Десятилетиями компания Alexandria Industries боролась с ошибками ручного сбора данных, ошибочно полагая, что эффективность их оборудования достигает 85–90%,. Однако автоматизация раскрыла суровую правду: реальная производительность составляла всего 20%. В этом выпуске мы расскажем, как интеграция FactoryWiz, MV2 и Infor XA в единую цифровую экосистему спасла бюджет компании: вместо закупки дорогих станков и строительства новых цехов они смогли оптимизировать текущие процессы,. Вы узнаете, как руководство преодолело сопротивление скептиков, доказав, что мониторинг ищет «узкие места» в производстве, а не вину операторов, и почему точные данные важнее интуиции.

Какие уроки из истории развития компании Alexandria Industries можно извлечь?

1. Точные данные важнее интуиции. Ошибки и несоответствия при ручном сборе данных неизбежно препятствуют принятию правильных решений. До внедрения автоматизированной системы компания полагала, что эффективность оборудования (OEE) составляет 85–90%, однако реальные данные показали, что она находится на уровне 20–25%. Это «ужасающее» открытие на самом деле стало позитивным уроком: вместо того чтобы тратить деньги на новое дорогостоящее оборудование и строительство новых цехов, компания смогла увеличить прибыль за счет повышения эффективности существующих мощностей.

2. Автоматизация лучше ручного ввода. Ручной ввод данных с помощью секундомера и планшета не только труден, но и неточен, так как данные редко совпадают с реальной пиковой производительностью. Операторы воспринимают необходимость вручную вводить коды простоев как препятствие, а не как возможность, часто выбирая первую попавшуюся причину из списка (например, «пузыри экструзии»), даже если она не имеет смысла. Решением стало создание системы, которая автоматически собирает данные непосредственно со станков, минимизируя участие человека.

3. Важность создания единой экосистемы. Эффективное решение требует интеграции различных программных продуктов, а не использования разрозненных инструментов. Успех Alexandria Industries был обусловлен созданием экосистемы из трех частей: FactoryWiz (извлечение данных со станка), Infor XA (ERP-система для планирования) и MV2 (связующее звено с интерфейсом для операторов), которые обмениваются данными через API.

4. Данные должны помогать, а не наказывать. Если система воспринимается как карательная, она обычно не работает; успех приходит тогда, когда люди вовлечены и наделены полномочиями. Руководство должно объяснить, что цель сбора данных — устранить препятствия в работе операторов, а не следить за ними. Данные помогли доказать, что простои часто вызваны узкими местами в процессах (например, ожиданием инспекции), а не бездействием сотрудников.

5. Упрощение процессов ввода информации. Слишком сложная система классификации простоев неэффективна. Сокращенный список кодов простоев помог точнее определять причины остановок оборудования. Обязательное требование указать код простоя перед перезапуском станка гарантирует, что причины потерь будут зафиксированы и проанализированы.

6. Стратегия внедрения через работу со скептиками. Для успешного внедрения руководство специально работало с операторами, которые сопротивлялись технологическим изменениям. Получив их честную обратную связь и убедив эту группу в пользе системы, компания смогла заручиться поддержкой остального персонала, так как мнение этих операторов имело вес в коллективе.

7. Фокус на процессе, не только на человеке. Инженер Тодд Карлсон со временем понял, что минутные отклонения в работе операторов не важны в общем масштабе; большая часть потерь производительности связана с неэффективностью процессов или машин.

В качестве аналогии можно привести приборную панель автомобиля: раньше компания пыталась ехать, ориентируясь на ощущения и предполагая, что едет быстро (85% эффективности), но автоматизированная система стала точным спидометром и диагностическим сканером, который показал реальную скорость (20%) и конкретные поломки под капотом, позволив починить автомобиль вместо покупки нового.

Уроки Local Motors: Почему 3D-печать и краудсорсинг не спасли пионера открытого распределенного производства

В январе 2022 года Local Motors, компания, известная своими 3D-печатными автомобилями (Strati, Rally Fighter) и автономными шаттлами Olli, прекратила свою деятельность.

Их бизнес-модель была построена на трех китах: краудсорсинг дизайна, сотворчество (co-creation) с клиентами и распределенное цифровое производство через микрофабрики.

История Local Motors стала ценным, хотя и дорогим, уроком для всего современного производства.

1. Инновации должны быть экономически жизнеспособными, а не просто быстрыми
Local Motors доказала, что может ускорить разработку продукта. Они вывели Rally Fighter на рынок всего за 18 месяцев (в 5 раз быстрее, чем отраслевой стандарт 3–5 лет) и с минимальными затратами на разработку (3 миллиона долларов против миллиардов).

Урок: баланс между технологией и прибыльностью. Главной причиной краха стали высокие производственные затраты на 3D-печать крупных автомобильных компонентов. Несмотря на низкие затраты на разработку, высокие операционные расходы на печать затрудняли достижение прибыльности и вызвали значительное финансовое напряжение. Нехватка финансирования была названа основной причиной закрытия.

2. Рынок автономного транспорта оказался слишком конкурентным и незрелым
Local Motors совершила стратегический переход от Rally Fighter к автономному шаттлу Olli, напечатанному на 3D-принтере, который предназначался для низкоскоростных сред, таких как кампусы и больницы.

