Реальные результаты: какие цифровые решения нужны производственной отрасли

Российские производства уже несколько лет живут в режиме двойной нагрузки: нужно одновременно замещать ушедшие зарубежные системы и повышать эффективность в условиях дорогих денег и дефицита кадров. Автоматизация перестала быть проектом «для отчётности» — от неё напрямую зависит эффективность работы оборудования и сотрудников.

Мы поговорили с представителями производственных компаний о том, какие задачи стоят перед отраслью, как технологии дают наилучшие результаты и о трендах, которые определяют будущее.

Вызовы времени

Производственную сферу принято считать консервативной в сфере цифровизации, но отрасль развивается огромными темпами. Уже сегодня на заводах внедряются новейшие разработки и ИТ-проекты распланированы на годы вперед. Какие задачи по цифровизации стоят перед производителями?

Яков Ильиных, генеральный директор ТН Диджитал (ТЕХНОНИКОЛЬ):

«В промышленной повестке ТЕХНОНИКОЛЬ — применение ИИ для контроля качества и прогнозирования состояния оборудования. Развитие цифровых двойников помогает моделировать производственные процессы и проверять сценарии изменений.

Если говорить о планах, то в ТН Диджитал мы проверяем AI-native разработку на пилоте. Это подход, при котором работа людей и ИИ-агентов объединена в один цикл создания продукта. Агентам можно поручать код и тесты, а люди задают требования и проверяют результат. Цель — быстрее превращать запрос производства в работающий инструмент. Ускорение нужно измерять на всём пути до внедрения, включая проверку и доработки».

Дмитрий Климентьев, ведущий программист-разработчик ЧЗЭО:

«Если абстрагироваться от уровня автоматизации производства, управления или учёта, ключевая задача — диверсификация производства и выпуск цифровых продуктов. Первое — встроить цифровизацию в само „железо“ и перейти от продажи оборудования к продаже сервиса на его основе, потому что заказчику сегодня нужно не просто железо, а цифровое управление, цифровой анализ и цифровой прогноз.

Второе — выпустить цифровой продукт как отдельную ценность, не привязанную к оборудованию, то есть создать универсальный продукт, способный работать с разным оборудованием в разных условиях.

Третье — снизить сложность: работы с ПО, обслуживания и пусконаладки, эксплуатации. И четвёртое — повысить доверие к цифровым продуктам: наш блокчейн повышает доверие к данным, к ПО, к оборудованию, к сервису».

Алексей Оносов, учредитель производственной компании Unisoft:

«Когда занимаешься сложным производством, на автоматизацию приходится смотреть из цеха, а не из переговорной. Сейчас приоритеты заметно сдвигаются, и на первое место вышла замена зарубежных систем отечественными. Причина простая: лицензию могут отозвать в пятницу вечером, и в понедельник линия встанет.
Следующая задача - повышение производительности труда, которая в ряде отраслей растёт медленнее, чем хотелось бы. Снижение издержек, контроль расхода материалов и стабильное качество без сюрпризов от уставшего к концу смены оператора тоже никуда не делись.

Мы видим реальный результат от внедрения ИТ-систем. Например, когда мы запускали у себя мониторинг оборудования Промавтум, первые две недели дали неприятный результат. Реальная загрузка станков оказалась около 40%, а ранее в отчётах значилось 75%. Ради такой прозрачности всё и затевается: решения должны опираться на данные в реальном времени, а не на ощущения сотрудников. Сюда же относятся коэффициент готовности оборудования и эргономика рабочего места, от которой зависит, сколько ошибок оператор сделает к вечеру».

Что тормозит цифровизацию?

Несмотря на обилие ИТ-продуктов для производителей, все еще остается ряд сложностей, которые необходимо преодолеть, чтобы темпы цифровизации отрасли показали рост. Барьеры делятся на три группы: экономические, технологические и человеческие. Какие факторы больше всего влияют на скорость внедрения ИТ-решений на производствах?ть таких внедрений.

Яков Ильиных, ТН Диджитал:

«Я бы выделил стоимость интеграции и разрозненные данные. Предприятию нужно связать оборудование с информационными системами, сохранив устойчивость производства. На рынке труда не хватает специалистов, которые одинаково хорошо понимают технологический процесс и ИТ.

