-
Владимир Ершов:«Модель данных – ключевой элемент цифровой трансформации»
Цифровые технологии трансформируют подходы к управлению предприятиями. Еще недавно руководители относились к цифровизации как к проекту, но постепенно пришло осознание, что это непрерывный процесс, позволяющий обеспечить устойчивое развитие и повышение конкурентоспособности. О трех первоочередных задачах в рамках цифровизации, потенциале технологий и ИТ-решений, актуальности реинжиниринга бизнес-процессов и доступных программных инструментах рассказал директор департамента цифровой трансформации ООО «Финвал-Инжиниринг» Владимир Ершов.
– Какие задачи цифровизации вы считаете наиболее приоритетными для машиностроительной отрасли?
– В соответствии с текущими тенденциями развития цифровизации в промышленности, особенно в машиностроительной отрасли, на 2024–2025 гг. ключевые приоритетные направления позволят обеспечить устойчивое развитие и повышение конкурентоспособности предприятий. На основе анализа отраслевых исследований и прогнозов экспертов можно выделить три наиболее актуальные задачи.
Первая – наведение порядка в данных и построение унифицированных моделей данных. Одно из фундаментальных условий успешной цифровизации – наличие структурированных, точных и доступных данных. Для этого необходимо провести инвентаризацию, нормализацию и стандартизацию данных по производственным и обеспечивающим процессам. Это позволит создать единое информационное пространство предприятия и подготовить данные для последующего использования в системах искусственного интеллекта, машинного обучения и цифровых двойников. По сведениям B2B-платформы «Максмарт», в 2024 г. цифровая зрелость промышленных предприятий России превыcила 45%. По информации на июль 2024 г. свыше 70% промпредприятий сохраняют уровень инвестиций в цифровое и технологическое развитие, а более 30% увеличивают вложения в это направление.
Вторая задача – реинжиниринг бизнес-процессов с ориентацией на автоматизацию. Успешная цифровизация невозможна без перепроектирования и оптимизации бизнес-процессов. Неэффективные или устаревшие процессы, автоматизированные без предварительной доработки, лишь усиливают существующие проблемы. Реинжиниринг должен быть направлен на обеспечение прозрачности, гибкостипроцессов, а также на снижение их зависимости от человеческого фактора.
Согласно «Стратегии цифровой трансформации» Минпромторга России к 2030 г. в два раза повысится эффективность работы оборудования (OEE) за счет внедрения новых решений для управления загрузкой фондов и в 2,5 раза будут снижены затраты промышленных предприятий на разработку и вывод продукции на рынок за счет использования технологий цифрового моделирования и виртуальных испытаний.
Третья задача – формирование отечественного стека ИТ-инструментов и открытой архитектуры цифровизации. В условиях импортозамещения и стремления к технологической независимости особое значение придается разработке и внедрению отечественных программных решений. Создание полного стека ИТ-инструментов цифровизации, охватывающего все этапы жизненного цикла продукции – от проектирования до сервисного обслуживания, позволяет обеспечить сквозную автоматизацию, адаптивность и эффективное взаимодействие всех участников цепочек поставок.
– Какие технологии и инструменты вы считаете наиболее эффективными для повышения качества продукции?
– Мы считаем эффективными любые инструменты, которые используются в производстве, а не «на бумаге». Тем не менее, наибольшей эффективности можно добиться, только применяя тотальную автоматизацию всех процессов менеджмента качества на всех этапах цикла Демминга (PDCA). Для этого мы рекомендуем нашим заказчикам использовать АИСМК – автоматизированную информационную систему менеджмента качества, российское ПО, вобравшее в себя передовой опыт мировой автоиндустрии и аэрокосмической отрасли.
Например, компания ЗАО «ПО «ТРЕК» – производитель автокомпонентов – несколько лет назад внедрила на предприятии систему АИСМК и в январе 2025 г. была удостоена премии Правительства Российской Федерации за выдающиеся достижения в области качества продукции и внедрение высокоэффективных методов менеджмента качества.
– Каков ваш опыт внедрения цифровых решений в машиностроении? Расскажите о нескольких реализованных проектах и их ключевых результатах.
– Совместно с нашими партнерами, разработчиками российского ПО управления качеством, мы внедрили систему АИСМК в ряде предприятий автомобилестроения, авиационной отрасли и др. Это позволило существенно повысить качество продукции за счет использования надежных методов решения проблем, статистических, инженерных и научных методов.
