Индустрия 4.0

Искусственный интеллект и машинное обучение меняют производственную отрасль. Согласно отчету, опубликованному Всемирным экономическим форумом, сочетание искусственного интеллекта, передовых роботов, аддитивного производства и Интернета вещей приведет нас к четвертой индустриальной революции.

Большинство производственных компаний (80%) ожидают от достижений в области искусственного интеллекта позитивного эффекта. Прогнозируется рост оборота на 22,6% и снижение затрат на 17,6%.

Технологии искусственного интеллекта и машинного обучения уже сейчас используются на производстве для уменьшения простоев оборудования, выявления производственных дефектов, совершенствования цепочек поставок и сокращения сроков проектирования. Однако нехватка квалифицированного персонала, необходимых данных и стандартов мешает многим компаниям продвигаться в этом направлении.

General Electric на переднем крае

Компания General Electric находится в авангарде промышленной трансформации. Производственный спад в отрасли стал для компании хорошим стимулом к изучению возможностей искусственного интеллекта.

«До 2010 года рост производительности труда у нас составлял 4–5%, — отметил вице-президент компании по исследованиям в сфере программного обеспечения Колин Пэррис. — Но затем ситуация в отрасли изменилась. Опытные инженеры увольнялись, а в новых регионах, в том числе в Индии и Китае, компанию представляли главным образом молодые работники».

Между тем клиенты становились все требовательнее. Появлялись новые маршруты, а сложные погодные условия и загрязнение воздуха отрицательно отражались на выпускаемых GE реактивных двигателях. Стало крайне необходимо повысить их надежность и сократить простои в работе.

К тому же клиенты ожидали и дальнейшего снижения цен.

Чтобы добиться всего этого, в GE решили обратиться к искусственному интеллекту и машинному обучению. Начать было решено с сервисов, предоставляемых клиентам, — обслуживания реактивных двигателей и турбин. Затем компания стала применять искусственный интеллект на внутреннем производстве, а потом — в проектировании и внутренних процессах, в том числе при выполнении операций в ЦОДе и работе с кадрами.

«Различные модели и формы анализа в сервисах мы используем по меньшей мере на протяжении последних 10–15 лет, — указал Пэррис. — Пять лет назад GE начала применять машинное обучение и цифровых двойников, которые виртуально моделировали работу части оборудования (например, ветряной турбины) или комплекса (ветряной электростанции)». Цифровые двойники могут найти применение при моделировании работы сборочной линии, всей фабрики или процесса закупок.

В компании GE цифровые двойники (Digital Twin — программный аналог физического устройства, моделирующий внутренние процессы, технические характеристики и поведение реального объекта в условиях помех и воздействия окружающей среды. Для задания на него входных воздействий используется информация с датчиков реального устройства, работающего параллельно. — Прим. ред.) использовались для моделирования эффективности, предсказывания сбоев и быстрого тестирования потенциальных улучшений.

«Мы можем прогнозировать, какие детали выйдут из строя, и у нас есть нужные инженеры и запасы необходимых комплектующих, — отметил Пэррис. — Мы способны увеличить сроки эксплуатации самолетов, не прибегая к техническому обслуживанию, в котором нет необходимости. Благодаря этому нам удалось сэкономить клиентам миллионы долларов».

Дополнительным преимуществом цифрового двойника любого оборудования, системы или процесса стало использование GE аддитивного производства (трехмерной печати) для создания индивидуальных компонентов. Компания перестала заказывать запчасти, которые требовали организации масштабного производства на традиционных сборочных линиях.

«Машины изнашиваются по-разному, — подчеркнул Пэррис. — Аддитивное производство позволяет выпускать запчасти в единичных экземплярах, обеспечивая устранение неисправностей отдельно взятой машины, эксплуатируемой в конкретной среде. Нам больше не нужно строить огромные фабрики, которые будут производить массу запчастей исходя из усредненных потребностей, — раньше на строительство таких фабрик уходили сотни миллионов долларов. Теперь я печатаю нужную мне деталь и могу постоянно адаптировать как тело машины, так и ее мозг. У меня появляется машина, которую можно непрерывно адаптировать для достижения все более высокой эффективности — машина, которую мы называем бессмертной».

Многообещающая прогнозная диагностика

Другие производители также намерены использовать искусственный интеллект и машинное обучение, чтобы сократить затраты и повысить эффективность.

Международная компания Jabil, оказывающая услуги по контрактному производству электроники, несколько месяцев назад начала использовать искусственный интеллект для прогнозной диагностики и выявления производственных дефектов.

На одной из ее фабрик в Китае были установлены машины оптического контроля с несколькими камерами, способные выявлять дефекты в печатных платах.

Базовая технология распознавания образов уже применяется для обнаружения неисправностей, но 35–40% плат, помечаемых системой и направляемых операторам для изучения, на самом деле не имеют никаких дефектов.

«Операторам дается всего две секунды на каждое изображение, но сложность в том, что некоторые платы имеют довольно большие размеры и состоят из сотен компонентов, — рассказывает старший менеджер компании Райан Литвак. — Нам приходилось полагаться лишь на опыт и интуицию операторов».

Уменьшив число помечаемых плат без ущерба для точности, Jabil сможет предоставить операторам больше времени для изучения проблемных плат или выполнения других, более важных задач.

«Нам удалось добиться по-настоящему хороших результатов — довести долю отобранных плат, имеющих реальные дефекты, до 93–98%, — подчеркнул Литвак. — Число отобранных компонентов, у которых не было дефектов, сократилось на 70%».

Концепция подтвердила свою жизнеспособность на двух производственных линиях с одинаковым оборудованием и процессами. Теперь в Jabil намерены перенести полученный опыт и на другие линии с увеличением объемов обрабатываемых данных и интеграцией нового процесса принятия решений.

Еще одной областью, на которую нацелена компания, является прогнозная диагностика. Здесь основная задача — это получение необходимых данных.

«В компании используется много разных систем, много разного оборудования, ­— указал Литвак. — В каком-то имеются собственные системы обслуживания, в каком-то — нет. Некоторые поставщики ведут учет техобслуживания посредством электронных таблиц, другие же используют для этого системы собственной разработки».

