Когда на пути TOYOTA встречается концепция Индустрии 4.0

Перевод второй части главы “Principle 8. Adopt and Adapt Technology That Supports Your People and Processes” книги Джеффри Лайкера “The Toyota Way, Second Edition: 14 Management Principles from the World’s Greatest Manufacturer”. Второе издание вышло 1 декабря 2020 года.

Я не являюсь экспертом в этом вопросе, но мое понимание Концепции Индустрии 4.0 подразумевает использование программного обеспечения для управления активами посредством технологии «Интернета вещей»: устройства сбора данных (например, беспроводные датчики и камеры высокой четкости), интеллектуальный анализ больших данных для выявления закономерностей, алгоритмы прогнозирования и обучающийся искусственный интеллект. Существует множество прикладных программных решений. Одно из применений технологии – мониторинг машин и оборудования, прогнозирование отказов и в некоторых случаях принятие корректирующих мер путем автоматической настройки оборудования и машин. Другой пример – умные роботы, которые могут адаптироваться к различным условиям и обучаться, имитируя принятие решений и движения человека.

Не осознавая этого, я испытал всю мощь этой новой технологии, играя в гольф в феврале 2020. Друг пригласил меня опробовать новое тренировочное поле, оснащённое технологическими решениями, которые отслеживали удары в гольфе и предоставляли данные в ваш смартфон. На тренировочном поле были установлены радиолокационные вышки для сбора данных в трех измерениях. Я загрузил приложение Trackman, вышел на поле, ввел его номер, ввел номер клюшки для гольфа, которую использовал, ударил по мячу, а затем увидел на своём смартфоне, как движется мяч, расстояние, которое он пролетает, расстояние, которое он пробегает по земле и высоту. Результаты могли корректироваться в зависимости от актуальных погодных условий. Я мог увидеть даже меру вариативности моих ударов по клюшкам. Как же круто это было?

Затем я мог провести анализ и задать вопросы вроде таких: «Как далеко я в среднем отправляю мяч с каждым ударом?», «Какие клюшки более подходящие?», «Должен ли я был использовать клюшку на меньшую дистанцию в некоторых случаях, чтобы получить лучшую точность удара?». Ключом были устройства сбора данных, подключение к интернету для обработки данных, анализ данных, подключение к моему смартфону и прикладное программное обеспечение.

Пример работы приложения Trackman

Позже я вспоминал об этой технологии и ее возможностях. Мне очень понравился опыт использования, он улучшил мои общие впечатления от тренировочного поля, как будто поиграл в видеоигру, но узнал ли я больше? Цель посещения тренировочного поля – потренироваться и стать лучше. Помогло ли это моей практике и уровню навыков? Теоретически казалось, что да, но на самом деле нет. Могло бы помочь, если бы я использовал полученный анализ как часть осознанного тренировочного режима. Это означало, что я должен был выйти за рамки просто удара по мячу и просмотра за происходящим на смартфоне. Я должен был обладать определенными навыками, работать над стандартом того, каким я хотел видеть свой удар, и для каждого удара клюшкой мне нужно было отмечать отклонения от своего стандарта, а затем думать и практиковать меры противодействия этим отклонениям. В остальном это было просто развлечение (что уже неплохо). Технологии плюс человеческая дисциплина осознанной практики могут кое-что добавить.

То, что я увидел в Denso, было очень похоже на эту технологию на тренировочном полигоне, но гораздо в большем масштабе и более сложную. Культура Denso включала в себя дисциплину, направленную на то, чтобы научить людей думать и решать проблемы на основе отклонений между стандартными и фактическими состояниями, что в сочетании с интернетом вещей было очень мощно.

ЭЛЕКТРОННЫЕ ОБОИ?

Когда я впервые попал в Мичиганский университет в 1982 году, «фабрики будущего» были в моде. Я изучал «социальные последствия» компьютерно-интегрированного производства (CIM), которое, согласно прогнозам, подорвет промышленность, потенциально оставив без работы миллионы рабочих. Спроектируйте что-нибудь на компьютере, создайте цифровую базу данных, загрузите ее в автоматизированное оборудование и получайте продукт. СМИ гудели об этой разрушительной технологии, поэтому я был сильно шокирован, узнав, что в то время это был миф, неудач было гораздо больше, чем успехов. Наша команда изучала небольшую компанию, производителя подшипников для подъемно-транспортных систем, которая рекламировала себя как первопроходца CIM. В компании установили новое компьютеризированное оборудование, старое оборудование убрали, уволив при этом его операторов; но когда новая система вышла из строя, пришлось снова пустить в ход старое оборудование и нанять уволенных операторов, чтобы продолжить производство. В конце концов компания обанкротилась. Мы написали статью «Изменить все сразу» (Changing Everything All at Once) и задокументировали, почему все обернулось так плохо. По сути, они были амбициозными первопроходцами, но преждевременно запустили в эксплуатацию непроверенные технологии. Учитывая этот опыт, я скептически отнесся к шуму об Индустрии 4.0. Встреча с Раджей Шембекаром в Denso укрепила мой скептицизм и стала убеждать меня в том, что эти передовые цифровые технологии были тем самым недостающим звеном в ранних попытках реализации компьютеризированного производства.

Раджа Шембекар, вице-президент Североамериканского производственного инновационного центра Denso, стал главным архитектором использования Интернета вещей компанией Denso. Он проработал в Ford 12 лет, где изучил основы автомобильного дизайна и производства, а затем в 2004 году он присоединился к Denso, изучая культуру и систему и два года проработав на производстве в Японии. Когда он вернулся в Соединенные Штаты в 2012 году, он хорошо понял, насколько США опередили Японию в современном программном обеспечении, особенно в перспективных технологиях Интернета вещей и искусственного интеллекта. Он был полон решимости передать эти технологии в Denso. В то время он считал, что Denso сильно отстает и ему нужно быстро наверстать упущенное, поэтому он решил нанять поставщика IoT. Раджа объяснил:

Еще в 2017 году мы много раз встречались с компаниями. Они показывали нам отличные PowerPoint презентации и рассказывали, что могут сделать. И тогда мы действительно думали, что сильно отстаем от остальной промышленности США. Мы поговорили с пятью разными компаниями, провели с ними реальные испытания и установили их программное обеспечение.

