Цифровой насос

Как открыть свежую «нефть» на старом месторождении

Все слышали фразу создателя Alibaba Джека Ма «Большие данные – это новая нефть». Под данными имеется в виду технология BigData и тренд по тотальной цифровизации всего окружающего нас мира. А как же обстоят дела с цифровизацией в самой нефтяной отрасли? Здесь мы наблюдаем интересный эффект.

Во-первых, в автоматизации компаний «нефтянки» не действует принцип цикличности – период высоких цен на нефть не был использован для внедрения цифровых технологий. Зачем это делать, если и так прибыль бьет рекорды? Во-вторых, не действует и принцип контрцикличности – в период, когда пришлось затягивать пояса, никто в полную силу не использует мощь IT-технологий для роста производительности и эффективности производства. Ведь доходы и так не дотягивают до желаемых значений, а внедрение IТ-систем – это дополнительные расходы. Сначала было непонятно, потом некогда, сейчас – самое время.

Да, на бумаге, в презентациях, в обсуждениях на конференциях мы читаем и слышим о прогрессе в автоматизации компаний нефтяного сектора. IT-системы в нефтянке становятся цифровым месторождением, затем производством по стандартам индустрии 4.0, потом цифровым двойником, и, наверное, когнитивным производством в скором будущем. Складывается впечатление, что в нефтяной отрасли суперэффективное, технологичное IT, и искать лайфхаки и вдохновение при цифровизации нужно именно здесь.

Однако на практике мы наблюдаем несколько более прозаичную картину, имеющую несколько особенностей.

Первое. Разрозненность и неинтегрированность большого количества систем и продуктов, выполняющих узкоспециализированные задачи. В каждой ведутся справочники. В итоге у компании 5–10 систем с контрагентами, столько же с сотрудниками, видами сырья и товарами. Количество времени сотрудников на эксплуатацию и обслуживание таких разрозненных и дублирующих данные систем увеличивается на 20–70%. Попутно рождаются ошибки, и, как следствие – относительно высокая недостоверность информации.

Второе. Низкий уровень зрелости процессных подходов. В компании может иметься отдельно производственный учет в одной системе, бухгалтерский – в другой, кадровый – в третьей, а планирование производства – в четвертой. И отдельно процессы и метрики их эффективности – в головах людей, на бумаге или максимум в нарисованном в графическом редакторе виде. Следствие – собрать показатели, и тем более оптимизировать процессы, в целом затруднительно.

Третье. Децентрализация данных для отчетности, аналитики и прогнозирования. Как правило, в каждой системе имеется отчет, который показывает результаты одного процесса – без начала и без конца. Увидеть картину по предприятию в целом не получается, так как полноценного хранилища с полными, достоверными и качественными данными, как правило, нет. А значит и управление возможно только на веру и без прогнозирования на основе прошлого и анализа макрофакторов.

Как сократить расходы и обеспечить анализ, прогнозирование и управление?

Первое. Необходимо уйти от приобретения систем к приобретению платформ. Автоматизировать все процессы возможно при помощи одной BPM-платформы. Формирование отчетов необходимо делать на одном едином источнике – хранилище данных – платформе BigData. Интегрировать системы необходимо не друг с другом, а через интеграционную платформу.
Второе. Необходимо разработать и следовать общей промышленной IT-архитектуре предприятия. Это позволит не плодить системы, а понимать, какую можно использовать для решения схожей задачи.

Третье. Имея интегрированные между собой платформы и IT-архитектуру, компания может перейти от внедрения систем к решению бизнес-задач современным способом. А именно, владелец продукта будет понимать, что необходимо оптимизировать или автоматизировать. Соответственно, команда аналитиков и разработчиков из числа сотрудников предприятия (или на аутсорсе) быстро могла бы решать поставленные задачи на основе имеющихся технологий.

Применяя современные технологические платформы и подходы к автоматизации, предприятия нефтяного сектора в скором времени смогут стать цифровыми и когнитивными. При помощи IoT, machine learning и robotic process automation предприятия будут работать с минимальным участием людей. Это не будущее, а настоящее. Например, у нас был проект по видеоаналитике и компьютерному зрению, когда установленные камеры автоматически останавливают оборудование, если не выполнены требования техники безопасности и имеется риск для жизни и здоровья человека. Механизм остановится, если рабочий не вовремя куда-то полез.