Бережливое производство в цифровую эпоху

Как не остаться на обочине серьезных индустриальных изменений.

Сергей Лоханов

Сергей Лоханов — к.э.н., ЕМВА, главный эксперт и руководитель программы ЕМВА «Операционная эффективность в цифровую эпоху» НИУ ВШЭ, учредитель и руководитель АНО НПО «Центр развития практики управления», г. Москва

Национальный проект «Производительность труда и поддержка занятости» сильно подогрел интересен к методам и инструментам Бережливого производства, и при этом обнажил несколько серьезных проблем, требующих осмысления и решения.

  1. В нашей стране термин «Бережливое производство», наверное, был оправдан в начале большого пути, но сейчас очень сильно сужает окно возможностей.

Если мы посмотрим программы подготовки руководителей по операционному менеджменту (Operations Management, Управление операциями) в ведущих мировых бизнес-школах, то увидим, что там тема ЛИН занимает условно 1/10 часть всей программы.

Безусловно, важно заниматься устранением потерь, выстраиванием потока единичного изделия, работать над сокращением брака и повышением вовлеченности. Но при этом не менее важно уметь управлять спросом и балансировать ресурсы и мощности под его изменение; именно поэтому одна из лучших на сегодня книг по операционному менеджменту называется «Matching Supply with Demand» (Соотнесение предложения со спросом), которую написал Christian Terwiesch.[1] Она кстати до сих пор не переведена на русский.

Другими важными темами являются: разработка бизнес-модели и операционных стратегий компании, связь с финансовым результатом, управление данными, способность создания эффективных ERP и MES систем, понимание цифровых технологий в НИОКР и производстве, создание инфраструктуры для цифровых «песочниц», умение работать с BI-системами и др.

  1. Мы продолжаем собирать данные о процессах «на ручном приводе» и качественно не продвинулись в использовании статистических методов и технологий машинного обучения

Давайте зададим себе вопрос: какой процент экспертов, предлагающих проекты Бережливого производства, разбирается в Индустриальном Интернете вещей, ERP и MES системах, технологиях тайм-трекеров и Process Mining, умеет пользоваться прикладными программами для «продвинутой» статистики (например, Минитаб), знает основные методы  Машинного обучения для создания предиктивных моделей?

Объем и скорости обработки данных радикально выросли. Сегодня нужно выводить на рынок новые образцы промышленной продукции не раз в 5 лет, а раз в 1,5-2 года, в этом заключается конкурентное преимущество! Но это заставляет постоянно менять процессы производства и принятия решений и задает очень высокую планку к умению генерить, собирать и обрабатывать данные.

А как собираются данные для построения VSM или MIFA в большинстве случаев? «Руками»! Каков процент дешбордов для руководителей с процессными метриками строится на основании логов из ИТ-систем?

Не хочу никого обидеть, но сегодня многие эксперты по «бережняку» застряли в Индустрии 3.0, а за последние 2-3 года технологии очень сильно ушли вперед. Именно это, на мой взгляд, вызывает отторжение у многих руководителей и собственников компаний.

  1. Цифровые технологии развиваются «параллельно» проектам повышения операционной эффективности

Операционное превосходство компании без активного, но при этом осмысленного, применения цифровых технологий уже невозможно. Но что происходит во многих крупных компаниях? За роботов «отвечает» одно подразделение, машинным обучением занимаются ИТ, НИОКР живет своей жизнью, а управление/департамент/служба оптимизации процессов внедряет 5С, рисует блок-схемы и разрабатывает презентации, памятки и стандарты. В итоге тратятся серьезные бюджеты на ИТ и цифровизацию, а экономическая эффективность не всегда считается.

Если мы продолжаем находится в логике сквозных процессов, то «оптимизаторы» должны очень хорошо понимать цифровые технологии, которые уже проверены практикой российских компаний:

Индустриальный интернет вещей: какие датчики в принципе есть, как снимать с них данные, что делать, если станку больше 30 лет и он не ЧПУ; и здесь критически важно научиться снимать данные с 1 конкретного станка, научиться их осмысленно использовать и только после этого – идти на парк оборудования, иначе мы начнем производить массу никому не нужных данных;

RPA (Robotic Process Automation): сколько стоит проект, когда оправдан RPA, а где можно обойтись макросами, какие есть ограничения (в том числе по безопасности), на какие операции нужно «натравить» роботов в первую очередь;

Тайм-трекеры: какие есть ИТ-решения для анализа полезного времени работы сотрудников в ИТ-системах, сколько стоит их использование и какова эффективность, что нужно для реального внедрения;

Process Mining: какие существуют требования для эффективного использования технологии, в каком случае нужно купить серьезную промышленную ИТ-платформу, а где можно обойтись специалистами по Data Science, которые сделают анализ на Питоне, как настроить PM для контроля эффективности процесса;

VR/AR (виртуальная и дополненная реальность): какие уже есть успешные российские практики применения VR-очков для промышленного персонала, какие есть перспективы и потенциальные эффекты, что нужно для успешного пилота на конкретном предприятии;

— Цифровые двойники изделий и процессов: это вообще кардинально меняет логику реализации оптимизационных проектов, когда можно проводить имитационное моделирование и находить оптимальное сочетание материалов, способов сборки и вариантов размещения оборудования в онлайн

Отдельного внимания заслуживает мониторинг международного опыта — не только немецких компаний в рамках своего проекта «Индустрия 4.0», но и Manufacturing Industry Innovation 3.0 в Южной Корее, China-2025 в Китае, Smart Machinery в Тайване и др.

