Прямо сейчас у нас в гостях Марковский Роман Викторович, директор по цифровой трансформации АО Технодинамика, с эксклюзивным интервью на тему «Управление на основе данных». Делимся ключевыми моментами
Прежде всего, следует обратить внимание на тот факт, что данные, а если быть более точным - «большие данные», это цифровая основа как для работы производства и выпуска конечной продукции, так и основа для принятия обоснованных управленческих решений.
Одним из базовых принципов цифровой трансформации является так называемый data-driven подход, суть которого – в культуре принятия решений на всех уровнях на основе полных и достоверных данных, а не субъективного мнения. Поэтому, говоря о средствах для управления данными, нужно понимать набор классов систем и соответствующих программных продуктов, которые позволяют поддерживать операции по всему жизненному циклу данных, сопровождающему производственный процесс – от момента их возникновения – в местах возникновения, через их ролевое использование, до комплексной многомерной аналитики.
Это инструменты создания и сопровождения архитектуры данных (как части цифровой архитектуры предприятия), метамоделей данных, ведения особого класса данных – НСИ, инструменты по интеграции, комплекс инструментария по обеспечению категорированного доступа к источникам данных, средства передачи и преобразования данных, форматирования и «очистки» данных, инструментарий по созданию и ведению многомерных хранилищ данных, особый набор прикладного ПО для машинной обработки и обучения моделей ИИ на базе «больших данных».
Конкретный набор инструментов управления данными для групп предприятий холдинга может быть разнообразным, но стандартизованным по типам программных продуктов. В любом случае он должен позволять формировать и использовать данные, как производственный актив, имеющий понятную ценность и стоимость.
«Выравнивание» НСИ, а точнее создание единой нормативно-справочной базы в разных технологических срезах (материалы, комплектующие, продукты, работы, виды оборудования, регламенты и т.д.) – это ключевая задача для кратного увеличения производства изделий и обеспечения их качества. Здесь критически важно ориентироваться на выстраивание единых стандартов НСИ со смежными организациями, включать оперативную обратную связь по их согласованию через современные средства онлайн-коммуникаций.
Следует отметить, что задача достижения единства НСИ может обеспечиваться разными моделями (центральная база с механизмами репликации, реестр ссылок на НСИ в «хостинговых» системах, гибридные модели), но в любом случае в компании возникают задачи проектирования справочников, назначения ответственных за справочники, внедрения процесса обновления НСИ.
Это как традиционные платформы для многомерного анализа, так и модели, обученные на базе нейросетей. Их комбинация дает лучший результат для обеспечения «курсовой устойчивости» в управлении. Так, предиктивная аналитика в сфере управления производственными активами меняет подход к планированию ремонтов: вместо планирования на основе статистики и рекомендаций производителя внедряется планирование «по состоянию» и «по рискам», что позволяет, как показывает практика, сокращать затраты на ремонты на 10-20% без снижения показателей надежности.
К сожалению, уровень интероперабельности данных на сегодняшний день остается низким, и это одна из проблем, которая тормозит выпуск сложных серийных изделий. Необходима «провязка по данным» всех систем управления жизненным циклом изделий, на базе единой НСИ, как через комплексное прикладное и специальное ПО, где интероперабельность является встроенной, так и через использование стандартов интеграции (открытых API), обеспечивающих сквозную «передачу» необходимых данных.
К основным факторам успеха здесь следует отнести поддержку принципа однократного ввода данных, наличие средств обеспечения качества вводимых данных, а также использование специального ПО, обеспечивающего гарантированную доставку данных, по заранее оговоренным правилам и спецификациям. Сейчас на предприятиях все еще преобладает «островная цифровизация», нет сквозного потока данных, сопровождающего изделие.
Но ситуация меняется и будет меняться со вводом таких комплексных систем на производстве, как управление требованиями (RM), КТПП, MES, MDC, MRO и ILS, ТОиР (EAM), в сочетании с системами ведения раздельного учета на базе ERP и системами аналитической обработки данных на базе многомерных хранилищ.
Это «образование» функциональных заказчиков и развитие цифровой культуры, которая базируется на единых понятиях и подходах к решению задач с помощью данных, умении анализировать новые требования через расчеты ценности от данных, понимании возможностей «цифры» на производстве, желании изменить характер своей работы с помощью данных. Управление через данные должно быть не просто осознано, а практически внедряться на активных участках производства, при его планировании, при гарантийном обслуживании на протяжении всего ЖЦ изделий.
Можно точно сказать, что процесс уверенно набирает обороты через внедрение комплексных систем на производстве, но впереди еще много работы, поскольку, как показывает практика, предприятия далеко не сразу осваивают весь потенциал внедряемых технологий.
Для того, чтобы требования к «цифре» быстро превращались в результат, нужно в дополнении к традиционному подходу осваивать методики гибкого управления проектами, позволяющие выявлять ценности промежуточных результатов - по шагам: от небольших «побед» до оценки полных эффектов в сквозных сценариях, при таких подходах проекты, связанные с цифровыми данными, будут выполняться в рамках бюджетов, сроков и ожидаемых результатов.
Важно также принять следующую парадигму – в проектах продвигающих новые технологии есть право на ошибку, поскольку это только веха в достижении требуемого результата.
Внедрение технологий компьютерного зрения, цифровых двойников для критичного оборудования на производстве, «умных» ситуационных центров на базе систем предиктивной аналитики, ускорение цикла ОКР.