Preview

Стратегические решения и риск-менеджмент

Расширенный поиск

ОПТИМИЗАЦИЯ БИЗНЕС- ПРОЦЕССОВ ДЛЯ ПЕРЕХОДА К УСТОЙЧИВОМУ РАЗВИТИЮ В УСЛОВИЯХ ЧЕТВЕРТОЙ ПРОМЫШЛЕННОЙ РЕВОЛЮЦИИ

https://doi.org/10.17747/2078-8886-2018-4-10-19

Полный текст:

Аннотация

Проанализировано влияние технологий Индустрии 4.0 на оптимизацию бизнес-процессов промышленных компаний в целях достижения устойчивого развития. Рассматриваются эффекты изменений, вызванных технологиями Индустрии 4.0 в российских и зарубежных компаниях. Достижение устойчивого развития невозможно без процессных инноваций, обусловленных внедрением новых технологий. Для их внедрения предлагается алгоритм проведения аудита и оценки наиболее готовых к внедрению новых технологий бизнес-процессов.

Для цитирования:


Лисовский А.Л. ОПТИМИЗАЦИЯ БИЗНЕС- ПРОЦЕССОВ ДЛЯ ПЕРЕХОДА К УСТОЙЧИВОМУ РАЗВИТИЮ В УСЛОВИЯХ ЧЕТВЕРТОЙ ПРОМЫШЛЕННОЙ РЕВОЛЮЦИИ. Стратегические решения и риск-менеджмент. 2018;(4):10-19. https://doi.org/10.17747/2078-8886-2018-4-10-19

For citation:


Lisovsky A.L. OPTIMIZATION BUSINESS PROCESSES FOR TRANSITION TO A SUSTAINABLE DEVELOPMENT IN THE CONDITIONS OF THE FOURTH INDUSTRIAL REVOLUTION. Strategic decisions and risk management. 2018;(4):10-19. (In Russ.) https://doi.org/10.17747/2078-8886-2018-4-10-19

ВВЕДЕНИЕ

В последнее десятилетие компании про­мышленного сектора все большее внимание уделяют вопросам перехода к устойчивому развитию. Устойчивое развитие - это разви­тие, при котором «удовлетворение потребно­стей настоящего времени не подрывает спо­собность будущих поколений удовлетворять свои собственные потребности» [Kemp R., Loorbach D. (2003) 2003], т.е. это процесс изменений, направленных на получение кон­курентных преимуществ за счет разработки и внедрения процессов производства, отвеча­ющих требованиям экологической безопасно­сти и потребностям общества. При этом такой переход невозможен без радикальных измене­ний в производственных бизнес-процессах. Именно такие радикальные изменения проис­ходят в настоящее время и обусловлены они внедрением технологий Индустрии 4.0.

С начала индустриализации общества па­радигмы промышленного развития менялись при условии технологических прорывов, ко­торые впоследствии стали называться про­мышленными революциями (ПР). Последо­вательно прошли три ПР:

  • высокая механизация производствен­ных процессов;
  • переход на использование электроэнер­гии в производстве;
  • дигитализация процессов производ­ственных предприятий.

На сегодняшний день ученые [Zhou К., Liu Т., Zhou L., 2015; HofmannE., Rtisch М., 2017; Кондратюк, 2018; Налбандян Г.Г., Ховалова Т. В., 2018; Трачук А. В., Линдер Н.В., 2017; Тарасов И.В., 2018; Тарасов И.В., По­пов Н. А., 2018] сходятся во мнении, что в ин­дустрии сформировались необходимые пред­посылки для четвертой ПР, когда высоко оцифрованные процессы промышленных предприятий будут интегрированы с интер­нетом и «умными» технологиями. Примени­тельно к ней часто используется термин «Ин­дустрия 4.0». Индустрия 4.0 призвана создать новые ценностные предложения, бизнес-мо­дели и разрешить ряд социальных проблем путем создания связей между экзогенными и эндогенными факторами промышленного производства [Pfeiffer S., 2017].

Индустрия 4.0 предполагает трансформа­цию ключевых аспектов производства. Кон­салтинговая компания BCG выделяет девять ключевых технологий, которые направлены на формирование четвертой ПР: ав­тономная роботизация, имитацион­ное моделирование, горизонтальная и вертикальная интеграция систем, дополненная реальность, интернет вещей, облачные технологии, адди­тивное производство, кибербезопас­ность и большие данные [Embracing Industry 4.0, 2017].

Внедрение технологий Инду­стрии 4.0 позволит заводам сни­зить производственные затраты на 10-30%, логистические расходы - на 10-30%, расходы на управление качеством - на 10-20% [Rojko А., 2017]. Технологии Индустрии 4.0 призваны сократить время вывода новой продукции на рынок, повысить результативность вза­имодействия с клиентами, способствовать экономии за счет масштаба и более эффективное использование ресурсов [Трачук А.В., Линдер Н.В., 2018а]. Уже сегодня внедрение технологий Индустрии 4.0 оказывает влияние на транс­формацию как бизнес-моделей производств [Трачук, 2014; Трачук А.В., Линдер И.В., Убейко Н.В., 2017], так и биз­нес-процессов производственных компаний [Трачук А. В., Линдер И.В., 20186; Тарасов И.В., Попов И. А., 2018; Хаса­нов А.Р., 2018]. В данной статье представлен анализ транс­формации моделей и бизнес-процессов производственных компаний в условиях перехода к Индустрии 4.0.