Нужно заранее договориться, кто меняет производственный процесс и кто отвечает за результат внедрения и цифровую трансформацию. Без этого новый инструмент может добавить ещё один слой согласований.

Для ИИ нужны понятные правила доступа к моделям и данным. Требования безопасности должны учитывать конкретный сценарий: у кадрового помощника и системы управления оборудованием разная цена ошибки. Так же критически необходима развитая платформа больших данных, а это дорого и долго».

Дмитрий Климентьев (ЧЗЭО) разделяет барьеры на отраслевые и технологические:

«Отраслевой барьер — недоверие к российским ИТ-продуктам на международном уровне. Зарубежные партнёры спрашивают: „есть ли референс?“ Именно в области цифровизации, а не просто энергомашиностроения. Кроме того, в последние два года многие компании „вернулись к базовым настройкам“ и запрашивают оборудование без систем мониторинга, чтобы сэкономить.

Что касается технологических барьеров, то здесь на первом месте человеческий ресурс, а точнее — система образования: она инертная, сложная, старая, но не в плане образовательных технологий, а в плане содержания. Если говорить про программистов, то программистов много, хороших программистов очень мало, а программистов, понимающих в производстве и автоматизации, — очень мало из очень малого числа. Второй момент — доступ к иностранным технологиям умышленно ограничен: это касается ИИ, блокчейна, железа, ПО. Собственные технологии в России при этом слабо развиты. И ещё один барьер идёт со стороны площадок внедрения: устаревший парк оборудования, на объектах нет датчиков и телеметрии, плюс внутреннее сопротивление — цифровизация требует изменения бизнес-процессов, а персонал не хочет меняться».

Алексей Оносов (Unisoft) добавляет к этому управленческий фактор:

«Некоторые из значимых препятствий — нехватка и невысокие показатели по цифровой зрелости российских компаний. На части площадок нет даже нормальной сети, какой уж тут интернет вещей. Раздражает другое: директора тонут в текучке, но при этом многие руководители проблемы цифровой трансформации вообще игнорируют. Как можно не замечать то, что каждый день съедает прибыль? И даже когда технология доступна, нередко упираешься в людей, которых некому научить».

Работают ли меры поддержки?

Господдержка в производственной сфере — не абстракция: у части компаний уже есть успешные кейсы. Какие меры поддержки производители считают наиболее эффективными, а каких мер пока не хватает?

Дмитрий Климентьев, ЧЗЭО:

«Мы по своему опыту можем сказать, что действующие меры господдержки работают и уже оказывают положительный эффект. Так, например, наш ИТ-продукт „4Z Диспетчер“ был создан при непосредственной поддержке Министерства образования Челябинской области на грантовые средства. А получив статус малой технологической компании (МТК), мы смогли воспользоваться льготным займом по линии поддержки МТК. На мой взгляд, в поддержке региональных ИТ-команд важна системность: создание отечественной цифровой инфраструктуры — это работа „вдолгую“. Кстати, один из эффективных механизмов стимулирования собственных разработок — это госзакупки с приоритетом российского ПО».

Яков Ильиных, ТН Диджитал:

«Я считаю, что необходимо поддерживать весь путь от промышленного пилота до тиражирования на другие площадки. Финансирование должно покрывать подготовку данных и интеграцию с существующими системами. Обучение сотрудников тоже нужно включать в бюджет проекта.

Для развития ИИ необходим стабильный и гарантированный доступ к вычислительным ресурсам и качественным моделям с понятными условиями защиты данных. Отраслевые испытательные площадки позволили бы проверять решения на реальном оборудовании.

Также важно поддерживать единые стандарты обмена данными между программами и оборудованием. Это поможет уменьшить объём доработок при внедрении. Успешный пилот ещё нужно научить работать за пределами родного цеха».

Какие тренды определяют развитие отрасли?

Яков Ильиных, ТН Диджитал:

«Один из заметных трендов — объединение производственных и управленческих данных. Сведения о заказе и загрузке линии должны быть доступны вместе с данными об остатках сырья. Тогда планирование может учитывать реальное состояние производства.