Исследователи данных Jabil занимаются нормализацией этих данных и в сотрудничестве с экспертами Microsoft создают модели глубинного обучения, которые нужны для прогнозирования сбоев оборудования.

Согласно результатам исследования McKinsey, прогнозная диагностика промышленного оборудования с использованием искусственного интеллекта позволяет сократить ежегодные затраты на техобслуживание на 10%, уменьшить продолжительность простоев на 20% и снизить затраты на проведение контроля на 25%.

«В последние месяцы мы видим немалый интерес к экспериментальным проектам с конкретными сценариями использования искусственного интеллекта, — отмечают в McKinsey. — Особенно это касается использования компьютерного зрения и информации, собранной датчиками для проверки качества и прогнозной диагностики. В настоящее время в нескольких компаниях идет внедрение таких приложений компьютерного зрения на основе искусственного интеллекта, и стоит отметить, что они открывают потрясающие возможности. Но компаниям, чтобы получить реальную практическую отдачу, нужно быстро переносить из экспериментальных систем накопленные знания и трансформировать искусственный интеллект для конкретных функций и процессов».

Вопрос точности

Компания Lennox International, выпускающая системы вентиляции, отопления и кондиционирования воздуха, только приступает к использованию средств распознавания образов для выявления производственных дефектов.

«Уровень точности здесь значительно выше, чем у человека, — отметил директор компании по ИТ и развивающимся технологиям Сунил Бондалапати. — Уже сейчас нам удалось повысить точность примерно на 20%. И мы рассматриваем это приложение не с точки зрения оптимизации численности персонала, а с точки зрения увеличения точности».

Lennox предоставляет своим клиентам оборудование в аренду, и для этой компании, как и для General Electric, улучшение техобслуживания имеет очень большое значение.

Сегодня оборудование для вентиляции, отопления и кондиционирования воздуха передает данные о параметрах функционирования в облако. Каждый час генерируется около 8 млн новых записей.

Внедрение средств искусственного интеллекта позволит компании прогнозировать сбои оборудования в реальном времени, что раньше считалось невозможным.

«Здесь-то и вступает в действие искусственный интеллект, — пояснил Бондалапати. — Можно восстановить контекст работы оборудования, скажем, двухлетней давности — как оно функционировало при температуре 40°С и определенной влажности. Какова была его эффективность тогда и какова эффективность сейчас».

К реализации проекта в Lennox приступили несколько месяцев назад. Первые результаты оказались весьма неплохими.

Уже сейчас затраты Lennox на вычислительные системы и средства хранения удалось сократить наполовину. При этом для консолидации данных используется технология DataBricks.

Еще одной областью применения искусственного интеллекта в компании является финансовая сфера. Например, расчет бюджета, закладываемого на исполнение компанией своих гарантийных обязательств.

Бондалапати подчеркнул: «Сегодня благодаря средствам искусственного интеллекта мы можем прогнозировать сроки службы каждого из компонентов с подачей в гарантийную службу заявок на формирование соответствующих запасов. Причем сведения эти ежедневно корректируются с учетом новых данных». Ожидается, что общий объем поддерживаемых запасов удастся сократить на 10%.

Искусственный интеллект в Lennox используется и для бухгалтерских задач.

«В гроссбух заносятся миллионы записей, — пояснил Бондалапати. — Человеку просто не под силу отследить все ежедневные проводки. Вместе со своей командой я ищу возможности применения искусственного интеллекта в интересах бизнеса. В этом смысле мы похожи на внутреннюю консультационную организацию. Мы постоянно продаем свои консультационные услуги. Всякий раз мы предлагаем опробовать какие-то новые сценарии. Lennox еще только втягивается в игру искусственного интеллекта. В таких отраслях, как наша, путь искусственного интеллекта непрост и требуются реальные результаты, чтобы изменить отношение скептически настроенной аудитории».

Встраивание искусственного интеллекта в процесс проектирования

Сотрудники исследовательского центра Xerox в Пало-Альто (Palo Alto Research Center, PARC) пытаются справиться с проблемами отсутствия необходимых знаний и данных на чрезвычайно сложном и трудоемком этапе проектирования производственного процесса. Именно в PARC появились такие инновации, как лазерная печать, объектно-ориентированное программирование, графический пользовательский интерфейс, оптические средства хранения данных и многие другие технологии.

«Искусственный интеллект способен учесть функциональные требования, затраты, требования регулирующих органов и производственные ограничения и предложить решения, которые человеку даже не придут в голову», — отметил вице-президент Xerox по научно-исследовательской работе Эрсин Узин.

После того как эскиз готов, сотрудники центра приступают к разработке технологии создания объекта с использованием субтрактивных и аддитивных производственных методов и учетом несовершенства существующих конструкций и производственных технологий.

«Производство — это та область, где физические возможности сильно отличаются от того, чем можно управлять при помощи программного обеспечения, — указал Узин. — У нас есть новые потрясающие материалы, новые аддитивные производственные технологии, гибридные производственные машины. Но используемое программное обеспечение отстает от имеющихся материалов и инструментов на целое поколение. У нас есть машины, позволяющие организовать аддитивное и субтрактивное производство прямо сейчас, но вы не можете создать проект для такого производства. Все приходится выполнять вручную, но при организации сложного производства это выходит за рамки когнитивных возможностей работающих там людей».

«При разработке инструментов проектирования, которые поспевали бы за темпами изменений в науке о материалах и производственных технологиях, в них необходимо встраивать средства искусственного интеллекта», — заявил руководитель одного из подразделений PARC Саи Нелатури.

Сотрудники PARC работают над созданием стандартов и протоколов, обеспечивающих взаимодействие всех разобщенных систем производственных предприятий, а также над созданием алгоритмов на основе искусственного интеллекта для оптимизации энергопотребления, пропускной способности, повышения эффективности и безопасности.

«Непосредственной реализацией технологии в PARC не занимаются, — сообщил Узин. — Мы являемся инновационным партнером и технологическим провайдером. Проектируем технологии, доводим их до стадии прототипа и ищем партнера, который займется их выводом на рынок».

Сегодня PARC сотрудничает с крупными и мелкими производственными компаниями, которые тестируют технологии и выводят их на рынок.