 

Рис. 1. Взаимодействие физической и виртуальной среды «умного» завода

 

ТРАНСФОРМАЦИЯ БИЗНЕС-МОДЕЛЕЙ ПРОИЗВОДСТВЕННЫХ КОМПАНИЙ

В стратегии инновационного развития Южной Кореи «Стратегия 3.0» «умные» заводы определяются как систе­мы производства, где все бизнес-процессы - планирование, производство, распределение и продажи - автоматизиро­ваны и интегрированы в рамках единой информационной системы. Функционирование заводов обеспечивают кибер- физические системы (Cyber Physical System, CPS), которые позволяют создавать виртуальных двойников. CPS предна­значены для интеграции вычислительных машин, которые непосредственно интегрированы с физическим окружением и действующими процессами использования сервисов сбора и обработки данных через интернет. Текущие исследования CPS затрагивают в основном концепцию, применяемые тех­нологии, построение информационной архитектуры, суще­ствующие вызовы и новые направления развития в рамках Индустрии 4.0. Предложена унифицированная модель вне­дрения CPS в производственные процессы:

  • умное соединение;
  • преобразование данных в информацию;
  • переход в виртуальное пространство;
  • управление знаниями;
  • конфигурация системы [Lee J., Bagheri B., Као И. А., 2015].

Описана концептуальная схема взаимодействия умных заводов с их виртуальными двойниками. Благодаря им мож­но соединять технологии информирования и коммуникаций с производственными процессами и базами данных внутри предприятия [Wiktorsson M., Noh S. D., Bellgrana M. et al., 2018] (рис. 1). Выделено три типа промышленных заводов в зависи­мости от подходов к использованию технологий Индустрии 4.0: «умные» автоматизированные заводы, заводы, ориентиро­ванные на клиентов, имобильные заводы [Тарасов И.В., 2018; Трачук А.В., Линдер Н.В., Тарасов И.В. и др., 2018].

Для внедрения CPS на заводах предложена пятиступен­чатая модель:

  • Умное соединение. Вырабатывается и отлаживается система сбора необходимых данных для совершен­ствования производства за счет автоматизированных систем планирования (ERP) или напрямую через специализированные датчики.
  • Преобразование данных в информацию. Необходимо использовать признанные методики для обработки данных в информацию, на основе которой могут при­ниматься управленческие решения.
  • Переход в виртуальное пространство. Большой объем поступающей информации на предприятии подлежит эффективной обработке и оперативному использова­нию. За счет перехода информационных потоков по­вышается качество производства.
  • Управление знаниями. Выстраиваются процессы акку­мулирования полученных знаний и их распростране­ния на предприятии.
  • Конфигурация системы. Описываются механизмы вза­имодействия между физической и виртуальной средой, за счет которых оборудование сможет работать автоном­но и эффективно. Закладываются инструменты профи­лактики технических сбоев [Lee J., Bagheri В., Као И. А., 2015].

Интеллектуальная и автономная работа как преимуще­ство «умной» фабрики требует анализа, прогнозирования и проактивную сторону деятельности производственной системы. Основой исследований выступают данные с про­изводственных линий, получаемые в режиме реального времени [Трачук А.В., Линдер И.В., 2018а]. Учитываются производительность, качество выпускаемой продукции и эф­фективность логистических процессов. На практике данные применяются при построении CPS - одной из ключевых тех­нологий проектирования и эксплуатации умной фабрики.

ПОДХОДЫ К ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ

Сущность и особенности моделирования бизнес-процессов

Проблематика бизнес-процессов получила широкое ос­вещение в научной литературе в многочисленных научных работах. Среди первых необходимо выделить труды М. Пор­тера, где поначалу бизнес-процессы рассматривались как не­отъемлемая составляющая стратегического развития орга­низаций [Porter М.Е., 1991; Drucker P.F., 1986; Kaplan R. S., Norton D.P, 1996]. В дальнейшем предпринимались по­пытки более детально описать сущность бизнес-процессов. Американские экономисты М. Хаммер и Дж. Чампи опре­делили бизнес-процесс как «деятельность, на входе которой используется один или несколько ресурсов и на выходе соз­дается результат, представляющий ценность для клиента» [Хаммер М.,Чампи Д., 2011]. Альтернативную формули­ровку предложил немецкий предприниматель А.-В. Шеер: «Бизнес-процесс - последовательность работ, характеризу­ющаяся единым натуральным или стоимостным критерием результата» [Шеер А.-В., 1999]. Внимание акцентируется на совокупности последовательных работ - содержании бизнес-процесса. Не все бизнес-процессы приносят непо­средственную ценность для потребителей. Как правило, на промышленных предприятиях ее генерируют основные процессы, их протекание невозможно без управляющих и вспомогательных процессов. В разрезе иерархической структуры низкоуровневые бизнес-процессы могут и вовсе оказаться убыточными по сравнению с процессами более высокого уровня. Сосредоточение на процессах, форми­рующих ценность, не позволяет комплексно рассмотреть уровень зрелости процессов компании. Для исследования подходов к оптимизации данный подход является наиболее удачным.

Международная организация по стандартизации приня­ла определение с позиции системы менеджмента качества: «Процесс - совокупность взаимосвязанных и (или) взаи­модействующих видов деятельности, использующих входы для получения намеченного результата» [ISO 9000, 2015]. Классифицировать бизнес-процессы можно по различным критериям. Некоторые крупные компании, например Xerox и IBM, провели анализ своей работы и составили списки основных бизнес-процессов. Позже оказалось, что это толь­ко частные случаи решения разных задач внутри компаний. Позднее наибольшее распространение получил прикладной подход, разработанный в результате выполнения норвежской программы повышения производительности промышлен­ности по сравнительному бенчмаркингу (под управлением Норвежского университета естественных и технических наук). На основе цепочки ценности Портера все бизнес-про­цессы были поделены следующим образом:

  • первичные (основные) процессы пронизывают всю де­ятельность компании (от потребителей до поставщи­ков) и создают ценность для потребителей (разработка продукции, производство и сборка и др.);
  • поддерживающие (вспомогательные) процессы не соз­дают ценности, нужны для поддержания инфраструк­туры всей организации (финансовый менеджмент, управление информацией и др.);
  • развивающие процессы предназначены для создания новой цепочки ценности в основных и вспомогатель­ных процессах на новом уровне показателей (расши­рение внешних связей, повышение квалификации пер­сонала и др.).

