Новости

Альфа-Банк разработал и внедрил Цифровую рабочую силу (Digital Workforce), которая сократила время обработки заявок клиентов с 3 минут до 2 секунд, и таким образом позволила максимально эффективно справиться с резко увеличившимся за последний месяц потоком запросов. Платформа Blue Prism дала банку возможность обеспечить большую операционную эффективность, более высокую точность и значительно сократить время обработки новых клиентских сервисов.

Каждый запрос подразумевает собой изменение условий для каждого конкретного клиента. Запросы поступают через два канала – контакт-центры и отделения банка. Сотрудники отделения или контакт-центра, получая заявление от клиента, заполняют информацию на специальном портале: вводится всего шесть обязательных атрибутов. Далее клиента, от которого поступила заявка, проверяют по спискам соответствия условиям участия в программе. Именно на этом этапе подключается цифровая рабочая сила, которая проверяет эти заявки на соответствие параметрам в 90 раз быстрее человека, и уже на следующий день отправляет клиенту уведомление о том, одобрены изменения или нет. В случае положительного решения, изменения начинают применяться в этот же день. Таким образом, в обработке запроса человек участвует только на входе – заявки принимают более 4 тыс. сотрудников контакт-центра и отделений банка.

Количество заявок с момента начала пандемии выросло очень значительно, что стало абсолютно новым опытом для банка: в срочном порядке требовалось максимально быстро обрабатывать большой объем входящих запросов. Но быстрая разработка и внедрение технологии автоматизации процессов позволила банку мгновенно отреагировать на новые реалии экономики и обеспечить прежний высокий уровень обслуживания клиентов.

Как отмечает Анастасия Изыкова, начальник управления повышения эффективности Альфа-Банка, на обработку заявок в таком темпе и в таком количестве, как сейчас, понадобилось бы дополнительно порядка 30 человек. Во-первых, банк не смог бы быстро найти и нанять такое количество новых сотрудников. Во-вторых, они бы стоили бизнесу в 10 раз дороже, чем автоматизация данного процесса, которую всего за одну неделю осуществили на платформе Blue Prism. Кроме того, цифровые работники гарантированно не допускают ошибок, что минимизирует риски, позволяют развивать процессы целиком в масштабах организации и обладают большим потенциалом в возврате инвестиций.

Чтобы максимально сократить ручной труд, при проектировании нового завода особое внимание было уделено разработке высокоэффективных производственных процессов с использованием современного оборудования с высокой степенью роботизации. Использование на всех этапах производства различных видов высокотехнологичного оборудования – упаковочных модулей, транспортеров, конвейеров, холодильных установок и роботизированного склада позволяет свести к минимуму ручной труд и обеспечить высокое качество выпускаемых продуктов.

Все процессы автоматизированы: датчики следят за температурой, давлением и другими параметрами, данные выводятся на мониторы операторов, что позволяет успешно контролировать производство. Особенностью предприятия является централизованная и автоматическая подача сырья. Его дозирование происходит без участия человека, что позволяет точно соблюдать рецептуры.

Управление предприятием таких масштабов требует планирования, точного сбора, анализа информации обо всех процессах и постоянного контроля, что позволяет повышать эффективность процессов. Инструментом обработки такого массива данных, объединения всех информационных ресурсов предприятия в единый механизм стала система 1С:ERP.

Выбор системы был обусловлен максимально реализованной функциональностью в типовом продукте для производственного предприятия – оперативного учета закупок сырья, планирования и отражения этапов производства, факта выпуска и автоматизации расчета себестоимости продукции, отгрузки товаров покупателям. Ее запуск произошел вместе с запуском завода.

Для поддержки и развития решений на отечественной платформе был сформирован собственный штат специалистов. За шесть месяцев проведены основные мероприятия по разработке методологической основы учета, моделированию процессов на типовой системе 1С:ERP, обучению пользователей.

Особое внимание уделено автоматизации контроля качества сырья и выпускаемой продукции в рамках реализации поддержки принципов системы ХАССП. В ERP разработан отдельный лабораторный блок, функционально связанный со складским и производственным, в котором фиксируются все результаты проверки сырья и упаковочных материалов, поступающих в производственные склады, полуфабрикатов и готовой продукции.

Как рассказал технический директор розничной сети «Магнит» Евгений Мельников, в компании продолжается работа по выбору и эффективному внедрению целевых решений автоматизации, которые затрагивают все процессы и направления, включая собственные производства. Использование системы управления предприятием позволило реализовать динамичный план выхода на проектные объемы производства завода и создало основу для разработки шаблонов цифровизации других производственных предприятий «Магнита».

