«Окупаемость начинается до производства»

Промышленные предприятия все реже покупают цифровизацию «на вырост». Руководитель хочет понимать, сколько ресурсов и часов простоя сэкономит каждая внедренная система и когда она окупится. Заслуженный строитель Московской области с тридцатилетним опытом в строительной отрасли Валентина Шумилова, основатель и президент академии «Шаг в будущее», основатель экосистемы «Киберномика», профессор бизнес-практики, разработчик ПО и ИИ, рассказала Review, какие классы программного обеспечения сегодня действительно востребованы, почему у машиностроителя и строителя разные KPI и как посчитать эффект еще до запуска серии.

REVIEW: Валентина, какие типы программного обеспечения для промышленности сейчас востребованы больше всего?

ВАЛЕНТИНА ШУМИЛОВА: Если коротко — все, что позволяет экономить ресурсы и сокращать простой. Я много лет следую принципам Тайити Оно — создателя производственной системы Toyota. Он относил ожидание к главным потерям производства: оборудование стоит, люди ждут, деньги заморожены. Сегодня предприятие смотрит на любой софт именно так. Вопрос «насколько это современно» уже почти никто не задает. Спрашивают другое: сколько часов простоя и сколько ресурсов это сэкономит.

Отсюда и список. На первое место я бы поставила автоматизацию документооборота — системы электронного документооборота и управления корпоративным контентом, СЭД и ECM. Кажется, что это скучная тема и к производству отношения не имеет. Но на любом заводе и на любой стройке огромная часть простоев рождается в согласованиях. Чертеж ждет подписи, заявка ждет визы, изменение в проекте не дошло до мастера. Пока документ идет по кабинетам, станок стоит.

Второе — предиктивное обслуживание оборудования, Predictive Maintenance, на базе машинного обучения. Логика простая: дешевле заменить узел по прогнозу, чем останавливать линию после аварии. Модель учится на данных датчиков и на истории ремонтов и подсказывает, где и когда вероятен отказ. Ремонт из реакции на поломку превращается в плановую операцию.

Третье — MES- и MOM-системы, то есть управление производственными операциями. Это уровень цеха: что делается прямо сейчас, на каком участке, с каким качеством, где узкое место. Руководитель видит производство в реальном времени, а не по отчету за прошлый месяц.

Четвертое — софт для цифровых двойников. Это самый наукоемкий класс решений. Цифровой двойник позволяет проиграть процесс, линию или здание в модели до того, как вы потратите металл, бетон и время. Ошибку дешевле всего найти там, где она ничего не стоит: на экране.

Все четыре класса объединяет одно: они переводят неопределенность в управляемый процесс. Я называю это управляемой определенностью. Руководитель платит за возможность заранее знать, что произойдет с его ресурсами, сроками и деньгами.

R: Есть ли разница в востребованности типов ПО в разных отраслях: в машиностроении, химии, пищепроме?

В. Ш.: Разница очень большая. Сразу оговорюсь, что я могу судить только о тех отраслях, где у нас есть собственный опыт: о машиностроении и строительстве. О химии или пищевой промышленности пусть расскажут те, кто работал там. В машиностроении в центре всего — инженерные данные изделия. Отсюда спрос на CAD/CAM/PLM — системы проектирования, подготовки производства и управления жизненным циклом изделия — и на симуляцию технологических процессов. Машиностроителю важно, чтобы конструктор, технолог и станок с числовым программным управлением работали с одной и той же моделью. Если конструктор изменил деталь, изменение должно дойти до программы обработки без ручного переноса. А прежде чем заказывать оснастку и тратить металл, процесс обработки или сборки выгодно прогнать в симуляции.

В строительстве логика другая. Каждый объект уникален, площадка всякий раз новая, а само производство растянуто между заводом, логистикой и монтажом на высоте. Поэтому на первый план выходят системы управления непрерывной цепочкой производства — от проекта и заводского изготовления до поставки и монтажа, и быстрое прототипирование. Стройке важно, чтобы деталь, сделанная на заводе, встала на место с первого раза. Все, что приходится подгонять на объекте, — это потерянные дни и деньги.

На этой логике и должны строиться платформы для промышленного девелопмента, чтобы путь от запроса и анализа участка до 3D-модели здания, финансовой модели, графика работ и подбора подрядчиков проходил одной цепочкой, без разрывов между этапами. Именно на стыках этапов теряется больше всего времени.

Из разной логики вырастают и разные KPI. Машиностроитель считает загрузку оборудования, процент брака, время переналадки, длительность производственного цикла. Строитель считает сроки ввода, долю переделок, время монтажа и то, лежит ли его участок работ на критическом пути проекта. Разные KPI — разный фокус, а значит, и разный софт. Поэтому я всегда советую предприятию сначала определить свои ключевые показатели и только потом выбирать систему под них.

R: Можете привести пример решения, где срок окупаемости понятен и измерим? Какие метрики можно использовать, чтобы показать заказчику эффект?

В. Ш.: Возьму пример из строительства: там цена ошибки видна особенно наглядно. Двадцатипятиэтажный жилой дом с навесным фасадом. Классическая схема: проект, заказ серии фасадных панелей на заводе, доставка, монтаж. Проблемы обычно вскрываются на последнем этапе — на высоте. Панель не встает, кронштейн упирается в перекрытие, окно не совпадает с модулем. Дальше — подгонка по месту, переделки на заводе, сорванный график.

Мы пошли другим путем. До заказа серии изготовили один прототип фасадного модуля в натуральную величину, 1:1, размером 4,5 х 3 м, и параллельно сделали 3D-модель всего фасада. Прототип собрали на земле и проверили вместе с моделью.

