Как выбрать MES: перспективы развития

Эта статья завершает обзор методики выбора автоматизированной системы управления производством.  Предыдущие части:

Возможности, вызовы и угрозы

В этом разделе рассмотрены некоторые возможности, вызовы и угрозы на ближайшее будущее.

  • Развитие. Изучите систему и политику вендора для понимания развития системы, хотя бы на ближайшие 5 лет. Прозрачная политика версий и расширений должны соответствовать планам развития вашего предприятия.
  • Сквозная интеграция. Для ритейла и финансового сектора обмен данными между IT-системами разных предприятий – обычное дело. Промышленность тоже начинает осваивать такие технологии. Автоматическая синхронизация справочников, сопроводительных документов, заказов и поставок, дистанционная диагностика оборудования, облачные сервисы, обновление НСИ.
  • Мобильные технологии. Поддержка носимых устройств, возможно BYOD (на работу с личной техникой), передача данных по защищенным каналам, поддержка разных средств персональной визуализации (браслеты, очки дополненной реальности), могут понадобиться в скором времени и их желательно предусмотреть.
  • Облачные технологии. Облачные технологии обрастают преимуществами. Облака бывают и внутренними.
  • Анализ данных. Чем сложнее процесс, тем сложнее его оптимизировать без анализа данных. Также сложно измерять его в реальном времени, чтобы соответствовать меняющимся требованиям или обстоятельствам. Машинные данные лежат в основе MES, позволяют контролировать соблюдение технологии, правильно эксплуатировать оборудование и выполнять заказы в срок.
  • Управление в реальном времени. Это основное требование к системам управления. Предсказывать будущее сложно, а вот контролировать настоящее и принимать меры до того, как «поздно пить «Боржоми» – вполне реально.
  • Контроль отклонений. Выявлять и корректировать отклонения от идеального состояния производственной системы и оптимального прохождения продуктового потока – это и есть основной путь перехода к управлению в реальном времени.
  • Предиктивная аналитика. По мере накопления и обобщения данных о производстве предсказательные алгоритмы приносят все больше пользы. Уже есть значимые результаты, полученные в реальных условиях. Основные пути развития предиктивной аналитики – моделирование, статистический контроль, диагностические и экспертные системы.
  • Экспертные системы. Основные пути – это обобщение алгоритмов анализа (накопление базы знаний совместимых с производственными системами), коллективная экспертиза, (когда по подписке можно обратится в фирму, имеющей кучу спецов), и самообучающиеся системы (нейронные сети с их обещаниями и траблами, сюда же).
  • Единый интерфейс. Все идет к тому, что у каждого сотрудника будет единый интерфейс работы со всеми ИТ-системами, с единым оформлением, авторизацией, наследованием логики и последовательности действий, с подавлением незначимой информации и разделением значимой на текущую, срочную и экстренную (красный-желтый-зеленый). Интерфейс бытовых и B2C приложений становится понятным и удобным, производственные системы начинают подтягиваться.
  • Мобильность. Сотрудники перемещаются в пределах производства, особенно управляющий персонал и специалисты, растет применение мобильных устройств. К ноутбукам и планшетам добавились смартфоны, браслеты, умные часы и очки. Распространение носимых устройств несколько сдерживается сложностью защиты беспроводных сетей.
  • Территориальный охват. Системы документооборота, финансовые и логистические, давно уже умеют подстроиться под размер предприятия. Производственные системы многих холдингов, тоже начинают объединяться. В первую очередь, это системы мониторинга производительности дорогостоящего оборудования, сквозной документооборот, наследуемость конструкторской и технологической документации, электронный паспорт изделия, поддержка эксплуатации и накопление пользовательской истории, системы перераспределения производственной нагрузки внутри холдингов.

Обещания «Индустрии 4.0»

Модный тренд среди промышленников. Хотя хайп заметно пошел на спад. Рассмотрим некоторые фетиши новой промышленной революции.

