Новости

С момента старта проекта цифровой трансформации лесопромышленной компании прошел ровно год. За это время были автоматизированы управляющая компания, ОЦО в Кирове и одна из крупнейших производственных площадок – ООО «Вятский фанерный комбинат». Осенью система заработает на предприятиях «Сегежская упаковка», «Сегежский ЦБК» и в филиалах. Проект охватывает более 10 географических локаций и разнообразные типы производства: лесозаготовка, производство целлюлозы и бумаги, бумажной упаковки, фанеры и пиломатериалов. В архитектуре предусмотрена интеграция с множеством систем: управлением кадрами, документооборотом, MES на уровне цехов и производств.

Интенсивное развитие в последние годы привело к значительному усложнению бизнес-модели группы, производственных цепочек и транспортных сетей, росту объемов и ассортимента продукции. В новых условиях SAP S/4HANA помогает компании планировать и моделировать бизнес-сценарии и своевременно принимать важные управленческие решения, усиливая конкурентные преимущества. В настоящее время процессы управления производством, качеством, снабжением и запасами, складами, ремонтом, сбытом и транспортировкой в Segezha Group объединены на базе единой платформы. Доступ к информации со всех производственных участков осуществляется через удобный интерфейс, доступный на любых устройствах, включая планшеты и смартфоны.

На уровне менеджмента Segezha Group создано решение по финансовому планированию и бюджетированию, консолидированной управленческой и МСФО отчетности, а также по централизованному управлению денежными средствами для всех предприятий. Ключевым элементом для финансов стала SAP Central Finance, позволяющая в режиме реального времени получать всю первичную информацию.

Система управления производством позволит решить задачи календарного планирования и оптимизации производства бумаги и упаковки, заранее рассчитать будущие затраты и себестоимость продукции по переделам, оценить прибыльность продуктового портфеля. Процесс управления продажами интегрирован с бизнес- и производственным планированием. Разработан общий справочник полуфабрикатов и готовой продукции под индивидуальный заказ. Сформированы единая база клиентов, база НСИ по оборудованию и регламентам обслуживания, включая номенклатуру запасных частей.

В дальнейших планах Segezha Group – тиражирование решения на все предприятия группы, цифровая трансформация в области интегрированного бизнес-планирования и электронной коммерции, развитие системы по управлению персоналом, промышленной безопасностью, охраной труда и экологией.

Тверской вагоностроительный завод завершил проект внедрения RFID-системы мониторинга и отслеживания процесса производства. Она призвана обеспечить автоматический мониторинг и прослеживание технологического маршрута процесса крупно-узловой сборки тележек и пассажирских и почтовых вагонов и полностью покрыла технологический процесс сборки от сварки рамы кузова до выхода готового вагона.

Отслеживание технологического маршрута начинается в рамно-кузовном цеху со сварки рамы и кузова. Здесь на кузов вагона крепится UHF RFID-метка SMARTRAC Frog 3D, в которую с помощью настольных считывателей Nordic ID Sampo записывается уникальный идентификатор и программным обеспечением ITProject Tracking System привязывается к записи в базе данных. Специально для этого проекта в компании «Силтэк» был разработан и произведен защитный корпус-бирка с разъемным хомутом для RFID-метки, прикрепляемой к кузову вагона. Такое решение позволило защитить метку от возможных повреждений во время ее миграции по технологическому маршруту, выдерживая грунтовку, окраску, сушку и т.п., и исключить необходимость ее снимать.

