Цифровизация и оптимизация производства: с чего начать среднему заводу, чтобы цифры давали деньги

Цифровизация, автоматизация и «внедрили ERP»: в чем разница

Эти три слова часто используют как синонимы, и из-за этого заводы покупают не то, что им нужно.

Автоматизированная линия может простаивать треть смены, и никто об этом не узнает, если простой не фиксируется. ERP хорошо знает, что отгрузили и что списали, но обычно не знает, почему партия ушла в брак и сколько длилась переналадка. Цифровизация производства начинается там, где эти два мира соединяются: учет плюс факт с участка.

Картина по отрасли это подтверждает. По опросу ИСИЭЗ НИУ ВШЭ химических производств в 2025 году системы автоматизации производственных процессов (MES, ERP и подобные) используют 41,2% организаций, а отдельные ИИ-технологии от 1,6 до 10,7%. Главным препятствием 59% организаций назвали нехватку бюджета, около половины жалуются на сложности интеграции новых решений с существующими системами.

Вывод для среднего завода: учетная система есть почти у всех, а связки между учетом, участком и решением нет. Именно этот разрыв и закрывает цифровизация.

Цифровой контур: фундамент, без которого ИИ не работает

Цифровой контур это минимальная инфраструктура, при которой директор видит производство в цифрах без ручной сборки. В нем четыре обязательных элемента:

1. Источники данных. 1С с заказами, остатками, нормативами и себестоимостью. Данные с участков: начало и конец смены, простои с причинами, выпуск, брак, переналадки. На старте это может быть планшет у мастера или терминал на линии, датчики не обязательны.
2. Единые справочники. Один и тот же продукт должен называться одинаково в 1С, в журнале мастера и в отчете технолога. На этом спотыкается большинство проектов: без единых кодов данные невозможно связать.
3. Общее хранилище. Данные из разных источников обновляются сами, без выгрузок в Excel по пятницам.
4. KPI и отчеты. Три-пять показателей, которые считаются автоматически и которые кто-то конкретный смотрит каждый день.

Только когда эти четыре слоя работают, имеет смысл ставить сверху модели: прогноз спроса, оптимизацию плана выпуска, ассистента, которому можно задать вопрос по данным словами. Модель, которой дали несвязанные выгрузки, будет уверенно ошибаться. Подробнее о том, что нужно моделям от данных, мы писали в статье про предиктивную аналитику.

В альманахе Института ИИ МФТИ та же логика нарисована для крупных холдингов: внизу датчики, интеграция с MES и ERP, цифровые двойники, сверху ИИ. Большинство кейсов с большими цифрами эффекта стоят на годах накопленных данных.

Где на заводе теряются деньги и какие метрики смотреть

Отчетов на заводе обычно много. Метрик, которые прямо переводятся в рубли, мало. Мы начинаем с пяти.

OEE: общая эффективность оборудования

OEE это доля времени, когда оборудование выпускало годную продукцию на номинальной скорости. Считается как произведение трех множителей: доступность, производительность, качество. По данным Vorne, автора справочника oee.com, если каждый множитель равен 90%, OEE будет всего 73%. Там же: ориентир «мирового класса» 85% ввел Сэйити Накадзима в 1980-х, а у большинства производств OEE ближе к 60%.

Сама цифра OEE не главное. Главное разложение: какой из трех множителей проседает, и сколько это стоит в рублях на вашем узком месте.

Простои

Простой без причины бесполезен. Нужна классификация: ждали сырье, ждали ремонт, ждали решения, не было плана, переналадка. Когда простои начинают фиксировать с причиной, на многих заводах выясняется, что большая доля приходится не на поломки, а на организационные паузы.

Брак

Брак нужно привязывать к партии, смене, линии, сырью и рецептуре. Тогда видно, что брак не «случается», а повторяется в конкретных сочетаниях. В альманахе МФТИ контроль качества на одном участке металлургического производства оценен в 24 млн ₽ в год при снижении брака на 10%.

