Кому подойдет цифровая оптимизация

1. Оцифрованность
Сам термин "цифровая оптимизация" подразумевает, что на предприятии должно быть достаточно данных, которые можно использовать для оптимизации процесса. Данные на производстве генерируются оборудованием, различными датчиками (температура, давление, скорость, расход и т.д.), заводскими лабораториями (производящими контроль продукции и сырья). Также большой объем данных генерируют обслуживающие подразделения (экономисты, логистика, энергетика и т.д.). Для того, чтобы данные можно было использовать для оптимизации, они должны собираться и где-то храниться. В идеале хранилище должно быть одно, но это не обязательно: если есть различные учетные системы, каждая со своей базой данных, то с такими данными тоже можно работать.

2. Стационарность
Проводить цифровую оптимизацию уникальных проектов очень сложно: анализ данных призван находить закономерности в постоянно повторяющихся процессах. Поэтому лучше всего подходят для оптимизации непрерывные стационарные процессы. Также хорошо оптимизируются постоянно повторяющиеся процессы. Но даже внутри производства уникальных изделий может быть установка или процесс, который работает непрерывно (например, в строительной организации может быть производство бетона) и вот такие процессы (если они оцифрованы) тоже могут подлежать цифровой оптимизации.

3. Сложная физика (химия)
Технологические процессы и установки, в которых происходят сложные физические или химические процессы трудно поддаются обычному моделированию. Яркий пример - смешивание нефтепродуктов для получения смеси необходимого качества: все параметры смеси имеют очень непростую зависимость от параметров исходных компонентов. В таких местах обычно есть какая-то инструкция для примерного расчета и дальнейший контроль и корректировка (при поступлении нового сырья оператор по инструкции рассчитывает относительные количества компонентов, затем смесь отправляет на анализ и по его результатам корректирует количество). На таких процессах идут существенные потери времени, сырья, энергии, труда и т.д. Алгоритмы машинного обучения способны создать более точную модель такого процесса, что поможет предприятию сэкономить много ресурсов.

4. Много параметров
Человек неплохо справляется с оптимизацией техпроцесса, имеющего один параметр (например, надо подобрать температуру, при которой процесс протекает наилучшим образом). Если параметров два, то оптимизировать гораздо труднее: количество возможных вариантов равно произведению числа различных значений одного параметра на число значений другого. 
В реальных процессах количество параметров может исчисляться десятками. Человеческий мозг в принципе не способен держать в уме такое количество данных.  Инструкции от производителей оборудования и многолетний труд технологов позволяют поддерживать эффективность процесса в допустимых рамках, но в таких местах всегда есть потенциал для оптимизации и цифровая оптимизация приносит очень неплохие результаты.

5. Человеческий фактор
Ситуации, описанные в двух предыдущих пунктах, приводят к тому, что на подобных сложных производствах всегда присутствуют ключевые сотрудники, которые не просто знают технологию, но обладают большим опытом и интуицией по управлению этими техпроцессами. Передать опыт и интуицию другому сотруднику - задача нетривиальная, а часто - просто невозможная. Получается зависимость целого завода от одного или нескольких ключевых сотрудников.
Но основная проблема в другом. Сотрудник, управляющий процессом по интуиции, уверен, что его решения оптимальные. Между тем, это далеко не так. Искусственный интеллект всегда имеет потенциал выше человеческого. Поэтому, все места, где находятся такие ключевые сотрудники очень хорошо оптимизируются при помощи анализа данных.

6. Проведена первичная оптимизация
Естественно, что переходить к цифровой оптимизации имеет смысл только там, где проводится обычная оптимизация, т.е. на тех производствах, где уделяется внимание эффективности. Хорошим показателем может быть внедренная одна из систем менеджмента качества (6 Сигма, Кайдзен, ISO-9000, теория ограничений и т.д. ), использование бережливого производства; однако даже если формально не внедрялось ни одной из этих систем, но перед техническим персоналом регулярно ставится задача хотя бы повышения производительности линии, значит на производстве поддерживается минимальный порядок и анализ данных может дать эффект.

Надеемся, что после прочтения статьи у Вас появилось общее представление о том, имеет ли смысл впрягаться в цифровую оптимизацию. В любом случае, обращайтесь к нам, мы поможем разобраться, проведем предварительное бесплатное обследование и ответим на все вопросы.