После сборки готовый кузов будущего вагона отправляется в следующий цех для грунтовки и окраски, а затем дальше по технологической цепочке. Прежде, чем вагон будет готов, он должен пройти несколько производственных этапов. RFID-система фиксирует перемещение тележек и вагонов по технологическому маршруту, отклонения от технологического маршрута и время пребывания на каждом этапе производственной цепочки, благодаря 89-ти стационарным UHF RFID-считывателям Impinj Speedway Revolution R420, установленным на входах-выходах в производственные помещения и на технологических постах. Там, где физически нет возможности поставить стационарные считыватели, на заводе используют ручные мобильные UHF RFID считыватели Chainway C72. Собираемая информация обрабатывается и в виде аналитических дашбордов или отчетов выводится на монитор диспетчера. Любое отклонение от маршрута, автоматически регистрируется системой.

Компания SAS провела исследование, в результате которого выяснилось, насколько неоднозначно воспринимается одна из самых значимых  технологий современности – искусственный интеллект. Видение всей широты взглядов по этому вопросу необходимо, чтобы устранить неопределенность и внести ясность, что такое ИИ, каковы его возможности, какие сложности необходимо преодолеть для его эффективного использования и как он способен изменить мир.

Сегодня решения на основе ИИ окружают нас повсюду: они используются в смартфонах, управляют голосовыми помощниками, формируют новостные ленты в соцсетях и направляют автомобили по нужным маршрутам. ИИ называют новым электричеством, но при этом он все равно остается не до конца оцененной и недостаточно эффективно используемой технологией современности. Отчасти это связано с ассоциациями, пришедшими из научной фантастики, отчасти – из-за недопонимания терминов «машинное обучение» и «глубинное обучение». В результате позиционирование и восприятие ИИ балансирует между двумя крайностями: его преподносят либо как источник безграничных возможностей, либо как угрозу и конкурента самим людям на рынке труда.

Чтобы отчетливее увидеть, как воспринимается ИИ, было собрано 12 фокус-групп. Каждый респондент был отобран независимым исследовательским агентством Roots Research и принадлежал к одной из пяти упомянутых ниже категорий: студенты, дата-сайентисты, ученые, бизнес-лидеры и технические директора. Исследование показало, что ни одна категория респондентов не дала четкого ответа на вопрос, что такое ИИ – все так или иначе от него уходили. Предлагались самые разные интерпретации: участники описывали широкий спектр технологий, в том числе таких, которые не имеют отношения к реальному ИИ.

Единственной группой, которая попыталась определить в ходе дискуссии, что же такое ИИ, были ученые, но даже они не достигли единогласия по поводу удовлетворительного определения. На удивление широкий разброс мнений оказался даже в группе дата-сайентистов, которые, казалось бы, должны быстрее находить общие точки зрения, поскольку работают с ИИ на практике. Однако и в этой категории были приверженцы самых разных мнений: для одних ИИ – это инструмент для анализа данных и принятия решений, для других – средство автоматизации, в перспективе способное вытеснить человека. Еще большая неоднородность мнений была в других категориях, но в целом наблюдалась следующая закономерность: чем большим опытом и знаниями в вопросе технологий обладает респондент, тем меньше он испытывает опасений по поводу ИИ.

Отсутствие единогласия касательно определения ИИ позволило сделать вывод, что необходимы детальные обсуждения перед запуском любого ИИ-проекта. Размытость значения термина «искусственный интеллект» создает вызовы для разработчиков, организаций и даже пользователей, и без четких объяснений он может восприниматься как угодно – от панацеи до угрозы.

По итогам исследования был сделан еще один важный вывод: решение ИИ-головоломки, вероятно, заключается в том, что нужно прекратить искать всеобъемлющие определения.  ИИ может соотноситься с широким спектром различных технологий и примеров практического применения, и его следует определять дифференцированно в каждом конкретном случае для каждого конкретного проекта. Признать, что та или иная ИИ-система состоит из тех или иных компонентов, честно и прозрачно донести это до аудитории – единственный путь избежать иррациональных страхов и завышенных ожиданий от ИИ.