«Технологии искусственного интеллекта помогают небольшим и средним производителям поддерживать свою конкурентоспособность на должном уровне и возвращать рабочие места в США, — добавил Узин. — А вокруг уже сложившейся экосистемы происходит формирование новых рабочих мест».

Главные ограничения искусственного интеллекта: опыт и данные

Машинному обучению и расширенной аналитике отводится важная роль в прогнозной диагностике и других аспектах производственного процесса.

Результаты недавнего исследования, проведенного PricewaterhouseCoopers, показывают, что 78% производственных компаний уже развернули или планируют развернуть у себя технологии прогнозной диагностики. Далее следуют системы управления производством (73%), цифровые двойники (60%) и автоматизация с использованием роботизированных процессов (59%).

Об использовании искусственного интеллекта или о планах такого использования упомянули только 29% опрошенных. В PwC объясняют это необходимостью выхода за рамки машинного обучения и расширенной аналитики для принятия независимых когнитивных решений.

Сегодня основное внимание уделяется технологиям встроенного искусственного интеллекта и машинного обучения, позволяющим сократить затраты, отмечают в PwC. Некоторые из этих технологий помогут компаниям увеличить масштабы и вывести эффективность на новый качественный уровень.

В PwC также отмечают, что клиентский спрос и давление со стороны «разрушителей» сложившихся устоев заставляют производственные компании меняться.

Однако технология еще не обладает той зрелостью, которой хотелось бы ее пользователям. А нехватка знаний в области искусственного интеллекта и полезных данных становится дополнительным фактором, сдерживающим ее продвижение.

Результаты опроса PwC показали, что 52% производственных компаний, внедряющих у себя средства искусственного интеллекта, главным препятствием считают отсутствие квалифицированного персонала, а 42% — отсутствие необходимых данных.

— Maria Korolov. How AI is revolutionizing manufacturing. CIO. September 6, 2018

В последние три года очень многие организации, в том числе госструктуры, реально были вовлечены в процессы цифровой трансформации. Это очень важно, но еще важнее то, что они начинают обмениваться опытом. Зачем нужна именно цифровая трансформация, подразумевающая революционность, а не постепенное улучшение процессов, и чем она отличается от цифровизации, обсуждали в ходе форума Digital Transformation Day, организованного Future Business.

Что такое трансформация?

Сам термин «Индустрия 4.0», ставший общеупотребимым при описании происходящих в компаниях изменений, подразумевает именно революцию – слияние информационных и операционных технологий. При этом речь идет не только об информатизации, но и об интеллектуализации процессов: решения принимаются с учетом контекстных данных.

Чем же цифровизация – то, за что всегда отвечали ИТ-департаменты, – отличается от цифровой трансформации? По мнению Владимира Коровкина, руководителя направления цифровых технологий Института исследований быстроразвивающихся рынков Московской школы управления «Сколково», ответ следует искать в области бизнес-процессов. «Не наводите порядок в том, от чего надо избавляться! В крупных компаниях гораздо чаще надо не оптимизировать процессы, а выстраивать их с нуля», – рекомендует он.

Владимир Коровкин: «Не наводите порядок в том, от чего надо избавляться! В крупных компаниях гораздо чаще надо не оптимизировать процессы, а выстраивать их с нуля»

Убрать из процессов все лишнее – в этом секрет стартапов, которые производят фурор на рынке, тесня зарекомендовавших себя гигантов.

«Эволюция вполне может сочетаться с революцией», – считает Юрий Овчаренко, заместитель генерального директора EPAM. По его словам, традиционные компании довольно успешно идут как первым путем, переходя в цифровые компании, так и вторым, начиная строить бизнес на основе данных и становясь «цифровыми разрушителями», диктующими новые правила игры.

Признаком цифровой организации является культура управления продуктами – способность быстро реализовать новую идею, готовность совершать ошибки и учиться на них, умение адаптировать продукты под потребности клиента. Цифровые разрушители становятся бизнесом, основанным на данных (data-driven), и подходят к данным как к ключевому активу компании. Их отличают большие объемы обрабатываемых данных и высокая эластичность используемой инфраструктуры, применение искусственного интеллекта и незаметная для клиента персонализация продуктов.

«Ключевая битва за цифровые сферы влияния происходит среди предприятий реального сектора», – подчеркнул Владимир Княгинин, вице-президент Центра стратегических разработок. Системы усложняются, растет доля ИТ в продуктах и сервисах. Все игроки рынка умеют считать и видят, что сервисные компании гораздо прибыльнее, чем поставщики и сборщики продукции. Именно это и ведет к переделу рынков.

Как отмечает Даниил Калядин, директор по развитию глобальных инновационных проектов Software AG, Интернет вещей расширяет цифровое пространство, захватывая часть реального мира, поэтому становится важным условием трансформации для многих компаний. Но если при этом нет интеграции с бизнес-приложениями и непосредственного влияния на бизнес-процессы, то построенная инфраструктура используется не более чем на 1% возможностей.

«Российские заказчики очень любят говорить о технологиях, но мало кто реально понимает, как их можно монетизировать», – подчеркивает Калядин. Скажем, информация о передвижении городского транспорта полезна для горожан, но гораздо больший эффект будет, если диспетчерские службы автопарков начнут на ее основании принимать решения.

Как указал Коровкин, менее трети цифровых инициатив в крупных компаниях дают возврат инвестиций. Однако такие проекты признаются стратегически важными и даже жизненно необходимыми. Дело в том, что в этом случае правильнее говорить не о будущей прибыли, а о предотвращаемых потерях, хотя их и очень трудно просчитать.

С чего начинается трансформация?

67% руководителей компаний заявляют, что готовы к трансформации, а 59% полагают, что главное – верно расставить приоритеты, поделился статистикой Юрий Горин, директор по бизнес-технологиям PwC. По словам Горина, можно выделить три технологии, набирающие популярность в контексте цифровой трансформации. Во-первых, за последний год очень хорошо зарекомендовала себя роботизация процессов (Robotic Process Automation, RPA), позволяющая автоматизировать рутину, повысить качество процессов и перевести людей на более интеллектуальную работу. Вторым важным направлением становится транзакционная аналитика, дающая возможность управлять бизнесом практически в режиме реального времени. В результате руководство компаний начинает узнавать о своем бизнесе то, о чем даже не подозревало. Наконец, компании все чаще используют интеллектуальный анализ процессов (process mining) для их оптимизации.

