Что сдерживает роботов
Российская промышленность неистово строит и модернизирует свои производства. Только в химической промышленности до 2030 года создадут более 150 предприятий. До 2028 года на модернизацию нефтеперерабатывающих заводов планируется направить порядка 1 трлн рублей. И эти процессы идут в каждой отрасли. Такие стахановские объемы и темпы обоснованны – страна стремится быстро импортозаместить колоссальное количество продукции в разных сегментах рынка.
%left-img-3%
Но кто же будет выполнять работу на новых заводах, если уже сейчас мы наблюдаем острый дефицит кадров (текущий дефицит рабочих в обрабатывающей промышленности составляет более 400 тысяч человек), и он вряд ли будет решен в ближайшей перспективе? Казалось бы, ответ на поверхности – искусственный интеллект и роботы. О роботах на производствах мы слышим буквально из каждого рупора – Россия поставила цель к 2030 году войти в топ-25 стран мира по роботизации промышленности. На бумаге – очень красивые цифры: "Даешь 145 роботов на 10 тысяч человек!" Но так ли это просто в реальной жизни?
%break%
Генеральный директор компании Datana Владимир Захаров поделился своим мнением, почему роботизация – это не просто важный, а вынужденный следующий шаг развития искусственного интеллекта, но на этом пути есть сдерживающие факторы. Возможно ли их преодолеть и вывести российское производство на новый уровень?
Достигли потолка
%img-1%
За исключением нескольких особо консервативных предприятий, польза от применения искусственного интеллекта в отечественной промышленности уже ни у кого не вызывает сомнений. Сейчас доля промышленных компаний, применяющих в работе искусственный интеллект, составляет 30%. Не за горами рубеж, когда этот инструмент перестанут считать экзотикой и поставят в один ряд с укоренившимися в сознании классическими АСУ ТП и MES.
Сдвиг в сознании произошел благодаря нескольким сложившимся воедино факторам – это и успешный опыт первопроходцев – отраслевых лидеров, и обучение персонала, и работа над культурным кодом на предприятиях, и достигнутый предел производительности труда на консервативных технологиях. Не стану останавливаться на разборе этих факторов – есть множество материалов на эту тему. Я же ставлю задачей донести свое видение дальнейшего развития технологий ИИ в промышленности.
Все стимулы работают лишь до своего предела, который подкрепляется эффектами от результата. То же относится и к технологиям. Все знают кривую Гартнера, но она рассматривает каждую технологию атомизированно и описывает жизненный цикл технологий без их взаимосвязи и влияния друг на друга. Поэтому для прогноза развития этого инструмента недостаточно. Лично мне больше нравится понятие "S-кривой". Как я его трактую: любая технология развивается до предела действия стимулов, обусловленных эффектами от этих стимулов. Если на пике не появляется новых стимулов для развития технологии, то она в лучшем случае входит в состояние гомеостаза, а в худшем (для нее и ее евангелистов) ее замещают на другую, с большим потенциалом.
Без стимула не взлетит
Искусственный интеллект действительно позволяет увеличить производительность без капитальных затрат, то есть можно из одного и того же количества сырья на одном оборудовании получить больше готовой продукции более высокого качества, параллельно снизив сопутствующие издержки. ИИ может анализировать значительный объем данных о состоянии и режиме работы оборудования, отслеживая его поломки и прогнозируя возможные проблемы, чтобы их избежать. Кроме того, ИИ помогает обеспечивать физическую и промышленную безопасность предприятий, контролируя действия сотрудников и следование внутренним правилам с помощью умного видеонаблюдения. Однако сейчас можно сказать, что на крупных предприятиях-лидерах уже собраны "низко висящие яблоки" в виде определенных эффектов. То есть видеоаналитику внедрили, за персоналом следим, за продукцией следим. И это всё – дотянулись, до чего могли? При том что потенциал технологий ИИ просто колоссальный.