На основе опыта цифровизации завода «Кондитер Кубани», перевод на управление производством в системе 1С:ERP осуществляется для четырех агропромышленных предприятий компании. В дальнейшем планируется применить ее на всех промышленных предприятиях «Магнита».

Как осуществляются атаки, использующие неопределенность и страх, связанные с COVID-19? Какие типы вредоносных программ используются и с какой целью? FortiGuard Labs рассказала о ключевых аспектах «ковидных» атак.

Социальная инженерия и страх

Используя социальную инженерию и ориентируясь на чувство страха и панику, злоумышленники все чаще выбирают своей целью больницы, производителей медицинского оборудования и компании, занимающиеся медицинским страхованием.

Большинство «ковидных» атак обычно происходят через почту – это массовые спамовые кампании. В FortiGuard Labs отмечают, что помимо массовых случаются и целенаправленные атаки, а также хорошо спланированные DDoS-атаки. Конечно, в некоторых случая DDoS может быть прямым следствием действий преступников, а может быть обусловлена огромным объемом нагрузки, который генерируется вредоносным сценарием. Кроме того, теперь, когда множество сотрудников большую часть времени подключены к удаленному рабочему месту и видеоконференциям одновременно со стриминговыми сервисами, веб-сайтами, онлайн-магазинами и играми, часто цифровая инфраструктура просто не выдерживает такой нагрузки. Помимо этого, угрозы, связанные с электронной почтой, используют чувство цейтнота и панику вокруг пандемии, маскируясь под сообщения от правительственных организаций, НКО, поставщиков медицинского оборудования.

Целью таких атак является доставка в систему вредоносных программ, которые в случае использования темы COVID-19 в основном являются похитителями ценных данных, вымогателями. В наше время, когда множество людей хранят свои сбережения в криптовалютах и активно занимаются электронной коммерцией в Интернете, киберпреступники стремятся максимизировать свои шансы на успешную кражу учетных данных.

Технологический арсенал

Злоумышленники не без основания надеются, что в сложные времена атака на компании, являющиеся частью критической инфраструктуры, могут принести больший результат, чем в обычное время. Банально есть вероятность того, что такая организация быстрее заплатит выкуп, чтобы максимально оперативно возобновить свою деятельность. Это было актуально и до пандемии, но сейчас эксперты отмечают всплеск активности киберпреступников в этом направлении.

Многие атаки с технологической точки зрения используют продвинутые методы и проводятся в несколько этапов. Обычно заражение осуществляются вредоносными макросами, загружаемыми в документы, но некоторые из них являются прямыми исполняемыми файлами. Для мгновенного внедрения эти угрозы ищут законный системный процесс, а затем продолжают атаку, загружая другой вредоносный исполняемый файл, размещенный в популярных службах обмена файлами. Ситуацию также усугубляет тот факт, что многим организациям пришлось в авральном режиме перестроить свои сети для поддержки массовой удаленной работы и, таким образом, временно отказаться от некоторых эффективных практик кибербезопасности.

Страны, которые сильно пострадали от пандемии, похоже, являются наиболее вероятными целями злоумышленников. Если говорить об отраслях – наиболее интересной для киберпреступнико является критическая инфраструктура – нефтегазовые компании, электрогенерирующие, обеспечивающие здравоохранение населения.

Минимизируйте риски

Сейчас как никогда важно проявлять осмотрительность, особенно если электронная почта или другое сообщение кажется чем-то срочным или поступает из непроверенных источников. Не думайте, что осторожность излишня – мало что может быть столь же контрпродуктивным, чем обрушение целого бизнеса, обусловленное тем, что кто-то просто не перепроверил достоверность источника электронного письма прежде чем кликнуть по нему.

В таких условиях бизнес должен бросить значительные усилия на повышение осведомленности пользователей о кибербезопасности и создать внутренние процедуры, способные повысить уровень кибергигиены в организации на всех уровнях и во всех типах взаимодействий, как личных, так и служебных. Наличие надежного решения для защиты электронной почты, включающего в себя песочницу, также может помочь остановить подобные угрозы за пределами периметра сети – важно, чтобы письма злоумышленников вообще не доходили до конечного пользователя. Теперь, когда многие организации освоились в своей новой среде удаленного работы, пришло время заняться обеспечением безопасности и устранить все возможные пробелы.

