Цифровое раздвоение заводов еще впереди

Цифровое раздвоение заводов еще впереди

Использование в промышленности цифровых моделей (двойников) конечных изделий или даже целых заводов приводит к повышению производительности труда. И это дешевле, чем модернизация предприятия, поскольку не требует покупки дорогостоящего оборудования. Однако массового внедрения этих технологий пока не происходит.

2018-11-14-04.jpg

Теория и отчасти практика создания цифровых моделей производственных объектов и процессов начала складываться еще полвека назад. Часть оборудования снабжалась датчиками, собирающими информацию о производственных процессах. Так делались попытки создать первые «двойники» заводов. «Мы отсчитываем историю “цифровизации” с 1970-х годов, когда на одном из наших заводов большой мотор “обвязали” датчиками и была построена система удаленного мониторинга», — говорит Илья Юнак, специалист департамента «Цифровое производство» компании «Сименс» в России.

Данные от датчиков, установленных на станках (обычных или с числовым программным управлением, ЧПУ), собирают в большие данные (big data), которые затем анализируются при помощи специального программного обеспечения. На основе этих данных формируются математические модели реальных единиц оборудования и техпроцессов — их сейчас принято называть цифровыми двойниками (или цифровыми эталонными моделями). Далее может быть смоделирован процесс изготовления определенного изделия с заданными характеристиками и свойствами.

«Многие понимают цифровой двойник как твердотельную или геометрическую модель изделия, — говорит Андрей Кутин, директор Института машиностроения и инжиниринга Московского государственного технологического университета «Станкин». — Но это не совсем так. Цифровая модель еще обязательно включает в себя материал, из которого изготовлено изделие, технологические процессы при его изготовлении, методы расчета изделия. Это практически виртуальный образ физического объекта, со всеми характеристиками, которые ему присущи».

Еще в прошлом веке у ученых было понимание, что неплохо было бы оснастить оборудование датчиками и на этой основе строить прогностические модели его работы. Однако тогда не было возможностей правильно обработать полученную информацию. По словам Андрея Кутина, в «Станкине» еще в 1974 году были разработаны системы адаптивного управления станками: «Но только сейчас мы подошли к тому, что можем реализовать это на серийных продуктах. Раньше были только опытные образцы. Не существовало достаточно мощных компьютеров для обработки больших объемов информации». С развитием вычислительной техники появились возможности более качественно использовать статистические данные для создания цифровых моделей.

Теневое производство

Целей у создания цифровых моделей различных этапов проектирования и производства несколько. Прежде всего можно существенно быстрее выводить продукты на рынок за счет перевода проектирования и инженерных расчетов изделий в «цифру». Таким образом, временные затраты на создание «материальных» моделей и тестовых образцов существенно снижаются. Благодаря цифровым прототипам объектов количество экспериментов можно сократить в десятки раз. Цифровые модели уже обеспечивают 95-процентное соответствие тому, что будет в реальности. «Хотя полностью отказаться от экспериментов мы не можем и никогда не сможем, это вредная иллюзия», — уточняет Илья Юнак.

Если говорить о производстве автомобилей, то, например, на тысячу виртуальных краш-тестов сегодня приходится всего пять физических, добавляет Андрей Кутин.

Следующая ступень в цифровизации — это уже создание цифровых двойников не изделий, а производственных систем и целых предприятий. «Раньше производство всегда проектировалось на основе опыта, расчетов и интуиции, а сегодня может создаваться на основе сбора, анализа больших данных и имитационного моделирования. Основная сложность здесь в разработке математических моделей поведения производственной системы и определении точных мест для получения такой информации», — рассказывает Андрей Кутин.

Цифровые модели помогают производственникам принимать правильные решения — например, в каком режиме должна работать та или иная система. Мониторинг ее работы позволяет увидеть, в каком она состоянии, сколько еще может проработать и в каком именно режиме, когда может понадобиться внеплановое обслуживание. Наконец, цифровизация создает возможности для быстрой переналадки оборудования и техпроцессов, что повышает гибкость производственной системы.

С помощью цифровых моделей удается оптимизировать отдельные производственные процессы, например использование сырья. Игорь Богачев, гендиректор компании «Цифра» (разработчик технологий цифровизации промышленности), приводит такой пример. Для предприятия «Химпром» они сделали цифровой двойник установки для производства хлорметанов. На выходе получается два продукта: низкомаржинальный и высокомаржинальный. Стояла задача, как при переработке того же объема сырья увеличить выход более прибыльного метиленхлорида. Созданный цифровой двойник в режиме реального времени собирает данные о протекании процесса и дает оператору рекомендации, как нужно менять режимы работы установки, чтобы приблизиться к оптимальным показателям выпуска. Как объясняет Игорь Богачев, несмотря на непрерывность технологического процесса, в него можно вносить коррективы, «подруливать», чтобы выпускать больше дорогой продукции.