Подобно тому, что моя исследовательская группа испытала в 1980-х годах с «фабрикой будущего», когда Раджа и его команда углубились в предполагаемые компании-эталоны Индустрии 4.0, он был шокирован, узнав, как мало они сделали. Было много фанфар и замечательных демонстраций данных, но почти не было действий для решения реальных проблем. Он посетовал:

Мы многому научились, но быстро поняли, что если вы пойдете на заводы, и они покажут вам множество мониторов и информационных панелей – я называю их электронными обоями, – если вы не покажете мне, какие действия вы предприняли на основе этих данных в реальном времени, и что эти данные соответствуют реальности, это просто электронные обои. Я посетил более дюжины заводов в крупных известных компаниях, и многие из них хорошо работали, но они не были полностью интегрированы, и те, кто показывал много информационных панелей, когда мы начали разбираться детальнее, мы обнаружили не много реальных действий.

Он посетил завод другого крупного автомобильного поставщика, которому уделялось большое внимание как передовому примеру использования Интернета вещей. У поставщика были красивые дисплеи с данными и множеством гистограмм. Для оценки времени безотказной работы оборудования он взглянул на монитор, который показывал общую эффективность оборудования. Цифры показывали, что оборудование было загружено на 135%. Раджа был удивлен этим числом и спросил, верно ли оно. Ему сказали: «Нет, это не совсем так, потому что программное обеспечение не было адаптировано для решения тех проблем, которые у нас были сегодня». Раджа подумал: «Что подумают сотрудники, если увидят 135%, в то же время понимая, что на самом деле не достигают запланированного результата на день?»

Он также обнаружил, что программное обеспечение разработано специалистами, не имеющими представления о реальном производстве, и зачастую его нельзя было адаптировать к реальным условиям. Пример, с которым Раджа столкнулся при проверке возможных поставщиков программного обеспечения:

Мы провели проверку концепции с двумя компаниями, одной из Германии и одной из США. Допустим, ваша смена начинается в 8 утра, и это настраивается в программе. В 8 часов софт начинает контролировать производительность вашей линии. Но допустим, что приходит сообщение от руководителя по какой-то проблеме безопасности или чего-то подобного, поэтому линия стартует в 8:07. Наши сотрудники не должны нести ответственности за эти 7 минут простоя, потому что руководство решило отложить старт линии по какой-либо причине. Верите или нет, кажется, что это не сложно, но программное обеспечение было невозможно настроить без труда, подобно тому, как руководитель группы мог бы войти и сказать, что мы начали в 8:07.

ПРИМЕНЕНИЕ ИНТЕРНЕТА ВЕЩЕЙ В DENSO, BATTLE CREEK

Когда я приехал сюда в феврале 2020, многие приложения Интернета вещей активно использовались на заводе Denso в Батл-Крике, штат Мичиган. В коридоре, ведущем в цех, висел большой экран с картой, показывающей различные зоны. Во время нашего зимнего визита все зоны были зелеными, что означало, что они соответствовали температурным индексам. Если температура выше 35°C, в соответствии с законом, сотрудники должны делать 15-минутный перерыв каждые 4 часа. Раньше для анализа климата люди проходили через цех, замеряя и вычисляя среднюю температуру. Если средняя температура была выше целевой, весь цех останавливался на 15 минут. Теперь непрерывный сбор данных по зонам в режиме реального времени позволяет точно определить, в каких именно зонах превышены пороговые значения, и только эти зоны будут немедленно остановлены, что оптимизирует производительность и уменьшает незапланированные простои.

В другой части цеха мы увидели информационные панели, с данными, обновляющимися в реальном времени, характеризующими безопасность, качество, стоимость и сроки поставки. При реальных вопросах к качеству, дисплей показывал, где они возникли, что произошло и какие меры были приняты. Если в течение 20 минут не было предпринято никаких действий, проблема автоматически акцентировалась.

На одном рабочем месте оператор наблюдал за дисплеем, на котором в реальном времени показывалась диаграмма контроля качества с верхними и нижними пределами. Просто взглянув на экран, можно было понять, что процесс совсем недавно вышел за пределы, и оператор заметил это, отреагировал и вернул управление.

Одним из самых больших успехов стало использование профилактического обслуживания печей для пайки, которые являются частью процесса изготовления алюминиевых теплообменников. Печи большие и длинные, и в каждой из них есть 12 дорогих вентиляторов размером с круглый обеденный стол, которые обеспечивают контролируемую атмосферу для циркуляции, чтобы поддерживать постоянную температуру в печи. Если один вентилятор останавливается, печь необходимо выключить, и при почти 700°C требуется 12 часов, чтобы охладить ее, 12 часов, чтобы заменить вентилятор, и 12 часов, чтобы вернуть его в рабочее состояние. Каждый раз, когда вентилятор останавливается, завод теряет 36 часов и 30 000 единиц продукта в день. Кроме того, 60 человек простаивают из-за остановки производства. В год случается по четыре-шесть неожиданных остановок ценой 70-80 тысяч долларов каждая.

Компания Denso наняла вендора, который подключил к каждому двигателю вентилятора сложный беспроводной датчик, отслеживающий гармоники в двух измерениях (поскольку вентиляторы работают на двух осях), температуру и скорость вращения вентилятора. Эти данные анализировались с помощью программного обеспечения для предиктивной аналитики. Программное обеспечение способно определить вентилятор, который выйдет из строя через 58 часов, направляя сигнал сервис-инженерам для его замены. Раджа объяснил:

Сервисные специалисты не поверили. Но мы все равно просили их заменить вентилятор. Они демонтировали вентилятор. Увидели, что половина лопастей вентилятора разрушились. Были полностью шокированы тем, что они понятия не имели, что происходит, и как мы могли сделать этот прогноз. После этого они стали гораздо более лояльными к новой технологии.

КАК DENSO ЗАСТАВИЛА РАБОТАТЬ ТЕХНОЛОГИИ?