Юрий Горин: «Бизнес должен доверять данным, для того чтобы воспринимать их всерьез»

Однако использование аналитических методов означает рост важности качества данных и стратегии управления ими. «Бизнес должен доверять данным, для того чтобы воспринимать их всерьез», – подчеркивает Горин. Выстраивание прозрачных процессов управления данными помогает создать предпосылки для повышения уровня доверия к ним.

«Трансформация начинается не с технологий, а с понимания бизнесом того, что пора меняться», – полагает Дмитрий Федоров, директор по цифровой трансформации ВТБ. Сейчас главным конкурентным преимуществом стала скорость изменений. И эта скорость ничуть не менее важна, чем сама суть изменений. А чтобы создать необходимые для этого условия, важна «культура ошибок» – руководители должны предоставлять сотрудникам возможность оперативно проводить эксперименты, признавая их право на ошибки. Более того, в большинстве случаев главной проблемой, мешающей трансформации, становится именно корпоративная культура. Следующие два фактора – это недостаток ресурсов и дефицит талантов.

«Для работы в нынешних условиях требуется быстрая реализация или отбраковка идей. Будет происходить переход от иерархических структур к самоорганизующимся командам под конкретные бизнес-задачи», – полагает Всеволод Кузьмич, директор по информационным технологиям сети «Лента». Вместе с тем он считает, в России существует огромный тормоз для любых новшеств, этот тормоз – низкая стоимость труда. До тех пор, пока зарплата кассира или мерчандайзера невелика, трудно ожидать перехода на безлюдные технологии.

Всеволод Кузьмич: «До тех пор, пока зарплата кассира или мерчандайзера невелика, трудно ожидать перехода на безлюдные технологии»

«Люди боятся наступления эры искусственного интеллекта. Да, многие действительно потеряют привычную работу. Белые воротнички – люди, выполняющие рутинные операции без физических действий, – уйдут первыми», – констатирует Аркадий Сандлер, руководитель подразделения «Искусственный интеллект» МТС. Как признает Сандлер, искусственный интеллект – это пока все еще маркетинговый термин, он обозначает системы, реализующие некоторые когнитивные функции, свойственные человеку. Например, контакт-центры выполняют единственную когнитивную функцию – распознавание речи, а стоят при этом крайне дорого. Как результат, они являются привлекательным сегментом рынка, атакуемым со стороны средств искусственного интеллекта. Тем, кто использует в своей работе много когнитивных функций, пока бояться нечего.

Аркадий Сандлер: «Люди боятся наступления эры искусственного интеллекта. Да, многие действительно потеряют привычную работу, и белые воротнички уйдут первыми»

«В топ-менеджменте МТС – несколько сотен человек. Есть надежда, что их когнитивные функции мы также рано или поздно сможем заменить искусственным интеллектом», – резюмировал Сандлер.

Кто отвечает за трансформацию?

«Правильная» цифровая трансформация должна продвигаться первым лицом компании. Однако зачастую это невозможно – генеральным директорам просто не до нее. Именно поэтому сейчас, по словам Федорова, превалируют проекты, возглавляемые директорами по развитию бизнеса и ИТ-директорами. Должность Chief Digital Officer пока общепринятой не стала – возможно, из-за того, что многие компании недооценивают сложность стоящей перед ними задачи.

Роман Тышковский, управляющий партнер рекрутинговой компании Odgers Berndtson, согласен с тем, что кадровая проблема стоит очень остро. После презентаций цифровых историй успеха часто выясняется, что на самом деле не все так радужно. Зачастую впечатление от рассказов про цифровую трансформацию схоже с историями лауреатов премии рекламных роликов «Каннские львы». Эти ролики в реальности не работают, их делают специально для конкурса, чтобы показать на фестивале, и забывают.

По данным McKinsey, 79% компаний, достигших хоть каких-то успехов в цифровой трансформации, просто не могут удержать у себя специалистов, показавших результат. Впоследствии, пытаясь решить проблему, компании путаются в терминологии, нечетко понимая, кто же им нужен. Попытка найти все необходимые знания в одном-единственном кандидате ведут к найму «прожектеров», которые не владеют знаниями, но зато умеют хорошо продавать себя.

Внедрение новых инструментов требует и опыта со стороны ИТ, и значительной образованности со стороны бизнеса. Как решить эту проблему, если дело касается инновационных решений, по которым рынок еще не накопил достаточной экспертизы? В «СИБУРе» применяют метод «цифрового краудсорсинга», давая зеленый свет инновационным идеям и пробуя использовать на первом этапе своего пути в Индустрию 4.0 все доступные технологии в самых различных направлениях. Недорогие и быстрые пилотные проекты демонстрируют бизнесу потенциальные возможности технологий, а ИТ-специалистам – их возможные ограничения. Об используемых подходах и первых результатах рассказывает Владимир Чернаткин, куратор проектов больших данных и Интернета вещей холдинга «СИБУР».

Владимир Чернаткин Возраст: 38 лет Послужной список: 2016 – настоящее время «СИБУР», куратор проектов больших данных и Интернета вещей 2015 – 2016 «СИБУР», руководитель проектов бережливого производства 2011 – 2015 «СИБУР», руководитель по планированию, анализу и инвестиционным проектам 2009 – 2011 Brunswick Rail, управление проектами и финансовое прогнозирование 2007 – 2009 финансовый аналитик в различных компаниях Образование: МГУ, физический факультет («теоретическая физика»), Universite de Nantes, Ecole des Mines de Nantes, CNRS, Франция, ученая степень («теоретическая физика и математическое моделирование»)/p> Фото: «Сибур»

В чем заключается цифровая трансформация компании, какой выбран путь?

