И практически у каждого объекта свой автоматизированный пульт управления. Так было с момента пуска Братского алюминиевого завода с 70-х. У каждого объекта свой автоматизированный пульт управления. Это было экономически целесообразно. Иначе бы затраты на получение алюминия были бы колоссальными. Локальные АСУТП в алюминиевой промышленности появились еще в 70-х годах! Другое дело, что информация об объекте управления, не выходила за рамки этого АСУТП. Информация использовалась только для локального автоматизированного управления.
С появлением компьютеров и сетей в 90-е появилась возможность собирать эти данные в сетевые, но, пока еще не унифицированные, базы данных. Так БрАЗ начал создавать базис для последующего системного статистического анализа большого объема данных. Для «big data». Я устроился на завод как раз в 90-е. У меня было большое желание защитить кандидатскою диссертацию в области системного анализа. Вот я и начал, когда работал мастером смены в электролизной корпусе, параллельно на рабочем месте осваивать методологию авторизированного сбора информации из разных баз данных с разными форматами. Тогда мне очень помог в этом язык запросов SQL. А в последствии и реализация SQL в формате мастера в Микрософт Access. Так я стал экспертом по сбору большого объема информации. Но у меня возникла проблема – как упорядочить весь этот нескончаемый поток информации. Пришлось искать методологию и инструменты. Сначала попытался это сделать с помощью SQL. Там есть возможность автоматизированной группировки, нахождения статистик…, но тут неожиданно для себя открыл такой замечательный инструмент как «сводные таблицы» в Excel, на основании которых при определённых навыках можно освоить методологию укрощения данных - OLAP. Более подробно о ней я расскажу немного дальше. OLAP – позволяет быстро упорядочить данные в разрезе интересующей меня логики. Так я научился укрощать данные. Теперь передо мной стояла задача научиться извлекать из этих данных практическую ценность. Мне нужны были причинно - следственные связи. Очень помогла теория статистического анализа, которую изучал в аспирантуре. Она позволила мне найти соответствующий автоматизированный инструментарий. Сначала я открыл для себя «пакет анализа» в Excel. Потом более расширенные возможности в MATLAB. Через MATLAB освоил оптимизацию и прогнозирование. Вот такая вот личная история получения знаний и навыков по «big date».
В начале нулевых стал менеджером, а потом и руководителем по технологии БрАЗа. Навыки по «big date» сделали свое дело. И тогда у меня возникла шальная мысль научить этим навыкам мастеров технологов. Если каждый будет владеть методологией «big data», то это приведет к повсеместному улучшению технологии на рабочих местах. Но сначала вы должны представить себе, кто такие мастера технологи в электролизном производстве. Это самые опытные, но у большинства из них опыт был интуитивный и не формализованный. Вот такие вот матерые мастера технологи. Учить их только портить. Но я рискнул и у меня получилось порядка у 30-40 % технологов привить практику «big data». Правда тогда мы не знали, что это «big data». Всё это реализовал под идеей внедрения «инженеров процесса». Мне нужен был не интуитивный технолог, мне нужен был инженер - технолог, и не просто инженер, инженер по конкретном специализированному процессу. Для повышения эффективности. Инженер процесса. Пришлось трансформировать организационную структуру управления технологией. Не буду описывать, чего мне это стоило. Половину технологов пришлось поменять. Более восприимчивыми к обучению оказались молодые. Я организовал им постоянные тренинги по системному анализу на практике. У кого-то лучше получалось, у кого-то хуже. По моей субъективной оценке, приемлемого уровня достигли не все, но 30-40% это неплохой результат. Имея навыки быстрого автоматизированного статистического анализа, у инженеров процесса появился интерес к прозрачности и достоверности данных по технологическим объектам. Им нужны были причины отклонений, а для этого нужна достоверная исходная информация. Естественно, что достоверность не всем пришлась по вкусу, но, если вы хотите поднять эффективность работы своего подразделения, придется признать фактическое состояние дел. Если этого не произойдет, то об эффективном внедрении «big data» придется забыть. Нам, мне и инженерам процесса, удалось реализовать инженерные подходы в управлении производством и… продержаться 3 года. Прозрачность, причинно - следственный анализ, инженерные подходы в управлении. Три года. Рост качественных показателей. Рост объема производства. Но идиллия закончилась, когда начали требовать больше, чем мы тогда могли дать. Топ - менеджменту хотелось больше. Начался жесткий спрос, и не только с инженеров процесса, но с мастеров и рабочих. Люди стали закрываться, прозрачность стала падать, инженерный подход в работе отклонениями стал отходить на задний план, и мы ничего не смогли с этим сделать. Страх оказался сильнее идеи. Кто-то принял бой за идею, кто-то затаился до лучших времен. Система откатилась назад, но не до конца… Навыки системного анализа, вкус к работе с данными, личная мотивация развиваться сделали свое дело. Через какое-то время директором по производству стал бывший инженер - процесса. Как вы думаете, какие он методы применял при управлении производством? Да, он остался верен инженерным подходам. Ему удалось продержаться более двух лет. Первая волна, вторая, третья… рано или поздно приведет к стабильному внедрению «big data» на БрАЗе. Для него это уже неминуемо. Вот такая вот история. |