Улучшению процесса производства в разные периоды развития промышленности уделялось большое внимание. Работы Г. Форда (Ford, Crowther, 1922), У Деминга (Deming, 1943), Ф. Тейлора (Taylor, 1911), Г. Ганта (Gantt, 1903) и дру­гих заложили теоретическую основу современных методов повышения эффективности производственных предприятий. Во многих компаниях производственного сектора широкое распространение получили «шесть сигм», всеобщая систе­ма управления качеством (Total Qmlity Management, TQM), «точно в срок» (Just-in-Time, JIT). На сегодняшний день на­блюдается активный интерес научного сообщества к фено­мену Индустрии 4.0 (Лисовский, 2018; Тарасов, Попов, 2018; Roblek, Mesko, Krapez, 2016). Технологии четвертой про­мышленной революции (Индустрии 4.0) делают возможным проведение оптимизационных мероприятий производствен­ных процессов на качественно новом уровне с использова­нием цифровых технологий.

Консалтинговая компания PwC выделяет восемь основ­ных технологий Индустрии 4.0: блокчейн, беспилотные устройства, трехмерную печать, виртуальную реальность, дополненную реальность, Интернет вещей, искусственный интеллект, роботов (Пуха, 2017). У них большой потенциал в совершенствовании производственных процессов при ком­плексном и системном использовании. На сегодняшний день крупные отечественные и зарубежные компании активно изу­чают возможность внедрить цифровые технологии для оп­тимизации ключевых бизнес-процессов. Значительных ре­зультатов удалось достичь ПАО «НЛМК», ПАО «СИБУР», Siemens AG, Intel и другим отраслевым лидерам (Лисовский, 2018). Внедрение цифровых технологий позволит сократить расходы по отдельным статьям до 30% (Rojko, 2017).

Целью данной работы является изучение подходов к оп­тимизации производственных процессов с использованием цифровых технологий. Центральный объект исследования - внедрение цифровых технологий в наиболее существенные и распространенные производственные бизнес-процессы: планирование производства, обслуживание оборудования и контроль качества.

Организация процесса планирования производства часто влияет на общую эффективность производственного процес­са, поскольку на данном этапе производства распределяется нагрузка на оборудование. Нерациональное использование мощностей может привести к простоям и снижению объема выпуска продукции. Эффективный процесс планирование подразумевает:

Прогнозирование, как правило, производится при по­мощи количественных методов. Наиболее распространены методы подсчета потенциального спроса на продукцию про­мышленной компании, которая осуществляет как типовые, так и нетиповые заказы: метод коэффициентов, линейная регрессия и нейросети (табл. 1). Выбор метода прогнозиро­вания обусловлен наличием отлаженной системы сбора дан­ных и способностью компании их анализировать. По сравне­нию с нейросетью линейная регрессия (более простой метод) дает погрешности в прогнозировании всего на I процентный пункт выше (Dean, Xue, Tu, 2009). При этом для внедрения и содержания нейросети требуется команда высокопрофес­сиональных программистов, сервера для хранения и обра­ботки данных, а также значительные временные ресурсы. Регрессионный анализ менее чувствителен к технологиям и объему финансирования (Сербул, 2018).

Для оценки возможностей производства необходимо описать, сколько ресурсов потребуется в расчете на едини­цу продукции, разработать несколько вариантов выполнения заказа, распределить нагрузку между цехами. С учетом по­тенциального спроса также может быть оценен минималь­ный объем необходимой готовой продукции типового вида для снижения рисков невыполнения заказов.

На основе факторов себестоимости и скорости выполне­ния заказа выбирается наиболее выгодная альтернатива. Мо­ниторинг выполнения планов необходимо производить на ос­нове системы ключевых показателей эффективности. Чаще всего предлагается использовать показатели результативности с учетом сроков и планового ресурсного обеспечения (чело­веко-часы, время использования оборудования и материалы) (Chae, 2009). Впоследствии система мониторинга может быть автоматизирована за счет внедрения CRM-системы. При пла­нировании производственных циклов должны быть заложены риски: возможная отмена заказа, исполнение более срочного заказа. Корректировка должна производиться системно, на ос­нове анализа достижения предыдущих планов и дополнитель­ных индивидуальных сведений о текущих заказах.

