skip-lazy

Людмила Бриллиантова: «Полюс» перешел на новый этап работы с данными»

Беседовала Анна Кислицына

В 10 раз вырастет объем данных во всем мире к 2025 году, по данным аналитической фирмы IDC. Поэтому значимость информации сложно переоценить, и сегодня для бизнеса умение анализировать данные так же необходимо, как и наличие высококвалифицированного персонала или надежной техники. В «Полюсе» год назад создано управление по анализу бизнес-процессов и данных в рамках Блока трансформации бизнеса и информатизации (БТБиИ). Чем именно занимается подразделение, нам рассказала его начальник Людмила Бриллиантова.

polyus-01-brilliantova-543x678
Людмила Бриллиантова, начальник управления по анализу бизнес-процессов и данных «Полюса»

— Людмила, расскажите какие задачи стоят перед вашим подразделением?

— Анализ бизнес-процессов и данных — обычная задача для большинства подразделений компании. Дата-центры «Полюса» каждый день наполняются новыми данными, а наши информационные и аналитические системы позволяют анализировать терабайты корпоративной информации.

Накопленные цифровые следы в IT-системах предоставляют уникальные возможности для анализа и оптимизации процессов. «Полюс» перешел к новой стадии своей цифровой трансформации — анализ данных для получения дополнительного эффекта, так называемого извлечения ценности из данных, или, по-английски, Data Driven Value.

Особенность нашего подразделения в том, что мы апробируем, разрабатываем и используем интеллектуальные алгоритмы обработки данных.

Основные направления нашей работы — развитие доступной для всех сотрудников среды цифрового анализа процессов и данных, поддержка развития цифровых компетенций, разработка и валидация моделей машинного обучения для оптимизации процессов «Полюса».

— Значит, ваша задача — работать с данными?

— Данные — это ценный актив компании. Однако работать с большими данными не всегда просто. Чаще всего сложности возникают уже на этапах их выгрузки и предобработки. Очень много исторических технологических данных хранится в слабоструктурированном виде. При этом такие данные могут служить основой для исследований и построения прогнозных моделей. Поэтому мы уделяем большое внимание разработке и развитию инструментов обработки данных.

Помимо этого, один из ключевых современных трендов в области работы с данными — это их «демократизация», то есть доступность для широкого круга пользователей. Для этого необходимо создавать и популяризировать доступные инструменты обработки данных и развивать навыки работы с ними. В этом году мы примем активное участие в разработке и проведении учебного курса «Цифровая трансформация и анализ данных», чтобы расширить возможности и навыки сотрудников компании.

— Создание подразделения фактически совпало с ковидной эпохой. Это случайность?

— Не думаю, что эпидемиологическая обстановка как-то существенно повлияла на появление нашего центра в БТБиИ. Его создание было важным шагом, который планировался заранее как очередной этап цифровой трансформации. Это этап, когда мы переходим к интеллектуальному использованию накопленных данных и измеряем себя уже не качеством внедренных систем, а их ценностью для «Полюса».

В то же время вызовы периода пандемии еще раз продемонстрировали ценность доступных, оперативных и достоверных данных. Мы получили уникальный опыт по максимально оперативному созданию автоматизированных процессов сбора и верификации информации, анализа и прогнозирования, которые были использованы для принятия важных управленческих решений по обеспечению безопасности работников и непрерывности производственных процессов.

polyus-02-brilliantova-678x382

В поисках эффективности

— Что уже сделано за год?

— Мы занимаемся не только цифровым анализом данных, но и создаем условия и инструменты, чтобы сотрудники компании могли сами анализировать свои процессы и получать дополнительный эффект от использования IT-систем. Первый год мы активно занимались созданием среды, апробацией алгоритмов для анализа данных и составлением «тепловой карты» данных.

— То есть вы занимаетесь поиском инструментов, которые могут помочь бизнесу?

— Да, мы ищем различные методы и алгоритмы, апробируем их применимость в условиях нашей компании и, если результат положительный, передаем их коллегам, помогая при внедрении и использовании. Готовых решений, использующих технологии искусственного интеллекта, для производства пока не так много, еще меньше решений для золотодобывающих предприятий. У нас много уникальной специфики, и те решения, которые уже используют металлурги, увы, часто оказываются неприменимыми для нас.

— А как современные цифровые технологии могут помочь и помогают в добыче золота?

— Если говорить о добыче золота в контексте данных, то наши IT-системы и автоматизированные комплексы собирают множество детальных данных. Современные технологии, такие как машинное обучение, позволяют увидеть по-новому и улучшить наши производственные и технологические процессы. Однако при разработке новых алгоритмов только данных и математики мало, в первую очередь важен опыт экспертов по предметной области: геологов, технологов, обогатителей и инженеров.

— Могли бы привести пример проектов, которые уже прошли вашу апробацию и внедряются в компании?