1. Элементы интернета вещей, Internet of Things (IoT). Уже вовсю применяются и приводят к качественному перерождению производственных систем. MDC дает управление в реальном времени, контроль над технологией, ритмичностью производства и состоянием оборудования. Главное быстрее понять, что мониторинг это про управление производством, а не про анализ простоев. Кто-то считает, что промышленный интернет вещей (IIoT) это не тоже самое, что и просто IoT. Но ключ вопроса в создании межмашинного взаимодействия, чтобы машины (в т. ч. и производственные) сами решали между собой, легко находили общий язык, и главное, чтобы не нарешали чего недоброго.

2.Искусственный интеллект Artificial Intelligence (AI). Смещение нейронных сетей намекает, что AI это не попытка создать искусственный разум, а мощный инструмент, способный решать производственные задачи (или мощно накосячить). Основные направления «умного производства»:

  • Передача оборудованию операций ранее выполнявшихся людьми. Таким образом, даже кофеварка в нашем офисе снабжена «искусственным интеллектом», правда весьма тупым.
  • Экспертиза – накопление в ИТ-системах полезных практик и алгоритмов, для применения их в подобных ситуациях. В том числе будут бурно развиваться системы коллективного пользования, когда небольшие предприятия отдают свои данные в обмен на экспертные выводы, сделанные на основании анализа «кейсов» со множества предприятий. Такие решения уже «выращивают» поставщики оборудования или отраслевые ассоциации, появляются и рыночные стартапы.
  • Принятие решений – действия, выполняемые автоматически, в тех случаях, когда ранее система ожидала реакции персонала
  • Предиктивный анализ – предсказание ситуаций в будущем, на основе анализа прошлой истории производства (в т. ч. чужого).

3. Машинное обучение. Machine Learning. Самое перспективное направление образования – это обучение людей машинами. Но здесь подразумеваются свойства информационных систем накапливать данные о событиях и на их основе предсказывать события в будущем, вычисляя неочевидные, для человека взаимосвязи. То есть методы обучать производственные системы некоторым навыкам действий в полезном направлении.

4. Робототехника. Бурно развивающийся (не в России) сегмент автоматизации. С развитием машинного зрения и других систем адаптивного поведения их применение расширится. Уже сейчас роботы могут самостоятельно контролировать правильность работы и изменять алгоритмы действий по меняющимся обстоятельствам.

5. Облачные вычисления. Cloud Computing. Облака были всегда. Любая специализация, позволяющая повысить мощность ресурса и получать его «по запросу», формально является «облаком» (деревенский кузнец, скорая помощь, пожарная команда). Развитие ЦОДов и высокоскоростных сетей сделали эти техники всеобъемлющими. Внедряйте облака, пока и за вами не пришел UBER.

6.Большие данные.Big Data. Ну, типа «данные – новая нефть» слышали все. Теперь остается раздобыть специалистов по «новой нефтеперегонке» для превращения данных в информацию, по «новым ДВС», превращающим «новую нефть» во что-то полезное или приятное, а главное  – по борьбе с «новым смогом» и прочими «неэкологичными последствиями новых технологий.

7. Аддитивное производство (Технологии послойного синтеза)  Additive Manufacturing (AF). Захватывает производство после преодоления основных ограничений: скорость печати, размер рабочей области, низкая прочность материалов и т. п. Основные перспективы:

  • Логистические – печатать детали по месту применения, чтобы не привозить, а по времени требования, чтобы не хранить.
  • Тиражные – хранение прототипа очень недорого (это файлик), высокая повторяемость для серийного производства.
  • Конструктивные – возможность создавать формы (особенно внутренние), недоступные для других технологий.
  • Материаловедение – получение сплавов или композитов, сложных для других технологий.

8.Кибербезопасность. Проблема не для одного абзаца. Главное – новые технологии создают не только новые возможности, но и новые угрозы.

9.Интеграционная система. Ну, как бы, да: все это было и до индустрии 4.0. А теперь Индустрия 4.0 это автоматическое взаимодействие всего со всем.