Несмотря на разногласия по поводу того, что из себя представляет ИИ, во всех группах наблюдалось сильное воодушевление насчет его возможностей.  Почти все участники уверены в положительном влиянии ИИ на экономику и считают, что он позволит повысить производительность. Респонденты из категорий дата-сайентистов и бизнес-лидеров говорили об этом, опираясь на собственный опыт. В частности, многие приводили примеры того, как ИИ уже сейчас избавляет сотрудников от рутинной монотонной работы, освобождая время на более важные задачи.

В целом исследование говорит о том, что ИИ, по мнению его участников, ждет светлое будущее, а некоторые отрасли он особенно преобразит – в первую очередь здравоохранение и финансовый сектор. Вместе с тем, бизнес должен коммерчески подходить к использованию ИИ и четко обозначать задачи, которые он хочет решить с его помощью. Добившись таким образом экономического эффекта на проектах с небольшими инвестициями, будет проще убедить руководство высшего звена в необходимости более широкого внедрения.
 

Для выхода на рынок операционного лизинга автомобильного транспорта и расширения бизнеса «СберАвтопарк» запустил проект автоматизации процессов работы с клиентами. В число основных задач проекта вошли автоматизация каждого этапа взаимодействия с клиентами, стандартизация процессов работы менеджера с клиентами, создание централизованной базы клиентов, настройка единого места для работы менеджера. В CRM настроены инструменты для сбора итоговой аналитики в разрезе отдела и каждого сотрудника, установки показателей каждому пользователю системы и сбора данных из внешних источников с помощью коннектора Dadata.

Система позволяет менеджерам работать с клиентом со стадии «холодный» клиент до подписания договора с поэтапным введением данных по формату «скрипта». Новая CRM помогает отслеживать стадии подписания договоров, вести клиента к сделке с помощью всплывающих подсказок. Система показывает, какие обязательные поля нужно заполнить, когда нужно назначить встречу или написать письмо, запланировать любое взаимодействие с клиентом. Быстрая загрузка общедоступных данных по юр. лицам из внешних источников позволяет менеджеру тратить меньше времени на их поиски.

Централизация клиентской базы позволяет не создавать дубли данных и видеть, какой специалист с ними уже работает. Это дает возможность избегать повторного взаимодействия с клиентами и поддерживать базу актуальной. Менеджеру больше не приходится переключаться между программами, благодаря появлению единого окна, включающего управление встречами и активностями, добавление новых контактов после каждой сделки, ведение комментариев по клиенту.

Совокупность настроенных функций помогает сократить время на процесс взаимодействия с клиентами и повышает эффективность каждого сотрудника. В перспективе «СберАвтопарк» планирует внедрение дополнительных инструментов для маркетинговых рассылок и работы клиентского портала с минимальным участием менеджера.

«Олония» специализируется на продаже скоропортящейся фермерской продукции под собственной торговой маркой. Планирование заказа в магазинах сети происходило в полуручном режиме, что приводило либо к упущенным продажам, связанным с недостатком товара, либо к списаниям из-за избыточного запаса скоропортящейся продукции. С открытием новых торговых точек и ростом бизнеса компания решила пересмотреть подход к управлению заказами и оптимизировать его.

В ходе проекта компания подключилась к сервису для работы с заказами «КОРУС | Управление запасами». Модель SaaS позволила максимально быстро интегрировать систему с ИТ-инфраструктурой компании – меньше чем за месяц «Олония» приступила к опытной эксплуатации решения.

После внедрения инструмента компания отметила повышение точности заказов в 3 раза и сокращение объема упущенных продаж на 27%, а при подключения первых 30 магазинов удалось высвободить до 70% рабочего времени закупщиков и перераспределить их функциональные задачи. Облачная инфраструктура позволила быстро масштабировать решение на всю торговую сеть – более 100 магазинов.

Как показывают опросы Gartner, за год количество навыков, которым надо владеть для выполнения одной работы, выросло в среднем на 10%, однако сотрудники применяют на практике только 54% новых освоенных навыков. При этом треть навыков из числа тех, что были нужны три года назад, уже не требуются.