Износ оборудования приводит к увеличению операцион­ных расходов на его обслуживание, повышению риска сни­жения качества. Для минимизации негативных последствий от износа оборудования многие компании внедряют различ­ные стратегии технического ремонта и обслуживания (Ding, Kamaruddin, 2015). Профилактическое обслуживание пред­полагает проведение системных проверок и прогнозных ана­литических мероприятий для предотвращения случаев неис­правности. Корректировочное обслуживание представляет собой меры по ремонту оборудования после того, как оно вышло из строя.

Для технического обслуживания и ремонта (ТОиР) обору­дования выделены три основные концепции: всеобщее про­изводственное обслуживание (Total Productive Maintenance), обслуживание, основанное на надежности (Reliability Centered Maintenance), и обслуживание, основанное на биз­нес-задачах (Business Centered Maintenance) (Tinga, 2013). С позиций автоматизации наибольший интерес представля­ет концепция обслуживания, основанного на надежности, так как ее центральным элементом выступает оборудование, в частности его техническое состояние.

При обслуживании, основанном на надежности, акцент делается на превентивные меры. Методология данной кон­цепции позволяет ответить на три вопроса:

Концепция может быть внедрена посредством выполне­ния следующих действий:

Индустрия 4.0 содержит широкий спектр технологий, которые позволяют компаниям использовать возможности цифровизации и в сфере ТОиР. Так, на Новолипецком метал­лургическом комбинате замена фурм доменной печи «Рос­сиянка» осуществляется в соответствии с моделью прогара данного элемента оборудования, построенной с использова­нием машинного обучения. В основу модели легло изучение текущих практик, сбор массива исторических данных, полу­ченных с помощью датчиков и лабораторных исследований. Проводятся прогнозирование выхода оборудования из строя и своевременная замена фурм. Эффект от замены фурм в со­ответствии с рекомендациями модели оценивается в разме­ре 120 млн руб. в год (Аршавский, 2018). В ПАО «СИБУР» на каждом агрегате установлены NFC-метки по технологии коммуникации ближнего поля (Near Field Communication, NFC). С помощью планшета сотрудник может считать с NFC-метки всю необходимую информацию по обслужи­ванию и ремонту отдельной единицы оборудования. После завершения обслуживания фиксируются все необходимые данные по выполненным работам (Тарасов, Попов, 2018).

В научной литературе можно найти большое количе­ство работ, посвященных изучению причин возникновения дефектов на производстве. Обзор научных трудов, пред­ставленный в работе Хардинга, позволяет сформировать полную картину ключевых факторов, влияющих на сниже­ние качества производимой продукции (Harding,Shahbaz, Srinivasetal., 2006). Недостаточное понимание распростра­ненных причин возникновения дефектов вынуждает орга­низацию нести существенные финансовые и репутационные потери (Chongwatpol, 2015). Однако в конкретной компании общие факторы приобретают частное воплощение. Для рас­познавания дефектов, причин их возникновения, классифи­кации и применения соответствующих мер корректировки может быть организована система контроля качества про­изводственных процессов. В соответствии с практикой кон­салтинговой компании Renishaw данная система может быть представлена в виде четырехуровневой пирамиды: контроль качества разделен на информационный (готовая продукция), активный (процесс производства), прогнозный (оборудова­ние и материалы), профилактический (внешние факторы) (O’Regan, Prickett, Setchi et al., 2017) (рис. 1).

Профилактический контроль. Основу контроля обе­спечивает система мониторинга состояния контролируемого параметра и автоматизированная корректировка его значе­ния до требуемой величины в режиме реального времени. С помощью цифровых датчиков и Интернета вещей можно точно настроить ход процесса и оптимальную регулировку. Например, в производственных помещениях большое вни­мание уделяется среде, прежде всего влажности и темпера­туре воздуха.