Дальнейшее расширение применения ИИ требует больших инвестиций, которые недоступны при текущей ключевой ставке. Действительно, зачем делать сложный и рискованный проект с окупаемостью в два года, если можно "безрисково" положить деньги в банк, говорят некоторые. Можно соглашаться с этим, можно спорить. Вывод на самом деле другой – нужен новый стимул, чтобы технологии развивались, и, спасибо околонулевой безработице, такой стимул есть. Возвращаясь к примеру с видеоаналитикой: можно использовать ИИ, чтобы следить, носит ли сотрудник каску, а можно пойти дальше и за счет технологий вообще исключить присутствие человека на определенных участках производства. Не только опасных, но и просто рутинных.
Сейчас это особенно актуально. С одной стороны, демографическая ситуация. С другой – ситуация, когда рабочий персонал предпочитает работать на складах маркетплейсов или курьерами. В то же время новые заводы строятся один за одним, кадровый голод все нарастает.
Пример из жизни – разговаривал с гендиректором металлургического холдинга: "Сейчас не до цифры, все деньги в стройке новых заводов". "А где строите? И какого размера штатка?" – спрашиваю. Выяснил, что в регионе уже есть несколько крупных заводов горно-металлургической и химической отраслей с большим кадровым дефицитом, а только для обсуждаемой строящейся площадки требуется 3000 человек. Новые люди быстро не появятся. Нужно удерживать существующих и максимально разгружать их, роботизируя все, что можно роботизировать. То есть не просто ради факта внедрения ИИ и формального выполнения целей по нацпроектам, а для того, чтобы промышленность не остановилась. Как наращивать производство, если делать это будет просто некому?
Некоторые компании запустили на своих площадках программы цифровой трансформации рабочих мест, и каждая новая цифровая инициатива предприятия, помимо достижения эффектов по повышению производительности или качества, снижению себестоимости, рассматривается в том числе на процент освобождения рабочего времени рабочего персонала на площадке. Цитата вице-президента одного крупного горно-металлургического холдинга: "Одна инициатива высвободит 0.1 FTE (Full time employee), другая еще 0.3 – так постепенно высвободим целиком человека".
Барьер 1. Запас эффекта без учета роботизации
Следующий этап применения ИИ в промышленности – это перевод производства в автоматический режим: нужна связка "искусственный интеллект + роботы". Для этого создан большой задел на предприятиях различных отраслей промышленности. Для лучшего понимания уточню понятие "робот" как механизм, самостоятельно принимающий и воплощающий решения. То есть полностью автоматическая печь, сама подбирающая уставки работы под сырье и заказ и выпускающая сталь, – это тоже робот. Уже сейчас выполнение многих технологических операций поддерживается цифровыми советчиками, которые дают рекомендации к работе персонала. Казалось бы, осталось перевести советчики в автоматический режим и подключить, где требуется, мехатронику. Но тут в полный рост встает проблема обоснования целесообразности – позволит ли это снизить издержки или повысить объемы производства, в чем будет эффект? Расчет эффекта зависит от базы. Если мы (вы) считаем дополнительный сверхэффект относительно уже внедренного цифрового советчика, то у нас (у вас) проблемы: по закону убывающей отдачи каждое новое улучшение приносит все меньше. Тут стоит дополнить, что каждое новое улучшение часто стоит все дороже (вспоминаем про яблоки). Таким образом, запаса эффекта для обоснования роботизации не остается.
Рекомендация: защищать новые цифровые проекты сразу с целевой задачей роботизации. Другой вариант – см. Барьер 4.
Барьер 2. Невовлеченность топ-менеджмента
Если статью читают представители предприятий, задумайтесь, сколько времени у вас проходит от момента формулирования инициативы до запуска проекта? У нас, например, есть в проработке проект (с еще неподписанным на дату публикации статьи договором), который запускается в полтора раза дольше, чем нужно на его реализацию. И эти потери в виде упущенной выгоды для предприятия никак не заложены в модель оценки окупаемости проекта. Самое печальное, что это неисключительный случай, таких примеров масса. Что зачастую мешает цифровизации и роботизации в России – так это невовлеченность руководства предприятий.
