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:

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.

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:

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:

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.

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:

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:

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.

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:

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:

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:

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.

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.

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:

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:

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.

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:

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:

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:

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.

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.

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:

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

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.