После сравнительного анализа предполагаемых лидеров Индустрии 4.0 Радже стало ясно, что Denso должны взять под свой контроль технологии внутри компании и выборочно работать с вендорами, обладающими конкретной экспертизой. Компании нужно было делать то, что ему вбивали в голову с тех пор, как он присоединился к Denso, – решать реальные проблемы и действовать. Также необходимо было достичь консенсуса по технологиям на всех уровнях, особенно тем людям в цеху, которые отвечали за производство и техническое обслуживание.

Развитие внутренней экспертизы для разработки и оптимизации программного обеспечения

Раджа собрал многофункциональную команду из примерно 10 программистов на заводе в Батл-Крик, чтобы возглавить работу в Северной Америке. Около половины были наняты извне с экспертизой Интернета вещей, а около половины – из самой компании с большим производственным опытом. Трое из них имели опыт аудита качества, поэтому они знали о проблемах Denso на производстве. Чад Орбек, менеджер по IoT в Северной Америке, имел более 26 лет опыта, в том числе управлял производственной линией. Раджа объяснил:

Они действительно хороши в программном обеспечении, но их опыт работы с производственной системой Тойота (TPS) уже более 20 лет. Вот почему я думаю, что Denso добилась большего успеха, чем любая из компаний, которые я проверял в США. Они могли разработать программное обеспечение, понимая, что оно будет работать, потому что они знали, каких проблем стоит ожидать.

Его команда даже разработала программное обеспечение, используемое для передачи данных между системами. Один из ключей к преобразованию компании, имеющей много различных информационных систем, – позволить этим системам беспрепятственно обмениваться данными. Раджа продолжил:

Пользовательский интерфейс легко сделать, но для получения этих данных из разных устаревших систем требуется рабочий API. Вендоры, которых мы тестировали, не смогли обеспечить хорошее взаимодействие с нашими устаревшими системами. Только наша команда смогла это сделать, потому что именно они создали эти интегрируемые системы. И они освоили новые системы, чтобы заставить API работать.

Для работы с большими данными Раджа нанял двух аналитиков данных, которые разбирались в том, что они делали, и пригласил группу людей для оценки использования ими аналитики данных. Заказчик солидно инвестировал, наняв ещё 50 аналитиков данных. Раджа спросил одного из членов команды, над чем они работают, и рассказал, как он был разочарован ответом:

Он засмеялся и сказал: «Всем понемногу. Мы просто собираем данные». 6 месяцев спустя мы пообщались вновь, и я показал ему несколько примеров, которые мы делали с аналитиками данных, и которые уже использовали люди, и он был шокирован, сказав: «У вас всего 2 человека, и у вас уже есть работающие примеры?”

Партнёрство со стартапом.

Еще один ключ к успеху Denso – это развитие социального капитала и партнёрство. Один из примеров – встреча с компанией, разработавшей технологию, которая оцифровывает движения человека и предоставляет данные о стандартизированной работе в режиме реального времени. Denso нашли их через связи в исследовательском институте Стенфорда.

Компания называется Drishti Technologies, ее основал доктор Прасад Акелла (Dr. Prasad Akella). Доктор Акелла начал с убеждения, что технологии должны улучшать людей, а не избавляться от них. Он сотрудничал с A.T. Kearney, компанией, которая опросила 100 крупных производственных предприятий и обнаружила, что люди выполняют только 72% производственных задач. Затем он задал вопрос: что произойдет, если соединить креативность и адаптивность людей с когнитивной силой ИИ? Преимущество людей в нашей гибкости и изобретательности. Минус – наша вариабельность, непостоянство.

Стандартизированная работа – это способ уменьшить эту вариабельность. Что, если бы ИИ мог анализировать видеоданные, распознавать рабочие циклы, изучать рабочие операции и немедленно предупреждать работников об отклонении от стандартов? Это было бы похоже на автоматический андон, дающий работнику обратную связь в реальном времени о его работе. Рабочий пропустил действие? Взял не ту деталь? Превысил сроки рабочего цикла? Мгновенная обратная связь приводит к быстрому обучению.

Технология Drishti – это несколько камер, которые непрерывно записывают работу под разными углами и хранят данные в облаке, после чего запатентованная система искусственного интеллекта на основе нейронных сетей анализирует видеоданные и определяет время в общем времени цикла, находит узкие места и даже генерирует диаграммы рабочего баланса. Такой подход выводит прослеживаемость на совершенно новый уровень. Ваш клиент сообщает вам о полученном им бракованном продукте. Вы связываете его запрос с серийным номером, смотрите, как создается деталь, смотрите на данные, генерируемые ИИ. Анализ первопричин теперь стал реальной возможностью, а не игрой в угадывание.

Завод автозапчастей Denso в Батл-Крике, штат Мичиган, тестирует камеры, отслеживающие перемещения рабочих с помощью программного обеспечения AI.

После встречи для Раджи было понятно, что доктор Акелла имеет опыт работы с производством, но не имеет детального понимания TPS. Раджа и его команда обучили доктора Акеллу и его команду лин-системам, и после года интенсивного сотрудничества они создали нечто, способное произвести революцию в стандартизированной работе. Раджа объясняет, как работает эта революционная технология:

Камера сфокусирована на каждом из рабочих-сборщиков на линии ручной сборки. Она записывает действия рабочих в реальном времени, данные отправляются в облако Google, где выполняется анализ с помощью ИИ. Обратно отчёт отправляется в течение 2 секунд, в нём сообщается, выполнил ли рабочий операции в правильной последовательности. До того, как у нас появилась эта технология для анализа в реальном времени, нам нужно было бы устанавливать видеокамеры, и кто-то должен был бы делать анализ, просматривая все записи, что заняло бы много часов. Эта технология оцифровывает движения человека и обеспечивает анализ узких мест. Такой подход мы используем первыми в мире. Он охватывает многие технические инструменты TPS, включая стандартизованную работу, отказ от передачи дефектов на следующий этап процесса, наличие задающего темпа, достижение времени цикла на каждой станции и мгновенный отчет об этом. Мы исключили составленные от руки почасовые диаграммы. Эта система распознает каждую деталь по действиям человека и видит, сколько деталей создано. Она говорит мне, где я не соответствую такту. Он создает диаграммы ямазуми [диаграммы загрузки операторов], в которых разбиваются рабочие элементы для каждой функции. Аналитик может извлекать данные за любой период времени и возвращаться к просмотру интересующих видео с участием сотрудников, смен и узких мест, так что это действительно революция в TPS.