Урок: оценка рыночного принятия. Компания столкнулась с низким рыночным принятием своих продуктов. Привлекательность 3D-печатных автомобилей была нишевой. Более того, Local Motors оказалась на высококонкурентном рынке, где ей противостояли более крупные и хорошо финансируемые игроки. Стратегический поворот к беспилотным автобусам не принес ожидаемых финансовых результатов.

3. Надежность и масштабируемость критичны для новых технологий
Даже самая инновационная производственная модель не может компенсировать проблемы с ключевой технологией.

Урок: фокус на качестве и масштабе. Разработка автономных транспортных средств, таких как Olli, столкнулась с многочисленными технологическими препятствиями. Возникли проблемы с надежностью и масштабируемостью технологии автономного вождения. Кроме того, внешние экономические факторы, такие как сбои в цепочках поставок, еще больше подорвали жизнеспособность компании.

4. Положительный опыт: Ценность сотворчества (Co-creation)
Несмотря на закрытие, Local Motors оставила после себя ценную модель B2ONE (billion-to-one) — вовлечение клиента в процесс создания.

Урок: B2ONE и антихрупкость. Local Motors показала, как клиенты могут быть создателями на протяжении всего жизненного цикла продукта (от дизайна до владения), что обеспечивает сильную обратную связь и постоянное улучшение каждой последующей единицы. Основатель компании подчеркивал, что цифровое производство (3D-печать) позволяет компаниям быть "антихрупкими" (anti-fragile), то есть быстро реагировать на рыночные потрясения и менять дизайн, чтобы стать сильнее.

Local Motors доказала потенциал цифрового производства для «экономики охвата» (economy of scope), фокусируясь на небольших партиях и персонализации. Но в долгосрочной перспективе даже эта гибкость не смогла перевесить финансовое бремя, созданное неоптимальным масштабированием передовой производственной технологии.

Согласно исследованию GDPval, большие языковые модели (БЯМ) и искусственный интеллект (ИИ) демонстрируют высокую эффективность в выполнении задач, связанных с интеллектуальной работой в производственных специальностях, приближаясь по качеству к уровню опытных экспертов, и имеют потенциал значительной экономии времени и средств.
GDPval — это бенчмарк, который оценивает возможности ИИ на реальных, экономически значимых задачах.
Охват производственных специальностей
Бенчмарк GDPval охватывает 44 профессии в 9 основных секторах, вносящих наибольший вклад в ВВП США. В числе этих секторов — Производство (Manufacturing), который составляет 10,0% от ВВП США.

В секторе "Производство" в бенчмарк были включены задачи, связанные со следующими профессиями:
• Инженеры-механики (Mechanical Engineers).
• Промышленные инженеры (Industrial Engineers).
• Агенты по закупкам и покупатели (Buyers and Purchasing Agents).
• Служащие по отгрузке, приему и инвентаризации (Shipping, Receiving, and Inventory Clerks).
• Младшие руководители производства и эксплуатационных рабочих (First-Line Supervisors of Production and Operating Workers).

Задачи, используемые в GDPval, были разработаны отраслевыми экспертами со средним стажем 14 лет. Промышленный инженер (Lead Industrial Engineer) с более чем 5-летним опытом подтвердил, что задачи по редизайну (например, разработка приспособлений/оснастки) точно соответствуют реальной практике. Эти задачи включали специфические компоненты дизайна, подробные чертежи с точными измерениями и фокусировались на таких практических аспектах, как видимость и оптимизация расстояний для ходьбы, что отражает фактические инженерные и операционные приоритеты.

Результаты эффективности и качества
Исследование показало, что лучшие современные модели начинают приближаться к паритету с отраслевыми экспертами по качеству результатов.
• Лучшие модели: Claude Opus 4.1 и GPT-5 показали наилучшие результаты, приближаясь к качеству профессиональных решений.
• Качество: В золотом подмножестве GDPval (220 задач) 47,6% результатов, созданных Claude Opus 4.1, были оценены экспертами как лучшие или не хуже (ничьи) по сравнению с результатами, созданными человеком-экспертом.
• Сильные стороны: GPT-5 преуспел в точности (например, строгое следование инструкциям и правильные расчеты), тогда как Claude Opus 4.1 выделялся в эстетике (например, форматирование документов и расположение слайдов).

Скорость и стоимость
Анализ показал, что ИИ может предложить значительную экономию времени и средств, если используется под контролем человека-эксперта.
• В сценариях, когда эксперт использовал модель, оценивал результат и сам исправлял его в случае неудовлетворительного качества, использование ИИ потенциально может сэкономить время и деньги по сравнению с работой невооруженных экспертов.
• С точки зрения чистого времени инференса и стоимости API, модели могут выполнять задачи GDPval примерно в 100 раз быстрее и дешевле, чем эксперты.

Ограничения и недостатки
Несмотря на высокую эффективность, модели все еще имеют серьезные недостатки:
1. Следование инструкциям: Эксперты чаще всего отдавали предпочтение результатам человека, поскольку модели не смогли полностью следовать инструкциям по задачам GDPval.
2. Ошибки: Модели иногда галлюцинировали данные или делали неправильные расчеты. У GPT-5 наиболее частой причиной проигрыша была категория "приемлемо, но хуже" (acceptable but subpar), однако примерно 29% всех провалов GPT-5 были оценены как "плохие" или "катастрофические" (около 3% "катастрофических").
3. Характер задач: Текущая версия GDPval сосредоточена только на интеллектуальной работе (knowledge work), которую можно выполнить на компьютере. Она не включает ручной труд, физические задачи, обширные неявные знания (tacit knowledge), командную работу, взаимодействие между людьми или работу с конфиденциальной информацией. Кроме того, задачи являются "однократными" (one-shot) и точно определенными, что не отражает реальных ситуаций, требующих итераций, построения контекста или навигации в условиях двусмысленности.

