Производство и неопределенность

Четвертая промышленная Революция, которая нам известна под именем Индустрии 4.0, базируется на тотальной цифровизации производства и потенциально приводит к кратному росту производительности труда за счет использования новых цифровых технологий. Если по цифровым производственным технологиям сегодня, можно сказать, достигнут консенсус, то по цифровым управленческим технологиям еще предстоят дискуссии и диалоги. Задача данной публикации – начать обсуждение подходов к адаптивным системам управления производством высокого уровня зрелости Индустрии 4.0 – в режиме реального времени и в условиях неопределенности, под воздействием различных причин вариабельности.

Управление промышленным производством, как правило, нелинейно и не подчиняется простым причинно-следственным связям. Это сложная система, и люди – ее самый сложный элемент. Причин сложности MES по крайней мере две. Первая причина в том, что объект управления – само производство – сложная система. В сложных системах, согласно «фундаментальному свойству сложных систем», сформулированному Питером Сенге, «причины и следствия разъединены во времени и в пространстве» и определить причинно-следственную связь простым наблюдением почти невозможно. Вторая причина состоит в том, что система управления объектом, по теореме Эшби, не менее сложна, чем сам объект управления, то есть не может иметь меньшего количества состояний и переходов между ними. Мировые авторитеты в области управления предприятиями знали, что имеют дело со сложными объектами и сложными системами управления ими, понимая при этом, что результаты управления в реальном времени и в условиях естественной неопределенности носят вероятностный характер. Руководители многих отечественных производственных предприятий согласны с ними в том, что, когда речь идет о сложных производственных системах, в области управления менеджеры имеют дело со следующими основными проблемами: отсутствием данных, изменчивостью планов, высоким уровнем НЗП, низкой скоростью цикла и отсутствием синхронизации между внешними заказами и внутренними заданиями на рабочих местах.

Эти же проблемы характерны не только для управления отечественными производствами, но и в значительной мере справедливы для западных компаний. Из основ кибернетики и теории сложных систем мы знаем, что для управления сложным объектом необходимы оба компонента, или два обязательных условия, – актуальная информация о состоянии объекта и адекватная модель (наши знания о структуре и поведении объекта) с контуром обратной связи для управления. Как мы видим из отчета Aberdeen Group за 2018 год, 83% европейских производителей не имеют по крайней мере одного из этих компонентов, 73% считают, что используют имеющиеся данные неэффективно, а 40% не имеют актуальной информации. Приведенные здесь результаты исследований по состоянию дел с системами управления производством нам любезно предоставили коллеги из RWTH (Rheinisch-Westfälische Technische Hochschule), где собственно и зародилась концепция И-4.0.

В кампусе RWTH в Аахене сегодня напряженно работает коллектив экспертов, который был создан консорциумом более чем 50 европейских и американских предприятий – лидеров машиностроения. Эксперты – ведущие специалисты компаний в области технологий операционного блокчейна, обработки больших данных, аналитики для предиктивного сервиса – заняты вопросами различных аспектов развития концепции Индустрии 4.0, в том числе построением адекватных моделей производства и средствами получения необходимой для управления актуальной информации.

Для предприятий РФ проблемы управления усугубляются весьма серьезным отставанием в производительности труда и, следовательно, в возможности инвестировать средства в новые производственные и управленческие технологии. Говоря словами парадоксального Виктора Степановича Черномырдина, «чем мы провинились перед Богом, Аллахом и другими», что у нас такая низкая производительность труда? Если выработка добавленной стоимости на одного работающего в промышленности РФ отстает от европейской в среднем в 3 – 4 раза, а от немецкой в 5 раз, то можно ожидать, что промедление с освоением новых технологий Индустрии 4.0 увеличит этот разрыв до 8 – 10 раз. Это может привести к тому, что наши предприятия не смогут встроиться в современные мировые технологические цепочки производства высококачественной и наукоемкой продукции. Наоборот, скорейшее освоение отечественными промышленными предприятиями цифровых производственных и управленческих технологий позволит сократить существующий разрыв в производительности труда.