Программное обеспечение Drishti может регистрировать, сколько времени требуется рабочему для завершения этапа сборки на протяжении всей смены.

Возможно, неудивительно, что Drishti обнаружили, что AI система наиболее полезна для таких клиентов, как Denso и Toyota, у которых уже есть сильные системы производственные системы. Генеральный менеджер подразделения Toyota Акихару Энго называет всю систему «TPS + AI», предполагая, что они идут рука об руку. Например, AI полезен, когда фабрика достигла определенного уровня стандартизированной работы, стабильной и эффективно организованной. Это зависит от непрерывного, сглаженного потока, который в свою очередь зависит от всех технических факторов TPS, указанных в Принципах 2–7, работающих вместе. Визуализация по-прежнему важна. Drishti использует планшетный компьютер, закреплённыйперед оператором, который показывает каждый шаг, как он выполняется, отмечая красным отклонения. Роль технологии состоит в том, чтобы предупреждать людей о проблемах, чтобы они могли быстро реагировать творческими решениями проблем, и, как мы узнаем из Принципа 10, бережливые компании организованы вокруг рабочих групп, участники которых обучены решению проблем. В основе системы людей и технологий лежит культура, построенная на взаимном доверии. Худшая ситуация – это когда руководство и рабочие борются за стандарты производительности, а члены команды считают, что AI система – это попытка руководства контролировать их и ускорять производство.

ТЕХНОЛОГИЯ ОСЛАБЛЯЕТ НАВЫКИ, ЗАМЕНЯЕТ ИЛИ РАЗВИВАЕТ?

Ответ: это зависит от философии управления. Вспомните обсуждение механистического и органического подходов в предисловии. С механистической точки зрения ценность технологий очевидна: заменяйте людей, наблюдайте за оставшимися и контролируйте их с помощью четких инструкций о том, что делать. Быстро и широко внедряйте технологию, чтобы удалить непредсказуемый человеческий фактор.

С точки зрения органических систем ценность технологии сильно отличается. В сочетании с изобретательностью высокоразвитых людей, заинтересованных в обслуживании клиентов и оказании помощи компании, она может умножать кайдзен – быстрее и лучше.

Раджа ясно дал понять, какой позиции придерживался он. Denso не стремились использовать технологии для избавления от людей, хотя он не сомневался, что со временем на фабрике будет работать меньше персонала. Хотя бывают случаи, когда техническая система с замкнутым циклом диагностирует и автоматически исправляет проблемы, будет множество проблем, требующих человеческой изобретательности и вмешательства. Фактически, Раджа убедился, что требования к навыкам людей должны расти:

Нам всегда будут нужны люди, но со временем их уровень навыков должен полностью измениться. Технология предоставляет данные, которые позволяют сотрудникам и руководителям групп в местах создания ценности (гемба) обеспечивать гораздо более высокий уровень принятия решений. Раньше они просто заполняли документы, но к тому времени, когда они завершали это делать, у них не оставалось ни времени, ни энергии, чтобы по-настоящему проанализировать данные. Если бы они хотели увидеть тренды, скажем, пятидневной давности или для разных людей, их просто не было. Технология обеспечила то, что мы теперь называем быстрым PDCA. Мы не можем позволить себе иметь PDCA, который занимает три недели. Мы хотим провести PDCA до конца этой смены.

Раджа привел пример технологии прогнозирования выхода из строя вентиляторов:

Я смог определить проблему с вентилятором быстрее и лучше, чем парень с 26-летним опытом. Раньше он бы подключил ультразвуковую диагностику, слушал и говорил, что вибрации ему не нравятся. Теперь он смотрит на данные временных рядов, рядов Фурье. Представьте себе его сдвиг в знаниях от простого прослушивания к истинному пониманию амплитудно-частотной характеристики. То есть это существенно повысит его профессиональный уровень. Люди будут работать в цеху, но уже на более высоком уровне.

В компании Denso в Японии руководители и инженеры также объяснили, что IoT не предназначен для того, чтобы исключить людей из цикла, но на самом деле предоставляет людям превосходную информацию о процессах. Сила больших данных и искусственного интеллекта заключается в том, чтобы своевременно предоставлять оператору информацию, о которой он раньше мог только догадываться. Но затем Denso ожидает, что оператор творчески использует эту информацию, чтобы найти первопричину и решить проблему с помощью кайдзен. Denso называет это «совместным созданием и развитием людей, вещей и оборудования». Это может привести к одному ироничному следствию. Исторически сложилось так, что основная роль промышленных инженеров заключалась в сокращении количества необходимых рабочих. Теперь технология может дать рабочим возможность устранить промышленных инженеров.

БАЛАНС МЕЖДУ ГОНКОЙ ЗА НОВЕЙШИМИ ТЕХНОЛОГИЯМИ И ЭФФЕКТИВНОСТЬЮ

Toyota – технологически продвинутая компания, и вот уже несколько десятилетий она закрывает свои компьютерные системы, а вы закрываете компанию. Теперь Toyota устанавливает суперкомпьютеры в свои автомобили. Но Toyota не заинтересована в том, чтобы быть модной и делать внедрение новых технологий самоцелью. Точно так же, как Toyota отказывается выталкивать детали, изготовленные в одном подразделении в другое подразделение, Toyota не позволяет отделу информационных технологий или отделу передовых производственных технологий выталкивать технологии в отделы, которые выполняют дополнительную работу по проектированию и сборке автомобилей. Любая информационная технология должна пройти испытания для поддержки людей и процессов и доказать, что она приносит пользу, прежде чем она будет широко внедрена. И тогда ответственность за внедрение новой технологии ложится на существующее руководство. Менеджеры несут ответственность за работу и за достижение целей, поэтому они должны руководить внедрением.