  1. Кастомизация массового производства

Наверное, многие видели бутылочки Coca-Cola с именами. А как думаете, сколько всего имен и слов было написано по разным странам? На русском, арабском, китайском, латинице и др.? Говорят, что более 500 тысяч.

Раньше нас учили, что вариативность – это зло. Это так, если мы не умеем с ней работать.

А давайте попробуем разобрать этот кейс с точки зрения организации производства? Как это работает?

Менеджеры, работающие с оптовиками, заносят данные о заказах, которые попадают в ERP-систему предприятия (когда и сколько продукции должно быть произведено), которая связана с системами: MES (управление производственным процессом) и SCADA (оперативное управление технологическим процессом). При этом генерится большое количество данных, которые не попадают в общекорпоративное облако, а остаются на вычислительных мощностях цеха и отдают «наверх» только управленческие данные.  Сюда добавляются логисты, которые вначале должны определить правильную локацию для производства, чтобы сократить транспортные плечи, а потом оптимально доставить заказ потребителю. И это очень поверхностный разбор. А деталей столько, что процесс начинает казаться космическим. Но это не космос, а уже требование времени и сильное конкурентное преимущество.

Выводы: Мы живем в экспоненциальное время в том смысле, что за последние 3-5 лет скорость появления и внедрения технологий сильно выросла. Если раньше в лидерах технологий были банки, телекомы и ритейлеры (работая в более конкурентных рынках и обладая лучшими компетенциями), то сегодня промышленность активно сокращает этот разрыв. Если мы не осознаем эти изменения и не начнем кардинально улучшать свои компетенции, то никакая государственная программа не позволит сократить разрыв в производительности и эффективности. Причем это относится как к экспертам, внедряющим инструменты и методы Бережливого производства, так и руководителям и собственникам компаний – потенциальным заказчикам проектам оптимизаций, трансформаций и т.п.

[1] Christian Terwiesch, Professor of Operations, Information and Decisions, Wharton School;   Professor of Health Policy, Perelman School of Medicine;  Co-Director, Mack Institute of Innovation Management.

С уважением, Сергей Лоханов

Специально для портала Алгоритм

Сергей Лоханов

к.э.н., ЕМВА, главный эксперт и руководитель программы ЕМВА «Операционная эффективность в цифровую эпоху» НИУ ВШЭ, учредитель и руководитель АНО НПО «Центр развития практики управления», г. Москва. http://производительность-цфо.рф lohanov2008@mail.ru

Читайте также:

комментариев 6

  1. Сергей, спасибо за статью! Все по делу. Все это надо ОБЯЗАТЕЛЬНО учитывать, как и то, что на многих предприятиях РФ пока что 75-85% затрат не приносят ценности продукту и отягощают его себестоимость… Правильно написано, что мы «на обочине серьезных индустриальных изменений». Но если сейчас не разобраться с хаосом руками и методами БП, цифровизация может многое усложнить. Опят же, речь о России, а не мире..

  2. Плюсую сто раз! Как бальзам ваша статья! Я сторонник Agile Lean, а цифра как инструмент.

  3. Да, хотел еще добавить, новый продукт в 1,5 года — это уже долго…

  4. walkazarin:

    Отработаю за многих экспертов по «бережняку».

    Эгей, парни. Да, мы «отстали» в Индустрии 3.0, потому что технологии, которым вы поклоняетесь, ушли далеко вперед и в наше производство пока еще не вернулись. Кому они нужны, не интересовались? 😉

    При этом эксперты по «цифре» как-то путаются в своих показаниях.
    Взять, к примеру, применение индустриального интернета вещей. Его почему-то быстро свели к задаче развешивания датчиков для съема показаний оборудования. Забыли, наверное, что идея интернета вещей была в том, чтобы эти вещи типа сами с собой общались. Так «общались» — это не только «слушать станок», но и «говорить ему, что делать», иначе зачем вообще мак-адреса раздавать? Датчики состояния на станках еще тридать лет назад ставили, а первый раз статус всего цеха (работает/не работает/тормозит станок) на открытом и общедоступном ip я еще 8 лет назад на айфоне своего заказчика видел. 😉

  5. Геннадий:

    Много лет работал в АСУТП и ИТ металлургического завода. Сейчас занимаюсь разработкой имитационных моделей технологических потоков проектируемых и действующих производства труб и сталеплавильного производства. Но пока не вижу понимания со стороны специалистов «бережливого производства» в применении имитационного моделирования.
    В работе использую пакет Anylogic. Можно моделировать схемы технологических потоков, крановые операции, размещение изделий на складе. С моей точки зрения область разработки ИМ в среде Anylogic не имеет границ. Но процесс применения имитационных моделей для решения анализа работы действующих и проектируемых производств идет очень медленно.
    Я понимаю, что для разработки хороших ИМ необходимы знания производственных процессов, библиотек среды разработки, Java, баз данных. Но это выполнимо при создании команд разработки. Как показал опыт работы со студентами — процесс разработки ИМ производственного процесса интересен им.

    • «Но пока не вижу понимания со стороны специалистов «бережливого производства» в применении имитационного моделирования.»

      Геннадий, Вы же можете помочь, написав небольшую статью с примерами по теме, которую мы разместим на Алгоритме и в соцсетях.

      Если есть желание и возможность, высылайте материал на почту.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Авторизация
*
*
Регистрация
*
*
*
Вы должны согласиться
Генерация пароля