Развитие системы управления производством в концепции Индустрии 4.0

Итак, основные причины неэффективности сложного промышленного производства под воздействием факторов вариабельности – отсутствие актуальной информации, с одной стороны, и адекватной модели управления, с другой. Воздействие хотя бы одной из этих причин проявляется в низкой скорости циклов разработки и производства. Опыт компаний, решивших эти проблемы в РФ (в некоторых проектах авторы участвовали, некоторые – наблюдали вблизи), показал, что собрать и обработать данные, выработать на их основе правильное управленческое решение с учетом вариабельности – под силу только выдающимся менеджерам и собранным ими командам. Опыт участия в подобных проектах показал также, что универсальных средств не бывает и простые решения из известных всем методичек не работают. Как говорил Генри Менкен, «всякая сложная проблема имеет решение – простое, удобное и неверное». Показательными по концентрации командных усилий для достижения результата в этом плане являются проекты компании Боинг, с которыми авторам удалось познакомиться на конференциях по моделям управления проектами, с их ежедневными совещаниями в 6 утра (в воскресенье, правда, на час позже, в 7:00). Аналогичные результаты тогда показали еще ряд компаний, благодаря сильным руководителям и использованию новых методологий и технологий менеджмента 2‑го поколения.

Четвертая промышленная Революция опирается на мощь новых цифровых технологий, которые должны обеспечить кратный рост производительности труда через реализацию функций наблюдаемости, прозрачности, предсказуемости и адаптивности промышленного производства, которые определяют уровни зрелости Индустрии 4.0. MES система при этом и обеспечивает включение новых инструментов в производственные технологии, так как они являются источниками новых актуальных данных, и сама является инструментом управленческих технологий Индустрии 4.0, поскольку участвует в обработке и анализе этих данных.

На начальном уровне зрелости достижение наблюдаемости через базовую цифровизацию используется в основном для повышения эффективности загрузки оборудования (OEE).

На втором уровне зрелости Индустрии 4.0 мы достигаем прозрачности поведения объекта – производства, применяя роботы, коботы, более интеллектуальные датчики и системы технического зрения. MES система обеспечивает включение этих средств в контур управления и сбор данных с них для оперативной корректировки потоков работ по цифровой модели цеха.

На третьем уровне к обработке потока данных подключаются новые мощные инструменты интернета вещей и искусственного интеллекта. Они делают возможным анализ данных и прогнозирование причин и последствий выхода оборудования из строя, сравнение накопленной статистической информации с текущим состоянием производственных процессов для прогноза момента наступления нежелательных событий, которые еще не наступили. Лидеры в этом направлении, в числе других, МайндСфеа (MindSphere) от Сименс и СингВоркс (ThingWorx) от ПиТиСи обеспечивают переход бизнеса на сервисные модели предоставления услуг вместо продажи оборудования.

На четвертом этапе зрелости Индустрии 4.0 в системе достаточно цифровых данных и есть развитые инструменты для их статистической обработки, что делает возможным построение полностью адаптивной цифровой модели производства (АЦМ). Такая адаптивная цифровая модель на основе имеющихся актуальных данных поддерживает устойчивость самого производства как объекта управления под воздействием внешних и внутренних причин вариабельности. Понятно, что адаптивность системы управления – обязательное условие дальнейшего развития производства в концепции Индустрии 4.0.

Цели и задачи MES системы на основе адаптивной цифровой модели производства

Базовые методологии систем управления проектно-производственной средой могут включать основные теории и практики 2‑го и 3‑го поколения систем менеджмента, поскольку различные участки промышленного производства также развиваются неравномерно. Подходы к определению сред тоже меняются. Если раньше, 20-30 лет назад, четко различали, для какой среды предназначена та или иная система управления, то начиная с поздних этапов развития 2‑го поколения объект управления уже рассматривается как смешанная проектно-производственная среда. Там, где больше проектов, – ниже частота управления (такт управления — часы и дни) и больше вариабельность из-за действий людей, а там, где больше производства, – выше частота (такт управления — секунды и минуты), но ниже вариабельность вследствие более высокой стабильности работы оборудования. Вариабельность измеряется по методологии статистического управления процессами. «Вода и Камни» производственной системы Тойоты, 6 Сигм компании Моторола, 5 направляющих шагов Теории Ограничений Голдратта, Agile Менеджмент и Scrum методологии гибкой разработки ПО – различные подходы к реализации базовой идеи статистического управления процессами, начавшегося с Контрольных Карт Шухарта.

