Анализ основных рисков снижения эффективности деятельности промышленных предприятий при внедрении цифровых двойников в автоматизированную систему управления жизненным циклом продукции

Старожук Е.А., Яковлева М.В.

Статья в журнале

Вопросы инновационной экономики
Том 10, Номер 3 (Июль-сентябрь 2020)

Цитировать:
Старожук Е.А., Яковлева М.В. Анализ основных рисков снижения эффективности деятельности промышленных предприятий при внедрении цифровых двойников в автоматизированную систему управления жизненным циклом продукции // Вопросы инновационной экономики. – 2020. – Том 10. – № 3. – doi: 10.18334/vinec.10.3.110621.

Аннотация:
В эпоху цифровизации важной задачей промышленных предприятий становится обеспечение эффективной деятельности при внедрении современных информационных инструментов индустрии 4.0. В настоящей статье особое внимание уделяется созданию автоматизированной системы управления жизненным циклом (АСУЖЦ) промышленной продукции и внедрению в нее концепции цифрового двойника. Несмотря на преимущества цифровых двойников, авторами ставится проблема возникновения рисков, последствия которых могут привести к снижению эффективности деятельности промышленных предприятий. Авторами обобщены основные макроэкономические факторы и риски, которые возникают при разработке и внедрении цифровых двойников, а также сформулированы последствия данных рисков. Проведенная количественная оценка макроэкономических факторов на основе матрицы «вероятность-ущерб» показала, что наиболее опасными рисковыми событиями являются нехватка высококвалифицированных специалистов в области цифровизации и отсутствие единых методов верификации цифровых моделей, которые необходимы для получения достоверных сведений о результатах испытаний цифровых двойников. Среди основных последствий в результате возникновения рисков авторами выделены: неверно принятые управленческие решения на основе неправильных результатов испытаний цифровых двойников и, как следствие, отсутствие окупаемости вложенных затрат на разработку и внедрение данной концепции в АСУЖЦ. В статье предложен ряд мероприятий по минимизации данных рисков, основным из которых является внедрение технологии блокчейна в систему автоматизированного управления жизненным циклом промышленной продукции

Ключевые слова: риски внедрения цифровых двойников, автоматизированная система управления жизненным циклом, эффективность промышленных предприятий, технология блокчейн, матрица «вероятность-ущерб»



Введение

В настоящее время в связи с постоянным усложнением технологических процессов, ростом объема данных, которые необходимо обрабатывать и анализировать, невозможно обеспечить эффективное функционирование промышленного предприятия без использования инструментов новой Индустрии 4.0.

Индустрия 4.0 представляет собой сложную, многоуровневую организационно-техническую систему, основанную на интеграции в единое информационное пространство физических операций и сопутствующих процессов [8, 15] (Kamanina, 2017; Sazonov, Vasileva, Mikhaylova, 2020). Индустрия 4.0 состоит из шести основных подсистем, таких как PLM (Product Lifecycle Management – управление жизненным циклом изделия), Big Data (большие данные), Smart Factory (продуманный завод), Cyber-physical systems (киберфизические системы), Internet of Things (Интернет вещей), Interoperability (функциональная совместимость). Совокупность данных шести подсистем позволит создать эффективную бизнес-модель современного промышленного предприятия.

Остановимся более подробно на организационно-технической системе управления жизненным циклом изделий PLM, основанной на принципе дуализма объект-операция/физическое-информационное [1, 3] (Paton, Andrew, 2019; Stark, 2020).

Такая система подразумевает, что необходимо преобразовать все процессы жизненного цикла изделия, происходящие в физическом пространстве (материальное-техническое обеспечение, производство, эксплуатация, утилизация и др.), в соответствующие процессы в информационном пространстве, а также иметь возможность обратного преобразования информационных процессов в физические.

Целью применения промышленными предприятиями современных технологий управления жизненным циклом (PLM) при разработке продукции является повышение качества создаваемых изделий с сокращением сроков и затрат за счет автоматизированной сквозной поддержки на всех стадиях жизненного цикла изделия всех процессов его разработки, изготовления и эксплуатации. Одной из необходимых технологий для реализации системы автоматизированного управления жизненным циклом изделия является создание цифрового двойника (Digital Twin).

В связи с этим целью настоящей статьи становится проведение краткого анализа основных рисков снижения эффективности деятельности промышленных предприятий при внедрении цифровых двойников в автоматизированную систему управления жизненным циклом продукции и предложение мероприятий по минимизации выявленных рисков.

