«Этим можно заниматься бесконечно»: переход на data-driven в «СИБУРе»

Индустрия 4.0 предполагает уход в цифровой мир, где виртуальная модель предприятия помогает реальному производству работать эффективнее. Все вкладывают в этот термин разные значения: безлюдное производство, интеллектуальные решения, цифровые двойники. Мы в «СИБУРе» подразумеваем под этим всю совокупность цифровых инструментов, каждый из которых оптимизирует определенную часть сквозного бизнес-процесса.

Многие цифровые решения существуют достаточно давно. Например, технологии Data Science уже успешно используются в бизнесе — с их помощью мы строим модели, просчитывающие возможные причины отказа оборудования. В «СИБУРе» этим занимаются мои коллеги из направления «Продвинутая аналитика».

Цифровой двойник — виртуальный прототип реальных объектов или процессов. Технология позволяет моделировать кейсы производства и подбирать эффективные сценарии их решения.

Чтобы создать цифрового двойника, нужно оцифровать производство еще на этапе проектирования завода. Недостаточно точечно внедрить APC, машинное обучение, IoT. Важно комплексное понимание всех характеристик и параметров оборудования и технологических процессов. Мы в управлении корпоративными данными занимаемся оцифровкой всей информации, которая собирается в «СИБУРе», чтобы системы и сотрудники могли полноценно ею пользоваться.

Цифровые двойники должны охватывать всю производственную цепочку. Важно оцифровать сквозную цепочку создания ценности, а также проверять бизнес-эффект от цифрового инструмента перед внедрением, чтобы максимизировать прибыль. В «СИБУРе» все продукты перед запуском проходят валидацию сценариев применения, предпочтение отдается только рентабельным кейсам. Например, ряд проектов по продвинутой аналитике уже приносит деньги: мы реализовали панели ключевых показателей, комплексы моделей (или советчики), работающие на основе анализа Big Data.

Миллион планов на год

Цифровизация «СИБУРа» — осознанный выбор. Этот проект стартовал в декабре 2017 г. Драйверов было много — например, запуск комбината «ЗапСибНефтехим», который будет производить 2 млн тонн полиэтилена и полипропилена в год. Это более 2 млн км водопроводных труб, 71 млн автомобильных бамперов, 600 млрд медицинских пробирок, 35 млн км оптоволоконного кабеля.

Цифровизация — бесконечный процесс. Подход, когда у проекта есть определенный срок, здесь не работает, потому что use-кейсы для улучшения бизнес-показателей производства не заканчиваются в какой-то определенный момент.

Для нас важно быть data-driven-компанией. Производственные и бизнес-процессы «СИБУРа» генерируют большое количество данных. Эта информация несет в себе огромный потенциал как для повышения доходов, так и для сокращения расходов. Например, data-driven-подход может оптимизировать процессы ремонта оборудования. По нормативам его нужно проводить раз в год, а данные, которые мы получаем, показывают, что можно делать это раз в два года. Прогнозное обслуживание оборудования позволяет сократить количество плановых остановов и заранее определить необходимость ремонта, чтобы избежать нештатных остановов. Это позволяет экономить огромные деньги.

Чтобы «СИБУР» мог эффективно использовать данные производства, мы работаем сразу в трех направлениях. Наша первая задача (технологическая) — создать инструменты, которые позволят быстро собирать и анализировать данные. Вторая (исследовательская) — описать все типы данных, которые есть в компании, обеспечить контроль их качества. Третья (своего рода культурная) — научить людей пользоваться упомянутыми инструментами, развить необходимые компетенции в каждом подразделении.

Компания должна оперировать данными при ежедневном принятии решений. К сожалению, пока это происходит далеко не во всех подразделениях, так как зависит от уровня готовности бизнеса переходить на data driven, а также от уровня автоматизации процессов.

В нашу платформу данных (Data Platform) каждые 10 секунд «льется» около 610 тысяч событий (тегов), которые генерируют 8 предприятий «СИБУРа». До конца первого полугодия 2020 г. подключатся предприятия в Воронеже и Перми, и этот показатель вырастет до 730 тысяч.

5 стратегических направлений работы команды управления корпоративными данными:

Кадровый голод — это нормально

Мы попытались создать команды «спецназа» по работе с данными для каждого нашего подразделения. План не сработал: формат оказался непривычен для компании. «СИБУР» в основном работает по концепции «заказчик — исполнитель», и к нашим командам относились как к исполнителям, а не партнерам.