AI ANTI-COVID-19 – это комплексная система предотвращения распространения COVID-19 на промышленных предприятиях. С помощью видеоаналитики и специальных браслетов, подключенных к смартфонам, контролируется наличие масок и перчаток у производственного персонала, температура тела, а также соблюдение дистанции между сотрудниками. Контроль осуществляется не только за сотрудниками предприятия, но и гостями. Система оценивает соблюдение санитарных норм, динамику нарушений и по пятибалльной шкале определяет Индекс безопасности. Он может выставляться как для конкретного цеха или зоны, так и для всего предприятия в целом.

Для каждого сотрудника создается цифровой профиль, в котором фиксируются все контакты и перемещения, а также их длительность. Таким образом, в случае выявления заболевшего COVID-19 система на основе анализа цифрового профиля человека дает рекомендации каких сотрудников необходимо изолировать для предотвращения распространения инфекции. Учитываются количество и длительность контактов в заданный период, а все контактировавшие распределяются на 3 группы: красную, оранжевую и желтую, по уровню риска заражения.

После стабилизации эпидемиологической ситуации решение может быть трансформировано в полнофункциональную систему промышленной безопасности на базе технологий видеоаналитики и позиционирования персонала. Например, отслеживание ношения касок и других средств защиты, контроль перемещения персонала в опасных зонах.

Система может использоваться на машиностроительных, горнодобывающих и нефтегазовых предприятиях, а также других типах предприятий, в том числе работающих вахтовым методом.

Прокатный стан в металлургическом производстве — это комплекс оборудования, который с помощью прокатных валков раскатывает нагретый металл и превращает его в листовой прокат. На прокатный стан подают сплавы разного химического состава для производства стали различных марок. Стан работает непрерывно: круглые сутки и без выходных. Чтобы слябы не сталкивались и не соединялись, они должны двигаться с определенными промежутками. Чем они меньше, тем больше слябов можно прокатать за единицу времени и тем выше производительность всего стана. Но при слишком маленьких разрывах между слябами резко увеличивается вероятность брака и аварийной остановки стана, поэтому операторы традиционно рассчитывают расстояние с запасом.

Новый рекомендательный сервис на базе машинного обучения обрабатывает набор меняющихся параметров (состав стали, температура нагрева, характеристики готовой продукции и т.д.) и в режиме реального времени предоставляет операторам прокатного стана рекомендации по оптимальному интервалу подачи слябов и управлению скоростью их движения. За счет этого выработка прокатного стана увеличивается в среднем на 3,5 часа в месяц.

Для обучения математической модели, которая стала основой рекомендательного сервиса, специалисты «Инфосистемы Джет» обработали огромные массивы данных за последние 2,5 года. Эксперты исследовали исторические данные с датчиков температуры, давления, скорости движения и другого регистрирующего оборудования, и исключили параметры, которые не оказывают значимого влияния на скорость движения слябов по прокатному стану. Помимо показателей самого стана, алгоритмы машинного обучения учитывают в рекомендациях типы и марки сплавов в заготовках. Все данные о работе «Стана 2000», как и другая информация о производстве, хранятся в озере данных.

Fozzy Group владеет 700 розничными магазинами. Из-за использования мобильных компьютеров разных марок эта компания столкнулась с трудностями голосового управления и нуждалась в решении для оптимизации работы складов и магазинов. С этой целью Fozzy Group развернула компьютеры от Zebra TC52 с сенсорным экраном и мобильные компьютеры MC3300. Решение также включает приложение LifeGuard для беспроводной установки обновлений безопасности Android, ПО Mobility DNA для оптимизации корпоративных приложений и рабочих процессов, а также услуги расширенной технической поддержки Zebra OneCare.

Внедренные решения призваны повысить эффективность рабочих процессов в рамках стратегии модернизации склада. Около 1 тыс. сотрудников Fozzy Group перешли на эти решения, и их производительность труда выросла на 20%.

Как отмечают в компании, внедрение комплексного решения помогло добиться максимальной окупаемости инвестиций благодаря оптимизации работы ИТ-специалистов и сотрудников.

Пилотный проект реализуется на производстве турбореактивного двигателя Аи-222-25, который применяется в составе учебно-боевых самолетов Як-130. Платформа состоит из нескольких элементов, в число которых входят автоматизированное рабочее место для ввода данных, центральное хранилище информации, а также модуль искусственного интеллекта.

