Горно-металлургический комплекс (ГМК) не мог остаться в стороне от цифровых новшеств, создающих огромные конкурентные преимущества. Так, некоторым компаниям уже удалось увеличить объемы добычи на 10–20 %, повысить производительность служб снабжения на 50 %, сократить выбросы на 15–30 %. И тем не менее ГМК в целом отстает по уровню «цифровой зрелости» от других тяжелых индустрий, таких как нефтегазовая или строительная, примерно на 30–40 %.

Хотя в большинстве компаний уже приняты амбициозные цифровые стратегии, руководители отмечают наличие разрыва между стратегией и ее реализацией. Многие компании сектора, несмотря на активные инвестиции в «цифру», не получают ожидаемых выгод. У этого есть понятное объяснение — для любой полномасштабной трансформации необходимо снять целый ряд ограничений и барьеров, а самое главное — победить цифровой скептицизм внутри очень консервативного бизнеса.

BCG в своем исследовании Digital Acceleration Index проанализировала компании, находящиеся в процессе цифровой трансформации, и сформулировала пять ключевых рычагов, применяемых лидерами, которые помогли им существенно ускорить внедрение создающих стоимость цифровых решений.

Рычаг 1 — ориентироваться на потребности оператора. На самом деле ценность от цифровых решений создается на уровне операторов конкретных установок, машинистов техники, диспетчеров процесса. При внедрении критично четко понимать, как оператор управляет процессом. Любое решение, пусть и основанное на правильных рекомендациях, но не соответствующее логике работы оператора, будет вызывать отторжение. Сегодня активно используется термин и методология customer journey, так вот в основном производстве при создании цифровых решений необходимо очень глубоко понимать operator journey или dispatcher journey. К примеру, при разработке ИИ-подсказчика для операторов обогатительной фабрики не была в полной мере учтена логика работы оператора — подсказчик выдавал рекомендации на основании оптимального результата в моменте, в то время как оператор управлял процессом так, чтобы усреднить результат своей смены и «попасть» в собственные КПЭ. В итоге уровень принятия подсказок был невысоким. Как только в подсказчик был внедрен механизм усреднения, процент принятия значительно вырос. Уже после того, как у операторов появился комфорт от работы с подсказчиком, для получения большего экономического эффекта в подсказчик был интегрирован механизм усреднения на уровне суток и началась системная работа с операторами по изменению их подхода к управлению процессом в этой логике.

Рычаг 2 — действовать исходя из того, что данные — это тоже актив. Качество данных на многих предприятиях оставляет желать лучшего — неоткалиброванные средства измерений, большое количество ручного неконтролируемого ввода данных, отсутствие регулярности замеров (особенно по лабораторным исследованиям) и т. д. Цифровые решения не могут работать без качественных данных. Здесь хорошо подходит фраза «мусор на входе, мусор на выходе» (garbage in— garbageo ut). Любое решение, даже успешно прошедшее фазу опытно-промышленных испытаний с повышенным вниманием менеджмента, не будет устойчиво работать без качественного процесса управления данными. А это требует от компаний создания новых процессов и компетенций.

Рычаг 3 — мыслить в категориях экосистемы как внутри, так и с внешними подрядчиками. Многие компании пытаются создавать точечные решения на отдельных этапах технологического процесса, где видят наибольший эффект. Но большего эффекта можно добиться, создавая экосистему цифровых решений, которые синхронно работают, обмениваясь информацией. Так, связывая геологическую модель, систему диспетчеризации транспортировки руды, цифровой двойник рудных складов и подсказчик с алгоритмами машинного обучения на обогатительной фабрике, одна компания смогла значительно повысить извлечение металлов. Это произошло за счет глубокого понимания влияния характеристик руды на работу обогатительного оборудования, прослеживаемости характеристик руды от рудника до фабрики, оптимизации и стандартизации управления.

Другой элемент экосистемного мышления — работа с внешней средой инновационных компаний, стартапов и поставщиков решений. Существует разрыв между индустриальными компаниями, у которых есть потребность в улучшениях, но нет глубокого понимания того, что доступно на рынке, и инновационным сообществом, у которого есть продукты и идеи, но нет качественного доступа к индустриальным компаниям. Индустриальным компаниям необходимо первыми пойти навстречу для того, чтобы устранить этот разрыв.

Рычаг 4 — развивать цифровые компетенции на всех уровнях. Для успешной цифровой трансформации необходимо создание нового пласта цифровых специалистов — цифровой заказчик, владелец продукта, data scientist, разработчик, пр. Рецепт банален — набирать с рынка и развивать внутри. Но компании-лидеры добавляют в рецепт немного специй и делают из банального блюда шедевр. Так, одна компания развивает компетенции self-service аналитики среди сотрудников, что позволяет им создавать технологов будущего — специалистов, успешно применяющих методы data science для анализа проблем и создающих цифровые решения с минимальным вовлечением разработчиков, профессиональных data science специалистов. Это стало возможным за счет появления программных решений и специальной программы обучения с погружением для технологов. В итоге появляются глубокие аналитические компетенции у рядовых специалистов, существенно сокращаются сроки разработки цифровых решений, сокращается общая потребность в ресурсах на разработку, повышается устойчивость созданных систем, появляется эффективный инструмент работы с «хвостом» (разработка большого количества цифровых решений с маленькими эффектами, где традиционный подход к разработке экономически нецелесообразен).

Рычаг 5 — применять цифровые инструменты во всех подразделениях и функциях. Многие компании начинают цифровизацию с повышения операционной эффективности в основных производственных процессах. И они действительно добиваются впечатляющих результатов, однако после нескольких волн цифровизации средний экономический эффект на проект сокращается и надо все больше проектов для достижения заметного эффекта. Наиболее дальновидные компании уже внедряют цифровые решения в других функциях, где экономический эффект может быть меньше. Кроме основного производства, мы видим три главные области, в которых цифровые решения могут создавать значительный экономический эффект — закупки, продажи и управление цепочкой поставок. Так, в закупках передовые компании используют ИИ подсказчики, которые помогают добиться более выгодных цен и условий. В продажах — внедрение ИИ в процессы ценообразования, цифрового маркетинга, прогнозирования спроса также позволяют добиваться значительных финансовых результатов. А ИИ в управлении цепочкой поставок (прогнозирование спроса и продаж, доступных мощностей, аллокации мощностей, производственного планирования, управления запасами и логистикой) позволил одной крупной металлургической компании получить эффекты в сотни миллионов долларов.

Итак, что же в сухом остатке? Уровень цифровой зрелости горнодобывающих компаний сильно варьируется, однако уже есть успешные примеры и инновационные рецепты. При этом в целом горно-металлургической индустрии предстоит много чего сделать для того, чтобы реализовать предлагаемые цифровыми технологиями преимущества.