Переналадки

Каждая смена продукта на линии это простой, промывка или настройка, иногда брак на старте партии. Число и длительность переналадок зависят от порядка выпуска, а порядок выпуска на большинстве заводов определяет опыт планировщика. Про то, как алгоритм строит порядок партий, мы подробно писали в статье про планирование производства.

Запасы

Сырье, полуфабрикаты и готовая продукция на складе это замороженные деньги. Лишний запас прячет плохое планирование: вместо того чтобы выпустить вовремя, выпускают заранее и много.

Методы оптимизации производства: бережливое производство или данные и алгоритмы

Методы оптимизации производства делятся на две большие группы, и спорить, какая лучше, бессмысленно.

Бережливое производство (lean) работает с очевидными потерями руками людей: 5S, стандартизация операций, быстрая переналадка (SMED), картирование потока создания ценности, визуальное управление. Это дешево и дает результат там, где потери видны глазом: лишние перемещения, хаос на рабочем месте, переналадка, которую никто не разбирал по шагам.

Данные и алгоритмы нужны там, где вариантов больше, чем человек может перебрать, или где закономерность не видна глазом:

• порядок партий с учетом стоимости переналадок и сроков заказов;
• прогноз спроса по SKU, от которого зависят закупки и запасы;
• поиск причин брака в сочетаниях сырья, смены, режима и рецептуры;
• поиск по регламентам и техкартам, когда документы разбросаны по папкам (об этом статья про RAG-систему).

Практичный порядок: сначала lean наводит порядок и стандартизирует то, что фиксируется на участке, потом эти записи становятся данными для контура и моделей. Если начать с алгоритмов на заводе, где простои не записываются, модель будет оптимизировать фантазию.

Оптимизация затрат на производстве часто путается с сокращением бюджета. Резать закупки и людей проще всего, но это не оптимизация. Оптимизация это когда то же оборудование и те же люди выпускают больше годной продукции с меньшими запасами.

Примеры цифровизации производства: крупные холдинги и средний завод

Что показывают кейсы МФТИ

В альманахе Института ИИ МФТИ несколько кейсов прямо про то, во что превращаются оцифрованные данные:

• интегрированное планирование спроса, производства и логистики в Северстали дало рост EBITDA до 7%, 9,63 млрд ₽;
• предсказание поломок конвейеров на ЧерМК сократило один простой на 7 часов, эффект 65 млн ₽;
• поиск по технической документации ускорился в 5 раз, оценка 43 млн ₽ в год.

Общее у этих кейсов одно: сначала данные о процессе были собраны и связаны, и только потом поверх них появилась модель. Цифры приведены по данным альманаха, часть из них заявлена компаниями и независимо не проверялась.

Наш пример: лакокрасочный завод

Сейчас мы строим цифровой контур на лакокрасочном заводе. Название под NDA, результатов в цифрах пока нет, поэтому рассказываем только о постановке задачи и подходе.

Исходная ситуация типичная для среднего производства. Учет ведется в 1С, на участках свои журналы и таблицы, отчеты для руководства собираются вручную из нескольких источников. Пока отчет готов, данные уже устарели, а разные отделы приходят на совещание с разными цифрами.

Что делаем:

• сводим данные из 1С и с участков в одно хранилище с обновлением без ручных выгрузок;
• приводим к единым справочникам продукцию, сырье и оборудование, чтобы партию можно было проследить от заказа до отгрузки;
• настраиваем отчеты и KPI, которые считаются сами, без ручной сборки.

Почему начинаем не с ИИ: для лакокрасочного производства интересны и прогноз спроса по SKU, и оптимизация очередности варок, и поиск причин отклонений в рецептуре. Но все эти задачи требуют связанных данных. Контур это первый этап, после которого модели получают на вход проверенные данные, а директор получает KPI уже на этом этапе, не дожидаясь моделей.

