Как системы управления данными помогают принимать решения и способствуют цифровой трансформации

Логотип компании
Как системы управления данными помогают принимать решения и способствуют цифровой трансформации
По данным исследований, 79% российских предприятий сегодня проводят цифровую трансформацию ключевых процессов. 22% производств оцифрованы полностью, 34% находятся в самом начале этого пути, остальные — уже используют несколько решений, но планируют расширять область применения интеллектуальных технологий.

«Оцифрованные» предприятия показывают более высокие операционную эффективность, гибкость и конкурентоспособность. Цифровизация позволяет обеспечить заданный уровень эксплуатационной готовности,  безотказности и производительности оборудования. С помощью цифровых технологий компании контролируют качество готовой продукции. А еще снижают общую стоимость владения активом — сокращают производственные затраты.

При этом предприятия, которые становятся на путь цифровой трансформации, сталкиваются с типичными барьерами и трудностями. Например, низким уровнем зрелости данных — в том случае, если подготовкой, проверкой и утверждением технической информации занимается большое большое количество исполнителей, и в результате данные хранятся на разнородных носителях, в том числе бумажных.

О том, как преодолеть барьеры к цифровой трансформации производства и какую роль в этом процессе играют системы управления данными и аналитика, рассказал Денис Мариненков, генеральный директор ГК Bimeister.

Цифровая трансформация и данные

Опираясь на опыт сотрудничества нашей компании с промышленными предприятиями, я могу выделить следующие ключевые вызовы, с которыми компании сталкиваются на различных стадиях жизненного цикла промышленных активов:

1. Неожиданный выход из строя оборудования. Простой производства может привести к значительным финансовым потерям и сбоям в работе предприятия.

2. Временные и ресурсные коллизии в комплексных проектах. Когда в проектах задействовано много участников, возникает несогласованность между различными этапами, необеспеченность работ, проблемы с синхронизацией графиков.

3. Неполные исходные данные. Недостаток информации затрудняет все этапы: планирование, проектирование и реализацию проектов.

4. Несовпадение объемов материалов. Ошибки в расчетах приводят к дефициту или избытку необходимых комплектующих.

5. Увеличение затрат на материалы. Непредвиденный рост цен и изменения спецификаций негативно влияют на бюджет.

6. Поток изменений. Частый пересмотр планов и спецификаций на разных этапах нарушает общий ход реализации работ.

Как системы управления данными помогают принимать решения и способствуют цифровой трансформации. Рис. 1

Практика показывает, что ключом к решению перечисленных проблем является эффективная работа с данными. Однако отсутствие единой стандартизированной информационной среды осложняет коммуникацию и использование данных для принятия решений.

В основе цифровой трансформации российской и мировой промышленности лежат данные и инструменты для качественной работы с ними. Без качественного управления данными, например, не могут развиваться искусственный интеллект и другие технологии индустрии 5.0.

Ежедневно в мире создается 328.77 млн терабайт данных. При этом 80–90% новых данных — это неструктурированная информация. Цифровизация меняет облик промышленного сектора и помогает предприятиям получать лучший бизнес-результат. Но чтобы использовать все возможности «цифры» в интересах компании, важно выполнить главное условие успешной трансформации — научиться эффективно работать с данными.

В этом предприятиям помогают системы управления данными и современные аналитические инструменты.

●      Использование таких систем и инструментов повышает операционную эффективность за счет оптимизации процессов, снижения простоев оборудования и улучшения качества продукции.

●      Управление данными улучшает качество принимаемых решений благодаря своевременному доступу к достоверной информации и возможности прогнозирования.

●      В результате качественного управления данными ускоряются инновации и происходит гибкая адаптация к изменениям рыночной конъюнктуры.

Как устроены системы управления данными

Система управления данными помогает создать единый источник достоверной информации на предприятии и достигать целостности, конфиденциальности и управляемости данных.

Система управления данными включает несколько компонентов и процессов:

●      Система управления базами данных (СУБД). СУБД объединяет данные в единое целое, определяет, как будут взаимодействовать элементы данных и обеспечивает компании быстрый и стабильный доступ к нужной информации.

●      Управление основными данными. К этой области относят работу с уникальными данными конкретного бизнеса: информацией о клиентах, продуктах, активах и финансах компании.

●      Управление большими данными. Большими данными называют весь массив информации, которую компания использует в данный момент — и которые получает, в том числе, из дополнительных источников.

●      Интеграция данных. Это важный процесс, связанный с использованием данных в тот момент, когда они необходимы. Интеграция данных осуществляется не только в контуре предприятия, но и выходит за его пределы. Например, во время обмена данными с партнерами.

●      Аналитика. Современные системы управления данными включают специальные инструменты для оперативного поиска нужной информации и формирования отчетов.  С помощью аналитических инструментов предприятие может строить прогнозы, выявлять ошибки в текущих процессах, принимать стратегические решения.

Как системы управления данными помогают принимать решения и способствуют цифровой трансформации. Рис. 2

Система управления данными может включать как весь набор компонентов, так и те элементы, которые наиболее полезны конкретной компании. Мы, например, используем СУИД (система управления инженерными данными) для централизованного хранения и управления информацией на протяжении всего жизненного цикла актива. СУИД помогает трансформировать данные и информацию в структурированную базу знаний об активе, включающую техническое и технологическое описание, историю производства, закупок, монтажа, эксплуатации и ремонтов оборудования.