В целом, в производственных специальностях ИИ демонстрирует способность выполнять значительную часть интеллектуальной работы (например, проектирование, анализ, создание документации) на уровне, близком к экспертному, особенно при использовании с человеческим контролем.

https://openai.com/index/gdpval/

https://cdn.openai.com/pdf/d5eb7428-c4e9-4a33-bd86-86dd4bcf12ce/GDPval.pdf 

Представьте, что нейросети — это как умные помощники, которые могут учиться на примерах, прямо как вы на работе, запоминая, что хорошо, а что плохо. Сначала они были очень простыми, как электронный словарь, который просто заменял русские слова на английские, но без понимания смысла.

Чтобы компьютер начал что-то понимать, слова нужно было превратить в числа. Потом придумали способ кодировать слова так, чтобы похожие слова имели похожие числа — это «векторы смысла». По сути, смысл слова — это то, с какими другими словами оно чаще встречается, как разные инструменты часто лежат рядом в одном ящике.

Для работы с картинками, нейросети учатся находить «суть» изображения, как будто вы быстро определяете брак детали на конвейере. Этот процесс называется «сверткой». Чтобы такие сложные вычисления работали быстро, придумали специальные графические процессоры (GPU), которые обрабатывают много данных одновременно, как многозадачная машина в цеху.

Чтобы научить такую «умную машину», ей нужны «размеченные данные» — это сотни тысяч фото с подписями, например, «это кошка», «это собака», или «это деталь без брака». Интернет и социальные сети помогли собрать такие огромные «инструкции» для обучения. А чтобы не начинать каждый раз с нуля, придумали «Transfer Learning»: это как если опытный рабочий быстро осваивает новую, но похожую задачу, используя старые навыки. Но главное — не «переобучить» сеть, иначе она просто будет зубрить и начнет делать ошибки, как уставший рабочий, который механически все запомнил, но не понял.

Для работы с текстами появились сети Transformer, которые разбивают слова на «токены» (кусочки слов) и учатся обращать «внимание» на самые важные части текста, как хороший мастер на ключевые этапы работы. Из них появились GPT (Generative Pretrained Transformer) – это такие «умные попугаи», которые могут генерировать новые тексты, но уже с пониманием смысла, предсказывая следующее слово.

Чтобы GPT не несли «словесный понос», их учат быть «послушными» с помощью RLHF (Reinforcement Learning from Human Feedback) — это как мастер поправляет ученика, давая ему обратную связь и награждая за правильные действия. Можно даже настроить «температуру» модели: если она низкая, ответы будут стандартные и предсказуемые, как работа по инструкции; если высокая — могут появиться креативные, но иногда странные ответы.

Нейросети, как правило, не запоминают весь ваш диалог. Поэтому им каждый раз дают весь разговор заново. Для работы с вашими документами придумали «контекстное обучение» (просто добавляют нужные тексты прямо перед вашим вопросом) и RAG (Retrieval Augmented Generation). Это позволяет нейросети «читать» ваши данные из специальной базы и отвечать осмысленно, как если бы она говорила с вашими инструкциями или документами.

Важно, что нейросети — это, скорее, «гипер-гуманитарии»: они отлично работают с языком, переводами, но плохо считают и путаются в больших таблицах. Для точных расчетов им нужны «инструменты», например, возможность запустить программу на языке Python, как рабочему нужен калькулятор или измерительный прибор. Когда несколько таких «умных помощников» объединяются и используют инструменты для решения сложной задачи, это называется «агентами».

Сейчас нейросети активно помогают в бизнесе: анализировать кучу статей, работать с тоннами документации, чтобы быстро найти нужную информацию, и даже разбираться в сложных таблицах, что для обычного ChatGPT пока сложно. В общем, они не собираются бунтовать, а становятся все более полезными помощниками, меняя привычные подходы к работе.

Источник: Как устроены нейросети для неспециалистов
https://habr.com/ru/companies/timeweb/articles/936018/

Эпизод 50. Использование коротких подкастов в формате микрообучения предлагает значительные преимущества для обучения сотрудников производственных предприятий.

Что такое микрообучение?
Микрообучение — это подход к обучению, ориентированный на учащихся, который предоставляет короткие, сфокусированные учебные модули, предназначенные для достижения конкретных целей обучения или решения одной концепции. Эти модули обычно представляются в различных форматах, таких как видео, инфографика, викторины, а также подкасты. Оно характеризуется краткостью, доступностью и способностью соответствовать короткой продолжительности концентрации внимания современных учащихся. Контент обычно легко понять и длится менее 10 минут. Основные правила микрообучения включают сосредоточение на одной вещи за раз, краткость и легкую доступность.

Польза и ценность коротких подкастов для обучения сотрудников
Подкасты, трансформированные в микрообучение, представляют собой мощную комбинацию, которая использует сильные стороны обоих форматов для обеспечения высокоэффективного обучения. Разделяя учебный контент на короткие, легко усваиваемые эпизоды, организации могут превращать подкасты в модули микрообучения, которые учитывают короткое внимание и плотный график современных учащихся.

