Цивилизация
Драйвер экономии, локомотив конкуренции
Если финансовый отдел компании больше похож на кровеносную систему, то отдел закупок напоминает позвоночник, на котором держится каркас всего организма.
Именно сотрудники отдела закупок связывают между собой различные бизнес-процессы и подразделения — от сырья до готового изделия. Снабженцы, как боевые пчелки, приносящие мед в соты, ежедневно способствуют экономии, выбирая самые лучшие предложения поставщиков, формируя добавленную стоимость и выигрывая в конкурентной борьбе за клиента.
Вот почему в прошлогоднем опросе SAP и Университета прикладных наук Вюрцбург-Швайнфурт, проведенном среди руководителей компаний, занимающих лидирующие позиции, порядка 60% респондентов ответили, что планируют инвестировать в цифровизацию закупок в самое ближайшее время. За роботизацию высказались 20% опрошенных, за вложения в искусственный интеллект — 17%, машинное обучение и чат-боты — 15 и 9% соответственно.
Главный шаг на пути к экономии и росту конкурентоспособности — цифровая интеллектуализация предприятий. Технологии искусственного интеллекта (ИИ), машинного обучения, блокчейн, большие данные играют огромную роль в этом процессе.
Так, ИИ позволяет объединить всю внутреннюю аналитику о бюджете компании и группах товаров с внешними данными (биржевыми индексами, сообщением из соцсетей и так далее). В закупочной деятельности это необходимо для выстраивания наиболее эффективных графиков приобретения сырья и материалов, исходя из рыночных изменений. Блокчейн позволяет хранить и оперировать большим количеством разрозненных данных о предложениях поставщиков из разных городов, регионов, стран, а также идентифицировать всю цепочку контрагентов, уточнять их кредитную историю, собирать информацию о происхождении и качестве товара.
Интеллектуализируй это
Традиционная автоматизация закупочного цикла не слишком эффективна с точки зрения бесперебойности процессов. В такой системе ключевую роль по-прежнему играет человек, делегирующий машинам выполнение задач. Людям свойственно уставать и ошибаться, что приводит к промахам и сбоям даже в налаженной системе управления предприятием.
Представим ситуацию: снабженец упустил оптимальный момент для заказа сырья по лучшей цене (или заключил договор с ненадежным поставщиком). В результате склад остался не заполнен, обнаружились простои, бухгалтерия зафиксировала сопутствующие трансакционные издержки (а это не под силу исправить ни одной совершенной системе складской автоматизации).
Интеллектуальная цепочка поставок отличается от просто автоматизированной системы (где все процессы функционируют при минимальном вмешательстве и контроле со стороны человека) способностью принимать на 100% самостоятельные решения, адаптироваться под нужды рынка, выдавать распоряжения на все производственные транзакции. Она также способна самообучаться, исправляет собственные и чужие ошибки. От человека в этом процессе требуется лишь сообщить, что он хочет получить от системы, и дождаться результата.
Двойник-эталон
Для внедрения интеллектуальной цепочки поставок прежде всего необходимо сформировать так называемого цифрового двойника (Digital Twin). Речь идет о виртуальном прототипе реального изделия или оборудования с воспроизведением его фактического рабочего состояния. Цифровой двойник запускается, когда нужно собрать полную информацию об объекте, отследить и скорректировать его работу. Он не просто собирает статистику на стадии старта и изготовления продукции или оборудования, но также анализирует данные в течение всего производственного цикла.
Именно цифровой двойник, в основе которого лежат технологии искусственного интеллекта и интернета вещей, позволяет настраивать и управлять любыми бизнес-процессами с математической точностью, прогнозировать события и создавать модели без проведения предварительных лабораторных экспериментов. В действительности это автономная и самодостаточная система, которая формулирует производственные задачи, контролируя их выполнение. При необходимости, исходя из накопленной информации, система обеспечивает варианты оптимальных решений, пробивает полезный образец по патентным базам, формирует спецификации. В этом случае от человека даже не требуется вводить исходники, поскольку вся необходимые данные поступают самотеком, с помощью встроенных IoT-датчиков.
Кейс «Черкизово»: Деликатесы без участия человека
Один из реализованных проектов немецкой компании SAP, которая отвечает за разработку и внедрение IT-решений для бизнеса по всему миру, — уникальный интеллектуальный завод по мясопереработке «Черкизово». Речь идет о производстве мясных деликатесов без участия человека. Точнее, люди там присутствуют, но к сырью практически не прикасаются. Система базируется на четырех связанных блоках, образующих умную цепочку поставок: SAP S/4HANA по управлению предприятием нового поколения, MES-система управления производственными процессами, SCADA-система для физической связи с оборудованием и блок «Интернет вещей».