Контроль за температурой обеспечивают система включателей, пропорциональная и интегральная системы (Temperature controller basics, [s.а.]). Для системы включа­телей задается оптимальное температурное значение, кото­рое необходимо поддерживать внутри помещения. В случае отклонения от данного значения система автоматически начинает нагревать/охлаждать воздух до достижения оп­тимальной точки. При внедрении системы включателей, как правило, задается температурный диапазон, чтобы обо­гревательная система не запускалась при минимальных от­клонениях. Подобные решения являются наиболее просты­ми и относительно дешевыми.

Пропорциональные системы температурного контро­ля действуют по более сложному алгоритму: оптимальные точки могут выстраиваться в зависимости от времени. Это актуально на производстве, где на разных стадиях нужно поддерживать различные условия.

Интегральные системы не только учитывают условия среды, но и способны изменять оптимальные температурные точки в зависимости от объемов производимой продукции. Это позволяет оперативно реагировать на резкие изменения специфики производственного процесса.

Прогнозный контроль. В рамках перехода к Инду­стрии 4.0 особое значение приобретает разработка мер по минимизации уровня дефектов на производстве. Среди факторов, которые могут быть причиной дефектов продук­ции, в научных работах упоминались исправность оборудо­вания, качество входных материалов, продолжительность рабочей смены (как фактор усталости рабочих) и опыт ра­ботников (Leachman, Pegels, Kyoon Shin, 2005). Отмечается, что для анализа причинно-следственных связей между де­фектами в производстве и потенциальными факторами чаще всего используются эконометрические методы: дерево реше­ний, регрессионные модели, нейросети и кластерный анализ (Hazen, Boone, Ezell et al., 2014).

Для сокращения доли бракованной продукции на про­изводстве может быть организована аналитическая система мониторинга дефектов. При ее построении, как правило, используется межотраслевой стандартный процесс для ис­следования данных (Cross-Industry Standard Process for Data Mining, CRISP-DM). Методология CRISP-DM предполагает шесть этапов внедрения:

Для комплексного снижения уровня брака важно диагно­стирование дефектов. Предлагается три подхода к данному процессу: контрольный реестр, стратификация расходов и кластерный анализ (Chongwatpol, 2015).

Контрольный реестр предполагает учет выявленных дефектов посредством двоичного кода (1 - обнаружен де­фект, 0 - нет дефекта). Наличие дефекта определяется пре­вышением нормативных значений по заданным критериям качества. В таблице также прописываются:

Пример контрольного реестра для учета дефектов на про­изводстве представлен в табл. 2. Контрольный реестр прост, удобен и практичен в использовании, поскольку позволяет не только вести мониторинг дефектов, но и проводить ана­лиз факторов. Он позволяет выявлять факторы, которыми обусловлены отклонения от нижней и верхней границ диа­пазона параметра качества. Для наглядности может быть использован графический метод: графическое изображение точек отклонения от допустимого диапазона повышает уро­вень интуитивной интерпретации данных контрольного рее­стра. Таким образом, наиболее целесообразно использовать табличный и графический способы отображения информа­ции для выявления дефектов.

Стратификация расходов анализирует дефекты продук­ции с точки зрения финансовых последствий. Если партия продукции оказалась бракованной, то компания несет допол­нительные расходы на материалы, оплату работы сотрудни­ков, выплату неустойки заказчику и т.д. Стратификация рас­ходов предполагает подсчет специальных показателей:

Данные метрики позволяют квалифицировать группы то­варов в зависимости от расходов из-за брака.

Для классификации видов продукции по стоимости брака могут быть использованы различные подходы: метод ABC- анализа (Kampf, Lorincova, Eiitka et al., 2016), методы на ос­нове дерева решений (Kim, Oh, Jung et al., 2018), пошаговая регрессия для построения прогнозной модели потенциаль­ных затрат на бракованную продукцию в рамках планового периода (Квасова, Целых, 2012). Смысл стратификации рас­ходов заключается в том, что контролеры качества и старшие сотрудники по смене в первую очередь могут уделять вни­мание тем видам продукции, где брак вызывает наибольшие финансовые последствия.