Также на основе успешного прототипа ведутся работы по внедрению информационно-аналитической системы эффективных решений (СЭР) в крупном машиностроительном холдинге, предоставляющей руководителю полную актуальную информацию о работе системы управления в целом и отдельных служб производственных предприятий.
– Интерес к цифровизации промышленности повышается. В чем заключаются ваше ноу-хау и конкурентное преимущество?
– Наше ноу-хау – технические решения и ПО, направленные на повышение производительности, эффективности производства и качества продукции. В этой области мы предлагаем клиентам не только отдельные инструменты, такие как цифровой двойник (имитационная модель) узких мест производственной системы, оснастка zero point, паллетные накопители, QMS и EPM|CPM системы, но и услуги полного цикла «под ключ».
Конкурентным преимуществом являются полный стек инструментов, методик и технических решений, а также наш опыт, которые гарантируют заказчикам достижение результата по повышению производительности, эффективности производства и качества продукции.
– Насколько глубоко RPA и RPE внедрены на промышленных предприятиях? Какие процессы чаще всего автоматизируются? Как вы оцениваете дальнейший потенциал RPA в этом секторе?
– RPA используется, как правило, для рутинных задач, что позволяет заменить персонал, который выполняет однотипные действия в информационных системах. Типовые сферы применения RPA – закупки, торговые площадки, автоматизация рутинных действий персонала одновременно в нескольких информационных системах, реализация временной автоматизации.
Потенциал развития RPA связан с гиперавтоматизацией – интеграцией инструментов RPA с ИИ и BPMs.
– Как вы оцениваете потенциал использования искусственного интеллекта на промышленных предприятиях?
– Потенциал использования ИИ на промышленных предприятиях огромен, так как сегодня уровень его применения крайне низок. В этой сфере мы накопили существенное отставание от ведущих экономик мира, которое пока не удается сократить.
– В каких направлениях есть успешные кейсы?
– Большинство успешных кейсов на промышленных предприятиях пока находятся в сфере использования когнитивного ИИ – это распознавание дефектов, объектов, субъектов, нарушений правил и т. п.
– Какие проекты с ИИ будут наиболее востребованы в ближайшие годы?
– Очевидно, что всегда будут востребованы проекты, обеспечивающие быстрый результат. Ожидаем в ближайшие годы массового тиражирования для машиностроения успешных решений по внедрению ИИ, в том числе из других областей, в первую очередь сферы логистики. Прогнозируем активное применение ИИ в составе оборудования, роботов. Сами планируем развивать инструменты ИИ для поддержки принятия решения в нашей CPM-системе – СЭР.
– Какие задачи цифровизации вы считаете наиболее приоритетными для машиностроительной отрасли?
– В соответствии с текущими тенденциями развития цифровизации в промышленности, особенно в машиностроительной отрасли, на 2024–2025 гг. ключевые приоритетные направления позволят обеспечить устойчивое развитие и повышение конкурентоспособности предприятий. На основе анализа отраслевых исследований и прогнозов экспертов можно выделить три наиболее актуальные задачи.
Первая – наведение порядка в данных и построение унифицированных моделей данных. Одно из фундаментальных условий успешной цифровизации – наличие структурированных, точных и доступных данных. Для этого необходимо провести инвентаризацию, нормализацию и стандартизацию данных по производственным и обеспечивающим процессам. Это позволит создать единое информационное пространство предприятия и подготовить данные для последующего использования в системах искусственного интеллекта, машинного обучения и цифровых двойников. По сведениям B2B-платформы «Максмарт», в 2024 г. цифровая зрелость промышленных предприятий России превыcила 45%. По информации на июль 2024 г. свыше 70% промпредприятий сохраняют уровень инвестиций в цифровое и технологическое развитие, а более 30% увеличивают вложения в это направление.
Вторая задача – реинжиниринг бизнес-процессов с ориентацией на автоматизацию. Успешная цифровизация невозможна без перепроектирования и оптимизации бизнес-процессов. Неэффективные или устаревшие процессы, автоматизированные без предварительной доработки, лишь усиливают существующие проблемы. Реинжиниринг должен быть направлен на обеспечение прозрачности, гибкостипроцессов, а также на снижение их зависимости от человеческого фактора.
Согласно «Стратегии цифровой трансформации» Минпромторга России к 2030 г. в два раза повысится эффективность работы оборудования (OEE) за счет внедрения новых решений для управления загрузкой фондов и в 2,5 раза будут снижены затраты промышленных предприятий на разработку и вывод продукции на рынок за счет использования технологий цифрового моделирования и виртуальных испытаний.
