разных направлений – из ИТ, из департамента промышленных активов. Это тоже один из элементов движения к прорыву.
