Цифра в металлургии
— Насколько сегодня металлургия действительно связана с цифровыми технологиями?
— Стереотип о консервативной металлургии до сих пор существует, но он уже не отражает реальность. Цифровые технологии глубоко встроены в отрасль. Если очень упрощённо описывать ИТ-ландшафт современной металлургии, то есть два контура: корпоративный и технологический. Первый понятен всем: это офисные системы, учёт, закупки, продажи и прочие вспомогательные бизнес-процессы. Второй связан с цехами, где работают производственные агрегаты. Вокруг них выстроена целая инфраструктура из датчиков, контроллеров и систем оперативного управления производством, в которых в числе прочего реализуется прослеживание движения материалов, контроль качества продукции.
В ТМК более 400 ИТ-систем, и значительная часть разработана внутри компании. При этом важно понимать: произвести металлургическую продукцию без цифровых инструментов можно, но сделать это эффективно и оставаться конкурентоспособными уже нельзя.
— Как вы выстраиваете работу такой большой ИТ-команды?
— У нас более 1000 специалистов, объединённых в бренд ТМК++. Команда распределена географически, сотрудники работают в более чем ста городах. После трансформации нам было важно собрать единый коллектив из исторически разрозненных команд. Мы системно работаем с вовлечённостью и удовлетворённостью внутренних заказчиков, регулярно измеряем эти показатели. Они у нас выше отраслевых. У нашей команды есть сформулированная система ценностей и даже миссия, в краткой версии она звучит так: мы открываем горизонты цифрового будущего, опираясь на сплав опыта и компетенций наших людей. Для нас это не просто формулировка, а рабочий ориентир.
Поворот к данным
— Как началось сотрудничество с Группой Arenadata?
— Всё стартовало с переосмысления роли данных. Если смотреть на развитие ИТ в целом, то можно условно выделить некоторые этапы: сначала была автоматизация, затем цифровизация, а сейчас мы движемся к data-driven-модели, то есть принятию управленческих решений, опираясь на данные. Их накопилось очень много, и стало очевидно, что это полноценный актив, которым нужно управлять так же системно, как и другими ресурсами компании. Отсюда и возникла потребность в платформах и партнёрах, которые помогают выстроить эту работу.
— Какие продукты Группы Arenadata вы используете?
— Мы используем два ключевых решения. Первое — Arenadata Harmony MDM. Для нас это, по сути, фундамент работы с нормативно-справочной информацией. Именно здесь выстраивается единое представление о справочниках, на которых держатся основные учётные системы компании. Если говорить проще, это тот слой, который помогает навести порядок в базовых сущностях: контрагентах, номенклатуре — и не допустить, чтобы одно и то же было заведено по-разному в разных системах.
Второе решение — Arenadata Catalog. Это уже история про каталогизацию и управление моделью данных. Данное решение позволяет описывать, структурировать и связывать данные, понимать, какие датасеты есть в компании, откуда они приходят, как используются и интегрируются между собой. Для большой распределённой компании это особенно важно, потому что данных много, источников ещё больше и без общего каталога очень быстро возникает хаос.
Для нас эти два продукта не существуют отдельно друг от друга. Arenadata Harmony MDM помогает выстроить порядок в исходных справочниках и мастер-данных, а Arenadata Catalog даёт прозрачность всей экосистеме данных, делает её понятной для бизнеса и ИТ. В связке они закрывают сразу две задачи: качество данных и управляемость данных. Именно это и нужно, когда компания действительно хочет жить по data-driven-логике.
— Как у вас организована работа с данными?
— Мы используем системный комплексный подход и выделяем три трека, к которым относятся организационный, методологический и технологический, причём все они работают только вместе.
Организационный трек начинается со структуры, которую можно назвать офисом управления данными, или дата-офисом, где нужны технические компетенции для сбора, обработки, хранения и применения данных. Также важно зафиксировать роли, чтобы у любых данных был понятный владелец с правами и обязанностями, сюда же относятся локальные нормативные акты и процедуры.
Методологический трек завязан на модель данных, потому что мы даём чёткие определения терминам и показателям, согласовываем, как их оцениваем. Это нужно, чтобы исключить разночтения между службами, поэтому мы последовательно разрабатываем общекорпоративную модель данных.