Формируя СУИД, очень важно определить правила управления информацией и данными. Без этого СУИД гарантированно превратится в «электронную свалку».

Сложность современных инженерных объектов и большое количество участников порождает множество информационных потоков, в рамках которых часть данных является уникальной, а часть дублируется и переиспользуется.

Максимально важной задачей является разработка объектной модели и методических документов, связанных с классификацией и кодированием информации.

С учетом отраслевой специфики, существует несколько методик и рекомендаций по классификации данных и способам передачи информации, которые можно использовать при развертывании СУИД.

Например в наших нефтегазовых проектах мы разрабатываем методики классификации и кодирования на основе ISO 15926 и методических рекомендаций CFIHOS. А если работаем с энергетикой, часто опираемся на стандарт KKS.

Аналитические инструменты для принятия решений

Аналитика на предприятии может быть:

●      Описательной или дескриптивной. Так называют анализ исторических данных, который помогает обнаружить в них важные закономерности. Например, выявить сезонные тренды в продажах. В промышленном секторе описательная аналитика выявляет скрытые за цифрами тенденции и потенциальные проблемы, такие как износ оборудования или нехватка сырья, позволяя руководству принимать своевременные меры для оптимизации процессов.

Рассмотрим отчет, показывающий объем производства в 500 000 единиц за квартал. Инструменты описательной аналитики помогают лучше понять контекст и сделать важные для бизнеса выводы. Например, зафиксировать снижение производительности на 20% по сравнению с предыдущим кварталом, что будет сигнализировать о проблеме.

●      Диагностической. В таком случае данные помогают ответить на вопрос о причинах событий.

На производствах диагностическая аналитика позволяет заблаговременно планировать обслуживание оборудования и оптимизировать расходы на ремонт и оперативное выявление неисправностей.

●      Прогнозной. Строить прогнозы помогают алгоритмы машинного обучения — опираясь на исторические данные, математическая модель предсказывает, что ожидает компанию в дальнейшем.

Производитель продуктов Danone, например, с помощью прогнозной аналитики оптимизирует цепочку поставок. ML-алгоритм анализирует данные о продажах и спросе, и компания избегает перепроизводства скоропортящихся продуктов. В результате упущенный сбыт снижается на 30%, а планировщики спроса получают дополнительное время на решение более сложных, креативных задач.

●      Предписывающей. Это процесс поиска оптимальных решений для определенной задачи.

«Норильский никель» использует аналитические инструменты для позиционирования буровых установок. Предписывающая аналитика помогает правильно размещать машины в пространстве, соблюдать направление горных работ, повышать качество руды и добывать больше металла.

Массив информации, которую компания собирает с помощью аналитических инструментов позволяет улучшать бизнес-стратегию. Согласно нашим исследованиям, благодаря учету всех данных промышленные компании на 20% сокращают простои оборудования и на 75% снижают внеплановые ремонты, а также увеличивают долю плановых ремонтов, уменьшая аварийные работы. При этом общие затраты на ремонтные работы снижаются на всем эксплуатационном цикле промышленного предприятия.

Как внедрить систему управления инженерными данными на промышленном предприятии

Чтобы внедрить систему управления инженерными данными в вашей компании: 
  1. Оцените текущее состояние информационных активов. На этом этапе проводится анализ существующей инфраструктуры данных, источников данных и их качества, а также определяются бизнес-потребности предприятия. Необходимо поставить конкретные цели и ожидания от внедрения СУИД.
  2. Разработайте стратегию и методологии управления данными.
    Необходимо определить подходы к классификации и кодированию, формализовать объектную модель и атрибутивно-классовую структуру актива в соответствии с бизнес-целям и уже накопленными информационными объемами.
  3. Выберите архитектуру СУИД и смежные технологии. Подходящая архитектура СУИД наиболее релевантна отраслевой и бизнес-потребности. Выбирайте инструменты и платформы, которые обеспечивают масштабируемость, производительность, безопасность и совместимость с текущим ИТ-ландшафтом предприятия. При выборе вендора не забывайте про импортозамещение и текущие геополитические риски.
  4. Проведите пилотное внедрение и тестирование. Запустите мелкомасштабную версию СУИД для тестирования функциональности, производительности и интеграции с существующими системами. Проведите проверку целостности данных, производительности, ожиданий пользователей.
  5. Позаботьтесь о подготовке, очистке и миграции данных. Любое действующее предприятие накапливает большие объемы разнородной информации. Данные из различных информационных систем необходимо подготовить: очистить, убрать дубликаты, нормализовать для того, чтобы они корректно встраивались в согласованную объектную модель актива. Подготовленные данные переносятся или интегрируются в СУИД поэтапно. Обеспечивается их согласованность, точность и безопасность во время и после миграции. Также важно обеспечить непрерывность текущих бизнес-процессов.
  6. Следите за безопасностью. Внедрение СУИД и появление структурированных и классифицированных источников информации, как правило, приводит к трансформации бизнес-процессов. Необходимо формализовать политики управления данными, роли и обязанности для управления качеством данных, доступом и использованием данных в рамках СУИД. Необходимо обеспечить надежные меры безопасности для защиты конфиденциальных данных и соблюдения регуляторных требований.

Опубликовано 10.07.2024

Похожие статьи