Как это работает? Сначала в систему управления вводится план продаж. Далее происходит расчет потребности в сырье с учетом мощности и складских запасов (при необходимости осуществляется автоматическая закупка). Создаются заказы на производство мясной продукции для конкретной смены. По конвейеру сырье поступает на участок фаршесоставления. Подача сырья, набивка шприцами, развешивание на специальные рамы, перемещение в цех ферментации и сушки, запаллечивание — все это осуществляется силами роботов. Получая задания по Wi-Fi, они сами выстраивают оптимальные маршруты, выполняют задачи и отчитываются о результатах. Роботы-шаттлы, например, доставляют колбасу на линию упаковки, роботы-паллетчики укомплектовывают мясную продукцию и отправляют в магазин. Специальная система SAP ML отслеживает и анализирует состояние оборудования, заранее сообщая о необходимости ремонта.
При 100%-ной автоматизации в операционном цикле предприятия задействовано не более 40 человек.
Непрерывный контроль
Интеллектуальная цепочка поставок позволяет не просто избежать многочисленных человеческих ошибок и недостач на производстве, но также освобождает от необходимости контролировать исправность узлов и агрегатов. Умная система сама мониторит состояние оборудования, предиктивно проводя анализ и заблаговременно уведомляя о необходимости ремонта, не дожидаясь серьезных поломок. Сценариев, когда умная цепочка поставок минимизирует затраты и улучшает качество обслуживания, немало.
Сценарий 1. Новолипецкий металлургический комбинат совместно с компанией SAP внедрил на своих предприятиях интеллектуальное решение, способное предсказать, прогорит фурма на доменной печи или продержится до плановой замены. Экономия от такого проекта может превысить 60 млн рублей в год.
Сценарий 2. Нефтехимический концерн BASF внедрил у себя технологию цифрового двойника критически важного оборудования. В результате задвижки на трубопроводах BASF, по которым подаются химические опасные вещества, управляются самим производителем оборудования — компанией Endress + Hauser. Последняя также перешла на новую модель и начала поставлять не просто оборудование, а конечный сервис.
Сценарий 3. Одно крупное металлургическое предприятие заказало у SAP модель машинного зрения, позволяющую эффективно диагностировать потенциально взрывоопасные объекты в металлическом ломе, загружаемом в доменную печь. Это решило проблему неоднородности лома, в котором попадаются опасные снаряды и газовые баллоны, способные вывести оборудование из строя и снизить производительность.
Эти примеры демонстрируют важность применения интеллектуальной цепочки поставок там, где своевременная сигнализация об отклонениях и аномалиях опасных промышленных производств помогает сократить непредвиденные расходы и снизить риски для здоровья персонала.
На шаг впереди тренда
Зачастую предсказания умной машины оказываются гораздо точнее и надежней комментариев аналитиков. Если речь идет о рыночных трендах, лучше довериться искусственному интеллекту, который способен сделать безошибочный прогноз на основе открытых данных из интернета и закрытых — из внутренних учетных систем.
Сценарий 4. В начале 2018 года автомобильные эксперты заговорили о росте рынка грузовиков. Параллельно с этим компания SAP по заказу одного крупного автопроизводителя построила модель для прогнозирования объема рынка автотяжеловесов. Вопреки заверениям экспертов, которые в один голос твердили, что рост на грузовики продолжится до конца года, модель SAP неожиданно выдала прогноз о падении спроса уже осенью. Модель оказалась права. Предсказания изменений рыночного тренда основывались на макроэкономических данных, собранных из интернета с использованием методов машинного обучения.
Сценарий 5. Макроэкономические данные по рынку биржевых товаров за последние несколько лет также позволяют компаниям заблаговременно отслеживать тренды и малейшие колебания котировок. Так, аналитическая модель, разработанная SAP по заказу одного отечественного нефтехимического комбината, помогла спрогнозировать биржевые цены на китайский полипропилен на 8 недель вперед.
На многих предприятиях просрочка поставок важной продукции может привести к финансовым потерям и (без преувеличения) к экономической катастрофе. Еще одна ценная возможность интеллектуальных цепочек поставок, на сей раз открывшаяся начальникам отделов закупок, — это предугадывание задержек поставщиков.
Сценарий 6. На основе макроэкономических данных по поставщикам и данных из учетных систем, базирующихся на машинном обучении, умная система способна сама спрогнозировать вероятность задержки поставщиками сырья и материалов, а также рассчитать примерный срок задержки. Обладая этой информацией, предприятие может заранее приготовить страховой фонд и оптимизировать запасы.
Сценарий 7. Один из крупных российских поставщиков целлюлозно-бумажной продукции внедрил на своих предприятиях модель диагностики дублирующих записей двойников, разработанную компанией SAP на базе методов текстового анализа и машинного обучения. Устранение повторяющихся записей о поставщиках избавило от избыточных складских запасов.
Это лишь несколько примеров того, какие преимущества дает интеллектуальная цепочка поставок. В действительности мы стоим на пороге высшей стадии автоматизации производства, когда все решения за человека будет принимать машина. Та же самая машина будет распоряжаться производственными транзакциями и обеспечивать невиданную экономию всем типам современного бизнеса.
Если вы хотите более подробно познакомиться с интеллектуальными сценариями, которые уже сейчас используются ведущими российскими компаниями, приглашаем вас на SAP Forum, который пройдет в Москве 17 апреля.