Третий трек — технологический, данные нужно хранить и обрабатывать на специальных платформах, поэтому здесь мы активно работаем с технологическими партнёрами.
Проще говоря, «грязные» данные возникают, когда процессы и методология не отлажены. Если взять справочник контрагентов, где каждая запись представляет собой юридическое лицо с набором атрибутов, то при неправильно организованном процессе один сотрудник, условно говоря, введёт ООО «Ромашка», а второй напишет «Ромашка, ООО». В результате получатся две разные записи, которые в отчётности не сведутся, и дебиторская задолженность по одной и той же «Ромашке» будет отражена двумя цифрами.
Избежать этого на сто процентов сложно, но можно минимизировать риски. Несмотря на то что здесь нет серебряной пули, нужны правильная методология, организация процессов и технологические решения, потому что, когда два человека вводят одну номенклатуру по-разному, значит где-то не хватает контроля или у сотрудников избыточные полномочия. Чтобы подобное не случалось, ролевая модель должна быть чёткой.
Практика ИИ
— Где в компании применяется искусственный интеллект?
— Один из прикладных примеров использования искусственного интеллекта — компьютерное зрение, которое мы умеем применять для контроля качества поверхности готовых труб с целью снижения брака. В металлургии существует целая классификация поверхностных дефектов, их десятки, и для того чтобы нейросеть могла их детектировать, нужно собрать датасет, подобрать оборудование и камеры, которые будут надёжно работать в сложных промышленных условиях.
Есть и решения для анализа металлолома при приёмке, когда он поступает на предприятие. Система определяет состав этого лома, уровень загрязнения и даже может выявлять опасные предметы, например баллоны, которые при плавке могут взорваться. Это среди прочего может помочь частично автоматизировать претензионную работу с поставщиками.
Отдельный класс решений — это рекомендательные системы, включающие наш комплекс «Цифровой помощник сталевара». Он уже несколько лет успешно работает в цехах и был тиражирован по всему контуру. Система позволяет серьёзно экономить сырьё, ферросплавы и электроэнергию, а также управлять технологическими параметрами процесса более эффективно, что напрямую влияет на себестоимость продукции.
Совокупный экономический эффект от цифровых решений превышает 2 млрд рублей ежегодно, и это повторяемый эффект, который с каждым годом растёт за счёт новых проектов и тиражирования уже работающих разработок. Основная часть эффекта формируется именно в производственном сегменте, потому что это основа нашего бизнеса.
От data-driven к AI-driven
— Насколько реалистичен переход к AI-driven-компаниям?
— Это логичное развитие эволюции, следующий этап после data-driven, но без качественных данных он невозможен в принципе. Если порядок в корпоративных данных не наведён, ИИ-агентам просто нельзя доверить принятие решений: их невозможно нормально обучить и получить качественный результат.
У нас уже есть практические кейсы, где это работает. Например, в ИТ-поддержке ежемесячно в режиме 24/7 обрабатывается около 45 тысяч обращений через четыре канала: телефон, электронная почта, корпоративный портал и чат-бот. За последние несколько лет накопилось уже почти полтора миллиона обращений, и это огромная база данных для обучения нейросети. Она по тексту обращения понимает, какая из тысячи ИТ-услуг нужна человеку, и автоматически назначает услугу сразу на вторую линию поддержки, без вовлечения оператора первой линии. При этом достигается точность выше 90 процентов для большинства услуг.
Наиболее перспективны здесь зоны массового обслуживания с большим количеством рутинных, высокочастотных повторяемых операций: первая линия поддержки, центр бизнес-услуг, бэк-офис. Если и применять ИИ-агентов в будущем как гранулярные микроприложения с понятными входами и выходами, то это именно те зоны, где видятся наибольшие перспективы.
Облака и инфраструктура: баланс между периметром и гибкостью
— Как вы выбираете между облаком и собственной инфраструктурой для хранения данных и управления ими?
— Мы против какой-то радикальности и считаем, что обе крайности неэффективны: полностью в облаке или полностью в периметре. Истина где-то между. Конкретно для нас и, думаю, для всей крупной металлургии виртуальный бегунок смещён ближе к тому, чтобы всё держать у себя в периметре. Облака хороши, когда нужна эластичность и есть непостоянство нагрузки. Это модель похожа на коммунальные услуги: сколько потребил, столько и заплатил. Но когда нагрузка равномерная в течение всех суток, модель on-premise становится более выгодной, особенно на больших объёмах с корпоративным ЦОД.
