ЖУРНАЛ СТА №3/2023

объектных отношений как универ- сальной структуры для моделирования производства. В основе предлагаемого метода лежит понятие «объекта», пред- ставляющего собой любую сущность производственной цепочки (завод, цех, агрегат, производственная операция, единица продукции и т.д.). Ключевым отличием метода объектных отноше- ний от агентного моделирования яв- ляется то обстоятельство, что объектам не навязаны никакие поведенческие сценарии. Тем самым структура «объ- ект» оказывается полномочной всту- пать в любые отношения с другими «объектами» в рамках рассматривае- мой модели, что, в свою очередь, поз- воляет аккумулировать различного рода данные в единую иерархию и гарантирует достоверность анализа любого уровня. Разработанный метод объектных отношений (Object Relations Technique или ORT) был применён на нескольких полномасштабных про- изводственных площадках, подтвердив тем самым свою устойчивость и рабо- тоспособность. Основные положения ORT Цифровизация подразумевает полу- чение эффекта на основе интеллекту- альной обработки производственных данных. Причём в области интеллекту- альной обработки данных появилось множество инструментов, в том числе на основе Open Source технологий, включающих обработку больших дан- ных, зрелый Open Source BI, системы для аналитиков на основе Juputer Lab, включающие самые последние биб- лиотеки статистического анализа и ма- шинного обучения. Однако эффективное применение со- временных инструментов затруднено, поскольку данные предприятия за- мкнуты внутри большого количества систем автоматизации и цифровиза- ции. Модели и форматы данных опре- деляются бизнес-процессом участка производства и поэтому специфичны для каждой системы. В результате независимо от уровня вооружённости предприятия система- ми цифровизации основным инстру- ментом анализа данных для принятия управленческих решений является EXCEL. Как только для управления требуют- ся данные от разных систем, един- ственным способом работы с данными становится выгрузка отчётных форм в EXCEL из разных систем, работа по све- дению данных и обработка сводных от- чётов (рис. 1). Но и это не последняя трудность. Ес- ли вы ищете пути оптимизации про- изводства на основе собранных вами данных, то ваша работа постоянно пре- рывается для перехода между система- ми. Построение сводных таблиц вы сде- лаете в Exel, статистическую обработку данных – в специализированном паке- те типа Matlab, отчёт о результатах работы оформите в Word и разошлёте по электронной почте. Потом вас по- просят уточнить результаты за другой временной период, и всё с начала! Управление на основе данных посто- янно прерывается для перехода между системами. Это всё равно, что возить заготовки между разными предприя- тиями вместо их обработки на едином конвейере (рис. 2). Большие надежды в области решения означенной задачи возлагались на ин- струментарий Big Data. Предполагалось, что всё получится, если собрать данные вместе. Итог подвел журнал «Форбс» в 2018 году в статье «What Is Continuous Intelligence?». В частности, отмечалось следующее. ● Складывание всех данных в одном месте для их обработки далее требу- ет ещё больше работы, чтобы сделать их пригодными для использования. ● Пёстрая коллекция таблиц и файлов данных, выгружаемых из источни- ков в озёра данных… привела к ново- му болезненному процессу – это под- готовка сырых данных для выполне- ния последующей аналитики над ни- ми, преобразование сырых (грязных) данных, хранящихся в любых про- извольных форматах, в требуемые для аналитических приложений. ● Аналитики, которые разведены от- дельными модулями, отдельными за- СТА 3/2023 44 www.cta.ru НОУ - ХАУ дачами и отдельными командами со специализированными навыками, только крадут время, не добиваясь са- мого главного – своевременной не- прерывной информации из всех ва- ших данных. Там же давалась формулировка, как должен работать непрерывный конвей- ер по обработке данных: «Речь идёт о не- прерывном бесшовном извлечении значимых бизнес-результатов из всей совокупности производственных дан- ных, быстром доступе ко всем про- изводственным данным, как только они поступят, независимо от удалённости источников данных, независимо от ко- личества источников данных, незави- симо от того, насколько велики объёмы данных. Речь идёт не об однократной возможности, но о том, чтобы автома- тизировать получение и обработку дан- ных как непрерывный и бесшовный бизнес-процесс (Continuous Intelligence)». Таким образом, была обозначена не- обходимость – создать модель пред- ставления производственных данных, которая является единой для любого производственного модуля и любой производственной задачи. Естествен- но, создать такую модель на основе описания производственных бизнес- процессов было невозможно в силу множественности и специфичности этих бизнес-процессов. ORT формулирует подход к производ- ственным данным, исключив разделе- ние описания структур данных под от- раслевую, физическую и иную пред- метную специфику. В основе подхода лежит переход от описания бизнес-процессов к самим объектам, на которые эти процессы на- правлены. Производство в этом случае представлено как поток объектов, ко- торые под воздействием процессов ме- Рис. 1. Сложности получения данных из различных источников Рис. 2. Обработка входящих данных для их трансляции человеку