Основные преимущества подкастов для обучения сотрудников:

Доступность: Слушатели могут получать доступ к подкастам в любое время и в любом месте, что делает их идеальными для обучения "на ходу". Это позволяет обучаться во время поездок на работу, тренировок или в свободное время, без необходимости выделять специальное учебное время.

Как это работает:

Отдел обучения записывает серию из 10-15 эпизодов по 15-20 минут на тему "Основы бережливого производства (Lean)" или "5S для склада".
Эпизоды выходят раз в неделю. Сотрудникам предлагают слушать их в фоновом режиме во время работы (если это безопасно) или в комнате отдыха.
Формат может включать интервью с лучшими операторами, обсуждение кейсов с начальником цеха, ответы на вопросы.
Пример: Компания «В» запустила подкаст "Истории из цеха", где опытные наставники рассказывали о решении нестандартных производственных проблем. Это помогло распространить лучшие практики среди всех смен.

Универсальность: Подкасты могут охватывать широкий спектр тем и форматов, включая интервью, панельные дискуссии, лекции и рассказы, что позволяет адаптировать контент к конкретным потребностям обучения.
Вовлеченность: Аудиоконтент способен захватывать внимание слушателей и вызывать эмоции, что не всегда достигается письменными или визуальными материалами. Качественно произведенные подкасты с интересными ведущими и увлекательным повествованием могут значительно повысить вовлеченность и запоминаемость материала.
Экономическая эффективность: По сравнению с другими формами учебного контента, производство подкастов может быть относительно экономически эффективным, требуя минимального оборудования и ресурсов.
Масштабируемость: После создания подкасты легко распространяются среди широкой аудитории, что делает их масштабируемыми для организаций любого размера.

Как микрообучение с помощью подкастов влияет на сотрудников производственных предприятий?

Микрообучение через подкасты особенно ценно для производственной отрасли, где время является критическим ресурсом:

Гибкость и доступность в условиях ограничений по времени: Сотрудники на производственных предприятиях часто имеют ограниченное время и небольшой контроль над своим графиком. Микрообучение с использованием подкастов позволяет пройти обучение всего за 30 минут, согласовывая его с временными ограничениями, обеспечивая гибкость и доступность. Менеджеры и руководители могут получать доступ к модулям микрообучения в удобное для них время — во время перерывов, смены или коротких простоев в производстве. Это обеспечивает, что обучение и развитие становятся частью повседневной или еженедельной рутины.
Разбиение сложных концепций: Микрообучение берет сложные концепции и разбивает их на управляемые, небольшие части знаний. Например, 10-часовая программа по лидерству может быть превращена в серию отдельных тем, таких как управление конфликтами или эффективная коммуникация.
"Обучение точно в срок" (Just-in-time training): Сотрудники, такие как руководители, могут получить именно ту информацию, которая им нужна, когда им это нужно. Если руководителю необходимо подготовиться к объявлению изменения в команде, он может быстро пройти 1-2-часовой курс по управлению изменениями, который ему необходим в данный момент, вместо того чтобы искать эту информацию в большой программе, пройденной месяцы назад. Это повышает вероятность запоминания и применения знаний.
Повышение уверенности и вовлеченности: Вместо длительных программ, завершение коротких сессий микрообучения (например, 1-2 часа) вызывает чувство выполненного долга, что может повысить уверенность и стимулировать желание участвовать в дальнейшем обучении, создавая цикл непрерывного повышения квалификации. Это приводит к повышенной вовлеченности среди персонала, делая процесс обучения более приятным.
Непрерывное развитие навыков без отрыва от производства: В отрасли, где каждая минута на производстве важна, микрообучение позволяет руководителям развивать свои навыки без необходимости длительного отсутствия. Это стратегический актив, позволяющий руководителям наращивать свои навыки без длительного отсутствия.
Актуальность и адаптируемость: Микрообучение позволяет быстро обучать сотрудников новым политикам, запуску продуктов или протоколам безопасности, гарантируя, что все остаются в курсе последней информации. Это способствует быстрому росту компетенций, гарантируя, что руководители остаются в курсе лучших практик и отраслевых требований.
Повышенное запоминание знаний: Предоставление коротких, целевых порций обучения в течение длительного периода приводит к более глубокому пониманию и запоминанию знаний.
Последовательность в обучении: Платформа микрообучения может обеспечить, чтобы сотрудники в разных местах получали последовательное обучение, поддерживая единые стандарты в обслуживании клиентов и операционных процедурах.
Преодоление разрыва в компетенциях: Микрообучение эффективно справляется с критическими пробелами в компетенциях в лидерстве, которые могут возникнуть из-за невозможности участия в традиционных программах из-за производственных требований.

Таким образом, подкасты, используемые как инструмент микрообучения, могут значительно улучшить программы обучения на производственных предприятиях, делая их динамичными, интерактивными, гибкими и эффективными. Это позволяет сотрудникам учиться в соответствии со своим графиком, повышает вовлеченность и способствует непрерывному развитию навыков, что приводит к улучшению бизнес-результатов.

