Advertise on podcast: Цифровое производство

Государство инженеров против общества юристов: как Китай проектирует будущее В фокусе Дэн Ван, технологический аналитик, научный сотрудник Гуверовского института Стэнфордского университета и автор бестселлера «Breakneck: China’s Quest to Engineer the Future». В этом выпуске мы погружаемся в фундаментальное различие между двумя странами через призму новой парадигмы Дэна Вана: «Государство инженеров» (Китай) против «Общества юристов» (США). Почему Китай строит высокоскоростные магистрали за три года, в то время как аналогичные проекты в Калифорнии застревают в судах на десятилетия?. Мы обсуждаем, как состав правящих элит определяет облик городов, скорость инноваций и судьбы миллионов людей. Основные темы выпуска: Инженеры у руля: Дэн Ван объясняет, почему в Китае почти все члены Постоянного комитета Политбюро имеют инженерное образование, и как это превращает страну в гигантский проект по физическому переустройству мира. Процессное знание: почему технологии — это не только патенты и чертежи? Обсуждаем «ноу-хау», которое живет в головах рабочих Шэньчжэня, и почему США потеряли этот «мышечный навык» производства. Эффект сома (The Catfish Effect): история о том, как Илон Маск и Tesla заставили китайских производителей электромобилей «плавать быстрее», и почему BYD в итоге обошел своих учителей. Технологическая независимость и «Крепость Китай»: что такое промышленный «комплеционизм» (стремление владеть всеми 419 категориями производства ООН) и как Пекин готовится к «экстремальным штормам» в геополитике.   Ключевые цитаты и цифры эпизода: «В США инвентаризация считается злом, а в Китае избыточность мощностей — это страховка на случай ЧС». «Китай произвел больше цемента за два года (2018–2019), чем США за весь XX век». «Нам нужно, чтобы США стали на 20% больше инженерами, а Китай — на 50% больше юристами».   Почему это важно сейчас: в условиях технологических войн Дэн Ван предлагает перестать использовать термины XIX века («социализм», «капитализм») и увидеть реальную борьбу систем: тех, кто одержим процедурами, и тех, кто одержим физическим воплощением. Слушайте наш новый эпизод, чтобы понять, почему будущее будет определяться не только искусственным интеллектом, но и тем, кто сможет производить снаряды, дроны и лекарства в масштабах целых континентов в замкнутных цепочках создания ценности.

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 поз

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, готовы

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. Бизне

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.    