Цифровые инструменты уже прижились во многих отраслях, мы наблюдаем, как они меняют многие бизнесы, иногда даже драматически. И понимаем, что ни одна компания не сможет остаться в стороне. Как сейчас практически у каждого человека в кармане есть смартфон, так у каждой производственной компании очень скоро будут инструменты Индустрии 4.0. Тех, кто сделает это первыми или хотя бы вторыми, кто сможет лучше приспособить эти инструменты для своего бизнеса, ожидает хорошее будущее.

В изначально цифровых отраслях – например, телекоме и банках – все понятно: ИТ уже давно стали частью бизнеса. А у вас?

Конечно, пока нет очевидных признаков превращения нашего бизнеса в ИТ-бизнес или радикальной смены бизнес-модели. Но мы видим, что многие элементы бизнеса могут измениться довольно сильно. Скажем, есть мнение, что, хотя мы B2B-компания, с появлением цифровых инструментов наши методы маркетинга станут все больше походить на методы сегмента B2C. Вместо традиционной продажи продукта, который мы умеем производить, будет приобретать все возрастающую ценность умение понимать потребности клиентов, осознавать, в чем именно мы создаем для них ценность.

Другие области, в которых применимы новые инструменты, тоже вполне конкретны. Например, логистика. У нас более 20 площадок, много сырья, которое перемещается между ними. Соответствующие расходы составляют существенную часть стоимости изделий, их оптимизацией точно имеет смысл заниматься.

Еще одним немаловажным направлением является производство. Несмотря на то что уже многое сделано, есть огромный простор для работы. Мы понимаем, где теряем и сколько, и долгосрочные цели перед руководителями ставятся именно исходя из этого. Руководство вынуждено смотреть на технологии, способные помочь в улучшении показателей. Техническое обслуживание и ремонты также играют критически важную роль на любом производстве. Наконец, «умное» управление персоналом – это совершенно точно про нас.

Какое место в этой трансформации занимает Индустрия 4.0?

Мы исходим из тех проблем, которые есть у бизнеса, и из тех возможностей, которые он видит. Вместе с тем мы пытаемся показывать бизнесу, что он теперь может делать с помощью новых инструментов. В этом взаимодействии вырабатываются те решения, которые позволяют находить наилучшие применения новых технологий – в нужном месте и в нужных количествах.

Очевидно, что входящие в Индустрию 4.0 технологии – дроны, роботы, 3D-печать и пр. – приносят синергию. Они дают гораздо больше, если применяются вместе в рамках единого решения.

От кого больше приходит идей? Ведь, чтобы бизнес сам что-то увидел, нужна определенная зрелость.

Совершенно верно. Именно поэтому в «СИБУРе» используется достаточно интересный подход. На первом этапе нашей цифровой жизни все заинтересованные менеджеры брали все доступные технологии и применяли их везде, где могли. Этот краудсорсинговый этап, во-первых, дал возможность нам самим познакомиться с новыми инструментами, а во-вторых, позволил показать эти инструменты нашим людям из бизнеса: что они могут, а чего совершенно точно не могут, – это тоже важно понимать. А тем временем со стороны нашего руководства велась пропаганда важности новых инструментов и готовности к их использованию.

Эти три фактора воздействия на бизнес – накопление опыта, демонстрация возможностей и поддержка сверху – и должны привести нас к «образованному» бизнесу, знакомому с инструментами и готовому их использовать. К ним важно добавить четвертый – инфраструктуру, позволяющую применять на практике понравившиеся решения. Тогда мы перейдем к централизованной модели, позволяющей создавать и тиражировать решения.

Сейчас мы находимся на первом этапе и оцениваем, какими могут быть подходы к цифровизации.

«Поиграть» с разными решениями – это хорошо. Но кто готов за такую осведомленность платить?

Новые инструменты хороши тем, что многие из них дешевые. Попробовать продвинутую аналитику – это недорого. Можно нанять системного интегратора или сотрудника в штат (правда, специалистов требуемой квалификации трудно найти). В любом случае труд специалиста, даже очень квалифицированного, несопоставим по затратам со строительством новой производственной установки.

Большинство инструментов Индустрии 4.0 – не капиталоемкие. Дрон стоит дешево, 3D-печать – тоже недорого, датчики – вообще копейки. Эта гибкость, так востребованная бизнесом, глубоко встроена во все новые инструменты. Она позволяет недорого ошибаться, пробовать различные подходы и не бояться того, что конкретный эксперимент окажется неудачным. К сожалению, в нефтехимии такой подход возможен далеко не всегда, но в цифровых технологиях он работает, и надо этим пользоваться.

Что стало точкой отсчета вашего похода в Индустрию 4.0?

Цифровая активность у нас продолжается около двух лет. Разумеется, это всегда решение менеджмента. Если руководитель компании принял идею того, что новые инструменты будут иметь сильное влияние на его бизнес, он транслирует ее на все уровни. У нас, скорее, это идет не в приказном порядке, а как пропаганда и агитация. Это хорошо тем, что стимулирует инициативу на местах, сотрудники начинают думать, а не просто действовать по указке.

Мы находимся в выигрышном положении. Во-первых, мы не первопроходцы. Производство – настолько консервативная отрасль, что по применению новых инструментов идет даже позади госструктур. Однако мы видим, как это приживается в других отраслях, понимаем, что до нас эта волна в любом случае дойдет. У нас есть возможность подсматривать правильные ответы, по многим «граблям» уже прошли предшественники. На рынке появилась экспертиза, и у нас есть возможность обращаться за квалифицированной помощью к системным интеграторам. Во-вторых, наше производство хорошо автоматизировано и по многим важным процессам в производственных системах уже давно накапливаются ценные данные.

Каково ваше место в этой цифровой истории?

Я руковожу несколькими проектами, пробуя продвинутую аналитику для разных задач. Это исследовательская работа, и она в значительной степени направлена на получение опыта, поиск ориентиров в мире цифровых технологий. У нас были проекты, которые явно не удались – были многообещающими, но не сработали. Есть проекты, которые, наоборот, идут хорошо, и мы верим, что они дадут результат. Мы теперь знаем, как отдельные инструменты можно применять, а как – нет.

Моя роль – добыча опыта, связывание технологий с нашим бизнесом. Роль не всегда легкая. Многие люди на производстве к таким вещам не привыкли, они открыты и готовы экспериментировать, но пока не верят в эти инструменты. Полученные результаты будут очень важны, в том числе и с культурной точки зрения. Они дадут хорошую мотивацию для развития.