Для обучения искусственного интеллекта используется база данных с ключевыми параметрами деталей и информацией о проведенных ранее тестах. Система определяет, как характеристики деталей влияют на качество двигателя, и строит математическую модель испытаний. В эту модель загружается информация о новых компонентах двигателя и условиях его сборки, создается элемент цифрового двойника будущего изделия. Искусственный интеллект анализирует данные и прогнозирует, насколько успешными будут реальные испытания двигателя, собранного из таких компонентов при заданных условиях.

Как отмечает исполнительный директор Ростеха Олег Евтушенко, применение искусственного интеллекта и цифровых двойников – общемировая практика, которая активно внедряется на предприятиях госкорпорации. Такие решения повышают эффективность использования трудовых и производственных ресурсов. Пилотный проект по внедрению платформы промышленного интернета вещей на производственном комплексе «Салют» рассчитан на год, по его итогам будет сформирована методика тиражирования этого опыта на других предприятиях Ростеха.

В холдинг Segezha Group входит большое количество предприятий деревообрабатывающей отрасли по всей стране. Основой бизнес-процессов являются справочные данные. Суммарная номенклатура содержит 93 тыс. записей закупаемых ТМЦ и 52 тыс. записей готовой продукции, сырья, полуфабрикатов, а также более 50 тыс. контрагентов.

Ранее на каждом производстве обособленно велись свои записи, что приводило к отсутствию единого стандарта ведения справочников, неполным описаниям, дублированию некоторых позиций из-за разных наименований. Из-за разрозненной информации филиалы холдинга могли по несколько раз закупать одну и ту же продукцию.

От качества ведения НСИ зависел успех проекта по централизации закупочных функций в компании и эффективность внедрения новых технологических решений в смежных процессах. Решением стала централизованная корпоративная система НСИ вместо разрозненных локальных. Поскольку Segezha Group использует много продуктов на платформе «1С: Предприятие», для простоты адаптации проект реализуется на базе 1С:MDM.

Совместно с сотрудниками IBS осуществляется интеграция с системами, в которых используется НСИ: системы на базе 1С:УПП, «1С:Бухгалтерия предприятия», CRM Creatio, СЭД Wssdocs. Во многих системах для удобства пользователей реализованы обратные потоки (создание заявок на создание и изменение записей напрямую из системы-подписчика).

В конце 2019 года система была запущена в эксплуатацию по справочнику «Контрагенты» на предприятиях первой очереди, к середине февраля завершено объединение со всеми системами корпоративного ландшафта. Вторая фаза запуска («Номенклатура» и прочие финансовые справочники) состоялась в конце апреля.

Итогом проекта стала централизация всех процессов управления НСИ. Это позволило компании сократить трудозатраты на работу с мастер-данными и минимизировать ошибки в бизнес-процессах. Например, к специалистам службы закупок начали поступать запросы с исчерпывающей информацией, без необходимости их консолидировать, исправлять, согласовывать с другими службами — все необходимые визы заявка получает при прохождении через систему. Также будет удобнее вести дела с контрагентами, управлять дебиторской и кредиторской задолженностью. Снизится загруженность складов и перерасход активов. К новому объединенному справочнику получат доступ сотрудники всех филиалов — более 2,5 тыс. пользователей.

Нефтехимическая отрасль уже достаточно хорошо автоматизирована – все критичные производственные процессы контролируются с помощью систем АСУТП. При этом остается ряд ручных процессов по контролю оборудования, которые необходимо автоматизировать, а также задачи по сбору данных для принятия решений в области управления технологическими процессами.

Как подчеркивает Василий Номоконов, исполнительный директор СИБУРа, промышленный интернет вещей не только упрощает контроль технологического оборудования, но и собирает данные для других цифровых инструментов. Эти  данные отправляются в корпоративное хранилище данных в режиме реального времени и используются средствами продвинутой аналитики для осуществления прогнозов, оптимизации технологических режимов. IIoT-решения позволяют промышленности выйти на новый уровень автоматизации процессов, повышают надежность производства и обеспечивают развитие data-driven подхода в принятии решений.

Решение о разработке собственного инструмента было принято в связи с тем, что платформы, доступные сейчас на рынке, не соответствуют требованиям и задачам интернета вещей на нефтехимическом предприятии. Для запуска проекта требовалось дооснастить некритичные узлы системами автоматизированного контроля, дать операторам установок возможность самостоятельно подключать датчики и создавать себе интерфейсы для контроля оборудования. При этом создание и владение платформой собственной разработки оказалась вдвое выгоднее покупки платных аналогов и их доработки.  IIoT в СИБУРе базируется на беспроводной сети LoRaWAN, всеми устройствами которой управляет сетевой сервер.

