Цифровая трансформация для директоров и собственников. Часть 1. Погружение

• Становится возможным уменьшить количество изменений и затрат уже на стадии проектирования оборудования или завода, что позволяет существенно сократить издержки на остальных этапах жизненного цикла. А также это позволяет избежать критических ошибок, изменение которых бывает невозможно на стадии эксплуатации.

Рост стоимости исправления ошибок от старта до закрытия проекта

Сравнение возможности и стоимости исправления ошибок

• Благодаря сбору, визуализации и анализу данных появляется возможность принимать превентивные меры до наступления серьёзных аварий и повреждения оборудования.

• Оптимизировать затраты на техническое обслуживание с одновременным повышением общей надёжности. Возможность предсказывать отказы позволяет ремонтировать оборудование по фактическому состоянию, а не по «календарю». При этом не нужно держать большое количество оборудования на складе, то есть замораживать оборотные средства.

Использование ЦД в сочетании с большими данными и нейросетями позволяет сначала пройти путь от отчетов и мониторинга к системам предиктивной аналитики и предотвращению аварий

• Выстроить наиболее эффективные рабочие режимы и минимизировать издержки на производство. Чем дольше будет накопление данных и глубже аналитика, тем эффективнее пойдёт оптимизация.

При этом очень важно не путать виды прогнозирования. В последнее время, работая с рынком различных IT-решений, я постоянно вижу путаницу в понятиях предиктивной аналитики и машинного выявления отклонений в работе оборудования. То есть, используя машинное выявление отклонений, говорят о внедрении нового, предиктивного подхода к организации обслуживания.

С одной стороны, в обоих случаях действительно работают нейросети. При машинном выявлении аномалий нейросети тоже находят отклонения, что позволяет провести обслуживание до серьёзной поломки и заменить только износившийся элемент.

Но давайте внимательнее посмотрим на определение предиктивной аналитики.

Предикативная (или предиктивная, прогнозная) аналитика – это прогнозирование, основанное на исторических данных.

То есть это возможность предсказывать отказы оборудования до того, как отклонение наступило. Когда эксплуатационные показатели ещё в норме, но уже начинают формироваться тенденции к отклонениям.

Если перевести на совсем бытовой уровень, то выявление аномалий – это когда у вас меняется давление и вас об этом предупреждают прежде, чем заболит голова или начнутся проблемы с сердцем. А предиктивная аналитика – это когда всё ещё нормально, но у вас изменился режим питания, качество сна или что-то ещё, соответственно, в организме запущены процессы, которые впоследствии приведут к росту давления.

И получается, основная разница – в глубине погружения, наличии компетенций и горизонте предсказания. Выявление аномалий – это краткосрочное предсказание, чтобы не довести до критической ситуации. Для этого не нужно изучать исторические данные на большом промежутке времени, например за несколько лет.

А полноценная предиктивная аналитика – это долгосрочное предсказание. Вы получаете больше времени на принятие решения и выработку мер: запланировать закупку нового оборудования или запчастей, вызвать ремонтную бригаду по более низкой цене или изменить режим работы оборудования, чтобы не допустить возникновения отклонений.

Так думаю я, но, возможно, есть и альтернативные мнения, особенно у маркетологов.

Самым главным ограничением на данный момент я считаю сложность и дороговизну технологии. Создавать математические модели долго и дорого, а риск ошибок высок. Необходимо совместить технические знания об объекте, практический опыт, знания в моделировании и визуализации, соблюдение стандартов в реальных объектах. Далеко не для всех технических решений это оправданно, как и далеко не каждая компания обладает всеми компетенциями.

Поэтому я полагаю, что для производств целесообразно начинать с анализа аварий, определять критичные компоненты активов и создавать именно их модели. То есть использовать подход из теории ограничений системы.

Это позволит, во-первых, минимизировать риск ошибок. Во-вторых, войти в это направление с меньшими затратами и получить эффект, на который можно будет опираться в дальнейшем. В-третьих, накопить экспертизу по работе с данными, принятию решений на их основе и «усложнению» моделей. Наличие собственных компетенций в работе с данными – одно из ключевых условий успешной цифровизации.