10. Модели. Цифровой двойник (Digital Twin). Цифровые двойники всего. Но по теме статьи важнее всего цифровые модели производства, позволяющие с достаточной точностью анализировать и прогнозировать поведение производственных систем, и технологический двойник, в отличии от геометрического, конструкторского, эксплуатационного, которые могут быть очень полезны, но с точки зрения производства менее важны или могут быть переданы на аутсорс.

11. Дополненная реальность Augmented Reality (AR). От нее сильно болит голова (у большинства животных голова не болит – даже у дятла или жирафа, а все головные боли – фантомные). Последствия воздействия на психику не сильно изучены. Основной эффект при обучении, моделировании ситуаций, дистанционной работе в сложных условиях, работе с непропорциональными людям объектами (микро- и мегамиры), операции, выполняемые вручную, но требующие автоматического контроля.

12. Умное производство Smart Manufachuring. Эта тема исключена из рассмотрения, т. к. слишком объемна. Но цифровое производство, рассматриваемое в этой статье, создает базис для нее.

13. Цифровое предприятие. Digital Enterprise. Цифровизация всего. Барин велел. Чтоб, как в этих заграницах. Кто не в цифре – тот лох. Digitize or die. Цифровое предприятие включает экономический, инженерный (конструкторский и технологический), производственный контур, клиентскую и подрядную экосистемы. И именно производственный контур я считаю основой всего. Начинаем с MES. Выбираем MES правильно.

14. Agile Гибкая разработка. Методология, пришедшая в бизнес из разработки ПО. Теперь ее пытаются использовать для разработки всего. Методика неуниверсальная, и к Индустрии 4.0 относится очень относительно. Обычно ее приплетают консалтеры, злоупотребляющие веществами или пытающиеся закрыть пафосом слабое понимание сути.

15. BlockChain Последовательности транзакций, технологии распределенного реестра. Блокчейн, это не обязательно биткоин. Вроде бы шумиха пошла на спад, и технология начала применяться спокойно с учетом возможностей и ограничений. Но новый виток интереса к нефиатным деньгам, намекает отложить эту тему.

16. Lean Manufacturing Бережливое производство. Это вообще не про автоматизацию и не про цифровое производство. Но эта влиятельная секта пытается подмять все заметные тренды в развитии производственных систем.

На портале идут жаркие дискуссии между lean и MES, доходящие до ограничений в комментариях и «комендантского» часа в отдельных ветках. Один знакомый серьезно исследует взаимоотношения и перспективы сотрудничества БП и ИТ. Уговариваю его разместить материал здесь, на портале.

* * *

Надеюсь, статьи были полезны развивающим цифровое производство. Некоторые темы будут рассмотрены подробнее в других статьях. В некоторых темах глубже разбираются другие специалисты. Комментарии приветствуются.

Фото: pixabay.com

Комментарии
Главный инженер, Калининград

Может немного резко- заранее прошу прощения,  но статья - набор типовых фраз про  mes и industry 4.0. Без бизнес кейсов просто перепевание мантр...

Директор по развитию, Екатеринбург
Роман Смирнов пишет:
ез бизнес кейсов просто перепевание мантр

А у вас какая MES внедрена?

Поделитесь кейсами.

А статья и задумывалась, как набор мантр. 

Просто надо понимать, каков уровень шамана, чьи мантры собираетесь распевать.

Оставлять комментарии могут только зарегистрированные пользователи
Статью прочитали
Обсуждение статей
Все комментарии
Дискуссии
Все дискуссии
HR-новости
«Нетология» инвестирует $10 млн в стартапы

«Нетология-групп» запустит акселератор Startup.EdMarket.

Информацию о работниках - в электронном виде

С 1 января 2020 года сведения о трудовой деятельности работников в Пенсионный фонд РФ нужно подавать в электронном виде.

Бизнес против четырехдневной рабочей недели

Более 80% российских компаний не считают переход на четырехдневную рабочую неделю экономически оправданным

В РФ не хватает рабочих рук

В России снижается численность рабочей силы.