За это время поймали 14 коллизий — до производства. Окна конфликтовали с панелями, кронштейны — с перекрытиями. Каждая такая ошибка на высоте означала бы остановку монтажа, демонтаж и новую партию с завода. Кроме того, мы уточнили допуски по фактическим отклонениям монолита. Монолитный каркас никогда не бывает идеальным, и это нормально. Важно, чтобы завод работал по реальным размерам. Мы обмерили фактическую геометрию, и завод получил точные данные для изготовления.

R: Как это выражается в цифрах?

В. Ш.: Монтаж фасада занял на 25% меньше времени, потому что не было подгонки на высоте. Переделок панелей — ноль, хотя для таких проектов типичный уровень 5–8%. И главное: фасад ушел с критического пути, дом ввели в срок. Теперь о затратах. Проверка обошлась в один модуль и две недели работы на земле — это 0,3–0,5% бюджета фасада. То есть она окупилась на первой же найденной коллизии.

R: Какие метрики вы предлагаете заказчику?

В. Ш.: Я всегда прошу считать в трех измерениях. Время: на сколько сократился монтаж или цикл и ушла ли работа с критического пути. Качество: доля переделок до и после. Деньги: сколько стоила проверка относительно бюджета того, что она защищает. Когда проверка стоит доли процента бюджета, а типичный уровень переделок — 5–8% панелей, разговор об окупаемости получается коротким. По сути, это цифровой двойник в самой простой форме: модель плюс физическая проверка. Ошибка, найденная на земле, стоит дни. Найденная на высоте — недели, деньги и репутацию.

R: Что мешает предприятиям применять подобные технологии?

В. Ш.: Чаще всего мешает готовность команды, а вовсе не технология. Программу можно купить и установить за месяц. Гораздо дольше и сложнее научить людей работать по-новому и пересобрать процессы под новый инструмент. Мастер, который двадцать лет подгонял панели на высоте, искренне считает это нормой работы.

При этом мы видим, как растет заинтересованность сотрудников и снижается сопротивление изменениям, когда люди учатся на собственных кейсах и делятся опытом с коллегами. На базе небольшой команды за восемь недель без отрыва от работы можно собрать корпоративный университет. Тогда внедрение софта ложится на подготовленную почву.

R: Бюджет у строительных компаний фактически всегда ограничен. С чего предприятию начать путь по цифровизации в этих условиях?

В. Ш.: С честного ответа на вопрос, где у него теряются время и ресурсы. Не нужно сразу покупать большую платформу и перестраивать все предприятие. Пусть возьмет один процесс, на котором простой или переделки стоят дороже всего, и посчитает его в тех же трех измерениях: время, качество, деньги. Это и будет ваша точка отсчета.

Дальше — пилот, причем небольшой и дешевый по отношению к бюджету того, что он защищает. Фасадный прототип и есть такой пилот: один модуль, две недели, доли процента бюджета. Если пилот показал эффект в цифрах, решение о масштабировании руководитель принимает на основании данных. Если не показал — он потерял немного и понял, что этот инструмент ему не подходит. И в том, и в другом случае неопределенности стало меньше. Я бы предостерегла от одного: от внедрения ради отчета. Система, которую поставили, но которой никто не пользуется, — это тоже простой предприятия, только дорогой.

R: С чем вы едете на Kazan Digital Week?

В. Ш.: Я выступаю на V Международной конференции «Цифровые технологии и право». Для меня это естественное продолжение разговора о промышленном софте. Чем глубже искусственный интеллект заходит в производство и стройку, тем острее вопросы: кто отвечает за решение, принятое с помощью алгоритма, как защищены данные предприятия, по каким правилам работает человеко-машинная система. Без ясных ответов на них руководитель просто не решится на внедрение, сколько бы ему ни показывали цифр окупаемости.

Казань для такого разговора — правильное место. Здесь сильная промышленная база, сложилась культура внедрения цифровых решений, а значит, есть с кем обсуждать практику, а не только теорию. Мне интересны встречи с производственниками и строителями региона: именно на их задачах проверяется, работает ли то, о чем мы говорим со сцены.

R: Каким вы видите следующий шаг для промышленного софта?

В. Ш.: Искусственный интеллект заберет рутину и поможет реализовывать проекты с наименьшими рисками. Но в промышленность и девелопмент он будет заходить осторожно: здесь цена ошибки измеряется тоннами металла и сроками ввода. Расчеты, перебор вариантов, поиск коллизий машина сделает быстрее человека. За человеком остается функция идеолога: смыслы, замысел и ответственность за решение.

R: Насколько безопасно доверять искусственному интеллекту решения на производстве?

В. Ш.: Ровно настолько, насколько вы понимаете, как он пришел к тому или иному выводу. Этому мы с моим соавтором Андреем Степановым посвятили отдельную главу книги, которая вышла в этом году. На объекте капитального строительства или на производственной линии нельзя принимать решение по принципу «так сказала нейросеть». Каждая рекомендация должна быть объяснимой и проверяемой: на каких данных она основана, какие допущения сделаны, кто за нее отвечает.

Как эксперт по правовому регулированию внедрения ИИ, добавлю: ответственность за решение не переходит к алгоритму. Ее несут руководитель и инженер. Поэтому вопрос безопасности ИИ — это в первую очередь вопрос культуры управления, а уже потом технологий. Моя задача как архитектора — дать руководителю инструмент, который позволяет приземлить замысел и заранее увидеть, во что он обойдется. В этом и состоит управляемая определенность.