Источники: https://maxlearn-microlearning.medium.com/transforming-podcasting-into-microlearning-harnessing-the-power-of-audio-for-effective-training-f2d554f62093

https://uniquedevelopment.com/microlearning-for-manufacturing-training/ 

American Factory – один из самых сильных фильмов, вышедших в 2019 году. Это история реанимации автомобилестроительного завода в пригороде Дейтона (Огайо, США), обанкротившегося в 2008. Дейтон – небольшой город, закрывшийся завод General Motors был крупнейшим работодателем и давал работу более чем 10 000 жителей города. В 2008 люди оказались без работы – и многие без домов. В 2014 завод был приобретён китайским миллиардером, который инвестировал 260 миллионов долларов в развитие производства автомобильного стекла. Рабочие были очень рады вернуться на производство Fuyao Glass America – с их ярких позитивных эмоций начинается фильм.

Далее – в течение трёх лет авторы фильма внимательно фиксировали историю развития американского завода под китайским управлением. Фиксировали, снимая интервью нескольких рабочих в разные годы, отмечая изменения их отношения к китайской модели управления. В интервью двум ключевым спонсорам (3 минуты, вы их знаете) режиссёры особенно подчеркнули, что дали простым людям рассказать их истории, без постановочных съёмок, без «narrator voice» – голоса за кадром, объясняющего, что происходит на самом деле. Тем самым авторы фильма показали, что ждёт многих из нас в ближайшие годы, – один из заводов ФУЯО Стекло Рус успешно развивается с 2013 года в Калужской области.

В фильме много характерных особенностей корпоративных культур двух совершенно разных стран. Прекрасны моменты фильма, когда американские менеджеры едут на китайский завод и смотрят на китайских рабочих, менеджеров и их действия как на явления с других планет. А потом безуспешно пытаются воспроизвести эти действия на китайском заводе в США – многие критики наслаждались комичностью этих моментов фильма, вспоминая отличный сериал «The Office».Американские кинокритики резюмируют: «В некотором смысле, наиболее ярким аспектом фильма оказывается то, как мы выглядим для китайцев, а именно – слабыми. В их глазах мы даём нашим детям слишком много ободрения, слишком много самоуважения. “Американцы любят быть польщенными до смерти”, – объясняет в фильме новый президент компании, родившийся в Китае, но проживший в США половину своей жизни. “Ослам нравится, когда их гладят по направлению роста волос.” Китайцам не нравится прикасаться к ослам, но они будут делать это столько, сколько потребуется, пока люди, желающие работать как машины, не будут вытеснены реальными машинами. Фильм открывает глаза – через лобовое стекло на новый мир».

В финале фильма, в 2018 году, на первый план выходят роботы, ставя точку в борьбе подходов и культур за эффективность компании, производительность завода.

И здесь – удивительно, как американские кинокритики не особо замечают значимости и судьбоносности последних 10 минут фильма.

Я прочитал пару десятков обзоров фильма и ни в одном не встретил попыток авторов этих обзоров осмыслить ключевую роль автоматизации в конвергенции менталитетов и культур.

Стоит процитировать последние минуты фильма. Съемка 2018 года на производстве автомобильного стекла, созданного китайцами в США. Собственник Cao Dewang и менеджеры идут по цехам. Менеджеры показывают собственнику роботов, которыми они заменяют рабочих.

– Раньше здесь работал один человек. Теперь здесь нет людей. Дальше я собираюсь избавиться от четырёх рабочих там. По два на каждую линию. Автоматизация — значит стандартизация. После того как мы закончим с этим, у нас будет на два рабочих меньше на загрузке на производственную линию. Эту операцию будет выполнять манипулятор.

– Вы уже завершили с этим участком?

– Да. Здесь всё автоматизировано.

– И вы заменяете всё остальное манипуляторами?

– Да. Я заменю людей на закалке боковых стёкол. Этот сейчас в опытной эксплуатации. Мы рассчитываем уволить четырёх рабочих в июле или августе. Я заменю их на машины. Сейчас люди не справляются, слишком медленные.

На последних минутах фильма создаётся впечатление, что после проблем и убытков завода 2016-2017 годов, в успехе в 2018 – основная роль не китайской дисциплины и покорности и не американских условий труда и профсоюзов, а робототехники и автоматизации. С этой точки зрения, все предыдущие полтора часа фильма становятся неплохим обоснованием неминуемой и скорой замены рабочих роботами. Замены ввиду дикой неэффективности человека на подобном производстве, полном рутинных, простых, утомительных, тяжёлых операций. Таким образом, весь фильм разворачивается элегантным реверансом в сторону американских рабочих – уважаемые граждане, чем чаще вы бунтуете, чем больше стоите с плакатами вдоль дорог, защищая своё право на комфортный труд – тем быстрее будете заменены роботами (только ли американских? и только ли рабочих?).Жёсткая конкурентная среда и глобализация оставляют сегодня немного вариантов: либо подобные операции будет выполнять человек – качественно, за 12 или меньше долларов в час, с двумя выходными в месяц, в жёстких условиях (как в Китае), либо робот. Роботы – со временем дешевле, уже сейчас производительнее, без нытья, размахивания плакатами и жалоб.

И здесь возникает важный вопрос, который будет решаться в ближайшие годы. Что будет происходить со страной, рабочие на предприятиях которой не сильно хотят и не могут повышать квалификацию, не готовы переходить в другие специальности, не желают переучиваться – но с радостью, в порыве народного возмущения, выстраиваются вдоль дорог с плакатами по любому поводу, затрагивающему комфортный для них ход вещей? Что будет происходить с такими странами с учётом дальнейшей уверенной и активной экспансии китайских капиталистов, готовых без жалости заменять этих рабочих роботами, тем самым делая свои производства сверхэффективными, сверхпроизводительными в сравнении с традиционными производствами?