Осознанное совершенствование возможно и необходи­мо для всех групп бизнес-процессов. Комплексный подход к оптимизации позволит достичь максимального синерге­тического эффекта и значительно повысить эффективность деятельности компании [Трачук А., Тарасов И., 2015].

Без понимания внутреннего устройства бизнес-про­цессов невозможно приступить к совершенствованию, так как в этом случае не удастся провести детальный анализ по­следовательности работ и установить взаимосвязи со смеж­ными процессами. Эти проблемы можно решить за счет моделирования бизнес-процессов. Последнее понимается как набор действий, создающих представление существую­щего или предполагаемого бизнес-процесса. Моделирование может охватывать основной, вспомогательный или управля­ющий процесс, целиком или частично [Свод, 2015].

В зависимости от целей модель бизнес-процессов может быть представлена на разных уровнях детализации - от аб­страктного до очень детально проработанного. Можно опи­сать бизнес-процессы на выбранном уровне графически, с помощью различных нотаций, выбор зависит от конкрет­ных целей и организации. Наиболее распространенными и функциональными процессными нотациями являются:

  • VAD: нотация предложена М. Портером и позволяет моделировать верхнеуровневые процессы, непосред­ственно участвующие в создании ценности для клиен­тов;
  • ЕРС применима для моделирования, анализа и даль­нейшего перепроектирования сложных наборов биз­нес-процессов с многочисленными интерфейсами;
  • BPMN 0 создана для автоматизации сквозных биз­нес-процессов, поддерживает имитационное модели­рование;
  • IDEF используется для моделирования на любом уров­не в системах автоматизированного производства;
  • UML создана преимущественно для проектирования ПО, спецификации ИТ-систем и описания работ.

Индустрия 4.0 диктует свои требования к используемым инструментам, в том числе к моделированию бизнес-процес­сов для их дальнейшей оптимизации посредством внедрения цифровых технологий. Для автоматизации бизнес-процессов предпочтительны BPMN2.0 и IDEF, допускающие разно­уровневое моделирование и обладающие специфическими особенностями. Вместе с тем семейство процессных нота­ций IDEF устаревает по широте функциональных возмож­ностей и графических возможностей визуализации создан­ных моделей, поэтому наиболее приоритетным стандартом для внедрения технологий Индустрии 4.0 остается BPMN2.0.

Подходы к оптимизации бизнес-процессов

Выбор методологии и подхода к анализу бизнес-процес­сов зависит от исходных данных и уровня компетентности персонала, который будет проводить анализ. Укрупненно можно выделить формальный и прагматичный блоки мето­дологий. Альтернативой классификации может выступать разделение методов на количественные и качественные. Во­прос выбора является дискуссионным и требует отдельного рассмотрения.

Формальные методологии имеют разработанные шабло­ны, содержат четкий регламент проведения анализа, при­менение потребует определенных навыков и опыта работы. Формальный подход наиболее целесообразен, если имеются количественные данные для анализа, например на производ­ственных участках. При отсутствии необходимых данных стоит использовать прагматичный подход.

Прагматичный подход традиционно основывается на по­следовательности «планирование - действие - проверка - корректировка», она неразрывно связана с менеджментом качества и используется не только для анализа, но и для оп­тимизации бизнес-процессов. Процесс анализируется с точки зрения соответствия имеющимся требованиям и стандартам, его проверяют с помощью современных методов исследова­ния. Стоит ставить акцент на соответствии выполненных из­менений плановым разработкам.

Цели оптимизации бизнес-процессов уникальны для ка­ждой компании и определяются ее конкретными нуждами, внутренним устройством и отдельными проблемными про­цессами. «Улучшение бизнес-процессов - совокупность методов и подходов, которые дают руководителям ком­пании возможность повысить эффективность ее работы» [SubramanianN., RamanathanR., 2015].

Оптимизация бизнес-процессов может использоваться для того, чтобы:

  • повысить прозрачность деятельности компании для внутренних стейкхолдеров, определять проблем­ные зоны, устанавливать вклад отдельного работника в общий результат и т.д.;
  • классифицировать процессы по влиянию на финан­совый результат компании с целью определить биз­нес-процессы, которые должны быть автоматизирова­ны в первую очередь;
  • повысить качество готовой продукции путем опреде­ления «узких мест» и их устранения.

Качественное проведение улучшений требует системно­го подхода. Существует множество взглядов на этапы про­ведения оптимизации бизнес-процессов. Они отличаются конкретными условиями деятельности и авторами исследо­ваний. В общем случае он выглядит так:

  • Планирование. Выбор процесса, который необходи­мо усовершенствовать, с определением целей, задач и масштабов изменений. Анализ. Детальное изучение выбранного процесса.
  • Редизайн. Определение изменений, которые необходи­мо осуществить для достижения поставленных задач. Построение модели бизнес-процессов «как должно быть» (с отражением KPI).
  • Привлечение ресурсов. Обеспечение проекта всеми ресурсами, необходимыми для его реализации: трудо­выми, материальными, финансовыми и т.д.
  • Тестирование. Проверка инициатив на одном участке. Этап необходим, если оптимизация затрагивает не­сколько подразделений большой компании.
  • Внедрение. Корректировка деятельности в соответ­ствии с разработанными изменениями.
  • Непрерывное совершенствование. Периодическая оценка эффективности оптимизированного биз­нес-процесса и внесение дополнительных изменений в случае необходимости.