Для управления простыми производственными системами достаточно модели на основе обычного картирования процессов создания ценности. Проблема в том, что промышленные производства – как уже говорилось, в большинстве своем, – сложные системы, работающие в условиях вариабельности между анархией хаоса и порядком простых систем. Для таких систем невозможно разработать статический вариант модели создания ценности в виде карты. Такой многостраничный документ будет сложен для анализа, тем более – для управления, а главное, он устареет прежде, чем будет создан. Для управления сложными производствами нужна адаптивная цифровая модель, меняющая свое состояние одновременно с состоянием производства и позволяющая управлять им в реальном времени в условиях неопределенности.

Цели системы управления – это цели бизнеса: прибыль, сроки, качество, затраты. На первом месте – сроки. Э. Голдратт в своих лекциях подчеркивал, что «главное свойство продукта – это его наличие», в случае отсутствия продукта (уникальный или специализированный продукт) главное свойство продукта – срок его поставки. Отсюда JIT, или «Точно вовремя», – второе название Производственной Системы Тойоты (TPS). Защита директивных сроков выполнения работ и учет вариабельности в теории менеджмента неразрывно связаны. Менеджеры несут ответственность за сроки, но не в силах полностью контролировать процессы получения результата, поскольку эти процессы обладают природной вариабельностью и находятся под воздействием различных случайных факторов. Как говорит Юрген Аппело, «системе, в которой вы функционируете, безразлично, какие у вас планы».

Исходя из концепции одновременной защиты сроков и экономии ресурсов в условиях неопределенности, перед системой управления производством, построенной на основе адаптивной цифровой модели производства, можно поставить три задачи:

1. Автоматическая защита сроков выполнения заказов от вариабельности, вызванной общими причинами;
2. Раннее предупреждение о наступлении нежелательных состояний оборудования, операций и процессов, вызванных особыми причинами;
3. Автоматическое определение узких мест проектно-производственной среды (включая процессы обеспечения) для выстраивания стратегии развития производства, а также информационная поддержка оперативной реакции менеджеров на особые причины с целью недопущения их в будущем (организационно-технические мероприятия, регламенты и стандарты).

Из трех основных задач две задачи непосредственно относятся к защите сроков и еще одна – к стратегии развития. Решение третьей задачи одновременно обеспечивает улучшение статистической управляемости производственных процессов, а значит, повышает точность прогнозов.

Первая задача адаптивной цифровой модели – автоматическая защита директивных сроков от вариабельности, вызванной общими причинами. В.С. Черномырдин образно определял действие общих причин вариабельности, как «хотели как лучше, а получилось как всегда». Как лучше – идеальное следование заранее составленному расписанию загрузки оборудования. Как всегда – реальный алгоритм управления производственными потоками на основе эстафеты, ставший стандартом для сложных производственных систем, начиная с производственной системы Тойоты. В сложных системах не нужно ожидать точного выполнения планов, а тем более расписаний.

Вторая задача адаптивной цифровой модели – раннее предупреждение о нежелательном событии, вызванном особыми причинами. Это настоящая неопределенность, к причине которой система пока не готова. В.С. Черномырдин определял действие особой причины вариабельности как «отродясь такого не бывало, и вот опять». Задача системы – зафиксировать событие выхода или угрозы выхода за пределы статистической управляемости (с заданной вероятностью или уровнем сигмы – 80%; 95%; 99.2% и т. д.). Эффективная подготовка к воздействию особой причины возможна в лучшем случае для ближайшего будущего, так как планирование действий, основанное на прогнозах, может быть эффективным лишь для относительно короткого периода. При решении второй задачи система делает прогноз выхода за границу диапазона по скорости приближения текущего значения параметра к этой границе.