Мы перешли на более привычный проектный подход: запускаем конкретный проект, команда реализует его и переключается на новый кейс, в том числе в другом подразделении. Таким образом, мы собираем информацию, развиваем людей в конкретных направлениях и продаем бизнесу идеи для работы с данными. Это временный подход, но так нам проще собирать данные в нашу платформу. Параллельно в нашей школе аналитики мы обучаем сотрудников других подразделений, чтобы они могли самостоятельно реализовывать кейсы на основе собранных нами данных.

Есть три способа поиска персонала: перекупить на рынке, вырастить молодого специалиста и переучить собственного сотрудника. Мы используем все. Основной канал, естественно, рынок: кого-то привели HR-специалисты, кого-то мы нашли сами, используя связи в комьюнити. Часть наших сотрудников переучили, например, из разработчиков MES-систем. У нас в команде есть даже бывший проектный менеджер. Другой яркий пример — ИТ-специалисты из нашего центра разработки в Томске. Они самостоятельно разобрались в основах Data Science, а мы доучили их до джуниоров. Теперь они решают все задачи саппорта и реализуют небольшие проекты. Наконец, мы набираем студентов, учим их и встраиваем в команду.

Кадровый голод — это нормально, он есть у всех. Так, мы с самого старта цифровизации осознавали, что боремся за кадры не столько с непосредственными конкурентами в отрасли, сколько с «Яндексом», «Авито» и даже с Google.

Деньгами завлекать людей бессмысленно, это краткосрочный мотиватор, его невозможно использовать постоянно. Гораздо эффективнее работают новые, нетривиальные задачи и зрелая корпоративная культура.

Инфраструктура «СИБУРа» для сбора данных

В «СИБУРе» уже построена система сбора, обработки и хранения данных, при этом ее развитием нужно заниматься постоянно. Под «системой» я подразумеваю платформу, которая отчасти является классическим хранилищем данных, отчасти представляет собой задел на будущее, своего рода Data-Hub.

Не все наши производственные участки генерируют данные. Предположим, мы хотим построить с помощью Data Science модель для определенного участка, а для этого нужно «врезать» в производство хроматограф (устройство для анализа сложных газовых веществ, разделяющее их на монокомпоненты). Значит, придется ждать планового ремонта, иначе установка хроматографа становится нерентабельной, а следующий останов по плану может быть только через два года. Кроме того, есть участки с оборудованием, с которого в принципе нельзя снимать данные, а его полная замена обойдется дорого. Так что проще оставлять такое оборудование, чтобы оно дорабатывало свой жизненный цикл, а после плановой замены уже начинать собирать данные.

На рынке не всегда есть готовые решения под конкретные задачи производства. Например, мы не смогли найти взрывозащищенные датчики и маяки, работающие при -55 °C. Наши коллеги сами разработали это оборудование.

Классический пример использования продвинутой аналитики, о котором мы любим рассказывать, — повышение эффективности экструдера. Это аппарат, который нарезает полипропилен на гранулы. Иногда он забивается, и, чтобы его почистить, приходится останавливать оборудование. В 2017 г. у нас было 19 таких остановов. После анализа данных мы создали аналитическую модель, предупреждающую оператора о том, что через час экструдер может забиться. Как результат, в 2018 г. не было ни одной внеплановой остановки.

Мы движемся к внедрению промышленной платформы Интернета вещей, способной собирать и стандартизировать разнородные данные.

Как ускорить Time-to-Market в нефтехимии

Мы строим единую цифровую платформу, которая поможет нам быстро разрабатывать собственные приложения. Ее главным бенефитом станет ускорение Time-to-Market — возможность быстро создавать продукты за счет использования готовых компонентов и снижения требований к компетенциям сотрудников. Но при этом потребуются высококлассные специалисты, которые будут поддерживать платформу.

Мы хотим прийти к общей архитектуре приложений. Можно каждый раз создавать продукты с нуля, но, если наладить процесс повторного использования компонентов, каждое следующее решение будет стоить дешевле и строиться быстрее.

«СИБУР» уже реализует несколько проектов в области обработки данных — например, разрабатывает панели ключевых показателей эффективности. Это инструмент визуализации и денежной оцифровки технологических режимов. Мы читаем поток производственных данных и сразу переводим его в денежное выражение: оператор видит, насколько оптимально он ведет режим и сколько денег потерял, если за чем-то не уследил. Второй пример — классические дашборды, которые показывают, например, как на каждом производственном участке выстроена работа с энергоэффективностью.

Сейчас заводы «СИБУРа» не смогут работать полностью без людей. С помощью новых технологий мы приближаемся к тому, чтобы исключить присутствие человека на труднодоступных и опасных производственных объектах, а также его участие в рутинных работах. Достичь полной безлюдности можно, если учесть данное требование на этапе проектирования. Мы уже делаем это при строительстве новых объектов.