Реализация всех представленных выше шагов целесо­образна только в том случае, если изменения достаточно существенны и затрагивают широкий круг вопросов. То же самое относится к детальной проработке и документирова­нию этапов в случае существенного изменения бизнес-про­цессов. При незначительной оптимизации достаточно про­думать каждый шаг.

В условиях внедрения технологий Индустрии 4.0 необ­ходима автоматизация деятельности. Она является одним из возможных результатов улучшений, для ее внедрения ис­пользуется примерно такая же схема, как при оптимизации бизнес-процессов. В зависимости от решаемой задачи могут быть:

  • сокращение количества этапов процесса;
  • исключение лишних шагов из процесса;
  • уменьшение точек согласования;
  • изменение последовательности этапов исполнения;
  • устранение циклов согласования;
  • выстраивание параллельного выполнения процессов;
  • улучшение характеристик этапов процесса;
  • устранение «узких мест»;
  • сокращение излишней детализации.

ОБЗОР ЛУЧШИХ ПРАКТИК ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ

Цифровая трансформация благоприятно сказывается на большинстве ключевых финансовых показателей. Напри­мер, применительно к себестоимости продукции эффект воз­никает за счет оптимизации операционных процессов: ре­монтно-эксплуатационных работ, запуска производственных линий, контроля качества, внутренних складских операций.

Кейсы зарубежных компаний

Считаем полезным рассмотреть передовые практики внедрения технологий Индустрии 4.0 в промышленном про­изводстве зарубежных и отечественных компаний.

Thyssen Krupp AG, один из ведущих мировых произво­дителей лифтов, совместно с Microsoft разработал систему МАХ. Она позволяет строить модели, предсказывающие по­ломку лифта. В режиме реального времени конкретный код поломки передается механику, который устраняет инцидент. Кроме того, создается дополнительная ценность для клиен­та: более надежные и безопасные лифты уменьшают потен­циальные убытки компаний (время бесперебойной работы лифтов выросло в среднем на 50%) [Thyssenkrupp, [s.а.]]. Такой подход к оценке эффективности технологий BigData хорошо подходит для технического обслуживания и ремон­та, так как позволяет сравнить показатели «до» и «после» внедрения.

 

Рис. 2. Цепочка жизненного цикла продукта [The Digital Enterprise, 2015]

 

Известный производитель компьютерных комплектую­щих Intel активно использует технологии BigData для снижения себестоимости продукции. Перед выходом на рынок ка­ждая новая модель процессора проходит около 19 ООО тестов. С помощью системы прогнозной аналитики на основе Big Data и анализа в режиме реального времени удалось сокра­тить продолжительность тестов на 25%. Удается сэкономить 3 млн долл. в год на тестировании линейки IntelCore.

Немецкий концерн Siemens входит в группу лидеров по цифровой трансформации производства. Компания ак­тивно внедряет технологии Индустрии 4.0 в производствен­ные процессы, разрабатывает программное и аппаратное обеспечение для цифрового производства.

Для дискретного и непрерывного производств Siemens предлагает свои наборы информационных систем, которые охватывают разные этапы цепочки жизненного цикла про­дукта (рис. 2).

Для производства дискретного типа наиболее значимы программные системы:

  • Teamcenter. Система поддерживает жизненный цикл изделия: от проектирования до постпродажного об­служивания. Позволяет моделировать изделие и уста­новить коммуникации между всеми участниками процесса производства без использования бумажной документации.
  • Techomatrix. Комплексный пакет решений для циф- ровизации позволяет решать задачи имитационного моделирования, программирования промышленных роботов и осуществлять виртуальную пусконаладку производственных линий.
  • SIMATICIT. Пакет предназначен для построения си­стемы управления производственными процессами (MES-системы). Преимуществом является возмож­ность моделирования сложных деловых процессов и структур производства, сохраняется их прозрачность и независимость от функционирования реальных си­стем управления.
  • Облачная система MindSphere. Использование си­стемы совместно с технологиями Интернета вещей позволяет связать реальные производственные пло­щадки с их цифровым двойником. Примеры исполь­зования данной облачной системы представлены в табл. 1 [MindSphere, 2017].

 

Таблица 1

Эффект внедрения облачной системы MindSphere

Сфера использования

Эффект

Konecranes

Прогнозирование отказов техники во избежание простоев. Предложение дополнительных услуг для клиентов

Уменьшение времени простоев на 10%. Увеличение дохода от услуг на 12%

Coca-Cola

Мониторинг малых двигателей. Прогнозирование отказов двигателей во избежание простоев

Снижение расходов на техническое обслуживание на 5%. Уменьшение времени простоев на 15%

Siemens

Увеличение сроков службы оборудования.

Улучшение процесса обслуживания. Прогнозирование отказов во избежание простоев

Уменьшение времени простоев оборудования на 10%

 

Разработки для Индустрии 4.0 прежде всего использует сам концерн Siemens. Целесообразность перехода на цифро­вые технологии показывает завод Electronics Works Amberg в Еермании. Предприятие выпускает широкий ассортимент продукции: датчики, регуляторы, контроллеры и т.д. Про­изводственные процессы автоматизированы на 75%, авто­матически производится свыше 1200 артикулов продукции. Уровень качества достигает 99,9% [Какумный завод, [б.г.]].