Третья задача адаптивной цифровой модели – автоматическое определение узких мест на основе собираемой статистической информации, а также вычисление новых значений контрольных пределов для разделения общих и особых причин. Владея этой информацией, мы можем с заданной вероятностью прогнозировать поведение системы. Парадоксальный В.С. Черномырдин о решении этой задачи говорил так: «Прогнозирование – чрезвычайно сложная вещь, особенно когда речь идет о будущем». Концепция планирования развития – проектирование желаемого будущего и разработка путей его построения. При решении третьей задачи система обеспечивает информационную поддержку действий производственного менеджмента и визуализирует реакцию проектно-производственной среды на эти действия через изменения значений параметров контрольных карт.

Давайте посмотрим, как решение этих задач поддерживается базовыми возможностями одной из работающих MES систем на основе адаптивной цифровой модели производства – отечественной системой UpexPro.

Адаптивная MES система для решения задач в режиме реального времени

Базовая возможность №1 – автоматическое диспетчирование потока заказов в системе и сквозная связь заказов с производственными заданиями на каждом месте, что обеспечивает защиту сроков выполнения заказов, визуализацию статуса заказа и раннее предупреждение о наступлении нежелательных для заказа состояний. Пока выполнение заказа находится в состоянии статистического контроля, система самостоятельно справляется с диспетчированием потока заказов.

Мы фокусируется на важнейшем параметре – времени выполнения заказа, представленном сразу в двух измерениях – календарном и технологически необходимом. По мнению Ю. Аппело, «измерение результатов важнее, чем измерение параметров процесса. Но еще лучше иметь представление обо всех этих параметрах одновременно». Поэтому в системе в любой момент времени возможно визуализировать связь заказа с операцией, определяющей здесь и сейчас его текущий статус.

Базовая возможность №2 – автоматическое ранжирование заданий на рабочих местах, изменяющее приоритеты заданий в соответствие со статусом заказа по всему технологическому маршруту. Визуализация приоритетов заданий на экранах рабочих мест обеспечивает информирование исполнителя о наилучшей и желательной для предприятия последовательности обработки заданий, стоящих в очереди к ресурсу, выполняя тем самым защиту сроков выполнения заказов и вырабатывая раннее предупреждение о наступлении нежелательных состояний.

Важно контролировать не только технологический, но и весь бизнес-маршрут насквозь, от покупки материалов и комплектующих до отгрузки заказчику готового продукта. Поэтому сегодня MES системы управления производством все чаще называют MOM системами (Manufacturing Operations Management).

Базовая возможность №3 – автоматическое вычисление и визуализация на экранах продукт-менеджеров актуального положения критической цепи технологического маршрута и состояния текущей операции в цехе, например текущего состояния сборки с визуализацией в CAD/CAM системе. Обеспечивает защиту сроков выполнения заказов и раннее предупреждение о наступлении нежелательных состояний, фокусируя внимание менеджеров на участке маршрута и конкретной операции, определяющей конечный срок выполнения заказа.

Схема логической связности задачи – это не диаграммы Гантта, это ПЕРТ представление: работы в узлах, связи на стрелках. В этом случае для планирования и визуализации состояния производства нет необходимости, как при использовании системы расписаний, считать ранние, поздние и «оптимальные» запуски процессов. Система определяет локальные приоритеты операций приближением к критической цепи технологической схемы заказа, по статусу которого определяет его глобальный приоритет среди всех заказов. Операционный блокчейн решает задачу достоверности данных о статусе заказа. Уровень достоверности, обеспечиваемый операционным блокчейном, повышается при каждой передаче результата работы от предыдущей операции к следующей по технологической схеме потока работ через алгоритм приема/передачи (то, что некоторые менеджеры называют «управляемым конфликтом передачи» результатов работы).

