Санкции остались частью реальности, привычные западные решения ушли, лoгистика усложнилась. Казалось бы, при этом промышленность неминуемо должна замедляться. Но этого не происходит — по крайней мере, точно не везде.
Некоторые предприятия не просто адаптировались и приспособились, а даже стали работать заметно эффективнее. Секрет не в героизме и не в поиске обходных путей. Дело в том, что они вовремя начали разговаривать с ИТ-компаниями как с партнерами вместо того, чтобы оставлять им роль простых подрядчиков.
За последние несколько лет накопилось немало интересных проектов на стыке ИТ и промышленности - для мeталлургов, производителей стрoйматериалов, нефтесервиса. И каждый раз подтверждалось: лучшие решения находятся там, где люди из цеха и люди из ИТ садятся за один стол и начинают говорить на одном языке.
Вот три истории о том, как это выглядит на самом деле. В каждой — конкретная ситуация, способ решения и выводы, которые можно применить на любом производстве.
Научить систему понимать людей
На любом производстве или в смежных с ним сферах есть люди с уникальным опытом. Их знания невозможно полностью формализовать, да и не нужно. Но есть задачи, где их опыт не помогает, потому что проблема не в качестве решений, а в их количестве.
Характерный пример из сферы металлоторговли. Существует маркетплейс мeталлопроката, который объединяет поставщиков и покупателей. Каждый поставщик заполняет карточки товаров так, как привык: в своей учетной системе, своими словами. В результате одна и та же позиция может называться десятком разных способов: "арматура 150", "арм. 150", "арматура 150 мм", "арматурный прокат 150".
Пока поставщиков было мало, контент-менеджеры справлялись вручную. Но когда их число превысило 70, а количество предложений — 20 000, ручная обработка стала невозможной. Заставлять поставщиков менять привычки означало вмешиваться в их бизнес-процессы и терять лояльность.
Вместо этого пошли другим путем. Разработали два модуля на основе машинного обучения.
Первый — для распознавания и сопоставления описаний товаров. Он анализирует заявки, ищет в них описания продукции и их количество, сопоставляет с эталонными карточками из базы. Если распознать удается, карточка автоматически привязывается к эталону. Если нет — система инициирует создание новой эталонной карточки.
Второй модуль распознает таблицы в PDF-документах — извлекает данные из финансовой отчетности поставщиков для автоматической оценки их надежности.
Сложность задачи была в том, что описания металлопродукции могут выглядеть как угодно. Порядок атрибутов может меняться, часть данных отсутствовать, встречаются сокращения, ошибки и объединение позиций. Для обучения модели разместили датасет из нескольких тысяч текстовых заявок.
Оказалось дешевле и эффективнее научить машину понимать людей, чем переучивать сотни поставщиков под требования машины. Система взяла на себя рутину, а люди остались при своем опыте, но без бессмысленной нагрузки.
Лечить или менять?
На любом производстве есть oборудование и системы, которые функционируют годами и даже десятилетиями. Стратегия "работает — не лезь" кажется разумной. Но однажды наступает момент, когда "лечить" становится дороже, чем менять.
Характерный случай - мобильный сервис для контроля качества строительства, который использовала крупная производственная компания. Эксперты выезжали на объекты, проверяли качество работ по чек-листам, диагностировали состояние, формировали акты.
Исходная система включала мобильное, веб- и серверное приложение. Пользовательский интерфейс устраивал заказчика, но серверная часть демонстрировала низкую производительность, уязвимость перед нагрузками и высокую стоимость поддержки. Ситуацию усугубляли отсутствие документации, неотлаженное тестирование и сложности с релизами.
При анализе сформулировали два варианта развития.
1. Рефакторинг существующего решения. Менее затратный вариант, позволяющий быстро устранить критические проблемы. Но он не решал глубинных архитектурных недостатков и не обеспечивал удобства дальнейшей поддержки.
2. Полная перерабoтка с другим технологическим стеком, соответствующим внутренним стандартам клиента. Этот вариант требовал больших стартовых затрат, но полностью закрывал бизнес-задачи: обеспечивал производительность, масштабируемость и снижал долгосрочные расходы.
Выбрали второй вариант. Но не под лозунгом "все сломаем и построим заново", а поэтапно. Для начала разработали гибридную архитектуру, которая сочетает преимущества разных подходов. Вместо традиционного техзадания использовали детальные спецификации с критериями готовности. Работу организовали по сервисам: одна итерация — один сервис. Это позволяло быстро демонстрировать результат и получать обратную связь.
В результате расходы на инфраструктуру и поддержку уменьшились благодаря оптимизации кода и качественной документации. Количество активных пользователей выросло в несколько раз за счет скорости и удобства приложения. Критичные процессы работают без сбоев, сократилось время вывода новых функций.
Прежде чем предлагать замену, нужно понять, что именно устарело и какие варианты развития вообще существуют. Часто стратегическое решение с большими стартовыми затратами оказывается дешевле в долгосрочной перспективе.
Учить там, где безопасно ошибаться
Обучение новых сотрудников работе на сложном оборудовании всегда связано с риском. Ошибка оператора может привести к поломке, простою или аварии. Инструкции помогают, но в стрессовой ситуации человек действует не по бумажке, а на автомате.
Показательный пример использования цифровых инструментов для мониторинга и предотвращения проблем — система датчиков для наблюдения за состоянием кровель. Датчики в режиме 24/7 отслеживают снеговую нагрузку и протечки. Данные поступают в личный кабинет, где ответственные лица могут видеть тепловые карты проблемных зон и вовремя принимать меры — например, включить обогрев для таяния снега или устранить мелкое повреждение до того, как оно приведет к серьезным последствиям.
В проекте потребовалось усилить разработку и выстроить процессы тестирования. Провели полный редизайн личного кабинета, разработали новые страницы для датчиков и интерактивную карту проблемных зон. В результате удалось сократить цикл выпуска релизов до одной недели и значительно снизить количество критических ошибок.
Цифровые инструменты позволяют перейти от реактивного подхода (устранение аварий) к проактивному (предупреждение проблем). То же самое справедливо и для обучения: симуляторы и тренажеры дают возможность безопасно ошибаться, пока реакция не станет автоматической, и только потом допускать человека к реальному оборудованию.
В заключение
Промышленную цифровизацию часто представляют как процесс внедрения технологий. Опыт показывает, что главное — не технологии, а понимание того, как они встраиваются в живую ткань производства. Уважение к сложившимся процессам, честная диагностика перед любыми изменениями, адекватная оценка рисков — эти принципы работают независимо от того, о какой отрасли идет речь.
Промышленность меняют не технологии. Промышленность меняют люди, которые получают инструменты, позволяющие делать их работу лучше.
Автор : Алексей Флоринский, генеральный директор компании SimbirSoft
