Революция в производстве

С появлением «умных» устройств, которые интегри­руются в более крупные ­комплексные системы, ­радикально изменяются компании и конкуренция. Все больше бытовой техники контролируют «умные» термостаты: они передают производителям данные о том, как она эксплуатируется. Объединенное в сеть «умное» промышленное оборудование само оптимизирует свои показатели. Автомобили отправляют данные о своей работе, местоположении, внешней среде, получают обновления ПО, благодаря которому лучше функционируют и заранее предупреждают о вероятных проблемах. Продукция эволюционирует, даже когда она состоит на службе у потребителя. Отношения фирмы с клиентами — и ее продуктами — не прекращаются ни на минуту.

В нашей предыдущей статье («Революция в конкуренции», «HBR — Россия», декабрь 2014 года) речь шла о внешних для компаний последствиях развития «умных» технологий: об их воздействии на соперничество, структуру отраслей, их границы, стратегию (см. врезку «Последствия для стратегии»). А здесь мы поговорим о последствиях для самих промышленных предприятий. Основные направления их деятельности — НИОКР, ИТ, производство, логистика, продажи и послепродажное обслуживание — преображаются и начинают все более тщательно согласовывать свою работу. Появляются новые функции вроде обработки огромных массивов данных. Все это не может не изменить классическую организационную структуру производственных компаний. На наших глазах происходит, возможно, самое значительное преобразование со времен Второй промышленной революции конца XIX — начала ХХ века.

Возможности «умных» технологий

Чтобы понять, как «умные» устройства изменяют компании, нужно знать, из каких компонентов они состоят, по какой технологии работают и что «умеют» делать, — об этом мы говорили в предыдущей статье. Кратко напомним суть. У любой «умной» техники, от бытовой до промышленной, три ипостаси: физическая ­(механические и электрические детали), интеллектуальная (датчики, микропроцессоры, память, системы контроля, ПО, встроенная операционная система и цифровой пользовательский интерфейс) и коннективная (порты, антенны, протоколы, сеть, которая обеспечивает связь продукта с его облаком на удаленных серверах и включает внешнюю операционную систему). Для «умной» продукции нужна новая многослойная инфраструктура — стек технологий. Через него идет обмен данными между продуктом и пользователем, он интегрирует данные из бизнес-систем, внешних источников и сопутствующих продуктов. Стек технологий — это и платформа для хранения и анализа данных, он запускает приложения и защищает доступ к продукту и потокам данных (см. врезку «Новый стек технологий»).

Благодаря такой инфраструктуре «умная» техника, во-первых, контролирует свою работу и передает производителю данные о своем состоянии и внешней среде, что позволяет хорошо понимать, как она функционирует. Во-вторых, сами пользователи через опции удаленного контроля могут отслеживать производимые оборудованием операции. Они теперь регулируют функции, качество работы, интерфейс оборудования и могут применять его в опасной для человека среде или в труднодоступных местах. В-третьих, отслеживание данных и удаленное управление открывает новые возможности для оптимизации. Алгоритмы существенно улучшают работу техники, ее эксплуатацию, сроки службы, взаимодействие оборудования в более крупных системах вроде «умных» зданий и агрокомплексов. В-четвертых, все перечисленное обеспечивает автономность оборудования. Оно может самообучаться, адаптироваться к внешней среде и предпочтениям пользователя, обслуживать себя и выбирать режим работы.