Toyota готова потратить несколько лет на то, чтобы сначала опробовать технологию на одном заводе (например, в Батл-Крике), а затем распространить ее по всему миру, завод за заводом, даже если эта технология могла бы быстро окупиться, если бы ее внедрили повсюду в первый год под руководством корпоративных экспертов. Каждая интеграция технологии на новом заводе – это образовательный опыт, который можно будет использовать на следующем заводе, и каждое интеграция на следующем предприятии – это возможность обучить местных менеджеров и инженеров на этом заводе, чтобы поддерживать и улучшать технологию.

Проблема, как я вижу, в том, что люди, живущие в мире программного обеспечения, похоже, верят, что если они могут провести демонстрацию, основанную на цифровом моделировании, она должна плавно трансформироваться в решение реальных проблем материального мира. Это мышление, из-за которого компании попали в беду еще в 1980-х годах. И с такой ситуацией Раджа из Denso столкнулся в двадцать первом веке, когда изучал программное обеспечение Индустрии 4.0. Я скептически отнесся к разговору с Раджем о смелой концепции полностью автоматизированной фабрики, где все управляется через подключение к интернету, большими данными и искусственным интеллектом – и Раджа подтвердил мои подозрения, что это может быть лишь пыль в глаза. С другой стороны, я также осознал силу технологии. Я все еще скептически отношусь к тому, что полностью компьютеризированные заводы без людей будут практичными, но возможности технологий с AI и интернетом вещей намного превосходят все, что было возможно в 1980-х годах. Похоже, люди не совсем ошибались насчет потенциала технологий, просто их надежды возникли слишком рано.

При наблюдении за тем, что Раджа делал на заводе Denso в Батл-Крике, также стало ясно, что Индустрия 4.0 не является разрушительной силой, которая делает TPS неуместной, а скорее может быть средством, которое основывается на культуре и мышлении TPS. В конце концов, Интернет вещей обязательно включает вещи. И если вещи плохо спроектированы, плохо произведены и плохо обслуживаются, программное обеспечение не решит проблему.

Разница между Denso и компаниями, которые создают электронные обои, похоже, зависит от мышления. Denso начинает с проблемы, а затем создает социальные и технические системы для ее решения. Это решение основано на существующей культуре дисциплинированного исполнения и решения проблем. Обсуждая научное мышление в соответствии с Принципом 12, вспомните систематический подход, который использует Denso. Без этого компаниям остается бросать технологию в стену и надеяться, что она прилипнет. Принципы TPS не исчезнут из такой компании, как Denso, но то, как фабрика будет работать с TPS + IoT, будет совсем другим.

Я был очарован технологиями Интернета вещей, которые я видел в Denso, но в глубине души я не мог не догадываться, что подумает г-н Каваи. На своей высокоавтоматизированной фабрике он был глубоко обеспокоен тем, что люди не задействуют критическое мышление. Они были счастливы нажать на кнопку и ждать, пока появится деталь. Поэтому он заставил их копнуть глубоко для понимания автоматизированных процессов на максимально детальном уровне, а затем улучшить их. Когда компьютеры начнут думать, откажутся ли люди от ответственности? Цифровые системы генерируют большое число данных, с помощью аналитики и AI можно сделать некоторые выводы. Но эти системы все еще примитивны по сравнению с человеческим мозгом, они не обладают творческими возможностями. Так как мы можем сочетать детальную информацию, исходящую от компьютеров, с творчеством людей в разработке и тестировании идей по улучшению процессов?

Акио Тойода, кажется, думает о том же. Он сказал:

Две концепции – автоматизация с участием человеческого интеллекта и точно в срок – являются столпами TPS. Что у двух принципов общего – люди в центре. Я считаю, что чем больше будет развиваться автоматизация, тем больше будет проверяться способности использующих её людей. Машины не могут улучшиться, если это не делают люди. Развитие людей с навыками, которые могут сравниться с машинами, и чувствами, превосходящими сенсоры, является фундаментальной частью подхода Toyota.

Дополнительные источники:

  1. When AI Can’t Replace a Worker, It Watches Them Instead, Wired, Tom Simonite, 02.27.2020 https://www.wired.com/story/when-ai-cant-replace-worker-watches-them-instead/

2. На заводе запчастей в США за действиями работников следит искусственный интеллект https://rb.ru/story/ai-is-watching-you/

Нейромаркетинг как фактор выживания

Segway остановил производство: завод в Нью-Гэмпшире закрывается в середине июля. Некоторые сотрудники продолжат заниматься техобслуживанием старых самокатов, остальных сократят.

В статье Fast Company интересный анализ причин этого. Бизнес, казалось бы, прекрасный: уникальным видом транспорта, изобретённого Дином Кейменом, восхищался Стив Джобс, во многих городах проводятся Segway туры, дети – в восторге от такого простого в освоении вида транспорта. Но есть детали.

Continue reading “Нейромаркетинг как фактор выживания”

Ускорение цифрового развития компаний во время пандемии

Новый тренд для производителей товаров в условиях самоизоляции — глобальное изменение спроса. 31 марта в был опубликован рейтинг аналитической компании Stackline, экспертов розничного рынка Топ-100 с самым быстро растущим и падающим спросом в  электронном ритейле в США. На первом месте оказались одноразовые перчатки с ростом на 670%, второе место — хлебопечки, которые хотят приобрести на 652% больше покупателей, чем в марте 2019. Падение спроса – на чемоданы (-77%), фотоаппараты (-64%), купальники (59%), плавки (64%), часы (-49%), ланчбоксы(-50%) солнцезащитные очки и очки для зрения (43%) и многое другое.

Покупатели сегодня готовы приобретать, но их предпочтения ограничиваются определенными товарами для дома, продуктами, витаминами, медикаментами и т. д. Все производства, продукция которых перестала пользоваться спросом или показывает постепенное падение, оказались в ситуации, когда им приходится быстро меняться, искать новые ниши, перестраивать свои технологические процессы для  производства других продуктов. Это проверка – насколько предприятия гибкие, команды предприятий готовы учиться и использовать новые технологии, методы и подходы.

Continue reading “Ускорение цифрового развития компаний во время пандемии”

Развитие производительности с помощью машинного обучения

В феврале 2020 активизировались разработчики программного обеспечения, помогающие руководителям производственных бизнесов оценивать и развивать производительность рабочих.