Делегирование полномочий хорошо работает, если руководитель за собой оставляет контроль достижения большой задачи. Чаще же развитие производства делегируется одним людям, инновации – другим, третьим – контроль соблюдения политик и регламентов. Развитие, как стратегическая задача всего предприятия, остается задачей бесхозной. В итоге, несмотря на большое желание, никто ничего не сделает, но зато процессы будут соответствовать правилам компании. Приоритет у сотрудников зачастую – процессы, а не результат.
Рекомендация: вовлекать топ-менеджмент (даже собственников) – нужен либо глубокий надзор от руководства, либо внешний контроль.
Барьер 3. Неверно выстроенные KPI и зоны ответственности
Пока "цифра" и роботы относятся к категории "инновации", процесс будет двигаться медленно, потому этот пункт в стратегии – всегда со звездочкой. То есть ресурсы на его выполнение выделяются по остаточному принципу. Хотя уже давно "цифра" и роботы – такие же инструменты для непрерывного функционирования предприятия, как наличие исправного оборудования, нужного количества запчастей и материалов на складе, соблюдение персоналом общих правил трудовой дисциплины, исполнение производственных планов и графика предупредительно-плановых ремонтов. Кроме того, пока у бюджетов на модернизацию цеха и на "цифру" разные владельцы, разные цели и приоритеты, цифровизаторы и производственники будут смотреть в разные стороны. Например, ответственный за цифровое развитие внедряет решения, оптимизирующие технологию производства, а цех в это самое время эту самую технологию меняет. Как говорил классик советского стендапа: "Пока неприятель изучает наши карты местности, мы меняем ландшафт".
Рекомендация: выстроить KPI подразделений в привязке к внедрению технологий и оргструктуру с зонами ответственности; связать бюджет цифровизаторов и производства.
Барьер 4. Стандартный расчет окупаемости
Также стоит отметить консервативные модели расчета окупаемости проектов развития, которые в ходу у департаментов экономики предприятий. Например, по своему опыту вижу, что принятый срок окупаемости проекта на прямых эффектах на большинстве заводов до трех лет, а чаще в последнее время говорят об окупаемости до года. Робот же служит от семи до 15 лет – это долгосрочная инвестиция с социальным эффектом. Плюс, роботизация может осуществляться по модели Robot-as-a-service. То есть можно "вывести на работу" в цех вместо человека робота, который будет работать лучше за те же деньги. А как оценить альтернативные издержки (что будет, если этого не сделать) – риск останова производства в случае, если "все ушли на фронт" и некому работать? Пусть не сейчас, а через пять лет, но демографическая яма все ближе, и к этому надо системно и сильно заранее готовиться на уровне топ-менеджмента каждого предприятия. Акционер одной из российских топ-3 горно-металлургических компаний лично курирует роботизацию, и благодаря этому его компания лидирует в этом направлении. Ключевым сотрудникам он донес свою позицию: "Роботы окупаются на масштабе и длинном горизонте. Роботы должны взаимодействовать с роботами, и их должно быть много".
Стратегия развития (включающая задачи цифровизации и роботизации) любого предприятия должна выйти за пределы прямых экономических эффектов и включать план "внутренней миграции" персонала. Стоит подумать над кумулятивными эффектами на длинном горизонте, а не только над точечными в моменте. Как их считать и контролировать? Уверен, ряд предприятий уже задумываются над этим.
Рекомендация: использовать модель расчета окупаемости, учитывающую долгосрочный возврат инвестиций от внедрения роботов.
Выводы
%img-2%
Промышленные компании, которые осознают потенциал ИИ и активно внедряют его в свои процессы, получают значительные преимущества на рынке. Тем не менее на этом пути важно не останавливаться и искать новые возможности, даже если кажется, что уже уперся в потолок. Конечно, для того чтобы сделать следующий шаг и начать тотальную роботизацию (а это неизбежный шаг развития ИИ), нужно многое менять, но к этому не все готовы. Кто все же решится преодолеть барьеры и не боится перемен, первыми получат бонусы в виде повышения конкурентоспособности и уверенности в стабильном развитии своего бизнеса в перспективе.