Ещё одно направление — ИИ-помощники для работы с технической документацией. Важно, чтобы они показывали источник ответа. На производстве правдоподобной формулировки недостаточно. „Галлюцинации“ могут дорого стоить.

В разработке ПО агенты могут готовить изменения и тесты. Задача команды — выстроить проверки и довести решение до промышленной эксплуатации. Оценивать такой процесс нужно по скорости получения надёжного инструмента, включая время на исправление ошибок».

Алексей Оносов, Unisoft:

«Периферийный ИИ, когда нейросеть работает прямо на оборудовании, не гоняя данные в облако, вместе с предиктивным обслуживанием становится стандартом. По вибрации подшипника модель подсказывает, что через неделю будет поломка, и ремонт планируют спокойно, без аврала в три часа ночи. Работая у себя с ИИ-агентами, видим, что это достаточно хорошо окупается, хотя данные сначала приходится долго чистить. Цифровые двойники выходят за пределы госкорпораций и становятся доступны среднему бизнесу. Конструкторы low-code позволяют технологу собрать процесс из готовых блоков, не стоя в очереди в ИТ-отдел.

Кстати, тот самый станок, первые замеры по которому показали 40% загрузки, сейчас уверенно и стабильно держит около 88%. И всё это во многом благодаря внедрённой системе мониторинга производства».

Дмитрий Климентьев, ЧЗЭО:

«Прежде всего, это использование ИИ — например, переход от мониторинга к предиктивной аналитике. Второй тренд — облачные SCADA: „4Z Диспетчер“ как облачный сервис, где данные хранятся на серверах, а доступ идёт через браузер.
Третий — универсальность интеграции: система должна собирать данные не только с электрощитов, но и с компрессоров, конвейеров, насосных станций, с любого оборудования, где есть датчики. И четвёртый — защита от несанкционированной модификации: блокчейн для хранения и обработки данных, чтобы записи о событиях нельзя было подделать».

Технологии будущего

Производство движется к адаптивности, а ИИ меняют основы системы работы предприятий. Каким будет производство будущего по мнению экспертов?

Яков Ильиных, ТН Диджитал:

«На мой взгляд, будущее связано с более адаптивным производством. Системы смогут быстрее пересчитывать планы при изменении спроса и сбоях поставок. ИИ-агенты будут выполнять связанные задачи в пределах заданных полномочий.
Для энергоёмких производств перспективно управление расходом энергии и сырья на основе данных. Эффект здесь нужно считать на единицу годной продукции. Data-driven — наше всё.

Одновременно будет расти значение инженерной экспертизы. Чем больше действий мы поручаем ИИ, тем лучше должны понимать границы его применения. Я связываю автоматизацию с ростом производительности труда: высвобождённое время должно помогать выпускать больше продукции и быстрее развивать продукты».

Дмитрий Климентьев (ЧЗЭО) видит три ключевых направления:

«Во-первых, ИИ и переход к ремонту по состоянию: сейчас отрасль движется от планово-предупредительных ремонтов к ремонтам по фактическому состоянию оборудования. Во-вторых, периферийные вычисления (edge computing) для промышленности — обработка данных на уровне оборудования, а не только в облаке, это наш путь и следующий шаг. И в-третьих, „AI-нативные“ системы, а не „AI поверх существующего“: ИИ нельзя просто „прикрутить“ к старой системе, он должен быть встроен в логику с самого начала. Яркий пример — „4Z Диспетчер“ с предиктивной аналитикой внутри».

---------
Компании производственной отрасли четко понимают задачи цифровизации, оценивают доступные технологии и потенциальные результаты их внедрения. А факторы риска уже много лет не меняются: низкий уровень образования, недостаток квалифицированных кадров и техническая сложность запуска новых систем в рамках производственного процесса. Созданные меры поддержки эффективны, но они не всегда отвечают реальным запросам компаний. Все это замедляет темпы цифровизации производств, но компании активно адаптируются, преодолевают все барьеры. Уже сегодня есть множество кейсов эффективного внедрения ИТ, а в будущем мы увидим все больше примеров успешного внедрения инновационных технологий, которые преобразуют отрасль.