Как работают такие системы? В цехах сборки узлов для автомобилей над каждым рабочим столом висит камера и 24/7 записывает действия рабочего. ПО анализирует эти действия, сравнивает с целевой продолжительностью каждой операции и подсказывает руководителям – кому из рабочих стоило бы быть эффективнее.

Интерфейс программы: видео факта сборки и изменение метрик производительности

Рабочие пока не похоже что против, цитата:

“After something goes wrong, workers can now look at the data and video with their managers, instead of having to hope bosses take their account of what happened seriously”.
“Если вдруг при выполнении операции по независящим от исполнителя причинам происходит проблема, теперь рабочие могут просматривать данные и видео со своими менеджерами, вместо того чтобы просто надеяться, что руководители поверят им на слово”.

Но разве не понятно, что многие предприятия работают в логике – у каждой проблемы есть фамилия?

Сразу несколько статей вышло в Forbes, Wired и отраслевых журналах с примерами работы управления производительностью с помощью программного обеспечения и машинного обучения:

✅ When AI Can’t Replace a Worker, It Watches Them Instead https://www.wired.com/story/when-ai-cant-replace-worker-watches-them-instead/ Эту статью мы перевели: http://regionprofi.com/2020/02/28/ai/

✅ Перевод на русский, “Когда искусственный интеллект не может заменить рабочего, он наблюдает”: http://regionprofi.com/2020/02/28/ai/

✅ How This Manufacturing-Automation Startup Signed Up Auto-Parts Giant Denso For Tech That Helps Humans Work Smarter https://www.forbes.com/sites/amyfeldman/2020/02/12/manufacturing-automation-startup-drishti-backed-by-andreessen-signs-on-more-than-10-clients-including–auto-parts-giant-denso/#740bbafe795f

✅ DENSO, Drishti join forces to apply computer vision to productivity https://www.therobotreport.com/drishti-denso-join-apply-computer-vision-human-productivity/

Цифровой кайдзен для определения и развития производительности

На фоне нескольких известных лопающихся, но когда-то также медиа-активных стартапов, у производителей такого ПО, похоже (пока) всё в порядке: они наращивают команды и клиентскую базу, переезжая штаб-квартирами в новые офисы и открывают представительства в других странах.

Четвёртое издание визуального глоссария, январь 2020

Мы начали издавать визуальный глоссарий основных бизнес-терминов осенью 2018 года. Идея была в том, чтобы не просто повторить Wikipedia и Investopedia, а связать в одном источнике понятия, определения, примеры их использования, инфографику и жизнь – статьи, интервью, видео, в которых предприниматели рассказывают о том, как развитие их компаний связано с этими смыслами.

В четвёртом издании глоссария, который мы выпустили в январе 2020, уже 112 терминов, на очереди ещё 20 для пятого издания. В первом (март 2019) было 60, во втором – 90 (июль 2019), в третьем (сентябрь 2019) – 100. В четвёртом издании мы решили структурировать содержание и ввели восемь глав: startups, customers, funding, contracts, VC industry, corporations, technologies, global. В каждой – от семи до двадцати терминов.

На 126 странице – ссылки на шесть онлайн опросов на понимание терминов. Можете начать погружение в мир индустрии венчурного капитала и глобального предпринимательства именно с определения вашей близости к этой теме.

На 128 странице – карта инструментов развития компании, от идеи до посевного раунда. Подробнее об этой карте – в этом тексте.

На 130 странице – источники информации (о телеграм-каналах писали здесь), ссылки на сайты и медиа – YouTube каналы и плейлисты. Новые возникают очень быстро, эти страницы будут дополняться.

Разворот главы “Corporations”

Мы много думаем и обсуждаем – что ещё мы можем сделать для развития интереса к теме предпринимательства и венчурной индустрии. В эксклюзивных телеграм-каналах групп EMBA и MBA Московской школы управления СКОЛКОВО уже работает чат-бот, проводящий по терминам быстрые опросы-викторины. Но наверняка можно придумать что-то ещё.

Авторы: идея и содержание Павел Биленко, вёрстка и дизайн Святослав Дементьев. Пишите, через обмен идеями мы вместе достигаем новых результатов.

Демо-день второй волны акселератора Сбербанк и 500 Startups

Сегодня прошёл демо день второй волны акселерации 500 Startups и Сбербанка.

Герман Греф: “проведена большая работа с более чем 1000 стартапами. 9 недель акселерации. В финал вышли 25 стартапов. 500 Startups делились опытом создания бизнеса с молодыми людьми и командами, которых у нас на нашем рынке дефицит”

Восемь команд победителей получили по 4 млн рублей и 6 млн. руб инвестиций за 5% компании.

Кто, возможно, вырастет быстрее всех?

MALIVAR — создают и продюсируют виртуальных персонажей на основе нейросетей и CGI графиков. Подробнее почитать здесь. Выступление основателя компании здесь: https://youtu.be/6b1s_Ee_CKQ

“Знаменитостей, актёров и блогеров скоро заменят виртуальные аватары” Алёна Пол – Virtual Human

Insize, сервис для измерения габаритов объектов любой формы с точностью до 1 мм за секунды. После этого направляют данные в WMS для оптимизации площадей хранения.

“Мы работает с более 50 ритейлерами и e-commerse компаниями и каждый из них сталкивается с ключевыми проблемами в области складской логистики. Общее решение для всех них – измерение весо-габаритных характеристик”.

Boontar Live – онлайн стриминг видео с возможностями покупать то, что показывают – прямо из видео. Позволяют делать покупки, не прерывая видео.

Такие вот клюшки

Legium – сервис, который позволяет удалённо подписывать документы с физическими или юридическими лицами. Посмотрите на выступление Ивана Хаустова, шикарный спикер. Выделяя акценты, отличный финал “Лидер онлайн подписи в США DocuSign. Капитализация компании – 1 миллиардов долларов. Но они не могут легально работать здесь. А мы – можем.”

Полетели

Insurion — бот для автоматического определения наступления страховых случаев и моментальные выплаты для задержки рейсов или посылок.

“Мы обрабатываем 900 000 застрахованных в месяц, наша выручка с начала года увеличилась на 600%”

Сегодня также рассказали о результатах стартапов акселерации 2018. Герман Греф их назвал уже матёрыми бизнесменами.