Эпизод 44. Обсуждаем результаты маркетингового исследования "Рынок технологий аддитивного производства РФ 2025".  Исследование позволяет сформировать детальное представление о текущем состоянии рынка аддитивных технологий в России и оценить его перспективы. Результаты могут быть использованы для принятия стратегических решений как государственными структурами, так и коммерческими организациями, заинтересованными в развитии аддитивных технологий. Приглашаем на форум Конвергентум: https://convergentum.ru/ Российский рынок аддитивных технологий (АТ) представляет собой динамично развивающуюся отрасль, активно формирующуюся в условиях стремления к технологическому суверенитету и геополитической напряженности. Общий обзор рынка Общий объём рынка аддитивных технологий в России в 2024 году, по оценкам, достиг 21,2 миллиарда рублей. Эта цифра получена исходя из того, что 3D-принтеры, занимающие 41% рынка, достигли объёма в 8,7 миллиарда рублей в 2024 году. Среднегодовой темп роста рынка за период 2021–2024 годов составил 41,3%. Структура рынка в 2024 году по основным сегментам: 3D-принтеры остаются крупнейшим сегментом в денежном выражении, занимая 41% рынка с объёмом в 8,77 миллиарда рублей. При этом доля отечественных производителей незначительно сократилась с 68% до 65% из-за ускорения импорта, преимущественно китайских недорогих моделей. Услуги центров аддитивного производства и технологий вышли на второе место, составив 24% от общего объёма рынка и превысив 5 миллиардов рублей, показав прирост в 81% к 2023 году. Этот сегмент включает контрактное аддитивное производство. Материалы для 3D-печати стали третьим по объёму сегментом, занимая 21% рынка. Услуги поставки и интеграции (добавленная стоимость дистрибьюторов) оцениваются в 1,7 миллиарда рублей. 3D-сканеры продолжили рост примерно на 15,7%, хотя и медленнее, чем другие основные сегменты. В этом сегменте импорт опережает внутреннее производство. Перспективы развития рынка: Участники рынка ожидают значительный рост в перспективе 2025–2028 годов, прогнозируя ежегодные темпы роста в диапазоне 20–30% и даже более 50%, при этом средний ожидаемый ежегодный темп роста составляет от 26,5% до 33,0% в зависимости от сегмента. Ключевые тенденции и факторы влияния Развитие российского рынка АТ определяется как положительными факторами, так и сдерживающими барьерами. Драйверы роста (положительные факторы): Реверс-инжиниринг сохраняет лидирующие позиции как основной драйвер рынка. Спрос на услуги 3D-сканирования, анализа материалов и подготовку конструкторской документации вырос в несколько раз на фоне ограниченного доступа к зарубежным комплектующим и необходимости восстановления производственных цепочек. Государственные программы импортозамещения, включая гранты и льготное кредитование, дополнительно стимулируют этот сегмент. Ожидается, что пик спроса придётся на 2026-2027 годы. Ускоренный рост сервисных центров свидетельствует о структурных изменениях рынка, переходе от создания собственных производственных линий к сотрудничеству с профессиональными поставщиками услуг. Импортозамещение и локализация продолжают стимулировать переориентацию поставок на отечественные и азиатские решения, а также производство материалов внутри страны. Государственная поддержка проявляется в субсидировании инвестиционных проектов, льготных режимах налогообложения и поддержке особых экономических зон, что способствует развитию технологических проектов. Повышенное внимание к популяризации технологий и развитию образовательных программ со стороны отраслевых игроков способствует формированию устойчивого спроса и долгосрочному развитию рынка. Внедрение искусственного интеллекта (ИИ) и роботизации в аддитивные технологии сосредоточено на автоматизации рутинных процессов, интеллектуальных помощниках, генеративном дизайне и топологической оптимизации. Развитие облачных CAE и распределенных вычислений позволяет выполнять сложные расчёты на удалённых серверах, что упрощает совместную работу и повышает доступность инженерных инструментов. Барьеры и вызовы (негативные факторы): Замедление темпов роста сегмента оборудования в категориях среднего и профессионального класса, обусловленное повышением процентных ставок по кредитам, ростом стоимости оборудования из-за ослабления рубля и логистических сложностей. Дефицит квалифицированных кадров остаётся существенным ограничением на всех этапах отрасли, от разработки до внедрения. Также отмечается недостаточная осведомленность заказчиков о возможностях новых технологий. Отсутствие единых стандартов и сертификации сдерживает масштабное промышленное внедрение АТ, особенно в ответственных отраслях, таких как авиация и атомная промышленность. Проблемы с трансграничными платежами и логистикой, вызванные ужесточением санкционных ограничений, приводят к удорожанию транзакций и задержкам поставок. Высокая стоимость отечественных материалов по сравнению с импортными аналогами, особенно в металлопорошках и фотополимерах, а также зависимость от импортного сырья для некоторых материалов. Недоверие к отечественной продукции также является отмеченным барьером. Ключевые технологии и материалы Современный рынок АТ предлагает несколько десятков различных технологий, но их распространение и уровень внедрения существенно различаются. Технологии 3D-печати: L-PBF (селективное лазерное плавление): Крупнейшая технология по объёму продаж 3D-принтеров в России, достигнувшая более 3,1 миллиарда рублей в 2024 году, что состав

Эпизод 43. Разбираем кейс работы малого производственного бизнеса с цифровыми платформами производства по требованию. Эван Бобб (Evan Bobb) из города Уильямспорт (население 27 754 человек), штат Пенсильвания, США, основатель компании Ascended Technologies, поделился результатами работы своего гаражного производства, которое получает заказы с помощью Xometry - цифрового сервиса "производство по требованию" (Manufacturing on Demand, Manufacturing as a service, MaaS). У него один станок SYIL X7 и ленточная пила. Этот станок он приобрел в кредит на 36 месяцев за 62 тысячи долларов (6,3 млн.руб. по курсу 102,74). Xometry - цифровой сервис сбора заказов на металлообработку деталей. На сайте Xometry можно заполнить заявку на производство и загрузить 3D модель, на основании которой подключенные к сервису производства будут изготавливать деталь. Другой подобный сервис - Fictiv, при помощи которого Эван также собирает заказы. В нашем небольшом исследовании 2021 года "Фабрики в контейнерах, MaaS-платформы и локальные микроцеха: главные производственные бизнес-модели 2020-x" мы подробнее рассказали про эту бизнес-модель и привели примеры сервисов.  Итак, Эван получил выручку за шесть месяцев работы его гаражного производства (в США такое производство чаще всего называется Job shop, подобных микропроизводств в США по разным данным от 25 до 40 тысяч) 88 061 тысячу долларов (9 млн.руб). На производство - материалы и инструменты за 6 месяцев он затратил $19371 (1,99 млн.руб.). Накладные расходы в месяц - $4526 (465 тыс.руб.), состав смотрите в таблице. Часть выручки он потратил на инвестиции - пила, модернизация оборудования, всего на $16350 (1,679 млн.руб.). И получил чистую прибыль $25182 или 2,587 млн. руб. за 6 месяцев работы (431 тыс.руб. в месяц). С одного станка и заказов с одного MaaS сервиса. Как вам такой финансовый результат? Насколько в вашей компании он выше или ниже? Много ли вы знаете таких микропроизводств, работающих в вашем регионе? Цель Эвана - заработать четверть миллиона долларов в следующем году, в своём канале он будет рассказывать о том, как он это будет делать. Интересно, конечно, что для развития бизнеса он и такие как он, сегодня получают новые возможности в виде эффективно работающих цифровых сервисов, дополняющих маркетинг и продажи. Это точно способствует развитию производственных компаний и росту их загрузки.