В рамках какого подразделения проводится инновационная работа? Это ИТ-департамент или создана специальная лаборатория?

Специальное подразделение пока не создано, и я не совсем айтишник. Я долго был финансовым аналитиком, участвовал во внедрении производственной системы. Естественно, с сотрудниками ИТ-службы приходится много контактировать, чтобы новые инструменты заработали. Их роль очень велика, многое из того, что мы делаем, без их участия просто не получится.

У нас есть «плавающий» пул талантов, которых удалось собрать в разных подразделениях и которым дали возможность заниматься инновациями. Дальше при формировании оргструктуры, которая рано или поздно будет создана, используют именно этих специалистов, и у каждого будет своя роль.

Инициативы больших данных и Интернета вещей неразрывно связаны друг с другом?

Интернет вещей – питающий элемент для продвинутой аналитики. Это важнейший источник данных, помогающий создавать новые модели поведения в бизнесе. Верно и обратное: когда мы хотим решить бизнес-задачу и считаем, что большие данные являются для этого хорошим инструментом, это заставляет нас идти в Интернет вещей. Когда данных оказывается недостаточно, мы думаем о том, как добыть их.

Инструменты Интернета вещей больше ориентированы на сокращение расходов или на увеличение доходов? И какую из этих историй проще продать бизнесу?

Я бы не ставил здесь «или». Мы идем от бизнес-задач. Например, если вы научились быстрее реагировать на потребности клиента, возможно, удастся поднять ему цену. А может, этого не получится, но удастся повысить его лояльность.

В производстве то же самое. Конечно, в центре затрат приходится работать с затратами, а в центре прибыли – с прибылью. Продвинутая аналитика хороша тем, что дает сквозной взгляд на цепочки процессов. В некоторых случаях получаются комплексные проекты, которые изменят бизнес-процессы таким образом, что они станут дешевле и при этом более прибыльными.

Мы производственная компания, поэтому нам проще начинать с производства. Если компания учится работать со своим оборудованием, сокращая число простоев, она больше зарабатывает. Если она учится аккуратнее расходовать электроэнергию и пар, она экономит.

Что уже реализовали, каких результатов удалось достичь?

Попробовали мы практически все технологии, которые чаще всего упоминаются в связи с Индустрией 4.0, – дроны, 3D-печать, виртуальную и дополненную реальность и т. п. Ближайшая задача – реализовать на их основе бизнес-сценарии, сделать их прибыльными и добиться того, чтобы они меняли наш бизнес.

Хорошим примером является наш совместный проект с компанией Teradata по оптимизации работы линий производства биаксиально-ориентированной полипропиленовой пленки. На каждой линии иногда происходят обрывы полотна пленки. Это штатные ситуации (не аварии), но производственный процесс приходится останавливать, оборудование простаивает. Проект был направлен на минимизацию таких остановок.

Мы совершенно точно знали, что есть резервы улучшения, но не совсем понимали, где. К этому процессу пытались применять традиционные инструменты аналитики, но они не дали результатов. Было решено попробовать использовать инструменты больших данных. Рассматривались две гипотезы – сырьевая (добиться большей прочности пленки) и событийная (выделить посторонние факторы, влияющие на обрывы). Например, было выявлено, что при открытии одной из дверей в цеху пленка начинает рваться чаще. Оказалось, что дело в сквозняке, из-за которого пленка переохлаждается. Этот пример показывает, насколько много факторов влияют на производство. В результате анализа было выделено несколько управляемых параметров производственного процесса, которые необходимо особо контролировать.

Есть ряд менее амбициозных проектов, в которых новые решения логически продолжают существующие инструменты статистического анализа. Результаты этих проектов не столь громкие, но зато проще реализация и очевиднее польза.

Были достаточно интересные проекты по предупредительным ремонтам, в ходе которых мы научились предвидеть аномалии в работе компрессоров; в другом проекте мы предсказывали состояние химического реактора, обнаруживая паразитные процессы, снижающие его эффективность.

А каковы успехи в отношении дополненной реальности?

Уже появились готовые решения на основе очков и шлемов дополненной реальности, некоторые мы протестировали. Честно говоря, технология еще сыровата. Но эти технические проблемы со временем решатся, а сценарии для их применения вполне просматриваются. Самый очевидный – мобильные решения для поддержки процессов техобслуживания и ремонтов. Когда ремонтник придет на объект, у него как минимум появится инструкция по оборудованию, а в более продвинутых сценариях видеоаналитика поможет найти неисправность. Могут использоваться и планшеты с приложениями дополненной реальности; возможно, это даже более близкое решение, поскольку оно уже хорошо работает.

Кроме того, благодаря использованию дополненной реальности можно будет привлекать удаленных экспертов и тем самым оперативнее реагировать на нештатные ситуации на производстве. В случае недоступности высококвалифицированного специалиста на место проблемы вполне может выдвинуться менее опытный инженер, а «гуру» будет ему помогать удаленно. В конечном итоге такой подход повышает надежность и безопасность.

Какие из результатов можно отнести к условно негативным?

Иногда всплывают технические ограничения. По итогам одного из проектов мы знаем, что технологии больших данных в некоторых процессах не срабатывают – по крайней мере, если их применять «в лоб». Кроме того, иногда выясняется, что даже там, где технологии применимы, они не дают заметного финансового эффекта. Но даже при отрицательном исходе эксперимент можно считать состоявшимся и успешным. Ведь в нашем случае главная его цель – быстро и без особых затрат добыть знания о том, как надо и как не надо делать.

Владимир Чернаткин, куратор проектов больших данных и Интернета вещей холдинга «СИБУР»: «Гибкость, так востребованная бизнесом, глубоко встроена во все новые инструменты. Она позволяет недорого ошибаться, пробовать различные подходы и не бояться того, что конкретный эксперимент окажется неудачным»

С помощью каких решений поддерживается работа с большими данными?