“И что самое главное – у нас нет ни одного стартапа из первой волны, который бы закрылся”.

Отзыв Григория Берёзкина: “Удивительно высокий уровень организации. Ничего аналогичного в России я не видел”. Это действительно так.

2 часа 40 минут историй 25 команд – и оценка жюри

Описание всех проектов: https://vc.ru/sberbank/96907-pryamaya-translyaciya-demo-den-akseleratora-sberbanka-i-500-startups

Результаты второй волны на сайте Сбера: https://www.sberbank-500.ru/resultsbatch2

Видео демо-дня первой волны 5 февраля 2019 года: https://sberbanktv.ru/?video=3000

Готовиться к следующей волне: https://www.sberbank-500.ru/

#sber500 #sberbank500

Solar Light Challenge

Команда социального предпринимателя Саймона Добла (Simon Doble) решила сделать планету немного светлее.

Solar Light Challenge explained

18% населения в мире не имеет электричества, то есть, 1,4 миллиарда человек после захода солнца оказываются в кромешной тьме. Может оно, возможно, и к лучшему, но большинство из них использует небезопасные и вредные для окружащей среды керосиновые лампы – в то время, когда есть возможность быть освещёнными LED+солнечными панелями.

Так придумали SolarBuddy – “солнечного приятеля”. Позавчера в центре Лас Вегаса, среди одноруких бандитов, мы собрали ведро таких фонарей.

Возможно, какие-то из этих фонарей помогут научиться читать детям Папуа-Новой Гвинеи

Особенно душевно, что каждый из собранных фонарей мы сопровождали письмом от руки детям Океании – с рассказом о том, о чём хотели бы им рассказать. К примеру, я рассказывал о том, что такое 3D принтеры и малые производственные форматы. Возможно, как-то подстегнёт чью-то любознательность.

Сборка очень простая и быстрая. Я собрал в беседе пять штук минут за 30. Можно собрать быстрее и больше.

Тоже ведь – новая бизнес-модель. До 2030 собираются направить детям 3 млн. фонарей, через корпорации собрали уже 100 000, каждый – 30-50 долларов. Считайте сами. Challenge! Есть ли в других странах место для таких вызовов?

Главная страница https://solarbuddy.org/

Третий день Autodesk University 2019

Подводим итоги третьего дня Autodesk University и направления “Производство и проектирование”, manufacturing and design. Хорошо видны как минимум десять уже состоявшихся изменений, которые повлияют в течение ближайшего времени на нас и развитие компаний вокруг.

1. С помощью генеративного дизайна крупные компании сегодня оптимизируют и развивают производительность цехов. Пример Airbus. С помощью достаточно простого моделирования – оптимизируют потоки создания ценности. Примеры ProModel.

Один из символов AU2019 – микроавтобус VW 1962 года с рулевым колесом, колёсами, ножками дивана и держателями боковых зеркал, изготовленных с помощью литья и спроектированных с помощью генеративного дизайна. Неплохая аналогия многих крупных корпораций сегодня: строгий консерватизм и высокие технологии как одно целое.

2. С помощью генеративного дизайна небольшие производства оптимизирует конструкции продуктов. Пример FATHOM и пальцев роботов.

Один из результатов работы милой девушки Anne Pauley – mechanical engineer and CAD Ninja at FATHOM. На фотографии – лапа робота, лёгкая и прочная, разработана с помощью генеративного дизайна

3. В ближайшее время нас будет мотивировать на профессиональный рост геймификация. Начиная с развития навыков владения специалистами CAD (как минимум) – инструменты оценки опыта встраиваются в системы разработки продуктов. Так в том числе будет решаться серьёзная проблема ближайшего времени “re-skilling workforce” – изменения навыков рабочей силы, её мотивации на изменения. Для этого уже сегодня работает новый функционал Fusion 360.

Профиль навыков CEO Autodesk Andrew Anagnost

4. Развитие гибких микрозаводов, инструментов и систем для них. Примеры Vertigo Technologies из Новой Зеландии (“одно из ключевых правил – у нас всё что можно – на колёсах”), микрозавода, организованного на форуме AU2019, MAAS сервисов Fictiv и Xometry. Почувствовать бы предпринимателю рынок, а примеры того, как под изменения рынка меняются производства найдутся. Время их осмысливать и адаптировать.

Micro-factory layout: wheels are a must – мобильность средств производства = гибкость

5. Активная вовлечённость университетов в новые производственные проекты. Примеры нескольких стендов на AU, Penn State University и Eindhoven University of Technology в проектах 3DCP – 3D печати бетоном.

6. Растёт число примеров рентабельного гибридного производства = аддитивное+субтрактивное, начиная с моделирования. Пример LASSIM (Large Additive Subtractive Integrated Modular Machine) – модульного индустриального робота для аддитивного и экстрактивного производства в одном средстве производства.

Сначала – наплавление, затем – обработка поверхности для требуемых параметров

7. EDA (ECAD) окончательно интегрировались в CAD (MCAD) – Fusion 360 позиционируется как первое интегрированное решение для разработки и производства умных подключённых продуктов.

Эта история о том, как производитель Festool однажды решил дополнить свои продукты биометрией

8. Встраивание оценки затрат на производство деталей в Fusion360 благодаря партнёрству с aPriori может привести, в частности, к болеее точному анализу финансовых моделей (и более точным предпринимательским решениям) при планировании глобальных цепей создания ценности.

9. Новые возможности для работы глобально распределённых команд над совместным проектированием и моделированием производства (с выходом на CAM) разработанных деталей могут оказать ещё большее влияние на глобальные системы разделения труда.

А эта история о том, как проектировщик Брюс из США благодаря новому функционалу Fusion находился на одной волне с технологом Марти из Великобритании

10. Интеграция модулей управления себестоимости в CAD, комплексности CAD для производства умных подключённых продуктов, усиления связей CAD+CAM для распределённых команд (7+8+9) приведёт к дальнейшему росту эффективности работы глобально распределённых команд с чётко (от затрат и возможностей) определённой специализацией. Например, производство – Китай с переходом в Африку, разработка и создание IP – СНГ, рынок сбыта – США и Европа. Основной инструмент разработки – единая среда от CAD модели до CAM управляющих программ и управлением серийным производством. Вендоры ищут команды с решениями управления глобальными цепями создания ценности – либо самостоятельно создают такие решения.