Эпизод 42. Обсуждаем преимущества платформ производства по требованию (Manufacturing on Demand) на примере развтития компании Markforged. Производство по запросу – это подход, при котором детали изготавливаются именно тогда и там, где они необходимы, вместо того чтобы хранить их в больших физических запасах. Это позволяет компаниям избегать затрат и хлопот, связанных с физическими инвентарными запасами, и ускорять выполнение заказов. Markforged реализует концепцию производства по запросу через свою платформу Digital Source. Вот как это работает на примере Markforged Digital Source: Основа – 3D-печать: Суть производства по запросу заключается в использовании аддитивных технологий, таких как 3D-печать, для создания деталей. Цифровой склад OEM-сертифицированных деталей: Digital Source – это цифровая платформа, которая функционирует как склад оригинальных деталей, сертифицированных производителями оригинального оборудования (OEM). Загрузка и защита дизайна: Производители (вендоры) могут загружать свои 3D-файлы в систему Eiger (программное обеспечение Markforged), определять параметры печати и устанавливать цену. После этого настройки детали блокируются. Это гарантирует, что покупатель не сможет загрузить, изменить или скопировать чертеж, защищая интеллектуальную собственность OEM. Доступ и лицензирование: Утвержденные клиенты получают доступ к цифровым каталогам. Они могут приобретать лицензии на однократную печать нужных им деталей на своем собственном оборудовании Markforged или через сеть поставщиков услуг печати. Контроль качества: Платформа Markforged обеспечивает, что детали печатаются в соответствии со стандартами OEM, включая проверку материалов, исправности оборудования и подтверждение качества печати, даже если печать происходит удаленно. Преимущества производства по запросу с Digital Source: Снижение затрат на инвентарь: Больше нет необходимости хранить огромные физические запасы деталей, что снижает накладные расходы, налоги на инвентарь и риски устаревания. Деньги, которые раньше были связаны в запасных частях, теперь могут быть использованы для других целей. Сокращение сроков поставки: Детали могут быть напечатаны и получены значительно быстрее. Например, один клиент Markforged сократил время получения запасных частей с 14 дней до 1 дня. Это устраняет задержки, связанные с транспортировкой, таможней и оформлением документов. Повышение удовлетворенности клиентов и гибкости: Клиенты получают необходимые детали именно тогда, когда они нужны, что минимизирует время простоя оборудования. OEM-производители могут легко внедрять обновления дизайна, а клиенты могут печатать детали самостоятельно или через сеть поставщиков услуг. Улучшение цепочки поставок: Упрощается международная доставка, снижается сложность логистики и становится возможным асинхронный процесс заказа, что особенно удобно при работе с поставщиками из разных часовых поясов. Защита интеллектуальной собственности (IP): Дизайн деталей остается под контролем OEM-производителя и не передается в виде файлов CAD. Новые источники дохода для OEM: Производители получают доход за свой инжиниринг и дизайн, не неся при этом затрат на физическое производство, хранение и доставку. Примеры использования Digital Source: Запасные и изнашиваемые части (MRO): Например, компания BMF использует Digital Source для изготовления сменных деталей для своих пескоструйных установок, что позволяет им оперативно заменять изношенные элементы. Австралийская мясоперерабатывающая корпорация (AMPC) создает цифровую библиотеку запасных частей для своих 107 заводов. Распространение продукции: Автомобильные OEM-производители могут распространять новые или обновленные детали для своих дилерских сетей. Кастомизация и модернизация: Возможность производить ремонтные детали для устаревшего оборудования или детали для переоборудования производственных линий. Производственные партнерства: Digital Source может использоваться для обеспечения того, чтобы контрактные производители использовали правильные инструменты и калибры.  