Изменение компании

Чтобы выпустить и продать товар, производителю надо осуществить несколько видов деятельности, для которых у него, как правило, есть стандартный набор подразделений: НИОКР, ИТ, производство, логистика, маркетинг, продажи, послепродажное обслуживание, управление персоналом, снабжение и финансы. «Умные» технологии изменяют все эти виды деятельности в цепочке создания стоимости. По сути преобразуют всю эту цепочку именно данные. НОВЫЙ РЕСУРС: ДАННЫЕ. Прежде чем оборудование «поумнело», главными источниками данных были совершаемые в самой компании операции и транзакции: обработка заказов, взаимодействие с поставщиками и потребителями, обслуживание клиентов и т. д. Дополнялись они информацией из опросов, исследований и т. п. Обрабатывая все эти данные, компании получали представление о потребителях, спросе и себестоимости продукции, но гораздо меньше узнавали о том, как она используется и функционирует. Каждое подразделение собирало и анализировало нужные ему данные и держало их при себе. Если кто-нибудь и делился ­данными (например, о продажах), то редко и весьма скупо. Сейчас к традиционным источникам данных добавился еще один: сам продукт. «Умные» устройства поставляют информацию — беспрецедентно по объему и многообразию — в реальном времени. И данные наравне с людьми, технологиями, капиталом стали одним из основных активов корпораций, а часто и самым главным. Эти новые данные ценны сами по себе, но их значимость многократно возрастает, когда они сочетаются с другими — например, с информацией об истории обслуживания, нахождения складов, ценах на продукцию и схемах движения транспорта. Чтобы оптимизировать работу ирригационного оборудования и сократить расход воды в фермерском хозяйстве, данные датчиков влажности можно привязать к прогнозу погоды. В автопарке информация о профилактическом осмотре каждого автомобиля и его местонахождении позволяет отделу техобслуживания вовремя доставить нужные запчасти, назначить дату ремонта и выполнить его максимально эффективно. Если информация о гарантийном обслуживании дополняется данными об эксплуатации оборудования и его технических характеристиках, она становится гораздо полезнее. Например, зная, что из-за чрезмерной нагрузки оборудование может преждевременно, до окончания гарантийного срока, выйти из строя, стоит запланировать профилактический осмотр.

АНАЛИЗ ДАННЫХ. Умение извлекать информацию из данных становится залогом конкурентного преимущества, а сбор, анализ и обес­печение безопасности информации — новой важной задачей бизнеса Показатели каждого датчика, конечно, важны, но, выявляя закономерности в широком потоке данных, поступающих за определенное время со многих датчиков, производители делают настоящие открытия. Сведения с датчиков, фиксирующих, например, температуру мотора, положение дроссельной заслонки и расход топ­лива, могут объяснить, как работа двигателя зависит от технических характеристик автомобиля. Полезно знать, какие показатели говорят о вероятных проблемах, и даже если истинную причину поломки выявить трудно, можно выявить закономерности. Показания датчиков, измеряющих тепло и вибрацию, могут задолго предупредить о поломке подшипника. Извлечь эту ценную информацию — задача аналитиков, обрабатывающих большие массивы данных. Специалисты по анализу больших данных выявляют эти закономерности с помощью целого семейства новых методов. Но данные, генерируемые «умным» оборудованием, а также сопутствующие данные из самой компании и внешнего мира обычно не структурированы и поступают в разном формате: это, например, показания датчиков, координаты, температура, история продаж и т. д. Прежние электронные таблицы или таблицы баз данных тут не годятся — в отличие от «озера данных», репозитория, в котором хранятся данные из различных источников в их первоначальном виде. Их можно изучать с помощью новых аналитических инструментов четырех категорий: описательных, диагностических, прогностических и предписывающих (см. врезку «Ценность новых данных»).

Чтобы извлечь максимум из всего богатства данных, генерируемых «умными» девайсами, в Агентстве передовых оборонных исследовательских проектов (DARPA) придумали «цифровой двойник» — трехмерную виртуальную копию реальной вещи. По мере поступления данных двойник показывает — воспроизводит, — как изменяется физический объект, как и в каких условиях он функционирует. Как аватар реального продукта цифровой двойник позволяет компании визуализировать режим работы и состояние оборудования, находящегося очень далеко. Благодаря цифровым двойникам разработчики лучше понимают, как можно усовершенствовать конструкцию, производство, работу и техобслуживание оборудования.

Преобразование цепочки создания стоимости