Добыча терабайтов
Как промышленники используют аналитику данных для развития бизнесаПо данным Deloitte, в 2024 г. крупные промышленные компании увеличили инвестиции в технологии больших данных, аналитику и оцифровку цепочек поставок до 30% от операционного бюджета. Годом ранее инвестиции составляли 23%. По оценкам российских и зарубежных промышленных предприятий, применение аналитики помогает оптимизировать расходы на производство и логистику на 15–30%, уменьшать затраты на ремонт оборудования и на треть сокращать простои техники. Маржа нефтепереработки в случае внедрения технологий работы с данными может вырасти на 1–2%.
Большие данные в промышленных масштабах
Аналитика данных используется во всех отраслях промышленности для решения широкого круга задач – от управления производственными процессами до геологоразведки и оптимизации цепочки поставок.
Например, алмазодобывающая компания De Beers в Ботсване использовала спутниковые данные для составления карт перспективных месторождений и сократила время разведки на 40%. Это снизило затраты и повысило вероятность успеха в поиске новых месторождений алмазов.
Горнодобывающая компания Anglo American внедрила прогнозное техническое обслуживание на основе анализа данных и искусственного интеллекта (ИИ) в своем парке грузовых автомобилей, буровых установок и другой техники. Используя решение, Anglo American сократила внеплановые простои до 30%, повысив эффективность работы и снизив затраты на техническое обслуживание.
Одна из крупнейших в мире горнодобывающих компаний – Rio Tinto внедрила носимые устройства и системы на базе интернета вещей (IoT) на своих предприятиях в Австралии. Сотрудников компании снабдили датчиками, которые контролируют состояние их здоровья и окружающую среду. Система на базе ИИ и больших данных анализирует информацию о перемещениях работников и происходящих инцидентах. В результате удалось выработать рекомендации по улучшению систем безопасности труда, Rio Tinto смогла сократить количество инцидентов на 15%. В целом система автоматизации разработок Rio Tinto аккумулирует и анализирует информацию с 98% площадок компании. А крупная горнодобывающая австралийская компания BHP в 2022 г. объявила, что аналитика данных только за один год дала $1 млрд экономического эффекта.
Анализ данных по-русски
По данным Axenix, в 2023–2024 гг. около 30–40% крупных промышленных предприятий использовало big data (большие данные) в том или ином виде. По объему внедрения технологий big data российские промышленные предприятия пока отстают от мировых лидеров в этой сфере (США, Китай, ЕС), но демонстрируют устойчивый рост, говорит Денис Шипулин, директор направления «Аналитика данных» для банков и ресурсных компаний Axenix. Массовое использование сдерживается нехваткой специалистов и дороговизной доступных на рынке предложений.
В некоторых отраслях уже невозможно представить текущие бизнес-процессы без прикладных сервисов с использованием больших данных, говорит директор по проектам стратегического и корпоративного развития ГК «Цифра» Владимир Широкорад. «Более всего в этом продвинулись холдинги из нефтегазовой отрасли, металлургии, химической промышленности и энергетики», – отмечает эксперт.
Некоторые компании создают свои собственные команды по исследованию данных (data science) в закрытом контуре. В такой среде новые разработки как специализированных, так и общеотраслевых прикладных решений оказываются закрытыми от промышленного сообщества, так как защищены мерами безопасности или коммерческой тайной. Редкие кейсы становятся публичными. Причем только их результаты, но не ноу-хау, лежащие в основе технологии, продолжает он.
«Мы считаем, что в РФ необходимо создать доверенную среду для обмена технологиями с использованием data science, чтобы ускорить развитие новых производственных технологий в индустрии», – рассуждает Широкорад.
По данным IDC и РАЭК, рынок big data в России растет на 15–25% в год, в промышленности – до 30%. Наиболее активный рост демонстрируют решения для предиктивной аналитики и разработки цифровых двойников. «Государство поддерживает проекты через национальную программу «Цифровая экономика» и корпоративные акселераторы. В ближайшие пять лет рост ускорится за счет более широкого применения ИИ, IoT, а также благодаря господдержке», – прогнозирует Шипулин.
Лидерами по внедрению решений по работе с данными в России являются «тяжелые индустрии» с фокусом на экспорт – нефтегаз, энергетика, металлургия, рассказывает Артем Семенихин, партнер технологической практики «Тедо». Это связано с объемом инвестиций и масштабностью кейсов применения. Со средней динамикой развивается big data в машиностроении, большим потенциалом для развития обладает легкая и пищевая промышленность. «Если говорить в целом, то глобальным лидером по использованию big data являются компании финансового сектора, поскольку они больше работают непосредственно с потребителями (b2c) и имеют прямые экономические эффекты от использования подобных технологий» – резюмирует он.
Самые популярные кейсы в промышленности связаны с прогнозом ремонта оборудования. Во-первых, это потенциально может влиять на снижение затрат на ремонт – от 15 до 30%, во-вторых, технически хорошо обоснованно и имеет много практических примеров реализации в России и в мире. На 2-м и 3-м местах по популярности и эффектам – управление производством и мониторинг оборудования, что позволяет предприятиям снизить количество и продолжительность простоев, говорит Семенихин.
Где хранятся данные
Для того чтобы собирать, структурировать и обрабатывать огромные объемы информации, компании используют корпоративные хранилища данных (КХД). По данным Yandex Cloud, рынок КХД в России по итогам 2023 г. вырос на 14%. Средние затраты компаний на КХД составляют от 7,7 млн до 9,2 млн руб. в год – около 18% от IT-бюджета.