Инструменты цифровизации успешно внедряет и про­изводитель эксклюзивных автомобилей Maserati. Цифро­вой двойник производства новой модели Maserati Ghibli, созданный в программных решениях NX, Technomatrix и Teamcenter компании Siemens PLM Software, позволил:

  • сократить финансовые и временные ресурсы на прове­дение тестов;
  • уменьшить период разработки автомобиля в два раза, с 30 до 15 месяцев;
  • увеличить максимальный объем выпуска машин в 3 раза.

Несмотря на снижение операционных расходов, компа­нии удается поддерживать высокие стандарты качества. Тех­нологии цифровизации обеспечивают эффективную органи­зацию серийного производства, даже если партия состоит из одного изделия. Это позволяет повысить гибкость произ­водства и учитывать индивидуальные предпочтения заказчи­ков. Так, сейчас выпущено порядка 70 000 уникальных мо­дификаций Maserati Ghibli, одного из самых востребованных автомобилей компании.

Кейсы российских компаний

ПАО «Еазпром нефть» уделяет пристальное внимание технологиям Индустрии 4.0. Примером успешного исполь­зования инструментария BigData стал пилотный проект «Аналитика самозапусков установок электроцентробежных насосов после аварийных отключений электроэнергии». Его реализацией занимались специалисты из ПАО «Еазпром нефть» и ООО «Teradata» [Хасанов М. М., Прокофьев Д. О., Ушмаев О. С. и др., 2017]. Было использовано более 200 млн записей, полученных с контроллеров систем управления на 1649 скважинах, а также записи рестартов напряжения из аварийных журналов. В рамках проекта удалось сфор­мировать и проверить комплекс гипотез о причинах сбоев при автозапуске [Гришина А., 2017].

ПАО «Газпром нефть» внедряет технологии Индустрии 4.0 для управления процессами добычи [Цифровизация, 2018]. Компания внедрила систему «Когнитивный геолог» на основе искусственного интеллекта с целью сократить вре­мя на рутинные анализы геологических объектов. В резуль­тате процедура сбора, обработки и интерпретации информа­ции снизится в шесть раз (с одного года до двух месяцев).

С 2017 года ПАО «СИБУР Холдинг» активно занимается совершенствованием бизнес-процессов в области газопере- работки и нефтехимии. Повсеместная цифровая трансфор­мация является одной из стратегических целей СИБУРа. Отдел цифровых технологий обеспечивает создание и вне­дрение технологий Индустрии 4.0 (дополненная и виртуаль­ная реальность, Интернет вещей, машинное обучение) во все бизнес-процессы.

Компания обладает ИТ-фундаментом, который необхо­дим для дальнейшей цифровизации, однако полная интегра­ция систем еще не достигнута. Существующая информаци­онная система позволяет тестировать и внедрять различные инициативы: от цифровой логистики до искусственного ин­теллекта.

В процессы технического обслуживания и ремонта ак­тивно внедряются:

  • NFC-метки. С помощью меток сотрудники могут опе­ративно получать информацию об агрегате и работах, которые необходимо выполнить.
  • Предикативное обслуживание оборудования. Имею­щаяся база данных позволила создать математическую модель, которая с точностью 72% предсказывает, ког­да произойдет отказ экструдера, вала или гранулятора. В результате количество аварийных остановок умень­шилось в 5 раз.
  • Мобильные решения для ремонта оборудования. Пи­лотный проект запущен в Воронеже: ремонтные бри­гады отправляют посредством мобильных устройств фотографии в соответствующую службу, которая в ре­жиме реального времени консультирует сотрудников.

Процесс производства также удалось оптимизировать с помощью технологий Индустрии 4.0. Собран большой массив данных с датчиков, установленных на линиях про­изводства полипропилена. Анализ с помощью технологий BigData позволил выявить корреляции между некоторыми параметрами производства и количеством обрывов пленки. Корректировка выявленных параметров позволила умень­шить количество обрывов в 10 раз и значительно увеличить скорость работы оборудования.

Оптимальный режим работы установки для пиролиза установить достаточно проблематично, поскольку процесс требует разных наборов исходных параметров и качества сы­рья. Для повышения эффективности производства внедрена система, которая дает операторам рекомендации, как скор­ректировать некоторые параметры производства. На основе анализа предыдущих производственных циклов на панель информации подается информация о влиянии технологиче­ского режима на экономическую эффективность производ­ства.

Группа HJIMK - один из крупнейших в России произ­водителей стали. Основными направлениями инвестицион­ного цикла, который формировался в 2017 году, являются повышение эффективности бизнес-процессов, развитие сы­рьевой базы, укрепление позиций на стратегических рынках и повышение безопасности производства. Для достижения поставленных целей Группа планирует использовать техно­логии Индустрии 4.0 во всех производственных процессах. Комплексная дигитализация позволит достичь синергетиче­ского эффекта от внедряемых изменений.

На этапе проектирования и разработки компания внедря­ет технологию визуализации и создания проектной докумен­тации (Building Information Modeling). Данная технология позволяет создавать трехмерную модель агрегата, оцифро­вать все инженерные, технические, стоимостные и эксплу­атационные характеристики объекта; сформировать комму­никационную платформу для эффективного взаимодействия всех заинтересованных сторон. Отличительной особенно­стью является совмещение всех информационных систем компании, которое позволяет автоматически определять объ­ем необходимых материалов и затрат при моделировании.