Другой проект цифрового двойника «Цифра» реализовала для установки по производству полимерно-битумных вяжущих. Чтобы получить конечный продукт, в битум добавляют различные присадки, в основном полимеры, доля которых в себестоимости продукции доходит до 60–70%. Некоторые из них очень дорогие, поэтому важна правильная дозировка: необходимо экономить полимеры, но при этом обеспечивать качество продукции. Цифровой двойник описывает работу оборудования, определяет, как дозировка влияет на качество продукта, позволяет моделировать различные исходы и выдает оператору рекомендации по управлению установкой. «Кроме того, мы часто закладываем при создании двойника возможность самостоятельного “дообучения” цифровой модели — чтобы человек не руками управлял ею, а она могла бы сама обрабатывать новые данные и в ней автоматически корректировались бы коэффициенты», — говорит Андрей Гусев, эксперт по цифровизации компании «Цифра». Цифровой двойник в описанных выше случаях может стать своеобразным «автопилотом» для операторов оборудования и «подтянуть» тех работников, которые недотягивают до среднего уровня.

Безусловно, цифровизация предприятий, использование элементов искусственного интеллекта на производствах — это ресурс для повышения производительности труда. По мнению Игоря Богачева, его логично задействовать прежде, чем начинать программы модернизации оборудования, в которые, может быть, потребуется вложить миллиарды рублей. Лучше сначала получить максимальный эффект от существующего парка оборудования за счет сокращения времени простоев и повышения производительности с помощью цифрового мониторинга. «Когда вы занимаетесь цифровизацией, вы не меняете оборудование. Это как в случае с “Убером”: на тех же машинах и с теми же водителями создается новая модель управления и потребления этого же сервиса. То же самое можно сделать и в промышленности — изменить производственный уклад с тем же оборудованием, процессами и рабочими», — говорит Игорь Богачев.

Считается, что одна из причин низкой производительности труда в России — устаревшее оборудование. «Но на самом деле во многих отраслях мы в этом отношении не уступаем конкурентам, в год в стране закупается нового оборудования на десятки миллиардов рублей, — утверждает Андрей Кутин. — Однако у нас много непроизводительных потерь, брака, незавершенного производства, “пролеживания” изделий. Остро стоит вопрос повышения эффективности использования нового дорогостоящего оборудования».

По словам Кутина, у Станкина есть заказы от предприятий стратегических отраслей машиностроения. Они включают в себя решение двух задач: провести технологический аудит и построить имитационную модель модернизированного производства, чтобы эта модель показала, каким образом можно повысить его эффективность в два-три раза. «Это принципиальный момент: речь идет о повышении производительности труда не на пять–десять процентов, а в несколько раз», — отмечает Андрей Кутин. И именно построение цифровых моделей производства позволяет достичь этих целей.

Это тем более привлекательное решение, что создание цифровых двойников не требует больших вложений в «железо» и достаточно быстро окупается. «Лучшая практика такова: заказчик должен окупить проект в течение года и заработать при этом», — говорит Игорь Богачев.

2018-11-14-05.jpg

Цифровизация российских предприятий тормозится из-за нехватки данных об их работе

Слишком мало данных

Разработкой цифровых двойников занимаются сегодня все крупные вендоры, начиная с IBM и General Electric.

Но это поле не только для крупных компаний, но и для стартапов. Например, ижевская компания BFG Group разработала платформу для создания цифровых прототипов производственных систем на основе софта собственной разработки. Как рассказал гендиректор BFG Group Алексей Евсягин, они пошли не таким путем, как другие компании, пытающиеся оцифровывать предприятия: «Мы не снимаем данные со станков, а берем информацию о ресурсах, которыми располагает предприятие, — составе оборудования, количестве персонала и о конечных изделиях вплоть до каждой детали. На это накладываем план выпуска или прогноз продаж, а затем в нашей ИТ-системе автоматически синтезируется “двойник”, некая платформа, где видно, как протекают процессы». Алексей Евсягин подчеркивает, что речь идет не о «картинках» в 3D, иллюстрирующих расположение станков, а о моделировании бизнес-процессов. В BFG Group берутся за комплексные проекты модернизации бизнеса, причем стоимость проектов начинается от пяти миллионов рублей и может достигать 50 миллионов. Специалисты компании несколько месяцев практически «живут» на предприятиях заказчиков и занимаются переналадкой бизнес-процессов в соответствии с рекомендациями, полученными от ИТ-системы. За последние два года их стартап, по словам Алексея Евсягина, увеличил выручку в 15 раз (в этом году планируется заработать 300 млн рублей), а всего они реализовали десяток проектов цифровизации производств в разных отраслях. И если в первые годы (софт был написан в 2013 году) они реализовывали скорее консалтинговые проекты с помощью своего программного обеспечения, то сейчас продают свою платформу другим участникам рынка — вендорам и консалтинговым компаниям или же самим производителям. Кстати, в рамках крупных компаний активно создаются свои «цифровизаторы» — отделы и группы по внедрению промышленного интернета вещей и элементов искусственного интеллекта, (такие есть в «Сибуре», НМЛК и многих других корпорациях).

Впрочем, пока примеров цифровизации производств в России не сотни, а лишь десятки. «Цифра», к примеру, ведет порядка двадцати подобных проектов на разной стадии реализации, говорит Игорь Богачев. Ключевые отрасли для компании — машиностроение, металлургия, нефтегазовый сектор, химпром.