Здесь мы тоже пробовали многое. Нам хорошо помогает такое свойство нынешних инструментов, как платформенность. Оно заключается в том, что необязательно покупать по одному решению под каждую задачу, это всегда очень дорого. Инструменты хорошо масштабируются, и они достаточно мощны. Если найден один инструмент для широкого спектра задач, то тогда серьезно сокращаются и выбор, и затраты. Чтобы правильно выбрать, необходимо познакомиться с инструментами в ходе реализации практических задач – это ровно то, что мы делаем. Выбор конкретных решений комментировать не буду.

Какие из внешних данных могут быть полезными для решения производственных задач?

В бизнесе, связанном с продажами, есть широкое поле для работы с внешними данными, в том числе из Интернета. В производстве это тоже имеет смысл. Например, информация о погоде важна для многих химических процессов с точки зрения поддержания нужных температурных режимов. Более того, если вы подстраиваете свою логистику и производство под потребности клиентов, то приходится учитывать при планировании производства внешние факторы. Если даже просто ограничиваетесь логистикой, то, используя ранее не применявшиеся сведения – например, о погоде на море, можно увидеть многое. Скажем, если корабль задерживается из-за шторма, то вагоны в порту простаивают и позже возвращаются на площадку. Раньше диспетчеру приходилось выглядывать в окно, смотреть на пути и констатировать дефицит вагонов. Теперь у него есть возможность прогнозировать недостаток вагонов за неделю или две.

Является ли целью «СИБУРа» безлюдное производство?

У нас опасное производство, и многие процессы, выводимые из-под руководства людьми, становятся безопаснее. Но само производство от этого не становится безлюдным, просто меняются роли людей, они становятся более аналитическими, творческими. Разумеется, процессы, непосредственно приводящие к инциденту, надо стремиться делать безлюдными. Но аналитическая работа требует присутствия человека, и ее можно автоматизировать лишь частично. Другое дело, что иногда это совсем другой человек, ему не всегда необходимо находиться на производстве, он может работать удаленно.

Мы обсуждали сценарий использования людей, которые не ходят на работу, но доступны по телефону. Общаясь с нашим партнером, одной из производственных компаний, мы узнали, что такое возможно. Когда «что-то идет не так», робот звонит инженеру и объясняет суть проблемы. У инженера есть показатель эффективности – он должен реагировать на звонки и быть способным приехать на производство за определенное время. При таком раскладе человек появляется лишь в том случае, если машина встречается с чем-то незнакомым. Думаю, что полностью безлюдным производство, скорее всего, не будет.

Что сложнее на пути к цифровому предприятию – технологии или изменение культуры?

Да, меняться тяжело. Но у нас есть хороший опыт: мы недавно внедрили новую производственную систему. Люди на производстве уже привыкли к тому, что происходят изменения. Они достаточно открыты, хотя, бывает, иногда скептически относятся к отдельным инструментам. Возможно, нам культурные изменения обходятся легче, чем другим, мы чуть лучше готовы к ним. Поэтому у нас есть возможность сосредоточиться на технической составляющей. А проблемы бывают. Да, что-то можно скопировать у других, однако производственные компании не похожи на банки или ИТ-компании, многое приходится изобретать самим, создавать с нуля.

Переход от традиционного уклада к цифровому не может произойти моментально. Павел Биленко, руководитель образовательных программ по направлениям Индустрии 4.0 Московской школы управления «Сколково», рассказал, каким должен быть первый шаг на этом пути для обычного российского предприятия и каких управленческих подходов стоит при этом придерживаться. По его мнению, трансформацию следует начинать с руководителей.

- В чем разница между полностью автоматизированным, «умным» и цифровым производством?

Я предпочитаю говорить о цифровом производстве. От автоматизированного производства, состоящего из «островов», соединенных «мостами»-интеграторами, цифровое производство отличают прежде всего бесшовная интеграция и единые форматы данных на всем жизненном цикле продукта. Данные со всех контрольных точек бизнес-процессов, производственных участков и организационных структур собираются без «контейнеров» отдельных программных продуктов либо платформ типа ERP или PLM. Эти данные систематизируются, и с ними ведется комплексная работа, управленческие решения принимаются на основе функционирования инструментальных панелей.

В цифровых производствах начинает работать машинный интеллект, потому что повторяющиеся стандартные операции машины делают лучше нас.

Еще одно важное отличие – скорость работы и внедрения решений. Умные предприятия используют простые и гибкие, хорошо адаптируемые под потребности компании инструментальные решения. Внедрение ERP за два-три года – это прошлый век. Когда у каждого рабочего в цеху есть планшет и телефон, с помощью которого он взаимодействует с ERP-системой (получает сменно-суточные задания и отчитывается об их выполнении, коммуницирует с другими подразделениями) – вот распространенная сейчас система, эффективно действующая на крупных международных предприятиях. Штаб-квартиры сегодня управляют при помощи простых мобильных решений, которые вбирают в себя функционал информационных «тяжеловесов».

- Что мешает развитию умного производства в России?

Можно перечислить множество факторов: неготовность или отсутствие экосистем и их ключевых компонентов, недостаточное количество открытых контрактных производств, ограничения рынков компаний с государственным участием, ограниченные коммуникации между потенциальными партнерами и слабое доверие друг к другу, отношение к людям в некоторых государственных компаниях как к винтикам системы.

Но главным тормозом я бы назвал «второй темп» и недостаточное развитие руководителей. Сегодня есть два типа компаний: консервативные и медленные – условный тип А; быстрые и гибкие – условный тип Б. В компаниях типа А, к сожалению, некоторые руководители застряли на изучении базовых терминов САПР. Скорость в принятии решений, в их проведении в жизнь, в трансформации бизнеса, а не бумаги, у глобальных лидеров и руководителей компаний типа Б гораздо выше, чем у лидеров компаний типа А. Руководитель компании типа А мыслит примерно так: чтобы провести цифровую трансформацию, надо обратиться к консультантам, чтобы те написали двухсотстраничный отчет, и разработать пятилетнюю стратегию. И обязательно наказать кого-нибудь за ее неисполнение. Мышление лидера компании типа Б совсем иное: давайте посмотрим, что вокруг уже сделано, обменяемся опытом, обучимся, попробуем быстро сделать и оценим, что получается. К сожалению, лидеры часто бывают увлечены фантомами и симулякрами, пренебрегают важнейшими вопросами прототипирования, моделирования, проверки управленческих гипотез. Предпринимательский подход – вот что сегодня очень важно.