Группа НЛМК большое внимание уделяет техническому обслуживанию и ремонту оборудования, прежде всего пере­ходу от реактивного обслуживания к превентивному и про­активному. В основе проактивной системы лежит внедрение инструментов обеспечения надежности. Для их эффектив­ного функционирования необходимо:

  • собирать информацию об оборудовании;
  • устанавливать связь между сбоями оборудования и си­стемой обслуживания;
  • точно определять фактический остаточный ресурс оборудования;
  • производить ремонт или обновление части обору­дования только с критическим уровнем остаточного ресурса.

Внедрение проактивной системы позволяет существенно повышать экономическую эффективность: снижаются по­тери, вызванные остановкой оборудования для проведения различных ремонтных работ, увеличивается срок полезного использования оборудования, сокращается потребность ме­нять запчасти раньше времени. Однако отказываться от пре­вентивного и реактивного обслуживания нецелесообразно, поскольку оно эффективно в отношении отдельных видов машин.

Проактивную систему технического обслуживания и ре­монта удалось реализовать благодаря прогнозной модели, которая позволяет предсказывать выход из строя фурм до­менной печи «Россиянка» на 20 дней вперед. Эффект про­екта: повышение производительности доменной печи, со­кращение числа внеплановых простоев, увеличение срока полезного использования фурм на 20%, что в денежном эк­виваленте составляет более 60 млн руб. экономии в год [Ис­кусственный интеллект, 2018]. В дальнейшем планируется масштабирование решения на другие доменные печи компа­нии с плановой точностью прогноза 40% и ожидаемой эко­номией - 150 млн руб. в шд.Высокий уровень автоматизации данного оборудования позволяет внедрять в производствен­ные процессы технологии на базе искусственного интеллек­та. Анализ текущих практик и массива данных, полученных с помощью датчиков и лабораторных исследований, позво­лил определить наиболее значимые предикторы - ключевые факторы для прогнозирования. Они легли в основу модели прогара фурм - основных составляющих печи, через кото­рые подается воздух. Модель была построена с использова­нием машинного обучения и двух решений компании SAP:

  • SAPPredictiveAnalytics - создание и обучение прогноз­ных моделей в полуавтоматическом режиме;
  • SAPMaintenance& Services - анализ входных перемен­ных и формирование прогноза технического состояния оборудования.

Большой потенциал НЛМК видит в использовании тех­нологий BigData, машинного обучения и искусственного интеллекта в производственных процессах. Оптимизация нацелена на экономию ферросплавов - дорогостоящих при­садок, работы ТЭЦ и поиск причин дефектов производства. Ожидаемый экономический эффект от реализации десяти проектов, подразумевающих использование технологий Ин­дустрии 4.0, оценивается в 3 млрд руб.

Также можно отметить использование передовых за­рубежных наработок в отечественных компаниях. ПАО «КАМАЗ» ведет активную работу по модернизации соб­ственного производства с 2006 года. В частности, реализо­ван проект по использованию программных продуктов не­мецкого концерна Siemens. На первом этапе цифровизации внедрены программные продукты немецкого концерна (NX, Teamcenter и Technomatrix), освоена технология электронно­го макета, внедрено 3 D-моделирование, отлажены процессы электронного документооборота и получен опыт ведения расчетов в САЕ-системах.

  • Далее планируется произвести автоматизацию техно­логической подготовки производства, в том числе про­ектирования технологических процессов изготовления и сборки изделия, расчета управляющих программ для станков с ЧПУ, подготовки библиотек.

Внедряемые технологии использовались при разра­ботке и проектировании новых магистральных грузовиков КАМАЗ-5490. Все задействованные подразделения приме­няли только цифровые решения. Одним из приоритетных направлений стала работа по созданию цифровых двойни­ков изделия и процесса производства [«КАМАЗ», 2017]. В табл. 2 представлена сводная информация о рассмотрен­ных практических кейсах.

 

Таблица 2

Кейсы внедрения технологий Индустрии 4.0 на производстве

Кейс компании

Внедряемые технологии Индустрии 4.0

Эффект

Зарубежные компании

ThyssenKmpp

Имитационное

моделирование

•    Снижение затрат на ремонт одной единицы продукции на 300 долл.

•    Повышение времени бесперебойной работы лифтов на 50%

Siemens

Облачные технологии

• Снижение простоев оборудования на 10%

Maseratti

Цифровой двойник

• Снижение времени разработки прототипов на 30%

Российские компании

Сибур

Прогнозная аналитика на базе BigData

•    Снижение аварийных остановок оборудования в 5 раз

•    Снижение числа случаев дефектов в 10 раз

Еазпром нефть

Искусственный интеллект

• Снижение времени сбора и анализа данных в 6 раз (ожидаемый эффект)

КАМАЗ

Создание цифровых двойников

•    Число доработок оснастки грузовиков сократилось на 50%

•    Время реализации проектов средней сложности снизилось в 2 раза

НЛМК

Машинное обучение и прогноз­ная аналитика на базе BigData

• Увеличение срока полезного использования комплектующих оборудования на 20%

 

 

ВЫВОДЫ И ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ

Результатом успешного моделирования должно стать пригодное для анализа процессное описание производ­ственного процесса. Анализ, как и моделирование, может быть осуществлен на разных уровнях: от абстрактного по­нимания разрывов в блок-схемах до детального описания всех низкоуровневых процессов. Анализ должен создавать ценность для бизнеса, поэтому всегда стоит определять его рамки и глубину, исходя из поставленной задачи. В случае внедрения технологий Индустрии 4.0 аналитическая прора­ботка бизнес-процесса может доходить до конкретного дей­ствия. Для внедрения инноваций в наиболее перспективные бизнес-процессы последние стоит ранжировать по степени приоритетности. Чаще всего критериями являются:

  • Важность бизнес-процесса, которая определяется до­лей вклада конкретного процесса в достижение ключе­вых задач организации. Как повлияет на KPI по росту прибыли оптимизация процесса оформления наклад­ных - стоит ли улучшать данный процесс, или есть процессы, оптимизация которых даст больший эффект.
  • Проблемность бизнес-процесса, то есть каков разрыв между фактическим и плановым положением вещей (отличие «как есть» от «как должно быть»), В зависи­мости от разработанных критериев оценки результата проблемность может выражаться в процентах, денеж­ных единицах, баллах и др.
  • Возможность реализации изменений, которая оцени­вается в затратах на ресурсы для работ по повышению эффективности бизнес-процессов.