Стоит помнить и о том, что пока это новая технология. И по тому же циклу Гартнер, она должна пройти «долину разочарования». А впоследствии, когда цифровые компетенции станут более привычными, а нейросети более массовыми, мы станем использовать цифровых двойников в полной мере.

Облака, онлайн-аналитика и удалённое управление

Концепция цифровой трансформации подразумевает активное использование облаков, онлайн-аналитики и возможностей удалённого управления.

Национальный институт стандартов и технологий США (NIST) выделил следующие характеристики облаков:

• самообслуживание по требованию (self service on demand) – потребитель сам определяет свои потребности: скорость доступа, производительность «железа», его доступность, объём необходимой памяти;

• доступ к ресурсам с любого устройства, подключённого к сети – абсолютно неважно, с какого компьютера или смартфона заходит пользователь, главное, чтобы оно было подключено к сети интернет;

• объединение ресурсов (resource pooling) – поставщики комплектуют «железо» для быстрой балансировки между потребителями, то есть потребитель обозначает, что ему надо, но распределение между конкретными машинами берёт на себя поставщик;

• гибкость – потребитель может в любой момент изменить набор необходимых услуг и их объём без лишних коммуникаций и согласований с поставщиком;

• автоматический учёт потребления услуг.

Но какие преимущества облака в итоге дают бизнесу?

• Возможность не «замораживать» ресурсы вложениями в основные средства и будущие расходы (для ремонта, обновления и модернизации). Это упрощает бухучёт и работу с налогами, позволяет направлять ресурсы на развитие.

• Экономия на фонде оплаты труда (ЗП + налоги дорогих специалистов для обслуживания инфраструктуры) и операционке (электричество, аренда помещений и т. д.).

• Экономия времени на запуск и начало использования IT-инфраструктуры или цифрового продукта.

• Более эффективное использование вычислительных мощностей. Не надо строить избыточную сеть для покрытия нагрузок во время пика или страдать от «тормозов» и «глюков» системы, рисковать «падением» с потерей данных. Это задача провайдера, и он выполнит её качественнее. Плюс включается принцип разделения ответственности, и сохранность данных – его задача.

• Доступность информации и в офисе, и дома, и в командировках. Это позволяет работать более гибко и качественно, нанимать людей из других регионов.

Существует множество моделей использования облачных технологий: SaaS, IaaS, PaaS, CaaS, DRaaS, BaaS, DBaaS, MaaS, DaaS, STaaS, NaaS. Поговорим о них чуть подробнее.

• SaaS (Software as a Service) – программное обеспечение как услуга.

Клиент получает программное обеспечение через Интернет: почтовые сервисы, облачная версия 1С, Trello и так далее. Перечислять можно бесконечно.

• IaaS (Infrastructure as a Service) – инфраструктура как услуга.

Предоставление в аренду виртуальных серверов, жёстких дисков и любой IT-инфраструктуры. По сути, это полноценная копия физической инфраструктуры, только её не надо покупать.

• PaaS (Platform as a Service) – платформа как услуга.

Аренда полноценной виртуальной платформы, включающей в себя как «железо», так и системы управления базами данных, системы безопасности и так далее. Сервис пользуется особой популярностью у разработчиков ПО.

Это 3 наиболее популярные модели, о которых должны знать все. И чтобы лучше понять детали, рассмотрите простую схему ниже.

Сравнение IaaS, PaaS, SaaS

• CaaS (Communications as a Service) – коммуникация как услуга.

Это предоставление в виде услуги телефонии, видеосвязи, мессенджеров и так далее. При этом всё необходимое ПО расположено в облаке поставщика.

• WaaS (Workplace as a Service) — рабочее место как услуга.

Как следует из названия, это предоставление рабочих мест с установкой и настройкой всего необходимого ПО.

• DRaaS (Disaster Recovery as a Service) — аварийное восстановление как услуга.

• BaaS (Backup as a Service) — резервное копирование как услуга.

• DBaaS (Data Base as a Service) — база данных как услуга.