Для реализации поставленной цели необходимо решить следующие задачи:

1) провести краткий анализ технологии внедрения цифровых двойников в АСУЖЦ;

2) обобщить основные макроэкономические факторы, которые представляют опасность для успешной и эффективной деятельности промышленных предприятий при внедрении цифровых двойников в АСУЖЦ;

3) проанализировать главные риски, которые могут возникнуть непосредственно при внедрении цифровых двойников в АСУЖЦ, и описать последствия данных рисков;

4) рассчитать уровни рисков у выявленных макроэкономических факторов;

5) предложить ряд мероприятий по минимизации влияния макроэкономических факторов на эффективность внедрения цифровых двойников в АСУЖЦ.

Описание процесса внедрения цифровых двойников в АСУЖЦ промышленной продукции

Начнем с рассмотрения технологии внедрения цифровых двойников в АСУЖЦ. Цифровой двойник представляет собой цифровую копию физического объекта или процесса и позволяет оптимизировать деятельность промышленных организаций.

В целях достижения эффективной работы промышленных организаций при внедрении технологии цифровых двойников целесообразно, чтобы документы цифрового двойника включали информацию о геометрической модели объекта, наборе расчетных данных деталей, узлов и объекта в целом (математические модели), информацию о технологических процессах изготовления и сборки и данные об испытаниях (верификация математических моделей) [2, 10] (Kurganova, Filin, Chernyaev, Shaklein, Namiot, 2019). Далее эти данные необходимо структурировать в единой автоматизированной системе управления жизненным циклом изделия (PLM-системе) [9] (Komrakov, Sukhorukov, 2017).

К примеру, это возможно реализовать в рамках цифровой платформы CML-Bench [14] (Sazonov, 2019), предназначенной для автоматизации ключевых инженерных процессов, связанных с мгновенной кастомизацией, цифровым проектированием, моделированием, виртуальными испытаниями [18] (Starozhuk, Yakovleva, 2019) и подготовкой всей необходимой производственной документации, посредством трансдисциплинарного и надотраслевого компьютерного инжиниринга.

Анализ потенциальных рисков снижения эффективности деятельности промышленных предприятий при внедрении цифровых двойников

Несмотря на очевидные преимущества цифровых двойников [10, 12] (Kurganova, Filin, Chernyaev, Shaklein, Namiot, 2019; Ponomarev, Feofanov, Grushina, 2019), на сегодняшний день можно выделить ряд макроэкономических факторов и потенциальных рисков, последствия которых могут привести к снижению эффективности промышленных предприятий при внедрении цифровых двойников в систему автоматизированного управления жизненным циклом продукции (рис. 1).

Рисунок 1. Совокупность рисков, которые могут привести к снижению эффективности деятельности промышленных предприятий при внедрении цифровых двойников в АСУЖЦ

Источник: составлено авторами.

Во-первых, нехватка высококвалифицированных специалистов в области внедрения цифровых двойников в автоматизированную систему управления жизненным циклом промышленной продукции может повлечь за собой отсутствие окупаемости вложенных затрат. Более того, неправильный анализ специалистами результатов, полученных с помощью цифровых двойников, может привести к неверно принятым управленческим решениям.

В связи с переходом на цепочку взаимодействия «человек – компьютер – цифровой двойник – компьютер – исполнительный механизм» появляется важный риск, связанный с верификацией цифровых моделей, на которых базируются цифровые двойники. По оценкам экспертов, к рискам снижения достоверности цифровых моделей [2, 6, 7, 17, 19] (Bugorskiy, Goloskokov, 2011; Danilevich, 2013; Starozhuk, Yakovleva, 2020; Stroganova, 2010) можно отнести ошибки разработчиков, недостоверные математические расчеты, недостаточность внесенных сведений, характеристик о промышленной продукции в модель, недостаточный учет ограничений и факторов внешней среды при разработке цифровой модели, отсутствие единых государственных стандартов и методов верификации цифровых моделей.

Также в настоящее время эксперты выделяют проблему защиты информации, связанную с угрозами в отношении цифровых двойников [4, 5] (Taylor, Dargahi, Dehghantanha, Parizi, Choo, 2019; Brom, Terenteva, 2018). Важно обеспечить информационную безопасность, поскольку цифровой двойник является ключевым элементом в автоматизированной системе управления жизненным циклом промышленной продукции.

Все эти макроэкономические факторы и риски, непосредственно связанные с разработкой и внедрением цифровых двойников в АСУЖЦ, в совокупности могут привести к невозможности достичь эффективности внедрения цифровых двойников промышленными предприятиями из-за высоких затрат на его разработку на входе и отсутствия желаемых и достоверных результатов на выходе.

Количественная оценка уровня риска выявленных макроэкономических факторов

Применим метод прямой количественной оценки макроэкономических факторов [11, 20–21] (Orlov, Tsisarskiy, 2013; Fedorets, 2008; Shitikova, Tabunshchik, 2012), которые представляют опасность для эффективной деятельности промышленных предприятий при внедрении цифровых двойников в автоматизированную систему управления жизненным циклом продукции, с использованием матрицы «вероятность – ущерб» (табл. 1). Данный метод предполагает определение для каждого рискового события ранга вероятности его наступления (низкая, средняя и высокая), а также соответствующий для этого события потенциальный ущерб (малый, средний и большой).