Чем особенно интересен фильм American Factory – яркой демонстрацией уже доказавшей свою эффективность модели разрушения классических бизнесов и экономик двумя ключевыми силами нашего времени – жёсткой, милитаристской культурой управления азиатских менеджеров и их готовностью использовать робототехнику как чрезвычайно эффективную рабочую силу. Один из основных образов, символов времени, выделенных в фильме, – жёсткое, не щадящее людей, культивирующее сверхинтенсивный труд управление и роботы в качестве исполнителей – как основное конкурентное преимущество азиатских бизнесов. Идеология сверхинтенсивного труда как смысла жизни, пронизывающая всю нацию, пропитавшая каждого китайца. Такая идеология – очень сильное основание, очень мощный фактор результативности новой китайской экономики. 

Источник: https://isicad.ru/ru/articles.php?article_num=20935

Эпизод 48. Как определить эффективность оборудования и станков в цехах?

Использование на реальном производстве компьютерных средств сбора данных о состоянии и измеряемых параметрах оборудования создает основу для непрерывной оценки показателей эффективности и реагирования в режиме реального времени на ситуации, требующие вмешательства. Разнообразие показателей эффективности, их оперативное доведение до широкого круга пользователей и ЛПР, предоставление удобных средств расширенного анализа показателей и тенденций позволяют рассматривать современные системы мониторинга в качестве важной платформы комплекса управления производством. Сбор и обработка данных о техническом состоянии оборудования и его узлов существенно расширяет диагностические возможности систем класса MDC (machine data collection), обеспечивая за счет предиктивного анализа своевременное принятие мер, обеспечивающих бесперебойную работу оборудования и продление сроков эксплуатации.

Эпизод 47. Мы обсуждаем цифровые инструменты бережливого производства (Lean), которые используют различные компании для повышения эффективности. Важно отметить, что многие из этих решений являются простыми, а зачастую создаются и адаптируются самими сотрудниками компаний.

Вот цифровые инструменты Lean, упоминаемые в источниках, с описанием их использования и полученных бизнес-эффектов:

Корпоративная группа WhatsApp (называемая "SM lean improvements" в компании Seating Matters):

Использование: Сотрудники Seating Matters ежедневно публикуют короткие видеоролики об улучшениях ("до" и "после") в этой группе. Эта практика отражает японскую концепцию "йокотен" – распространение идей по всей организации.
Простота: Используются обычные смартфоны для съемки и загрузки видео.
Бизнес-эффекты: Создает атмосферу здоровой конкуренции и постоянного совершенствования, поскольку ежедневно может появляться 20-30 таких улучшений. Помогает сотрудникам быстро учиться на опыте других и применять идеи в своей работе.

Stream Deck (используется в Seating Matters и Tridelta Meidensha):

Использование: В бухгалтерии Seating Matters этот инструмент автоматизирует длительные, повторяющиеся офисные процессы, такие как выставление счетов, обработка электронной почты, создание отчетов или открытие веб-ярлыков. В отделе графического дизайна используется для автоматического ввода HEX-кодов цветов бренда, исключая ручной ввод. В Tridelta Meidensha Stream Deck используется для активации системы Андон (Andon), которая сигнализирует о проблемах на производственной станции, посылая уведомления руководителю на телефон.
Простота: Этот инструмент легко программируется для выполнения различных задач, что делает его доступным для обычных пользователей.
Бизнес-эффекты: Существенно сокращает время выполнения задач (например, с 10-15 минут до 2-3 минут для выставления счетов), устраняет ручную работу и уменьшает количество ошибок. Обеспечивает мгновенное оповещение о проблемах на производстве, позволяя быстро реагировать.

Приложение GembaDocs (Гемба Докс) (используется в Seating Matters и Adman Ste Sheds):

Использование: Применяется для быстрого создания стандартизированных рабочих инструкций (СОП). Инструкции могут быть в форме видео (часто загружаются на YouTube) и доступны через QR-коды, что позволяет сотрудникам быстро получить необходимую информацию без вопросов.
Простота: Создание одной такой инструкции занимает всего несколько минут. Приложение поддерживает фотографии и видео, легко обновляется и управляется.
Бизнес-эффекты: Позволяет новым сотрудникам учиться в два раза быстрее. Снижает стресс для руководителей и уменьшает текучесть кадров благодаря наличию четких, легких для восприятия стандартов. Является "переломным моментом" (game changer) для компаний.

Система Smart Sheet в сочетании с QR-кодами (в Tridelta Meidensha):

Использование: Применяется для цифровизации "полной ответственности" (Total Ownership) за оборудование. При сканировании QR-кода на объекте (например, огнетушителе) открывается форма в Smart Sheet, позволяющая связаться с ответственным лицом по любым проблемам. Также используется для отслеживания и документирования проблем, возникающих на производстве и регистрируемых через систему Андон. Информация о проблемах автоматически отправляется в Smart Sheet и обсуждается на утренних совещаниях. Кроме того, система используется для документации контроля качества, позволяя загружать фотографии продукции с номерами заказов, привязанными к QR-кодам на бумажных документах, обеспечивая 100% документацию.
Бизнес-эффекты: Улучшение коммуникации, быстрое решение проблем и полное отслеживание производственных и качественных показателей.