Разработанные критерии анализа и перечень бизнес-про­цессов, которые можно улучшить, удобно представить в виде матрицы с системой оценивания (табл. 3).

 

Таблица 3

Пример матрицы оценивания бизнес-процессов

Процесс

Важность

Проблемность

Возможность

изменений

Итого

Закупка сырья и материалов

5

2

3

10

Производство полимеров

4

4

3

11

Поиск и подбор персонала

4

3

5

12

 

Каждый процесс оценивается по критерию от 1 до 5, где 1 - минимальная, а 5 - максимальная оценка. Баллы начисля­ются экспертным методом. Существует несколько подходов к осуществлению данной процедуры. Метод распределения бюджета позволяет экспертам давать оценки по установлен­ным критериям. Нередко используется метод анализа иерар­хии, который предполагает попарное сравнение процессов по выбранным факторам [Subramanian N., Ramanathan R., 2015]. Сумма баллов позволит определить последователь­ность их оптимизации, исходя из получаемого эффекта. Ис­пользование подобной матрицы значительно упростит про­цедуру оценки проблематичности бизнес-процессов.

Таким образом, внедрение технологий Индустрии 4.0 должно обеспечить: снижение затрат на ремонт, сокращение времени сбора и анализа данных, снижение числа дефек­тов, снижение аварийных остановок и количества ремонтов, увеличение срока полезного использования оборудования и комплектующих. Однако любое изменение должно быть оправдано и преследовать определенные цели. В противном случае значительно возрастает риск внедрения неэффектив­ных улучшений, которые сопровождаются возникновением дополнительных издержек.

Об авторе

А. Л. Лисовский

Россия
Кандидат экон. наук, генеральный директор АО «НПО «Криптен». Область научных интересов: формирование стратегии развития промышленных компаний, управление изменениями, трансформация промышленного производства


Список литературы

1. Гришина А. (2017) 7 кейсов использования технологий BigData в сфере производства //habr.URL: https://habr.com / company / newprolab / blog / 325550 / .

2. Искусственный интеллект – уже на НЛМК (2018) // Металлоснабжение и сбыт. URL. http://www.metalinfo.ru / ru / news / comments101473.html.

3. Как умный завод Siemens использует данные для повышения качества продукции и улучшения продуктивности работы ( [б.г.]) // Intel. URL: https://www.intel.ru / content / www / ru / ru / internet-of-things / iot-siemens-smart-factory.html.

4. «КАМАЗ» и компания «Сименс АГ» подписали соглашение о сотрудничестве (2017) // KAMAZURL: https://kamaz.ru / press / releases / kamaz_i_kompaniya_simens_ag_podpisali_soglashenie_o_sotrudnichestve / .

5. Кондратюк Т. В. (2018) Четвертая промышленная революция: какие компетенции необходимы сотрудникам? // Стратегические решения и риск-менеджмент.

6. № 3. С. 66–79.

7. Налбандян Г. Г., Ховалова Т. В. (2018). Концепция Интернета энергии в России: драйверы и перспективы // Стратегические решения и риск-менеджмент.

8. № 3. С. 60–65.

9. Свод знаний по управлению бизнес-процессами: BPM CBOK 3.0 (2015). М.: Альпина Диджитал. 480 с.

10. Тарасов И. В. (2018) Технологии индустрии 4.0: Влияние на повышение производительности промышленных компаний // Стратегические решения и риск-менеджмент. № 2 (107). С. 62–69.

11. Тарасов И. В., Попов Н. А. (2018). Индустрия 4.0: Трансформация производственных фабрик // Стратегические решения и риск-менеджмент. № 3. С. 38–53.

12. Трачук А. В. (2014). Бизнес-модели для гиперсвязанного мира // Управленческие науки современной России:

13. В 2 т. СПб.: Реальная экономика. Т. 1, ч. 1. С. 20–26.

14. Трачук А., Тарасов И. (2015). Исследование эффективности инновационной деятельности организаций на основе процессного подхода // Проблемы теории и практики управления. № 9. С. 52–61.

15. Трачук А. В., Линдер Н. В. (2017) Распространение инструментов электронного бизнеса в России: результаты эмпирического исследования // Российский журнал менеджмента. Т. 15, № 1. С. 27–50.

16. Трачук А. В., Линдер Н. В. (2018а) Технологии четвертой промышленной революции: исследование технологического принятия промышленными компаниями с помощью метода нелинейных главных компонент (NLPCA) // Управленческие науки в современном мире. Т. 1, № 1. С. 4–14.

17. Трачук А. В., Линдер Н. В. (2018 б) Четвертая промышленная революция: как влияет Интернет вещей на взаимодействие промышленных компаний с партнерами // Стратегические решения и риск-менеджмент,

18. № 3 (108). С. 16–29.