— В прошлом году мы апробировали несколько технологий (process & data mining) и инструментов. Сейчас внедряются два проекта: «Цифровой анализ процессов» (ЦАП) и «Цифровой советчик водителя» (ЦСВ). В рамках первого проекта создаются цифровые двойники трех бизнес-процессов: бухгалтерский документооборот, ТОиР и сквозной процесс обеспечения. Система, как рентгеновский снимок, позволяет увидеть все варианты цепочек событий и действий пользователей. В руках аналитика это мощный инструмент для оптимизации и повышения эффективности.

polyus-02-brilliantova-1-678x382

Второй проект внедряет интеллектуально­-аналитический инструмент для оптимизации расхода топлива на «Вернинском».

— Могли бы подробнее рассказать про «Советчика водителя»?

— ЦСВ помогает водителю поддерживать оптимальный стиль вождения с учетом всех влияющих на него факторов в режиме реального времени, что позволяет снизить расход топлива. В системе много составляющих: воспроизведение голоса, контроллеры для считывания данных с бортового компьютера, мониторы для водителя, хранилище данных и среда для работы искусственного интеллекта.

Алгоритм учитывает много факторов, таких как данные с бортового компьютера, сменное задание, состояние дорог и транспортных средств, погода, навыки водителя и многое другое. После установки оборудования на самосвалы начнется сбор данных и обучение на них математических моделей.

Далее будет доступен функционал выдачи рекомендаций водителям в реальном времени и формирования аналитических отчетов для принятия решений по обслуживанию дорог, техники и оптимизации как скоростных режимов, так и индивидуального стиля управления самосвалом каждого водителя.

А пока команде проекта надо решить вопрос с внедрением среды для работы искусственного интеллекта — текущие реалии таковы, что мы можем использовать только собственные инструменты и разработки, это сложная и в то же время интересная задача.

polyus-03-brilliantova-678x381

Собственные разработки и знания останутся с нами

— Почему без конвергенции бизнеса и IT сегодня не обойтись?

— На первый взгляд, все просто: соберите данные, найдите подходящий к задаче алгоритм — и компьютер сам обучится решать задачу. Однако в реальности все сложнее. Требуется немало усилий, чтобы соединить экспертизу технологов, которые знают, что им нужно для повышения эффективности, и математиков, которые обучат компьютер решать бизнес-задачу. Решить математическую задачу — это только начало пути. Алгоритмы и модели не имеют ценности сами по себе. Полученный результат нужно внедрить, научиться применять в существующих процессах и извлечь пользу для компании. Эту задачу можно решить только вместе.

— Но ведь есть такие данные, которые не требуют особой интерпретации.

— Конечно, автоматизированные системы принятия решений могут работать и без подсказок искусственного интеллекта. Никто не отменял, что если светофор зеленый — едем, красный — стоим. Мы скорее нужны тогда, когда нет четкого алгоритма принятия решений либо вводных слишком много. Это как раз место для машинного обучения, и можно научить компьютер по множеству признаков находить максимально близкий к правильному ответ.

— Вы сказали, что одна из целей — повысить уровень разработки и количество собственных продуктов. Почему нельзя использовать имеющиеся на рынке решения?

— В отдельных случаях можно, решение должно приниматься с учетом соотношения цены и качества, а также оценки применимости для компании. Есть несколько важных моментов. Во-первых, на рынке не так много готовых решений для промышленности, к тому же у «Полюса» свои технологические особенности, и часто бывает, что нужных нам решений нет. Во-вторых, собственная разработка может быть дешевле, чем готовая технология, которая еще требует адаптации и постоянного обучения моделей для наших процессов. Ну и в‑третьих, если вспомнить сегодняшнюю обстановку, то очевидно, что наши разработки всегда будут с нами.

Мы уже на практике сталкивались с ситуациями, когда предоставляемое рынком решение представляет из себя «черный ящик», работу которого сложно подстроить под особенности наших процессов и технологии. В то же время мы убедились, что в таких случаях у нас достаточно собственной экспертизы, чтобы повторить и улучшить используемые алгоритмы, создать прозрачное и управляемое решение под стоящие перед компанией задачи.

— Какие планы у вас на этот год?

— Мы планируем разработать несколько курсов по анализу данных. Это будет как обзорный курс по цифровой трансформации, так и специальный курс, на котором мы будем рассказывать об имеющихся инструментах анализа и о том, как их можно использовать в бизнесе.

Продолжим развитие инструментов накопления, хранения и анализа данных, будем работать над их доступностью для всех заинтересованных пользователей.

И конечно же, в фокусе наше основное направление — разработка собственных алгоритмов на базе технологии искусственного интеллекта для обработки и анализа производственных и корпоративных данных «Полюса».

Реализация этих планов тесно интегрирована с другими ключевыми направлениями деятельности нашего блока, такими как внедрение MES, разработка и реализация функциональных стратегий, создание продуктовых команд по развитию цифровых решений. Такой комплексный подход позволяет говорить о цифровой трансформации компании и реализации принципов Data Driven Value («извлечение ценности из данных»).

polyus-04-brilliantova-678x381

Поделиться статьёй

Понравилась статья? Подпишитесь на рассылку