Цифровые экраны (в Tridelta Meidensha):

Использование: В каждом отделе установлены экраны для проведения локальных утренних совещаний.
Бизнес-эффекты: Это позволяет небольшим группам (до 10 человек) быть более вовлеченными в обсуждение проблем и отслеживать показатели, способствуя лучшей координации и обмену информацией.
Роботы и автоматизированное оборудование (в JJB):

Использование: В компании JJB используются роботы для автоматизации производственных процессов, таких как гибка лазерно вырезанных деталей, печать идентификационных номеров продуктов, формовка колец и смена штампов. Автоматизированные сварочные приспособления (джиги) позволяют выполнять сварку нажатием кнопки, превращая дневную работу в часовую.
Создано сотрудниками: Многие из этих систем, включая контроллеры PLC, разрабатываются и строятся собственными силами компании.
Бизнес-эффекты: Значительно сокращают время производства и трудозатраты. Минимизируют потери, связанные с транспортировкой по заводу, благодаря "армии роботов". Повышают качество и снижают количество ошибок.

Макросы в Excel (в Applied Concepts):

Использование: Для управления запасами использовался файл Excel, и ранее ручная задача по обновлению складских ведомостей, занимавшая 4 часа каждую пятницу, была автоматизирована.
Создано сотрудниками: Сотрудник компании Applied Concepts разработал эти макросы.
Бизнес-эффекты: Время выполнения задачи сократилось до 5-10 минут, что является огромной экономией времени.
Инструменты на основе искусственного интеллекта (ИИ) (в British Rototherm):

Использование: Разработан AI Workflow с использованием пользовательского запроса ChatGPT и Power Automate для автоматической загрузки заказов из электронных писем клиентов. Также создано приложение Windows Form App, код для которого был написан ИИ, для автоматической генерации серийных номеров и каналов.
Простота: Инструменты ИИ делают сложные задачи доступными даже для тех, кто не является экспертом в кодировании.
Бизнес-эффекты: Устраняет до двух часов ежедневной ручной работы по вводу данных. Экономит значительное время (1-2 часа на каждые 50 позиций) и избавляет сотрудников от монотонных, "болезненных" задач.

"Search Everything" (приложение на Stream Deck) (в Seating Matters):

Использование: Используется для быстрого поиска файлов и документов на всех дисках и облачных хранилищах компании.
Простота: Бесплатное приложение, интегрированное со Stream Deck.
Бизнес-эффекты: Значительно ускоряет поиск информации, сокращая время и движение, что улучшает обслуживание клиентов.

Электронные/визуальные доски (Mirra board, цифровые карточки задач) (в Seating Matters):

Использование: Mirra board используется для визуального контроля изменений в дизайне и их статуса (цветовая кодировка: оранжевый — в работе, красный — не начато, зеленый — выполнено). Цифровые карточки задач используются для отслеживания ежедневных, еженедельных, двухнедельных, ежемесячных и ежеквартальных задач, показывая статус выполнения (зеленый, когда задача выполнена).
Бизнес-эффекты: Обеспечивают полный визуальный контроль над рабочими процессами, улучшают координацию и уменьшают необходимость постоянных вопросов.

Эти примеры демонстрируют, как цифровые инструменты, будь то простые приложения, самостоятельно разработанные макросы или роботы, могут быть эффективно интегрированы в философию бережливого производства, принося значительные выгоды в виде повышения производительности, сокращения потерь, улучшения качества и вовлеченности персонала.

Эпизод 46. Парадигма летящих гусей – это эмпирическая теория экономического развития, предложенная японским экономистом Канамэ Акамацу. Эта концепция описывает последовательное индустриальное и технологическое обновление стран, где менее развитые экономики догоняют более продвинутые, следуя их примеру.

Суть и содержание парадигмы:

Иерархическая модель "лидер-последователь": В основе парадигмы лежит иерархическая модель, где существует "ведущий гусь" (изначально это была Япония), за которым следуют страны второго, третьего эшелона и замыкающие. Эти страны догоняют Запад в промышленном и технологическом развитии именно в таком порядке.
Миграция производств и технологическое обновление: Парадигма объясняет миграцию производственных компаний из страны в страну. Когда в одной стране бурно развивается производство определенного продукта, компании становятся мощнее, а рынок насыщается конкурентами, национальный экономический профиль меняется. В результате, компании-лидеры переносят более простые, прежние производства в менее развитые страны, где рабочая сила дешевле, а логистические затраты и спрос более благоприятны. Сами эти компании переключаются на выпуск новых, более сложных и высокомаржинальных продуктов. Этот цикл затем последовательно повторяется с каждой следующей страной в "стае".
Три измерения развития: Паттерн "перелетающих гусей" описывает процесс догоняющей индустриализации по трем основным измерениям:Внутриотраслевое измерение: Отражает жизненный цикл продукта внутри конкретной развивающейся страны – от первоначального импорта к собственному производству (с импортом компонентов) и, наконец, к экспорту этого продукта.
Межотраслевое измерение: Описывает последовательное появление и развитие отраслей в стране, переход от производства потребительских товаров к капитальным, от простых к более сложным и усовершенствованным продуктам.
Измерение международного разделения труда: Показывает перемещение отраслей из более развитых стран в развивающиеся по мере их конвергенции и достижения определенного уровня развития.

