Зачем стране нужны промышленные данные: взгляд на современную цифровизацию

Василий Чуранов, Директор дивизиона «Машиностроение и металлообработка» группы компаний «Цифра»

Роль промышленных данных в современной экономике

Сегодня тема промышленных данных занимает умы специалистов по всей стране – и это вполне закономерно. Производство на современном заводе всё чаще выходит за рамки классических подходов, когда эффективность зависит лишь от квалификации персонала и технологической оснащённости.

Системы сбора данных с оборудования и новые алгоритмы искусственного интеллекта позволяют вывести промышленность на иной уровень конкурентоспособности.

Для России это особенно важно: глобальный передел технологических рынков ставит вопрос не только о повышении производительности отдельно взятого завода, но и о росте целых отраслей и экономики в целом. В этой статье расскажем, какую роль играют промышленные данные, какую революцию они могут устроить в промышленной сфере и почему государству выгодно стимулировать появление и развитие цифровых экосистем в машиностроении и за его пределами.

Генеративный ИИ в повседневности и зачатки новой революции в промышленности

Несколько последних лет принесли нам настоящий прорыв в технологиях генеративного искусственного интеллекта. Интернет-записи, миллиарды диалогов и цифровых следов, оставляемых пользователями, позволили нейросетям научиться подражать и нередко превосходить человека в определённых когнитивных задачах. Благодаря этому уже сейчас в повседневной жизни мы имеем дело с голосовыми ассистентами, системами автоподбора контента, интеллектуальными чат-ботами и т. д.

Возникает вопрос: а что в это время происходит в промышленности? Возможно ли, что уже в ближайшее время появится «цифровой ассистент» для мастера участка или даже для самого станка? Станет ли реальностью общение станков друг с другом без участия человека, и смогут ли они самостоятельно корректировать производственные планы и оптимизировать загрузку? Всё это пока выглядит как футуристический сценарий, но ключ к его воплощению лежит именно в сборе и анализе промышленных данных.

Путь к «умным» станкам: от ЧПУ до единого языка общения

Взглянем на простой пример: есть станок с ЧПУ. Его основные задачи очевидны:

1. Работать эффективно – высокая производительность при минимуме простоев.
2. Не ломаться – своевременное техобслуживание, предиктивная диагностика.

Но наряду с этим станку важно взаимодействовать с людьми, другими станками, роботами и информационными системами. Для такой коммуникации нужно, чтобы станок «разговаривал» на языке, который будут понимать все участники производства: от простого рабочего интерфейса для оператора до высокоуровневых систем управления предприятием (ERP, MES и т. д.).

MDC-системы: Machine Data Collection

Несколько лет назад появился новый класс решений – MDC (Machine Data Collection). Эти системы умеют «снимать» данные с оборудования, в том числе станков с ЧПУ, и передавать их менеджменту, цеховым руководителям и ремонтным службам. Так производители получают:

• Объективные показатели эффективности (время работы, простои, выпуск продукции).
• Данные о состоянии станка (наработка, вибрации, температура и пр.).
• Актуальную информацию для точечного планирования ремонтных работ.

Интересный факт: уже одно лишь внедрение MDC-систем способно повысить эффективность работы цеха на 10 – 20%, поскольку повышается прозрачность процессов и появляется объективный контроль за происходящим. Эти решения активно развиваются и тиражируются. Например, к «Диспетчеру» (одному из ключевых продуктов компании «Цифра») сейчас подключено порядка 17 тысяч станков из более чем 250 предприятий. Казалось бы, это внушительные цифры, но, если смотреть на всю страну, общий охват всё ещё не превышает 15% станков на крупных заводах.

В то же время процесс распространения ускоряется, потому что плюсы от использования MDC и аналогичных систем для сбора данных очевидны. Однако на уровне отдельных предприятий и даже крупных холдингов мы пока видим лишь местные «островки» цифровизации, влияющие в первую очередь на локальную производительность.

От эффекта отдельного цеха к эффекту отрасли

Когда в цехе или на одном заводе налажена система мониторинга оборудования, это приносит пользу в виде:

• Снижения времени простоев.
• Оперативной диспетчеризации (быстрая перенастройка приоритета станков).
• Перехода к ремонту по состоянию, а не по регламенту, что сокращает незапланированные остановы.
• Повышения прозрачности работы персонала и снижения ошибок.

Однако для масштабного скачка всей отрасли требуется нечто большее, чем просто единичные MDC-системы на отдельных производствах. Необходимо, чтобы данные были стандартизированы, передавались «вверх» в холдинг или отраслевую структуру, а затем могли анализироваться в более глобальном масштабе. Тот же искусственный интеллект показывает наиболее впечатляющие результаты там, где есть большие объёмы качественных и одинаково описанных данных.

Три уровня цифровизации

1. Завод. На уровне одного предприятия MDC становится основой локального повышения эффективности. Все участники производства получают общую картину загрузки станков, графиков обслуживания и КПЭ (ключевые показатели эффективности).
2. Холдинг. На уровне холдинга, объединяющего несколько заводов, внедрение единых стандартов сбора и анализа данных позволяет масштабировать успешные практики, устраивать внутренние цифровые экосистемы, в которых разные производственные площадки обмениваются «опытом» через общую базу данных.
3. Отрасль. Наиболее высокий уровень цифровизации наступает, когда уже не только в рамках холдинга, но и в рамках целой отрасли (например, машиностроения) действуют единые стандарты обмена данными. Это даёт возможность объединять статистику от множества предприятий, что в конечном счёте приводит к созданию отраслевых систем искусственного интеллекта.