Требования к навыкам сотрудников быстро меняются, а большинство кадровых служб использует не упреждающий, а пассивный подход к обучению сотрудников, отмечают аналитики. Поэтому сотрудникам зачастую негде применить новые навыки. Однако при упреждающем подходе ситуация оказывается еще хуже — прогнозы оказываются неверными и сотрудникам удается применить лишь 37% новых навыков.

Эффективнее всего работает динамический подход. С его помощью кадровая служба может увидеть изменения требований к навыкам в реальном времени, развить навыки к нужному моменту и дать сотрудникам возможность динамически принимать информированные решения в области навыков. Внутри компании организуются сети заинтересованных лиц, знающих, какие навыки требуются и имеющих право принимать меры в этой области. Для ускорения освоения используются новые методы, выходящие за пределы традиционного обучения в классах и через сайты, а для сотрудников открываются каналы для обмена информацией о требующихся навыках, что позволяет лучше подобрать кадры для решения стоящие перед компанией задач.

Выделенная беспроводная сеть на территории завода «СИБУР-Химпром» будет одновременно поддерживать стандарты 5G и LTE и объединит различные элементы производственной экосистемы предприятия в закрытый контур, чтобы использовать телекоммуникационные сети в проектах по оптимизации производства, повышению его эффективности, безопасности и надежности.

Пилотный проект на базе оборудования Ericsson будет запущен в течение восьми месяцев. На первом этапе на сети будут развернуты системы, позволяющие оценить ее возможности и протестировать различные цифровые инструменты. Ожидается, что промышленные сети Private 5G позволят активнее развивать проекты в области промышленного интернета вещей, дополненной реальности, продвинутой аналитики для контроля качества продукции и повышения производительности, которые разрабатывают специалисты по промышленной цифровизации СИБУРа.

СИБУР активно развивает компетенции по беспроводным сетям внутри компании. Формат технологических частных сетей стандарта LTE и 5G открывает огромные возможности в автоматизации производства и во внедрении новых пользовательских сервисов.

За последние пять лет технологический ландшафт сельскохозяйственных компаний существенно изменился. Ежедневно тысячи компаний и стартапов по всему миру пытаются привлечь внимание инвесторов и получить финансирование проектов в области цифровых агротехнологий. И если три года назад основной акцент был сделан на технологиях в области доставки продуктов питания от прилавков магазинов до конечного потребителя, то последний год наиболее перспективными направлениями среди зарубежных инвесторов считаются технологии, автоматизирующие этапы производства, переработки и доставки продуктов от сельскохозяйственной компании до прилавков.

В составленный экспертами РСХБ список наиболее перспективных агротехнологических решений вошли:

1. Агробиотехнологии используют новые высокопродуктивные устойчивые к внешним угрозам сорта растений и породы животных. Прирост производительности обеспечивается за счет использования современных высокотехнологичных удобрений, кормовых добавок и средств защиты растений. Рост финансовых результатов компании достигается за счет повышения урожайности, улучшения качественных характеристик продукции, сокращения затрат на сельскохозяйственное производство.

2. Технологии управления фермами оптимизируют использование удобрений, средств защиты растений, а также снижают расходы на посевную и уборочную компании благодаря автоматизации ручного труда. Рост финансовых результатов компании достигается за счет снижения себестоимости продукции (на 25-40%) и увеличения урожайности (на 10-15%).

3. Технологии переработки и логистики позволяют оптимизировать расход горюче-смазочных материалов, использовать новые, более эффективные способы хранения и упаковки продукции, а также снизить потери при транспортировке и хранении. Согласно общемировому опыту внедрение подобных технологий позволяет получить эффект 10-40%.

4. Новые системы земледелия повышают эффективность производства за счет создания не зависящих от агроклиматических факторов ферм (например, городские фермы вертикального типа).