Кто переносит производства и кто является основным двигателем – предприниматель: как отмечено выше, ведущие компании (пионеры) переносят более простые производства. Однако основным двигателем в парадигме перелетающих гусей является класс предпринимателей. Именно предприниматели, по мере накопления опыта, ноу-хау и развития производственных технологий, способствуют росту доходности компаний и привлекают других игроков на рынок. Когда рынок становится насыщенным, а маржинальность продуктов снижается из-за конкуренции, пионеры-предприниматели переключаются на производство новых, более сложных и маржинальных продуктов.

Для того чтобы страна могла следовать этой модели, рыночный механизм является необходимым условием, поскольку только через рыночную конкуренцию относительные цены будут отражать относительную обеспеченность факторами производства, побуждая фирмы развивать отрасли в соответствии со сравнительными преимуществами экономики. Несмотря на необходимость рыночного механизма, правительство также играет важную роль в содействии преодолению проблем координации и внешних эффектов, присущих процессу промышленного обновления и диверсификации.

Интересно отметить, что страны с закрытыми рынками и административно управляемой экономикой не смогут обеспечить свое развитие на основе этой модели. Гуси (да и другие птицы) в зоопарках, в специальных вольерах с сетками - не летают. Вместо создания государственных планов, необходимо создавать и развивать класс предпринимателей, который будет толкать экономику к новым продуктам, индустриям и новым результатам. Это означает, что не стоит сразу пытаться освоить высокотехнологичные производства; вместо этого следует начать с легкой промышленности, научиться производить качественную одежду, что позволит создать класс предпринимателей, которому станет "тесно" на уже сформированных рынках, и который сам приведет экономику к новым, более сложным продуктам и индустриям.

Источник: https://pro.rbc.ru/demo/63aace659a794738833c178c

https://vc.ru/growth/624136-v-logike-gusinoi-stai-kak-vzglyanut-na-ekonomicheskie-processy-s-vysoty 

Эпизод 45. В чем отличия между четырьмя подходами проектирования:

Топологическая оптимизация — математический метод оптимального распределения материала внутри заданного объёма при учёте нагрузок и ограничений. Применяется в авиации, автомобилестроении, машиностроении. Инструменты: ANSYS, Altair OptiStruct, Siemens NX, Autodesk Fusion 360.

Пример: кронштейн для манипулятора робота при габаритах 120×80×20 мм и нагрузках 2 кН (сдвиг) + 1 кН·м (изгиб) оптимизируют в OptiStruct/ANSYS, а затем печатают из AlSi10Mg (SLM). Итог: −30–40 % массы при сохранении запасов прочности и +10–20 % жёсткости; детали сборки не меняются, растёт полезная нагрузка робота.

Бионический дизайн — вдохновение природными формами для получения органичных, лёгких и прочных конструкций. Инструменты: Rhino, Grasshopper, nTopology.

Пример: рёбра корпуса БПЛА проектируют, повторяя структуру губчатой (трабекулярной) кости: переменная пористость 20–60 % и плавные переходы сечений (Rhino/Grasshopper, nTopology). На выпуске (HP MJF (порошковая 3D печать), PA12) получается −20–30 % массы при той же первой собственной частоте, что снижает вибрации и увеличивает время полёта на 5–10 %.

Биомиметика — копирование принципов работы природных систем без обязательного сходства формы. Примеры: Velcro, Shinkansen 500, Sharklet Surface.

Пример: вентилятор с кромкой лопасти с «бугорками» (tubercles), как у горбатого кита, сдвигает срыв потока на большие углы атаки. Практический эффект: +5–8 % КПД при тех же оборотах и −2–3 дБ шума в рабочем диапазоне, что важно для HVAC/серверных.

Генеративный дизайн — алгоритмическая генерация множества вариантов конструкции на основе параметров и ограничений. Примеры: GM Seat Belt Bracket, Airbus Partition Wall.

Пример: кронштейн ремня безопасности автомобиля — алгоритм Fusion 360 Generative Design под ограничения лазерного плавления металлического порошка по слоям (DMLSTi-6Al-4V) предложил одну монолитную детали вместо 8 деталей: −≈40 % массы и +≈20 % прочности, устранена сборка. Аналогично делают перегородки/кронштейны в авиации: десятки вариантов за часы, выбор по критериям жёсткость/масса/стоимость и немедленный вывод в печать.

Все эти подходы подчеркивают важность обращения к 3,8 миллиардам лет исследований и разработок природы. От минимизации материалов и их универсального использования (как у жука, использующего один материал — хитин — для множества функций) до энергоэффективности и принципов циклической экономики, природа предлагает проверенные временем решения, которые позволяют ей существовать "грациозно".

Конечная цель этих подходов — не просто инновации, а создание продуктов, систем и даже целых городов, которые функционально неотличимы от природного мира. Как говорит Джанин Бенюс, мы должны спросить себя: "Как мы можем жить здесь грациозно в долгосрочной перспективе?" и "Как мы можем сделать то, чему научилась жизнь: создавать условия, благоприятные для жизни?". Ресурсы, такие как AskNature.org, созданы, чтобы помочь инженерам и дизайнерам находить эти природные "рецепты" и чертежи, соединяя нас с "гениями" и "старейшинами" этой планеты, которые были здесь намного дольше нас.

Подводя итог нашему обсуждению, можно сделать вывод, что мир природы является нашим величайшим наставником и источником вдохновения для инноваций. Мы забыли, что живем в компетентной вселенной, вдохновлённой гением, и что организмы и экосистемы знают, как грациозно жить на этой планете.