19. Трачук А. В., Линдер Н. В., Тарасов И. В. и др. (2018) Трансформация промышленности в условиях четвертой промышленной революции / Под ред. А. В. Трачука. СПб.: Реальная экономика. 146 с.

20. Трачук А. В., Линдер Н. В., Убейко Н. В. (2017). Формирование динамических бизнес-моделей компаниями электронной коммерции // Управленец. № 4 (68).

21. С. 61–74.

22. Хаммер М., Чампи Д. (2011) Реинжиниринг корпорации: манифест революции в бизнесе. М.: МИФ. 288 с.

23. Хасанов А. Р. (2018) Влияние предиктивной аналитики на деятельность компаний // Стратегические решения и риск-менеджмент. № 3. С. 108–113.

24. Хасанов М. М., Прокофьев Д. О., Ушмаев О. С. и др.

25. (2017) Перспективные технологии bigdata в нефтяном инжиниринге: опыт компании «Газпром Нефть» // Газпром Нефть. URL: http://www.ntc.gazprom-neft.ru / research-and-development / papers / 13596 /

26. Цифровизация – это фундаментальный тренд (2018) // Сибирская нефть. № 4. URL: http://www.gazpromneft.ru / files / journal / SN151.pdf.

27. Шеер А. В. (1999) Бизнес-процессы. Основные понятия. Теория. Методы. М.: Весть-Метатехнология. 173 с.

28. Drucker P. F. Management: Tasks, responsibilities, practices. New York: Truman Talley Books – E. P. Dutton, 1986. 553 p.

29. Embracing Industry 4.0 – and Rediscovering Growth // BCG. URL: https://www.bcg.com / capabilities / operations / embracing-industry-4.0‑rediscovering-growth.aspx.

30. Hofmann E., Rüsch M. (2017) Industry 4.0 and the current status as well as future prospects on logistics // Computers in Industry. Vol. 89. P. 23–34.

31. ISO 9000 (2015) Системы менеджмента качества. Основные положения и словарь (русская версия) // voenmeh.ru. URL: http://www.voenmeh.ru / images / docs / otdel-kachestva-obraz / ISO_9000-2015‑polozheniya.pdf.

32. Kaplan R. S., Norton D. P. (1996) Using the balanced scorecard as a strategic management system // Harvard Business Review. Vol. 74, № 1. P. 75–85.

33. Kemp R., Loorbach D. (2003) Governance for sustainability through transition management // Paper for Open Meeting of the Human Dimensions of Global Environmental Change Research Community. October 16–19, Montreal, Canada. URL: http://meritbbs.unimaas.nl / rkemp / Kemp_and_Loorbach.pdf.

34. Lee J., Bagheri B., Kao H. A. (2015) A cyber-physical systems architecture for industry 4.0‑based manufacturing systems //Manufacturing Letters. Vol. 3. P. 18–23.

35. MindSphere. Открытая облачная платформа (2017) // Цифровая трансформация производств. URL: http://industry-software.ru / conf2017 / slides / 08‑Mikhaylin-MindSphere-open_platform_for_the_IoT_from_Siemens.pdf.

36. Pfeiffer S. (2017) The vision of «Industrie 4.0» in the making – a case of future told, tamed, and traded // NanoEthics. Vol. 11, № 1. P. 107–121.

37. Porter M. E. (1991) Towards a Dynamic Theory of Strategy // Strategic Management Journal. Vol. 12. Special Issue: Fundamental Research Issues in Strategy and Economics. P. 95–117.

38. Rojko A. (2017) Industry 4.0 concept: background and overview // International Journal of Interactive Mobile Technologies. Vol. 11, № 5. P. 77–90.

39. SIMATICIT – для построения MES-систем ( [б.г.]) // Siemens. URL: https://w5.siemens.com / web / ua / ru / iadt / about / references / gaz / broschures / Documents / Simatic_IT_r.pdf.

40. Subramanian N., Ramanathan R. (2012) A review of applications of Analytic Hierarchy Process in operations management // International Journal of Production Economics. Vol. 138, № 2. P. 215–241.

41. The Digital Enterprise 2D / 3D Simulation Software from Siemens (2015) // Siemens. URL: https://dau.dk / Content / file_knowledge_item / DAU_3D_simulering_v1‑siemens_226_INT.pdf.

42. Wiktorsson M., Noh S. D., Bellgrana M. et al. (2018) Smart Factories: South Korean and Swedish examples on manufacturing settings //Procedia Manufacturing. Vol. 25. P. 471–478.

43. Zhou K., Liu T., Zhou L. (2015) Industry 4.0: Towards future industrial opportunities and challenges // 12th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD) / IEEE. P. 2147–2152.


Для цитирования:


Лисовский А.Л. ОПТИМИЗАЦИЯ БИЗНЕС- ПРОЦЕССОВ ДЛЯ ПЕРЕХОДА К УСТОЙЧИВОМУ РАЗВИТИЮ В УСЛОВИЯХ ЧЕТВЕРТОЙ ПРОМЫШЛЕННОЙ РЕВОЛЮЦИИ. Стратегические решения и риск-менеджмент. 2018;(4):10-19. https://doi.org/10.17747/2078-8886-2018-4-10-19

For citation:


Lisovsky A.L. OPTIMIZATION BUSINESS PROCESSES FOR TRANSITION TO A SUSTAINABLE DEVELOPMENT IN THE CONDITIONS OF THE FOURTH INDUSTRIAL REVOLUTION. Strategic decisions and risk management. 2018;(4):10-19. (In Russ.) https://doi.org/10.17747/2078-8886-2018-4-10-19

Просмотров: 452


ISSN 2618-947X (Print)
ISSN 2618-9984 (Online)