У руководителей есть задача комплексно управлять предприятием, для этого нужно опираться на актуальные данные. Аналитику можно собирать и на собственном оборудовании (on-premise), но в облаке решения можно принимать быстрее, так как информация постоянно обновляется, говорит директор по работе с промышленными и энергетическими компаниями Yandex Cloud (входит в бизнес-группу Yandex B2B Tech) Роман Матусевич.
«Аналитика – это живой, постоянно меняющийся в режиме реального времени организм, он требует моментальной интеграции нововведений, изменений. На облачной платформе это делать быстрее и дешевле. Самое сложное при реализации таких инициатив – правильно организовать и согласовать все процессы, связанные с информационной безопасностью», – полагает он.
Сейчас облачными КХД пользуется около 30% компаний, а к 2027 г. эта доля вырастет до 50%, прогнозируют эксперты Yandex Cloud.
Производственные компании также используют данные для машинного обучения моделей. Преимущество облачного КХД в этом случае в том, что все нужные сервисы доступны: есть и инструменты для работы с данными, и инструменты для разработки технологий. Это позволяет обучать модели с незначительными инвестициями и проверять продуктовые гипотезы, а затем готовые решения уже разворачивать в собственной инфраструктуре. Такие проекты реализует, например, «Норникель», объясняет Матусевич.
«В отличие от банков, ритейла промышленность более консервативна в реализации проектов по аналитике данных. Это связано со спецификой бизнеса, ориентацией на эффективность производства, отсутствие простоев. Конкуренция на этом рынке не такая активная, как у финтеха и ритейла. При этом все равно в металлургии появляются проекты и инициативы, ранее характерные только для b2c. Это могут быть личные кабинеты и маркетплейсы, через которые можно делать заказы продукции. Такие маркетплейсы развивают «Северсталь» и «Евраз», – приводит он пример.
Эффект на сотни миллионов
Производитель нефтепродуктов «Славянск ЭКО» реализует проект внедрения MES-системы (Manufacturing Execution System – комплекс программных средств для оперативного планирования и управления производством. – «Ведомости&») с использованием технологий Yandex – Yandex Cloud и Click House*. Это позволит перевести операционное управление производством на качественно новый уровень за счет автоматизации сбора данных, аналитики и поддержки принятия решений, отмечают в компании.
Использование MES помогает повысить достоверность учета нефти и нефтепродуктов, оптимизировать производственные процессы и технологические режимы, улучшить качество выпускаемой продукции, а также прогнозировать износ оборудования и предупреждать аварийные ситуации, перечисляет представитель компании.
«MES помогает трансформировать данные в бизнес-знания, повышая адаптивность НПЗ к рыночным изменениям», – подчеркивает Петр Шонкин, директор по цифровой трансформации «Славянск ЭКО».
По его данным, отраслевая практика показывает, что внедрение MES позволяет увеличить производительность на 1–3%, снизить энергопотребление до 5%, повысить выход высокомаржинальных продуктов, улучшить контроль качества, сократить операционные затраты.
Совокупный эффект от внедрения подобных решений может достигать сотен миллионов рублей ежегодно, отмечают в «Славянск ЭКО».
Что будет, если?..
На предприятиях «Евраза» активно используются системы продвинутой аналитики и методы управления на основе данных. Например, для планирования и комплексной оптимизации всех этапов металлургического производства применяется система математического моделирования, которая учитывает актуальные рыночные факторы и работает в режиме «что будет, если?..». Такой подход позволяет эффективно сравнивать тысячи сценариев: модель оперативно рассчитывает влияние изменений (цен на сырье, объемов производства или рыночных условий) и помогает выбрать оптимальную стратегию. В частности, для повышения качества и оперативности принимаемых решений было внедрено посуточное планирование производства аглодоменной шихты (сырье, которое используется в процессах черной металлургии для подготовки железных руд к доменной плавке. – «Ведомости&»), эффект достигается за счет изменения факторов нормы и состава в аглодоменной шихте. За 2024 г. он составил 460 млн руб., рассказывает Артем Натрусов, вице-президент по IT «Евраза».
Другой пример работы с данными – система анализа качества рельсовой продукции. Она основана на единой модели данных всех агрегатов и связи с конечным продуктом. Система содержит более 14 000 предопределенных сигналов с оборудования и более 2000 диаграмм для исследования. С помощью разработанной системы технолог-аналитик получает комплекс инструментов для самостоятельного анализа данных и проверки гипотез, объясняет Натрусов.
Аналитика с открытым кодом
Долгое время SAP HANA (высокоскоростная база данных с элементами аналитики производства немецкой компании SAP. – «Ведомости&») была для промышленных компаний индустриальным стандартом, говорит он. Крупные участники рынка использовали HANA и систему управления предприятием (ERP) от SAP для планирования, учета, управления цепочками поставок. Со временем компании стали мигрировать хранилища или их отдельные части на другие решения – например, на Greenplum. Это было связано в первую очередь с ростом цен на лицензии и обслуживание этих систем. Подобные проекты могли обходиться компаниям в десятки миллиардов рублей, в то время как хранилище на базе технологий Greenplum можно построить значительно дешевле. В отличие от некоторых конкурентов Greenplum не требует покупки отдельной аппаратной системы для каждого этапа масштабирования. Это позволяет постепенно увеличивать объем хранилища по мере роста данных, отмечает Матусевич.
«В качестве примера можно привести проект «Евраза» с единой системой производственных показателей. Это КХД на базе управляемых сервисов, где компания собирает, обновляет и анализирует разные метрики: объем производства, качество продукции, показатели простоя оборудования. Для компании важно, чтобы в одной системе можно было изучать, что происходит во всей производственной цепочке, информацию по всем цехам и сегментам и строить на основе этих данных управленческую отчетность», – говорит Матусевич. &
* Yandex Cloud, Click House – 18+.