В «Сименсе» говорят, что активно работают с КаМАЗом. Кроме того, в Подмосковье построен дата-центр, где собирают и анализируют данные, полученные при эксплуатации электропоездов «Ласточка», произведенных на заводе «Уральские локомотивы», где немецкая компания крупный акционер. На основе этих данных прогнозируется техническое состояние составов и даются рекомендации сервисным инженерам.

Где внедрение «цифры» нужнее всего? Как говорит Андрей Гусев, по возможным экономическим эффектам от цифровизации на первом месте стоит металлургия как энергоемкая отрасль, в которой есть возможность комплексно оптимизировать ряд решений. За счет правильного управления отдельно взятым участком можно более эффективно выстроить всю цепочку производства и, к примеру, экономить энергию. А с точки зрения готовности к внедрению цифровых систем лидируют химики, нефтяники и нефтехимики. В этих отраслях активно внедряются информационные системы, из которых можно быстро получать данные, необходимые для строительства цифровых моделей. С другой стороны, в машиностроении, например, теоретически можно решить множество проблем организационным путем — скажем, с помощью того же количества станков производить значительно больше продукции (для сравнения: в нефтепереработке сложнее повысить выход продукции без строительства дополнительных перерабатывающих мощностей). Однако пока машиностроение к переходу на «цифру» не особо готово, так как в отрасли мало предприятий с информационными системами, с помощью которых можно собирать и обрабатывать достаточное количество информации.

Нехватка данных — одна из основных проблем, мешающих создавать цифровые модели на российских предприятиях. «По моему опыту, для строительства такой модели необходимы данные о работе установки не менее чем за полгода, — говорит Андрей Гусев. — Нужно, чтобы на предприятии данные хранились в оцифрованном виде, а не на бумаге, и были легко извлекаемы. Из того, что не оцифровано, сложно получить информацию и использовать ее». По данным «Цифры», в России из 800 тысяч станков три четверти не оснащены ЧПУ, а это усложняет их подключение к системам промышленного мониторинга.

Другие барьеры для цифровизации — консерватизм ряда предприятий плюс сопротивление менеджмента: иногда управленцы не хотят, чтобы процессы на заводе становились более прозрачными и стали очевидными их злоупотребления или недоделки. «Идет гигантское сопротивление изменениям во всех отраслях, — говорит Алексей Евсягин. — Люди просто боятся за свои рабочие места. Или не хотят, чтобы на предприятии появилась какая-то экспертная система, к которой будет иметь доступ собственник».

Мешает и недостаток общих знаний о возможностях цифровых технологий на производстве, отмечает Игорь Богачев. «В ближайшее время мы запускаем бесплатную онлайн-академию о цифровых технологиях в промышленности, — говорит он. — Именно для того, чтобы средний менеджмент предприятий, а не только ИТ-директора, мог понять, какие возможности это дает».

Однако перевод производства в «цифру» зачастую требует трансформации и других бизнес-процессов компании, включая появление новых бизнес-моделей сбыта, отмечает Илья Юнак. Для того, чтобы в полной мере ощутить положительный эффект от цифровой трансформации, владельцу предприятия необходимо чётко видеть стратегию развития бизнеса, понимать, когда и как использовать новые возможности.

Компаний, которые готовы реализовать проекты цифровизации производств, много, но у всех одни и те же недостатки, утверждает Андрей Гусев: «Внедрения пока “сырые” и на них слишком мало референций. Все проекты направлены на решение конкретной проблемы. Еще далеко до появления типового продукта на основе этих реализованных проектов, куда можно было бы просто загрузить данные и через день получить ответ». Кроме того, рынку не хватает квалифицированных отраслевых экспертов, нужны люди, которые разбираются не только в цифровых системах, но и в предметной области. А таких специалистов на рынке мало. «Однако нам не обойтись без связующего звена в этом классическом треугольнике: производство, ИТ и анализ данных», — говорит Андрей Гусев.

Игорь Богачев напоминает, что технологии машинного обучения пришли в промышленность совсем недавно, буквально два-три года назад, так что их широкое внедрение потребует некоторого времени. Но волна внедрений начнется, по его мнению, уже через три года. Сейчас довольно активны в процессе цифровизации предприятия ОПК — у них есть и деньги, и относительно гарантированный сбыт. Вместе с Объединенной двигателестроительной корпорацией «Цифра» будет реализовывать проект, который может стать одним из самых крупных в российской промышленности. На первом этапе станочный парк — порядка 700 единиц — будет оснащен системами мониторинга оборудования.

«В области цифровизации изделий у нас в стране есть результаты, но вот в разработке цифровых моделей производственных систем мы отстаем, — считает Андрей Кутин. — Причин несколько. Прежде всего, нет достаточно большого запроса на такие проекты от промышленности, да и от государства. Мир уже несколько лет работает в условиях четвертой промышленной революции, а мы до сих пор обсуждаем термины». По мнению Андрея Кутина, необходима госпрограмма развития цифровой промышленности — утвержденная правительством программа «Цифровая экономика» от вопросов промышленного производства довольно далека.