Базовая возможность №4 – автоматическая синхронизация и визуализация на экранах менеджеров служб снабжения и руководителей планово-диспетчерских отделов и бюро (ПДО и ПДБ) актуального состояния обеспеченности сборочного процесса собственными и покупными компонентами (ПКИ), например текущего состояния обеспеченности сборки с визуализацией в CAD/CAM системе. Осуществляет защиту сроков выполнения заказов и раннее предупреждение о наступлении нежелательных состояний, фокусируя внимание менеджеров на фактическом или прогнозируемом системой дефиците, определяющем конечный срок выполнения заказа.

Важнейшей задачей менеджеров служб снабжения и руководителей ПДО и ПДБ является надежность обеспечения производства материалами, оснасткой, инструментом, ПКИ, программами ЧПУ. Система оповестит менеджеров этих служб автоматически при выходе или угрозе выхода за контрольный предел параметров статистически управляемого состояния системы. Или оповестит по запросу, если параметр находится внутри контрольного диапазона.

Базовая возможность №5 – визуализация в реальном времени на 2D/3D модели цеха или в системах VR/AR общей картины производства, текущего значения параметров оборудования и качества операций с датчиков IoT и систем технического зрения. Обеспечивает общий визуальный контроль и раннее предупреждение о наступлении нежелательных состояний оборудования, операций и общего уровня производственных мощностей, а также загрузки отдельных ресурсов.

Информацию о текущем состоянии объекта можно вывести на РС, планшет, очки AR или на изображение с камеры.

Базовая возможность №6 – автоматический трекинг и визуализация хода выполнения и статусов всех заказов или визуализация выбранного заказа на основе последних и ранее собранных в системе статистических данных: с мониторов, меток RFID, QR или штрих-кодов, датчиков и систем технического зрения. Обеспечивает автоматическое определение узких мест по анализу статистических данных и визуализирует динамику изменения параметров контрольных карт процесса.

Сбор и анализ статистических данных позволяет определить реальные узкие места производства по любым выбранным маршрутам. Эта возможность полезна для решения в системах более высокого уровня – ERP и BI задач оптимизации и развития бизнеса, планирования развития производственной среды.

Подводя итог рассмотрению возможностей системы управления производством UpexPro на основе адаптивной цифровой модели, можно еще раз процитировать Ю. Аппело: «Все модели неверны, но некоторые из них полезны».

Первые результаты от использования адаптивных цифровых моделей производства

Системы управления на основе адаптивных цифровых моделей, с тем или иным уровнем цифровизации, сегодня находятся в стадии интенсивного развития и осмысления первых результатов. В концепции Индустрии 4.0 их создание является целью и высшим достижением текущего уровня развития мировой индустрии. Тем более важно уже сейчас начинать работу по созданию таких систем управления в преимущественно проектно-производственных средах с высоким уровнем вариабельности.

Исходя из опыта мировых лидеров и собственного опыта авторов, можно прогнозировать, что использование адаптивных цифровых моделей абсолютному большинству предприятий даст кратное повышение производительности труда и эффективности производства.

В преимущественно производственных средах вариабельность находится на более низком уровне и постепенно еще больше снижается за счет замены в производствах людей коботами, роботами и автоматическими линиями. Этот процесс сопровождается переводом сотрудников в преимущественно проектные среды (включая программирование, разработки, наладки, обслуживание, ремонт и т. п.).

В ближайшие годы стандартом станут склады и механические цеха «без света», которые сегодня можно увидеть только у мировых лидеров, таких как компания Фанук.

Есть и отечественные примеры – на механическом производстве одного из машиностроительных заводов, выпускающего широкую номенклатуру приборов и электромашин, не осталось ни одного человека с чисто рабочей станочной специальностью, производительность труда выросла более чем в 6 раз, и всем желающим нашлась работа.

К сожалению, повторить чужой успех невозможно, но с помощью адаптивных цифровых моделей возможно добиться своего собственного успеха в управлении производством в режиме реального времени и в условиях неопределенности.