По словам Александра Леуса, руководителя Индустрии 4.0 в СИБУРе, одной из основных сложностей, с которой сталкиваются разработчики продуктов такого класса, является острая нехватка обратной связи от пользователей на этапе от создания MVP до реализации боевого продукта. В СИБУРе команда разработки продукта состоит из специалистов в области ИТ и цифровых технологий и профессионалов, имеющих богатый опыт работы на нефтехимическом производстве. Такая комбинаций позволяет разработать и дать пользователям максимально удобный продукт, работающий на достижение целей бизнеса.

Первые пользователи платформы – аппаратчики производства пиролиза «ЗапСибнефтехима» – уже прошли обучение и начали ее использование.

Сейчас СИБУР переходит к этапу тиражирования IIoT-решений на своих предприятиях. В пилотном контуре – тобольские предприятия, «Томскнефтехим», «Воронежсинтезкаучук» и «СИБУР Кстово». Тираж строится на базе реестра бизнес-кейсов и идей использования промышленного интернета вещей, который содержит информацию об актуальных проблемах на производствах, технических решениях и потенциальных эффектах. Предприятия активно обмениваются опытом – это значительно ускоряет процесс формирования портфеля проектов. При этом учитываются экономические показатели, поскольку внедрение промышленного интернета вещей предполагает не только инвестиции в аппаратно-программную часть, но и развитие соответствующей инфраструктуры передачи и обработки данных.

Согласно прошлым исследованиям аналитиков в 2018 году был взрывной рост популярности проектов по машинному обучению (ML). На один проект 2017-го года приходилось 2,7 проекта в 2018-м. В 2019 году количество проектов продолжило увеличиваться (примерно на 10% относительно 2018 года). Причем лидерство держали банковская отрасль (20%) и ретейл (20%), а промышленности принадлежал каждый 14-й проект.

В 2020 году пока количество проектов соответствует прошлогодним показателям, однако их число будет скорректировано по втором полугодии в меньшую сторону из-за коронавируса и спада в экономике. Это связано с долгосрочным характером проектов в сфере AI/ML, — в первые месяцы пандемии были завершены те проекты, которые были запущены до ее начала.

ОтрасльТЭК по количеству проектов вышла на первое место (20% от общего объема). Причем технологии ИИ внедряют как крупные («Роснефть», «Татнефть», «Газпромнефть»), так и средние компании. Характер проектов – предиктивная аналитика для ремонта оборудования или разработки месторождений, цифровое проектирование, умные счетчики и т.п.

Каждый восьмой проект по искусственному интеллекту принадлежал промышленному сектору: создание цифровых платформ предиктивной аналитики («Сухой»), внедрение нейронных сетей для повышения качества металлопроката («Северсталь»), роботизация внутреннего документооборота («СИБУР Холдинг») и т.д. В отличие от ТЭК, где все проекты направлены на решение производственных задач, в промышленности цифровизация затронула и производство, и управленческий аспект.

В ретейле объем проектов оказался таким же, но с акцентами на аналитику промоакций и видеоаналитику. Несколько проектов было связано с магазинами без касс. Аналитики прогнозируют, что для ретейла останутся также актуальны технологии омниканальности, прогнозирование по маркетинговым акциям, а также прогнозирование остатков на складе и логистика. Эти решения позволяют сокращать издержки и удерживать клиентов, что будет особенно важно для восстановления после кризиса.

Несмотря на то, что финансовый сектор занимает второе место по внедрениям систем искусственного интеллекта, в банках и страховых компаниях наблюдается некоторое затишье: фактически последние реальные публикации по проектам были в феврале. А вот за рубежом они продолжаются. Возможно, привычный к кризисам российский финансовый сектор более осторожен в своих действиях в отличие от своих зарубежных коллег. Также есть вероятность, что банки сделали ставки на «хайповые» инновационные разработки, которые оказались не столь актуальными при самоизоляции и были поставлены на паузу. С дальнейшим развитием кризиса в «Инфосистемы Джет» ожидают приостановки части проектов и по другим отраслям.

Что же касается масштаба проектов, то отмечается, что если в последние несколько лет технологии ИИ «пробовали» на отдельных второстепенных процессах предприятий, то в ближайшие три года продолжатся полномасштабные внедрения в различных ключевых бизнес- и производственных процессах, требующих межсистемных интеграций и внешнего взаимодействия.

В исследовании прошлого года отмечался тренд на уменьшение тестовых проектов в противовес реальным внедрениям, и эта тенденция продолжается. Технология стала привычной для ИТ-ландшафта.