Как избежать распространенных ошибок
Майк Брукс (Mike Brooks), старший консультант бизнес-подразделения APM, Aspen Technology, Inc.
Уроки истории
Сегодняшние проекты IIoT могут стать современной версией тех, которые были 20 лет назад. Вспомните, что говорили тогда специалисты в ИТ-отделах: «Нам нужен дата-центр». Или: «Нам нужна бизнес-аналитика». Сегодня я говорю, как и 20 лет назад: «Это ответы. В чем вопрос?»
Более половины всех тогдашних проектов провалились, поскольку никто на самом деле не понимал, зачем они нужны. Что-то подобное происходит и сейчас с IIoT, Индустрией 4.0 и цифровизацией.
Не поддавайтесь всеобщему увлечению новой технологией. Вместо этого ищите решение самой важной бизнес-проблемы. Другими словами, не повторяйте общей ошибки — когда сначала создают особенную мышеловку, а потом ищут особенную мышь, которую та сможет поймать. Для начала нужно четко понять, как получить конкурентное преимущество и выгоду, используя IIoT.
От корпоративной культуры зависит, можно ли достичь цели и как это сделать. Корпоративная культура определяет то, как компания будет оценивать результативность, выделять ресурсы и мотивировать сотрудников.
Анализирует ли руководство компании то, что было, чтобы достигнуть того, что может быть? Одобрено ли финансирование пробного проекта или реального? Готова ли ваша организация? И что всего важнее, готово ли руководство компании? Готовы ли они работать сообща над улучшением рабочих процессов, условий труда, повышением безопасности, сокращением простоев и увеличением дохода?
Чтобы эффективно устранить существующую проблему, необходимо сфокусироваться на ключевой задаче в области производства или поставок. Четкая концепция и ясные цели помогут вам избежать ситуаций, когда инженеры и специалисты по анализу данных, ищущие источник проблемы, тратят корпоративные ресурсы на технологические изыскания с неясной перспективой. Начинайте трансформацию с высшего руководства и внедряйте масштабные изменения на уровне специалистов по хозрасчетному управлению. Не рассматривайте внедрение промышленного Интернета вещей в отрыве от других задач.
Избегайте разрыва в компетенции
Можно пытаться ликвидировать нехватку знаний и квалификации сотрудников, прививая им навыки и технологическую культуру. Но я советую использовать продукты и решения, которые соответствуют поставленным задачам и квалификации сотрудников. Ваши специалисты достаточно хорошо понимают узкие задачи и способы их решения. Тщательно оценивайте их опыт и навыки.
Не спешите нанимать квалифицированных специалистов по анализу данных. Сотрудники, работающие на проектах, должны хорошо разбираться в деталях их реализации. Специалисты по анализу данных могут владеть сложными технологиями, например средствами машинного обучения, но редко обладают опытом в проектной области. Машинное обучение помогает обнаружить всевозможные корреляции данных, многие из которых совершенно бесполезны.
Технология, методология и рабочий процесс
Может оказаться, что одних технологий анализа данных недостаточно, чтобы сдвинуть дело с мертвой точки и развивать бизнес. В основе любого IIoT-проекта лежат технологии, методология и рабочие процессы. Путь, который вы выберите, определит, насколько легко вам будет достичь цели. Продукт должен определять методологию и рабочие процессы. Иначе ваша задача будет гораздо труднее.
Технологии должны быть надежными и проверенными, но никак не экспериментальными. Правильно выбранное приложение содержит методику внедрения, которая позволит быстро и уверенно разработать решение с использованием навыков специалистов и легко масштабировать его с учетом особенностей объекта и корпоративных требований. С такими ресурсами вы сможете внедрить решение небольшого объема и быстро масштабировать его, корректируя по мере необходимости.
Если приложение не содержит рекомендаций по внедрению, необходимо разработать собственную методику. Аналогично рабочий процесс определяет особенности использования готового приложения. Какие ресурсы для этого требуются? Каковы будут ваши действия? На слишком ли затруднен процесс? Не требует ли он избыточных усилий и времени? Можете ли вы реализовать его своими силами, не делясь интеллектуальной собственностью и не испытывая потребности в сторонних услугах и спасительных рекомендациях экспертов? Требуется ли вам обеспечить защиту приложения брандмауэрами, минимизировав угрозы кибербезопасности? Залогом успеха послужит надежное, проверенное приложение с методикой внедрения и четким рабочим процессом, которые позволят начать с малого, учиться в процессе расширения среды, быстро ориентироваться в эксплуатационных процессах и выполнять масштабирование.
Не отказывайтесь от улучшений и не полагайтесь всецело на консоли управления. Запаздывающие показатели не могут служить вам индикаторами будущей производительности, которые может предоставить предиктивная и прескриптивная аналитика.
Не стремитесь собирать все данные на всякий случай. Формируйте требования к данным на основе понимания бизнес-процессов и насущных проблем. Мы обсуждаем решения на основе данных. Мнений может быть сколько угодно, но без необходимых данных невозможно реализовать решение. Определите круг информации, которая требуется для успешного выполнения задачи.
Осознайте, что вы не работаете над банковскими проектами, не занимаетесь распознаванием лиц и не строите беспилотные автомобили. Ваши корреляции явлений и показателей лежат в сфере промышленных данных. Привыкните к тому, что они плохо структурированы, страдают неполнотой, очень изменчивы и часто неправильно атрибутированы. Какие данные нужны вашим специалистам (и приложению), из каких источников и с какой частотой? Как вы будете собирать, агрегировать, проверять и очищать данные? Ответы на эти вопросы нужно знать заранее, чтобы определить область действия проекта и масштабировать его.
Наконец, реализовано ли решение действительно на основе данных, обладает ли оно высокой точностью и не выдает ли ложные тревоги? Способно ли оно к самонастройке, чтобы сохранять актуальность при изменении условий?
Надеемся, эта информация помогла вам понять, что в проектах промышленного Интернета вещей гораздо важнее не платформа, а приложения, которые способны анализировать данные и составлять прогнозы для развития бизнеса. Выбирайте партнера, способного предложить эффективное решение, которое будет применимо в вашей организации.
О компании
Aspen Technology (AspenTech) — ведущий поставщик программного обеспечения для оптимизации производительности активов. Продукты разработаны для использования в сложных промышленных средах, где важную роль играет оптимизация проектирования, эксплуатации и обслуживания производственных активов. AspenTech уникально сочетает десятилетия опыта в области моделирования производственных процессов с технологиями машинного обучения. Цель — создание программной платформы для автоматизации работы с производственными данными и обеспечение устойчивого конкурентного преимущества.