Эпизод 41. От каменных ножей до умных фабрик: краткая история рекомбинантных инноваций. Люди всегда изобретали, комбинируя существующие вещи:  Камень + палка = копье  Огонь + глина = керамика  Железо + углерод = сталь  Каждое крупное достижение было результатом объединения старых инструментов в нечто более мощное. Рекомбинантные инновации (RI) — это не тенденция. Это основа технологического прогресса.   RI — это самая старая история в технологии. Речь идет не о моментах озарения, а о совокупном эффекте объединения инструментов, слияния процессов и переосмысления идей.   В производстве эта история особенно яркая.   Ткацкий станок в сочетании с перфокартами стал первой программируемой машиной.   ЧПУ появилось в результате слияния двигателей, математики и машинной обработки.   Сборочная линия объединяет взаимозаменяемые детали, исследования времени и движения и механику конвейера в новую производственную парадигму.   Каждый скачок в производительности рождался не из новизны, а из рекомбинации.   Современные комбинации, которые сегодня кажутся незаменимыми:   смартфон + GPS = совершенно новая парадигма картографии, навигации и логистики   цифровая камера + беспроводная связь = мгновенная визуальная коммуникация   облако + смартфон + биометрия = безопасная мобильная коммерция   Сейчас мы стоим на следующем переломном этапе — и не потому, что ИИ является новинкой, а потому, что он теперь накладывается на все инструменты, процессы и системы, которые уже используют производители. И это меняет все.    Практическая магия RI — и почему ИИ усиливает ее   Рекомбинантные инновации (RI) всегда были тихим двигателем прогресса в производстве. Но сейчас ИИ меняет темп и мощность рекомбинации.   С практической точки зрения:   CAD + моделирование = рабочие процессы цифрового прототипирования   ЧПУ + IoT = адаптивная обработка на основе обратной связи в реальном времени   ERP + датчики = координация производства в режиме реального времени и мониторинг производительности   Практически трансформационная RI, теперь возможная с помощью ИИ:   ИИ + коллективные знания = машины, которые могут научиться методам работы вашего цеха   ИИ + коллективные знания = машины, которые могут научиться методам работы вашего цеха   Видение + прогнозирование = системы контроля, которые развиваются вместе с вашими деталями   Язык + автоматизация = сотрудничество человека и машины посредством естественного общения   Дизайн + физика + модели затрат + устойчивость = полностью оптимизированные, генеративные производственные процессы машины, которые могут научиться методам работы вашего цеха   ИИ не просто добавляет возможности —  он трансформирует то, как эти возможности формируются. Он позволяет нам моделировать, оптимизировать и масштабировать новые конфигурации людей, инструментов и решений со скоростью, которая раньше была невозможна.   То, что раньше занимало месяцы, теперь происходит за считанные минуты. Это переход от систем, разработанных вручную, к развивающимся системам, усовершенствованным с помощью ИИ.   Что мы видим сейчас: комбинации, которые уже работают   Это не спекуляции. Первые комбинации ИИ + X уже открывают новые возможности для промышленности:   ИИ + робототехника = роботы, которые адаптируются к изменениям, переключаются между задачами и интерпретируют нечеткий ввод данных человеком   ИИ + дизайн = генеративные инструменты, которые исследуют тысячи конфигураций и оптимизируют их с точки зрения стоимости, прочности и технологичности   ИИ + инспекция = системы технического зрения, которые изучают шаблоны дефектов и совершенствуются с каждой отсканированной деталью   Это не просто обновления существующих рабочих процессов; они представляют собой переход от статических к адаптивным системам, от детерминированного к вероятностному мышлению.   Они автоматизируют не только движения, но и суждения. Они учатся. Они развиваются.    Что будет дальше: куда может привести нас рекомбинантная инновация   Давайте серьезно поразмышляем.   ИИ + материаловедение + данные цепочки поставок = детали, которые перепроектируются в режиме реального времени на основе доступности, стоимости и производительности   ИИ + AR/VR + знания персонала = один эксперт одновременно обучает тысячи машин и работников удаленно   ИИ + генеративный код + цифровые двойники = системы, которые адаптируют производственные процессы на лету по мере изменения входных данных или рыночных условий   ИИ + ИИ = компоновные системы, которые ремикшируют модели, идеи и действия между бизнес-функциями   Фабрика ближайшего будущего может быть не просто автоматизированной. Она может быть рефлексивной.   Это не дорожная карта. Это приглашение переосмыслить, что такое завод.   Призыв к действию: начните думать как рекомбинатор   Не ждите единственного решения. Так никогда не работал прогресс в производстве.   Вместо этого спросите: что произойдет, если мы объединим то, что у нас уже есть, по-новому?   Что, если наши данные о ценах повлияют на наш выбор материалов?   Что, если бы наши операторы могли обучать нашу систему контроля, просто выполняя свою работу?   Что, если бы наши машины могли предлагать новые способы планирования работы на основе данных в реальном времени?   Рекомбинантные инновации не заменяют ваш опыт, а умножают его возможности.   Чтобы лидировать в следующей эре производства, думайте не как последователь, а как рекомбинатор.   Источник: https://www.imts.com/read/article-details/Why-AI-Will-Multiply-Every-Tool-We-ve-Ever-Built-/2127/type/R