Кластерный анализ обеспечивает многомерный анализ процессов производства. Е1екоторые виды готовой продук­ции могут иметь схожие характеристики: материалы и обо­рудование, требуемое количество человеко-часов, необхо­димые температурные условия и т.д. Кластерный анализ позволяет сформировать группы продукции, которые близки с точки зрения процессов производства. Метод к средних (k-means) - наиболее простой и популярный метод класте­ризации. В рамках каждой группы процент потенциального брака может разниться, в связи с чем подходы к контролю ка­чества производственных процессов могут отличаться при­менительно к разным кластерам (Chongwatpol, 2015).

В рамках прогнозного контроля отдельного упоминания заслуживает метод быстрого прототипирования. Данный метод позволяет значительно сокращать время и ресурсы на подготовку макетов (Rayna, 2016). Быстрое прототипи­рование объединяет группу технологий и технологических процессов, использующих трехмерную печать на базе ком­пьютерного моделирования. Е1аиболее распространены сле­дующие технологии быстрого прототипирования:

В контексте контроля качества и предотвращения де­фектов приведем пример. Компания Lin Engineering (Lin Engineering, 2017) специализируется на производстве ги­бридных двигателей. Основное производство базирует­ся в Китае, головной офис и распределительный центр - в США. В случае поставки дефектной продукции компания несла существенные расходы на отправку брака обратно на завод. Внедрение системы статистического процессного контроля с использованием облачных технологий позволила в режиме реального времени контролировать производство на китайском заводе из штаб-квартиры в США. В случае вы­явления дефектов система автоматически формирует элек­тронное сообщение с описанием проблемы задолго до от­правки партии.

Активный контроль. Работа по устранению выяв­ленных дефектов проводится в рамках производственного процесса. Для контроля за качеством линий разрезов могут быть использованы промышленные камеры. Камеры могут иметь термальные сенсоры, которые позволяют замерять температуру запасов и готовой продукции на любой стадии производственных процессов. Техническими средствами выявляются дефекты, которые невидимы для человеческо­го глаза, процесс автоматизирован. Следовательно, фактор человеческой невнимательности или усталости может быть полностью исключен. В случае выявления дефектов камеры могут передавать сигнал в центральную систему оповеще­ния, тем самым предотвращая возникновение выявленного дефекта во всей партии. Одним из поставщиков подобных технических решений является Allied Vision. Также суще­ствуют камеры со встроенными цветовыми сенсорами, кото­рые могут осуществлять контроль за качеством наложенной краски. Подобные решения поставляются компанией Omron.

Информативный контроль направлен на качество про­изведенной продукции. Основной задачей является описание и внедрение процесса мониторинга отгружаемой продукции и работы с претензиями потребителей. Цифровые техноло­гии дают широкие возможности для построения соответ­ствующей информационной системы. Так, вся информация о претензиях со стороны потребителей может храниться в облачном хранилище. Эго позволит упростить проведе­ние мониторинга баз данных и облегчить доступ к инфор­мации для различных подразделений. Электронная система документооборота позволяет структурировать имеющуюся информацию в организации и осуществлять быстрый обмен файлами, например посредством NFC-меток.

Цифровые технологии облегчат работу экспертных ко­миссий по устранению дефектов на предприятиях. Совеща­ния экспертов можно проводить дистанционно, посредством электронных средств коммуникаций. Эксперт - представи­тель подразделения формирует рекомендации в зоне своей ответственности. Для каждого подразделения должно быть установлено временное ограничение по формированию ре­комендаций. После получения рекомендаций от всех членов комиссии производственный отдел должен принять соответ­ствующие меры по устранению дефектов и сформировать отчет. Данный отчет может быть приобщен к общей инфор­мации по работе с конкретной претензией.

В условиях перехода к парадигме Индустрии 4.0 разра­ботанные ранее методы оптимизации производственных бизнес-процессов остаются актуальными. Применение тех­нологий цифровизации позволит использовать такие методы оптимизации, которые ранее были недоступны по причине отсутствия необходимой инфраструктуры. Выбор конкрет­ных методов и используемых технологий остается за ком­панией, поскольку у нее могут быть свои стратегические приоритеты и ресурсные ограничения. Только оптимальное сочетание внедряемых мер и их соответствие существую­щим и будущим потребностям позволит компаниям произ­вести экономически эффективную и результативную опти­мизацию бизнеса.