Таблица 1

Применение матрицы «вероятность – ущерб» для оценки уровней риска макроэкономических факторов


Низкая вероятность (0,3)
Средняя вероятность (0,7)
Высокая вероятность (1,0)
Малый ущерб (0,3)
0,1
0,2
0,3
Средний ущерб (0,7)
0,2
0,5
0,7
Большой ущерб (1,0)
0,3
0,7
1,0
Источник: [20].

В таблице 2 представим совокупность макроэкономических факторов (рис. 1), проведем оценку вероятности возникновения выявленных факторов, а также оценку потенциального ущерба от них (в данном случае – снижение эффективности деятельности промышленных предприятий при внедрении цифровых двойников в АСУЖЦ). С учетом этих данных и с использованием матрицы «вероятность – ущерб» для каждого макроэкономического фактора рассчитаем предполагаемый уровень риска и приведем его в таблице 2.

Таблица 2

Результат оценки уровня риска макроэкономических факторов


Макроэкономические факторы, которые представляют опасность для успешной и эффективной деятельности промышленных предприятий при внедрении цифровых двойников в АСУЖЦ
Вероятность возникновения
Нанесенный ущерб
Уровень риска
1
Нехватка высококвалифицированных специалистов в области цифровизации
0,7
1,0
0,7
2
Отсутствие единых методов верификации цифровых моделей
0,5
1,0
0,7
3
Отсутствие единых государственных стандартов по разработке цифровых двойников и их внедрению в АСУЖЦ
0,7
0,7
0,5
4
Проблема обеспечения информационной безопасности, связанной с угрозами в отношении цифровых двойников
0,3
0,7
0,2
Источник: составлено авторами.

Из таблицы 2 видно, что наиболее опасные события, которые могут повлиять на снижение эффективности внедрения цифровых двойников в автоматизированную систему управления жизненным циклом продукции, могут быть связаны, по мнению авторов, с недостаточным количеством высококвалифицированных специалистов в области цифровизации и отсутствием единых методов верификации цифровых моделей, что является необходимым условием для получения достоверных сведений о результатах испытаний цифровых двойников.

Заключение

На основании всего вышеизложенного можно сделать следующие выводы. В данной статье авторами обобщены основные макроэкономические факторы, которые представляют опасность для успешной и эффективной деятельности промышленных предприятий при внедрении цифровых двойников в АСУЖЦ. Для каждого фактора рассчитан предполагаемый уровень риска на основании матрицы «вероятность – ущерб».

Обобщение макроэкономических факторов позволило авторам сформулировать главные риски, которые могут возникнуть непосредственно при внедрении цифровых двойников в АСУЖЦ, и описать последствия данных рисков.

В целях минимизации рисков снижения эффективности деятельности промышленных предприятий при внедрении цифровых двойников в АСУЖЦ в заключение хотелось бы предложить ряд мероприятий.

Во-первых, целесообразно осуществлять подробную проработку цифровой модели промышленной продукции высококвалифицированными специалистами. Особое внимание необходимо уделить верификации цифровых моделей, что возможно реализовать за счет установления датчиков на реальном устройстве и проведения сравнительных проверок [13, 16] (Rovnyagin, 2012; Smorodin, 2007).

Во-вторых, на этапе эксплуатации промышленной продукции, созданной с помощью цифровых двойников, разумно осуществлять мониторинг «жизнедеятельности» данной продукции для сбора информации и дальнейшего усовершенствования цифровых моделей.

В-третьих, решением проблемы информационной безопасности при внедрении цифровых двойников может стать внедрение технологии блокчейна [4, 5] (Taylor, Dargahi, Dehghantanha, Parizi, Choo, 2019; Brom, Terenteva, 2018) в систему автоматизированного управления жизненным циклом промышленной продукции. Технология блокчейна позволит строить процессы производства промышленной продукции в реальном времени. С помощью распределенной базы данных возможно обеспечить отслеживание, прозрачность и видимость информационных данных о показателях надежности и качества продукции в процессе эксплуатации, стоимости процессов обслуживания, об интенсивности эксплуатации, фактических нагрузках, реальном износе и др. Информация о фактическом состоянии промышленной продукции будет доступна всем участникам автоматизированной системы управления жизненным циклом.

В целом внедрение предложенных мероприятий по минимизации рисков должно обеспечить конкурентоспособность и высокую эффективность промышленных предприятий за счет сокращения времени и стоимости выполнения заказов, обеспечения требований по качеству промышленной продукции, а также за счет сокращения количества посредников. В конечном итоге все это в совокупности позволит оптимизировать общую стоимость жизненного цикла промышленной продукции.