Есть и другие важные аспекты, связанные с информационной безопасностью: персональные данные, чувствительная информация, коммерческая тайна. Да, облачные провайдеры сегодня сертифицируются и предоставляют широкий набор сервисов по безопасности, но здесь всё равно остаются и консерватизм, и управление рисками. Поэтому в ряде случаев, если считать экономику и возможные последствия, размещать такие системы у себя оказывается и надёжнее, и выгоднее.
Мы категоризировали все системы по принципу светофора. Красные однозначно остаются внутри периметра, зелёные можно без раздумий выносить в облако, а жёлтые требуют дополнительного анализа. Если речь идёт об экспериментах, проверке гипотез или разовом обучении больших нейросетей, облако действительно оказывается идеальным форматом. Именно поэтому мы осознанно работаем с двумя общекорпоративными облачными партнёрами: с одним — по модели IaaS (infrastructure as a service), с другим — по модели PaaS (platform as a service).
Будущее отрасли: от рекомендаций к управлению и нулевой травматизм
— Что, на ваш взгляд, станет новой технологической нормой в ближайшие годы?
— Все макротренды, которые мы видим сегодня, в равной степени относятся и к металлургии. Искусственный интеллект, кибербезопасность и другие такие вещи тоже напрямую влияют на отрасль.
В контексте ИИ я бы сделал два прогноза. Первый технический: тенденция перехода от систем рекомендательных к системам управляющим. Реализованное в ТМК на базе ИИ решение «Помощник сталевара», например, оптимизирует большое количество параметров, но это рекомендательная система. Она подсказывает сталевару, даёт ему рекомендации, но решения принимает человек, и управляющее воздействие на конкретные агрегаты также делает человек через информационные системы. Мне видится возможным трендом переход от рекомендательного характера систем к системам буквально с обратной связью, где искусственный интеллект принимает какие-то решения и оказывает управляющее воздействие на конкретные технологические агрегаты, управляет, например, параметрами проката. Такие проекты уже нам известны.
Для кого-то с консервативной точки зрения сегодня это звучит странно или даже безумно, но в горизонте пяти лет — почему нет. Если говорить про социальный аспект, который находится примерно в этой же зоне, то, когда мы от рекомендательной системы переходим к управляющей, возникает риск потери компетенций, деквалификации персонала.
Хорошая аналогия, понятная всем, — это гражданская авиация. Когда мы летим на самолёте, подавляющая часть налёта происходит на автопилоте, и это уже давно никого не пугает. При этом возникает важный вопрос: как сохранить квалификацию пилота, чтобы в нужный момент он мог уверенно взять управление на себя? В авиации для этого существует целый комплекс мер, в том числе регулярные тренировки на симуляторах, которые помогают держать навык на кончиках пальцев, особенно в стрессовой ситуации.
Возможно, одним из трендов станет перераспределение компетенций, а где-то и осознанная утрата части навыков. Тогда отдельной задачей станет то, как не допустить их полного исчезновения. Для крупных компаний, таких как ТМК, здесь может сыграть важную роль корпоративный университет, который позволит поддерживать нужный уровень компетенций с помощью специальных программ и мер. Это, на мой взгляд, очень интересный социальный вызов.
Если говорить шире и, уж извините, более пафосно, то я бы хотел, чтобы новой нормой на горизонте трёх-пяти лет в металлургии стал абсолютно нулевой уровень смертности и травматизма на тяжёлых производствах, в том числе за счёт применения цифровых технологий. Потому что нет ничего важнее здоровья и жизни людей.
Предпосылки для этого уже сформированы: технологии интернета вещей позволяют через носимые устройства отслеживать состояние сотрудников и их перемещение в опасных зонах, всё активнее развиваются видеоаналитика, компьютерное зрение и робототехника. Я верю, что именно это станет новой нормой в металлургии и вообще во всей тяжёлой промышленности.
Екатерина Арланова
Директор по внешним коммуникациям и связям с инвесторами Группы Arenadata