Искусственный интеллект и коллективные данные: в чём выгода?

Когда мы выходим на отраслевой и даже государственный уровень сбора данных, возможности для ИИ-аналитики расширяются кратно:

1. Прогнозирование поломок и профилактические ремонты. Если на одном предприятии умные алгоритмы обучаются на базе пары десятков одинаковых станков, то в масштабах всей отрасли это могут быть тысячи экземпляров оборудования, работающих в самых разных режимах и условиях. Чем больше разнообразных ситуаций видит алгоритм, тем точнее его прогнозы.
2. Оптимизация производственных цепочек. Отраслевой ИИ способен подсказывать, в каких регионах, на каких предприятиях, в какие периоды есть «окно мощности» и куда можно перенести часть заказов при повышенной загрузке другого завода.
3. Адаптивное планирование. Анализ тенденций спроса и доступности материалов на основе миллионов строк данных о поставках и логистике позволит сокращать сроки выпуска продукции.
4. Повышение качества продукции. Объединяя данные о дефектах, режимах обработки, партиях сырья и результатах испытаний, ИИ может формировать рекомендации по корректировке технологий или даже подсказывать, как исключить брак при изготовлении сложных деталей.
5. Сокращение энергозатрат. Алгоритмы на уровне отрасли способны анализировать энергопотребление разных типов станков и подбирать оптимальные режимы для каждого предприятия.

Таким образом, даже обезличенные (без раскрытия конфиденциальной производственной информации) данные при правильной стандартизации дают огромный потенциал для всесторонних улучшений.

Зачем делиться данными и какая в этом выгода государству и бизнесу

На одном заводе обычно мало одинаковых станков и ограниченный набор повторяющихся ситуаций. В результате локальные системы искусственного интеллекта не всегда успевают набрать критическую массу данных, чтобы научиться эффективно прогнозировать редкие, но значимые события (поломки определённого узла, нетипичные отказы, отклонения в качестве).

В масштабе всей страны – иная картина. Когда тысячи заводов и цехов, десятки тысяч станков с одинаковыми моделями ЧПУ и сопоставимыми режимами работы делятся статистикой, ИИ быстрее накапливает и обобщает опыт. Это критически важно для развития технологической суверенности и повышения конкурентоспособности российских производителей.

При этом государство способно сделать такой обмен взаимовыгодным:

• Участники (заводы, холдинги, интеграторы), которые передают данные в отраслевую систему, получают доступ к бесплатным ИИ-сервисам, рекомендациям по снижению аварийности и снижению себестоимости продукции.
• Государственные органы получают общую картину состояния промышленности, могут оперативно реагировать на «узкие места» и планировать поддержку отраслей.
• Вендоры и разработчики MDC-систем получают единые стандарты интеграции, выход к более широкому кругу заказчиков, повышают конкурентоспособность собственных технологий.

Через 3–5 лет работы в таком режиме в стране может сформироваться достаточно большая и разнородная база данных, чтобы создать многофункциональных цифровых советчиков. Речь идёт о принципиально новых уровнях производственной автоматизации и управления ресурсами, что даёт колоссальный толчок к росту производительности труда, – а ведь именно это одна из ключевых задач для экономики России.

Взгляд в будущее и призыв к совместным действиям

Сегодня мы находимся в «окне возможностей»: есть высокий спрос на повышение производительности, есть готовые решения по сбору данных (MDC), есть стремительный прогресс в области искусственного интеллекта и поддержки государством технологических инициатив. Чтобы достичь серьёзного эффекта, нужно действовать согласованно:

1. Разрабатывать и внедрять единые стандарты на уровне сбора, хранения и передачи данных от станков и других элементов производства.
2. Создавать инструменты по консолидации информации – отраслевые платформы и специализированные ИИ-модули, способные обрабатывать анонимизированные данные с множества предприятий.
3. Мотивировать участников рынка делиться информацией: продумать систему льгот, субсидий и сервисов, возвращающих конкретную выгоду бизнесу, который готов делиться своим цифровым опытом и статданными.
4. Сотрудничать: вендоры промышленных информационных систем, производители оборудования, предприятия и государственные институты должны объединить усилия, чтобы выработать действительно эффективную экосистему.

Первые шаги уже сделаны: крупные игроки и государственные структуры понимают важность высокотехнологичных решений для промышленного сектора, создаются цифровые платформы и лаборатории по анализу промышленных данных. Но впереди ещё большой путь, и успех во многом зависит от готовности открыто сотрудничать в рамках общего технологического пространства.

Заключение

Промышленные данные – это ключ к будущему высокоэффективной экономики и технологического суверенитета. Сбор, стандартизация и анализ производственных показателей, вкупе с современными методами искусственного интеллекта, позволяют уже сегодня получать до 20% эффективности в отдельно взятом цехе и наращивать этот показатель, если распространять практику на целые холдинги и отрасли.

Развитие MDC-систем и их интеграция с ИИ даст России реальную возможность занять лидирующие позиции на мировом рынке промышленного интернета вещей, повысить конкурентоспособность продукции и, в конце концов, обеспечить технологическую независимость. Следующие несколько лет будут решающими в формировании новых правил игры: кто вовремя выстроит цифровую экосистему, тот и станет двигателем промышленной революции XXI века.

Мы благодарим всех, кто уже вносит вклад в развитие промышленных цифровых решений. Именно совместными усилиями государства, бизнеса и интеграторов мы сможем построить индустрию будущего, в которой станки и люди будут «говорить» на одном языке – языке данных.