Третья задача – формирование отечественного стека ИТ-инструментов и открытой архитектуры цифровизации. В условиях импортозамещения и стремления к технологической независимости особое значение придается разработке и внедрению отечественных программных решений. Создание полного стека ИТ-инструментов цифровизации, охватывающего все этапы жизненного цикла продукции – от проектирования до сервисного обслуживания, позволяет обеспечить сквозную автоматизацию, адаптивность и эффективное взаимодействие всех участников цепочек поставок.
– Какие технологии и инструменты вы считаете наиболее эффективными для повышения качества продукции?
– Мы считаем эффективными любые инструменты, которые используются в производстве, а не «на бумаге». Тем не менее, наибольшей эффективности можно добиться, только применяя тотальную автоматизацию всех процессов менеджмента качества на всех этапах цикла Демминга (PDCA). Для этого мы рекомендуем нашим заказчикам использовать АИСМК – автоматизированную информационную систему менеджмента качества, российское ПО, вобравшее в себя передовой опыт мировой автоиндустрии и аэрокосмической отрасли.
Например, компания ЗАО «ПО «ТРЕК» – производитель автокомпонентов – несколько лет назад внедрила на предприятии систему АИСМК и в январе 2025 г. была удостоена премии Правительства Российской Федерации за выдающиеся достижения в области качества продукции и внедрение высокоэффективных методов менеджмента качества.
– Каков ваш опыт внедрения цифровых решений в машиностроении? Расскажите о нескольких реализованных проектах и их ключевых результатах.
– Совместно с нашими партнерами, разработчиками российского ПО управления качеством, мы внедрили систему АИСМК в ряде предприятий автомобилестроения, авиационной отрасли и др. Это позволило существенно повысить качество продукции за счет использования надежных методов решения проблем, статистических, инженерных и научных методов.
Также на основе успешного прототипа ведутся работы по внедрению информационно-аналитической системы эффективных решений (СЭР) в крупном машиностроительном холдинге, предоставляющей руководителю полную актуальную информацию о работе системы управления в целом и отдельных служб производственных предприятий.
– Интерес к цифровизации промышленности повышается. В чем заключаются ваше ноу-хау и конкурентное преимущество?
– Наше ноу-хау – технические решения и ПО, направленные на повышение производительности, эффективности производства и качества продукции. В этой области мы предлагаем клиентам не только отдельные инструменты, такие как цифровой двойник (имитационная модель) узких мест производственной системы, оснастка zero point, паллетные накопители, QMS и EPM|CPM системы, но и услуги полного цикла «под ключ».
Конкурентным преимуществом являются полный стек инструментов, методик и технических решений, а также наш опыт, которые гарантируют заказчикам достижение результата по повышению производительности, эффективности производства и качества продукции.
– Насколько глубоко RPA и RPE внедрены на промышленных предприятиях? Какие процессы чаще всего автоматизируются? Как вы оцениваете дальнейший потенциал RPA в этом секторе?
– RPA используется, как правило, для рутинных задач, что позволяет заменить персонал, который выполняет однотипные действия в информационных системах. Типовые сферы применения RPA – закупки, торговые площадки, автоматизация рутинных действий персонала одновременно в нескольких информационных системах, реализация временной автоматизации.
Потенциал развития RPA связан с гиперавтоматизацией – интеграцией инструментов RPA с ИИ и BPMs.
– Как вы оцениваете потенциал использования искусственного интеллекта на промышленных предприятиях?
– Потенциал использования ИИ на промышленных предприятиях огромен, так как сегодня уровень его применения крайне низок. В этой сфере мы накопили существенное отставание от ведущих экономик мира, которое пока не удается сократить.
– В каких направлениях есть успешные кейсы?
– Большинство успешных кейсов на промышленных предприятиях пока находятся в сфере использования когнитивного ИИ – это распознавание дефектов, объектов, субъектов, нарушений правил и т. п.
– Какие проекты с ИИ будут наиболее востребованы в ближайшие годы?
– Очевидно, что всегда будут востребованы проекты, обеспечивающие быстрый результат. Ожидаем в ближайшие годы массового тиражирования для машиностроения успешных решений по внедрению ИИ, в том числе из других областей, в первую очередь сферы логистики. Прогнозируем активное применение ИИ в составе оборудования, роботов. Сами планируем развивать инструменты ИИ для поддержки принятия решения в нашей CPM-системе – СЭР.