Похожую логику мы применяем на других производствах. На бетонном заводе цифровой контур объединяет 1С, данные по технике и GPS водителей, чтобы видеть потери в логистике. На производстве колготок поверх учетных данных строим алгоритм производственного плана с учетом стоимости переналадок и сроков заказов.

Порядок шагов: с чего начать цифровизацию производства

1. Найти, где теряются деньги. Не «что можно оцифровать», а «где мы теряем больше всего». Разбор одного процесса с владельцем занимает 30-40 минут, у нас он бесплатный.
2. Посчитать потери в рублях до старта. Пример расчета: если узкое место простаивает 2 часа в смену из 8 по организационным причинам, выпускает 1 тонну в час с маржой 20 000 ₽ за тонну и работает в две смены 250 дней в году, недовыпуск стоит 2 × 2 × 250 × 20 000 = 20 млн ₽ в год. Это иллюстрация метода, а не обещание.

3. Выбрать один участок. Тот, где потери большие, а данные частично уже есть в 1С.

4. Собрать контур для этого участка. Источники, справочники, хранилище, 3-5 KPI. Данные с участка можно начать собирать простыми средствами, без проекта на датчики.

5. Зафиксировать базовую линию. Как было до изменений, по тем же метрикам и за сопоставимый период.
6. Подключить оптимизацию. Lean-методы на участке, алгоритмы для плана, запасов или причин брака там, где без них не обойтись.
7. Сравнить «было» и «стало» в рублях и только после этого масштабировать на соседние участки.

Пилот запускаем на одном участке, срок фиксируем после разбора: он зависит от состояния данных, числа систем и того, как быстро участок начнет фиксировать факт. Пилот стоит от 300 000 ₽, точная цена определяется после разбора. Мы работаем под NDA, персональные данные сотрудников обезличиваем до отправки в модель, чувствительные данные держим на моделях в контуре заказчика. Общая логика этапов и бюджета описана в статье про внедрение ИИ в бизнес.

Типичные ошибки цифровизации

По данным BCG, 70% цифровых трансформаций не достигают своих целей: только 30% выходят на целевой эффект с устойчивыми изменениями, 44% дают часть ценности, 26% дают меньше половины цели. Ошибки, которые мы видим на средних заводах, повторяются.

Цифровизация ради отчетов. Строят дашборд на 40 показателей, который никто не открывает. Правило: у каждого KPI есть человек, который смотрит его каждый день, и действие, которое он делает при отклонении.

Начинать с технологии. «Давайте поставим датчики на все станки» или «давайте внедрим нейросеть». Правильный вопрос: где теряются деньги и сколько.

Не наводить порядок в справочниках. Без единых кодов продукции и оборудования данные не связываются, и проект застревает на этапе «почему цифры не сходятся».

Охватить весь завод сразу. Большой проект на все участки дорогой, долгий и непроверяемый. Один участок с посчитанным эффектом убеждает коллектив лучше любой презентации.

Не считать эффект до старта. Если нет базовой линии, через полгода невозможно доказать, что проект окупился, и бюджет на следующий этап не дадут.

Забыть про людей на участке. Мастер, которого заставили вводить данные «для начальства», будет вводить их формально. Мастер, который видит в отчете свои простои и может их обсудить, вводит честно.

Что запомнить

• Цифровизация производства это не покупка системы, а связка учета, факта с участков и решений.
• Цифровой контур с KPI без ручной сборки дает пользу сам по себе и становится фундаментом для ИИ.
• Пять метрик, которые переводятся в рубли: OEE узкого места, простои по причинам, брак, переналадки, запасы.
• Lean и алгоритмы работают вместе: первый наводит порядок, второй решает задачи, где вариантов слишком много.
• Начинать с одного участка, где потери уже видны в деньгах, считать эффект до старта и масштабировать то, что подтвердилось.

Частые вопросы