Генеративный дизайн для оптимизации цехов

Основную программу AU2019 сегодня открыли громко, ярко и интересными кейсами. Рассказываю о двух, представленных CEO компании Andrew Anagnost.

Кейс Airbus: использование генеративного дизайна для повышения производительности цехов. Airbus строит новый завод в Гамбурге, где будут устанавливаться двигатели на A350. Это производство включает огромное число операций, выполняемых людьми с помощью большого числа инструментов. Возможные потери на перемещения людей, поиск инструментов при такой сложной сборке – значительные. Airbus использовала генеративный дизайн для оптимизации нового завода. Работали с десятью ограничениями в четырёх группах – социальной, влияния на окружающую среду, себестоимости, операционной эффективности. Три потока для оптимизации: зелёные линии – логистические потоки, синие линии – операции монтажа деталей, красные линии – перемещения деталей (см. видео ниже). Autodesk вместе с Airbus исследовали сотни различных комбинаций расположения инструментальных станций, потоков людей и деталей, потоков операций и рассчитали семь оптимальных моделей. Оценили эффективность каждой и приняли два возможных варианта, каждый со своими особенностями. Так генеративный дизайн сегодня напрямую влияет на производительность заводов.

Видео о совместном проекте Autodesk и Airbus проектирования завода с помощью генеративного дизайна, 6 минут:

Совместный проект Autodesk и Airbus проектирования завода с помощью генеративного дизайна

Подробнее о проекте Autodesk и Airbus можно почитать здесь: https://adsknews.autodesk.com/news/autodesk-airbus-generative-design-aerospace-factory

“Цель проекта состоит в том, чтобы быстрее собирать двигатели с более эффективными логистическими потоками и более производительной рабочей силой на предприятии, которое расширяется и адаптируется для удовлетворения потребностей Airbus как сегодня, так и в будущем”.

14 секунд и несколько десятков подходов к расположению цеха. Зелёные линии – логистические потоки, синие линии – операции монтажа деталей, красные линии – перемещения деталей.

Второе интересное нововведение. Новый стратегический функционал Fusion 360: микс геймификации, оценки навыков и цифрового карьерного пути. Называется образовательный профиль, learning profile. Вот как это выглядит:

Это образовательный профиль CEO Autodesk Эндрю Анагноста. Он убедил нас сегодня, что его профиль настоящий, скилы он прокачал сам.
Part Modelling: 5.5 LVL.

Уже скоро, согласно гипотезе Autodesk, дизайнеры и конструкторы будут меряться не (только) скилами в онлайн играх, а вполне себе рабочими навыками, необходимыми для их карьерного роста в реальном мире. Больше работаешь с конкретными инструментами – быстрее растёт навык. В видео (3 минуты) показано, как это происходит.

Какой бы навык прокачали вы?

Посмотрим, что из этого получится – идея отличная. Возможно, подобный подход вскоре увидим в каких-нибудь других программных пакетах. Я знаю людей, которые с удовольствием были бы мотивированы таким подходом к прокачке навыков, к примеру, дизайна интерьеров. Уже представляются вопросы на собеседованиях: “Расскажите о вашем опыте рендеринга?” “OK, бумер, я – дизайнер 53LVL, вот мой цифровой профиль”.

Сегодня на нескольких сессиях и круглых столах обсуждали будущее профессий. Со стороны производственных корпораций есть отчётливый спрос на “re-skilling workforce”, изменение навыков рабочих. Компании сжимают вполне осязаемые, понятные силы, мощно влияющие на производительность и скорость изменений в головах и действиях. Цифровые образовательные профили и другие подобные простые инструменты, встроенные в повседневно используемые, уже привычные системы, помогут нам всем меняться быстрее.

3D печать из бетона: первые продукты

В этом году на Autodesk University много примеров продуктов, напечатанных бетоном.

3D напечатанная бетоном клумба

Мосты, клумбы, кресла – одну из конструкций робот печатает прямо сейчас, пока вы это читаете, в выставочном павильоне AU2019. Встречайте в европейских парках и на улицах городов.

Робот в павильоне Autodesk University 2019 – к вечеру получится что-то интересное

Автоматический завод 3D печати из бетона (automated 3D concrete printing factory) – проект трёх партнёров: Royal BAM Group (строительный подрядчик), Saint-Gobain Weber Beamix (производитель материалов для стройки), Eindhoven University of Technology (университет). Ещё один пример работающей экосистемы технологического предпринимательства. Первое производство открыто в январе 2019 в Нидерландах.

Производство в Нидерландах

Результаты: «Весь процесс ускоряется, погрешность уменьшается. Каждый видит один и тот же конструктив в процессе проектирования. Изменения сразу же рассчитываются и применяются в цифровом виде. В конце вы нажимаете «Ctrl + P», и принтер немедленно начинает производство».

Теперь вопрос в том, когда именно такие цифровые производства начнут появляться рядом с вами. Когда вы можете закидывать на такие микрозаводы файл с цифровым составом изделия вашей садовой скамейки и через пару дней (или недель – в зависимости от сложности) получать её распечатанной. Для домашней утвари – такой подход уже работает.

Технологических ограничений больше нет. Вопрос в предпринимателях, их способностях быстро создавать команды и проходить от “увидеть возможность” до “производить качественный продукт”.

Одним из проектов, напечатанном велосипедном мосте, управлял русскоязычный инженер, Evgeniy Jutinov, его профиль в Linkedin: https://www.linkedin.com/in/evgeniy-jutinov-50118631/

3D напечатанный мостик

Вообще на AU2019 много говорят о префабах (и показывают убедительные примеры, к примеру, партнёрства Marriott и Skystone Group) – предварительно произведённых зданиях или архитектурных объектах. Похоже, такое технологическое изменение цепочек поставок сейчас позитивно оценивается крупными корпорациями. Это в том числе даёт новые возможности для небольших компаний. Подробности – в следующих текстах.

#au2019 #autodeskuniversity #3Dconcreteprinting #3DCP #3DPrintingFactory