Если компания любого размера сегодня вместо прототипирования продуктов и моделирования бизнес-процессов расходует время на создание концепций, стратегий и отчетов, то она это время теряет попусту. Мир меняется так быстро, что, пока она будет писать стратегию, западные компании уже перейдут на следующий уровень развития. Время разработки стратегий осталось в прошлом.

- Переход от традиционного уклада к цифровому не может произойти моментально. Каким должен быть первый шаг на этом пути для обычного российского предприятия, весьма далекого от «цифры»?

Прежде всего нужно осознать необходимость изменений и провести диагностику цифровой зрелости в совместной работе с экспертами. Руководителям предприятий необходимо отставить технологический снобизм и позицию «у нас все лучше, а этот ваш Интернет вещей – сказки», забыть фразы: «мы совершенны», «от нас ничего не зависит» и «рабочий день заканчивается в 18:00».

Нужно найти людей, которые уже проходили путь трансформации от разрухи к современной компании, и учиться у них. Надо становиться компанией-амбидекстром: сегодня быстрые и гибкие компании уничтожают крупных, обремененных регламентами, правилами и объяснительными за их нарушения.

Любой крупной компании требуется задуматься над этим. Как сделаться такой же быстрой, как, к примеру, Xiaomi, которая выпускает несколько десятков абсолютно инновационных продуктов ежегодно? Как стать такими же интересными для рынка, как те западные компании, за чьими дорогими продуктами выстраиваются очереди? Как выводить новые продукты на рынок столь же быстро и часто, как европейские компании?

- Каких управленческих подходов вы рекомендуете придерживаться на пути трансформации?

Гибких и быстрых. Заниматься моделированием и прототипированием, ошибаться недолго и дешево, делать выводы и расти дальше на этих выводах. Организовать развитие корпоративного инновационного центра и работу с молодыми командами стартапов. Как, например, это делает одна из нефтегазовых компаний, финансирующая стартап-хакатоны.

- Раньше говорили, что бессмысленно автоматизировать беспорядок. Как обстоят дела с «цифровизацией» того, что плохо организовано и плохо управляется в традиционной парадигме?

Без системности ничего работать не будет. Любая компания должна иметь организационный «хребет»; создание гибких и быстрых систем, упорядочивающих все бизнес-процессы – одна из первоочередных задач ее руководителей.

- Что происходит с кадрами при цифровой трансформации? Есть ли счастливые примеры переподготовки унаследованных кадров? Или проблема неготовности кадров к цифровизации преувеличена?

Такие примеры есть в наших программах Школы управления «Сколково». Это заблуждение, что из-за автоматизации масса людей лишится работы. Есть огромный спрос в ряде новых отраслей. К примеру, робототехническим компаниям необходимо огромное число программистов для создания локального программного обеспечения. Мы уже неоднократно проходили через волны трансформаций специализаций, когда слесаря сменил оператор ЧПУ, инженера-расчетчика – оператор вычислительных комплексов и т. д. Никаких негативных социальных последствий эти тенденции не вызвали. Кто из рабочих и специалистов быстрее обучился новым инструментам и системам автоматизации, тот стал лидером технологических изменений своего предприятия и увлек за собой остальных.

С этой точки зрения очень важна роль современных образовательных платформ. Да, структура рынка меняется, и сейчас нужны кросс-отраслевые партнерства. Мы готовим к цифровизации руководителей и инженеров, развивая образовательную экосистему в партнерстве с Российской экономической школой и Сколковским институтом науки и технологий.

- Есть ли у цифровизации отраслевая специфика? Где дела идут успешнее, а где хуже?

Хуже всего дела идут в нефтегазовой сфере, где людям не о чем беспокоиться. Еще лет 20 отрасль, возможно, будет существовать: качай, транспортируй, продавай. Зачем им меняться? Зачем задумываться о том, что среди шести самых дорогих компаний мира почти все сырьевые компании уже сменились на технологические? Возобновляемая энергетика растет по экспоненте. Ну и что? Нам-то какая разница? Проведем еще одну стратегическую сессию, нарисуем красивую презентацию, будем жить дальше. И так еще 20 лет.

Хотя и в этой отрасли есть отдельные исключения и заслуживающие уважения примеры трансформации сырьевых компаний в производственные холдинги. Но очень мало их коллег по цеху переносят этот опыт в свою производственную деятельность. Большинство компаний доживают на сверхдоходах. Между тем нефтяная компания может выступать инвестором: финансируя создание цифрового производства, совсем не обязательно становиться его собственником.

Быстрее всех трансформируются медиа, банки, ретейл и телеком, которые работают и зарабатывают с Большими Данными, аналитикой, корпоративными мобильными приложениями. Они лучше остальных понимают финансовый результат от цифровизации и, памятуя историю Kodak и Nokia, живут по принципу «изменись или исчезни». Facebook в прошлом году стал производственным предприятием – современным цифровым заводом. Amazon, будучи когда-то книжным магазином, недавно стал сетью магазинов здоровой пищи. А до этого – основным продавцом облачных вычислительных ресурсов.

Трансформации глобальны, сложно назвать их незаметными. Вам меняться не надо? Уверены? Я, бывало, слышал раньше: «Мне уже много лет, 35, и меня ничто не изменит. Я такой, какой есть». Ну раз так, это значит, что вас уже нет.

Сказанное относится и к человеку, и к компании, и к отрасли, и к стране.

- О чем вы расскажете участникам конференции Smart industry&city 2017?

О том, что такое цифровое производство, как его создать с помощью команды, ключевых компонентов и экосистемы. Об экосистемах и акселераторах США и Германии, о том, чего нам не хватает для ускорения развития. О том, что делать, чтобы выжить в жесткой конкурентной борьбе в условиях нового технологического уклада.

За год, прошедший с прошлой конференции, мы проделали большую работу с Минпромторгом РФ по выпуску методических рекомендаций для цифровизации предприятий, провели свое исследование по цифровизации производства. Кроме того, мы готовы представить комплексную методику диагностики цифровой зрелости предприятия.