5. Платформы электронной коммерции для АПК позволяют исключить из цепочки создания стоимости продуктов посредников. Взаимодействие производителя продукции осуществляется непосредственно с клиентом-пользователем электронной платформы, с минимумом посредников.

6. Биоэнергетика и биоматериалы позволяют получить экономический эффект за счет применения непродовольственной продукции АПК в смежных с сельским хозяйством областях – строительстве, энергетике и др.

7. Роботы и робототехника позволяют за счет использования машин, механизмов и автоматических систем в сельскохозяйственных работах повысить производительность предприятия АПК и снизить издержки, связанные с человеческим фактором.

8. Инновационное продовольствие позволяет получить экономический эффект за счет создания и использования культивируемого мяса, растительного белка, и других инновационных продуктов.

Как отмечается, каждая из технологий первой тройки может увеличить финансовый результат отрасли АПК в целом более чем на 500 млрд рублей в перспективе 5 лет. В то же время эффект от использования роботов и технологий инновационного продовольствия в России вряд ли приведет к существенному росту эффективности в ближайшее десятилетие.

Критерии инвестиционной привлекательности технологий цифрового сельского хозяйства для предприятий российского АПК на данном этапе развития отрасли отличаются от общемировых, на первый план выходят критерии доступности, технологической зрелости внедряемых решений, стабильности и прогнозируемости результатов.

По оценкам Министерства сельского хозяйства, российский рынок цифровых технологий в агросекторе составляет сегодня около 360 млрд руб. и к 2026 году он должен вырасти в пять раз.

Решение реализовано на платформе «Контур.Диадок» и позволяет обмениваться обязательной отчетностью в виде универсальных передаточных документов, а также различными внутренними данными в неформализованном формате. В результате внедрения проекта сроки закрытия дебиторской задолженности были сокращены на 21 день. Данный проект позволил возмещать НДС внутри отчетного периода, а также минимизировать риск потери документов.

Реализация проекта позволила обеим компаниям оптимизировать процессы согласования и сверки оказываемых объемов услуг по всей территории совместного взаимодействия, что позволит сократить затраты на бумажный документооборот и эффективнее перераспределить рабочее времени сотрудников, участвующих в процессе. Переход на электронный документооборот позволил оптимизировать время сотрудников и перенаправить его с обработки бумаги на более приоритетные задачи. Помимо этого, переход на ЭДО позволил оптимизировать сроки по закрытию дебиторской задолженности.

СИБУР несколько лет развивает направление продвинутой аналитики. В компании собирают и изучают параметры технологических режимов на производстве: температуру, давление, количество сырья – и данные для бизнес-процессов: котировки на продукцию, биржевые сводки, внешние рыночные факторы. Сбор данных происходит на базе ML-платформы в центре аналитики СИБУР Диджитал. На основе анализа данных специалисты создают самообучающиеся рекомендательные системы и системы поддержки принятия решений. Цифровые инструменты помогают прогнозировать внеплановые остановы, оптимизировать технологические режимы для снижения издержек, повышать качество и увеличивать объёмы выпускаемой продукции, прогнозировать стоимость продукции на основных рынках. Теперь инструменты продвинутой аналитики стали доступны и для клиентов СИБУРа.

Как отмечает Алексей Винниченко, руководитель центра аналитики СИБУР Диджитал, при объединении собственной информации с данными от клиента, удается увидеть всю цепочку создания ценности и получить возможность промоделировать ситуацию, понять, на каком участке существуют проблемы, дать рекомендации по их устранению. Компания уже решила несколько кейсов, основанных на сквозной цепочке данных производителя и клиента, на томской площадке компании. Это помогло полностью исключить появление брака на производстве клиента.

Оптимизация технологических процессов и качества продукции как на стороне СИБУРа, так и на стороне клиентов, является дополнительным конкурентным преимуществом. Данный сервис является перспективным элементом ценностного предложения для клиентов компании.