Источники:

1. Paton, S., & Andrew, B. (2019). The role of the Project Management Office (PMO) in product lifecycle management: A case study in the defence industry. International Journal of Production Economics, 208, 43-52.
2. Serester, A., Hidas, G., Szögi, G., Galambos, P. (2015, September). Testing and verification through virtual product models: A survey and look ahead. In 2015 IEEE 19th International Conference on Intelligent Engineering Systems (INES) (pp. 141-145). IEEE.
3. Stark, J. (2020). Product Lifecycle Management (PLM). In Product Lifecycle Management (Volume 1) (pp. 1-33). Springer, Cham.
4. Taylor, P. J., Dargahi, T., Dehghantanha, A., Parizi, R. M., & Choo, K. K. R. (2019). A systematic literature review of blockchain cyber security. Digital Communications and Networks.
5. Бром А.Е., Терентьева З.С. Использование технологии блокчейн в управлении жизненным циклом продукции // Вестник ВУиТ. 2018. - №1. - С. 118-124.
6. Бугорский, В.Н., Голоскоков, К.П. (2011). Управление качеством в процессе испытаний средств электронной техники. Прикладная информатика, (1(31)).
7. Данилевич С.Б. О легитимизации показателей достоверности результатов контроля и испытаний продукции // Методы менеджмента качества. – 2013. - №8. – с. 32-34.
8. Каманина Р.В. Цифровые инновации – важнейший рычаг решения экономических проблем России в настоящем и будущем // Экономика знаний: теория и практика. – 2017. - №4(4). – с. 64-79.
9. Комраков А.В., Сухоруков А.И. Концепция цифрового двойника в управлении жизненным циклом промышленных объектов // Научная Идея. 2017. - №3. - С. 3-9.
10. Курганова Н.В., Филин М.А., Черняев Д.С., Шаклеин А.Г., Намиот Д.Е. Внедрение цифровых двойников как одно из ключевых направлений цифровизации производства // International Journal of Open Information Technologies. 2019. - №5. - С. 105-115.
11. Орлов А.И., Цисарский А.Д. Особенности оценки рисков при создании ракетно-космической техники // Национальные интересы: приоритеты и безопасность. – 2013. - №43. – с. 37-46.
12. Пономарев К.С., Феофанов А.Н., Грuшина Т.Г. Цифровой двойник производства – средство цифровизации деятельности организации // Автоматизация и моделирование в проектировании и управлении. 2019. №2 (4). С. 11-17.
13. Ровнягин М.М. Использование UVM для автономной верификации цифровой аппаратуры // Проблемы разработки перспективных микро и наноэлектронных систем. – 2012. - №1. – с. 129-132.
14. Сазонов А.А. Анализ системы разработки цифровых двойников на основе компонентов цифровой платформы CML-Bench // Управление инновационно-инвестиционной деятельностью: к 80-летнему юбилею профессора Юрия Петровича Анисимова: сборник материалов Всероссийской юбилейной научно-практической конференции (Воронеж, 21-23 мая 2019 г.). – Воронеж, 2019. - С.132-139.
15. Сазонов А.А., Васильева И.А., Михайлова Л.В. Исследование механизмов управления отечественными промышленными предприятиями в условиях новой технологической концепции // Вестник МГОУ. Серия: Экономика. 2020. №1. С. 74-81.
16. Смородин В.С. Верификация имитационных моделей технологических процессов производства с переменной структурой // Математические машины и системы. - 2007. - №3-4. – с. 162-167.
17. Старожук Е.А., Яковлева М.В. Обеспечение достоверности результатов испытаний радиоэлектронной продукции с учетом степени риска // XIII Международная отраслевая научно-техническая конференция «Технологии информационного общества». – Москва, 2020. – с. 384-385.
18. Старожук Е.А., Яковлева М.В. Проблемы внедрения виртуальных испытаний радиоэлектронной промышленной продукции на этапе проектирования // Экономика и предпринимательство. – 2019. - №9. – с. 1172-1177.
19. Строганова Е.П. Достоверность оценки характеристик и результатов испытаний на этапах проектирования и эксплуатации радиоэлектронной аппаратуры: автореф. дисс. д-ра техн. наук: 05.12.04. ― М., 2010. — 40 с.
20. Федорец А. Г. Методические основы количественного оценивания производственных рисков //Энергобезопасность и энергосбережение. – 2008. – №. 2.
21. Шитикова Е.В., Табунщик Г.В. Модель рисков процесса испытаний газотурбинных установок наземного применения // Наукові праці Донецького національного технічного університету, серія: «Проблеми моделювання та автоматизації проектування», № 1 (10)-2(11), 2012. – с.79-89

Страница обновлена: 13.07.2020 в 12:24:54