Автоматизация и робототехника не устранят дефицит кадров — они изменят его характер
Автоматизацию часто преподносят как решение проблемы нехватки рабочей силы в производстве. С инженерной точки зрения это предположение неполно. Роботы, коботы, системы машинного зрения, автономные платформы и системы управления с поддержкой ИИ могут устранять повторяющиеся задачи, но одновременно создают новые требования к пусконаладке, программированию, техническому обслуживанию, диагностике, оптимизации процессов, кибербезопасности и обучению операторов.
Проблема с персоналом не исчезает, когда ручная операция становится автоматизированной. Вместо этого меняется требуемый набор навыков.
Автоматизация устраняет задачи, но не ответственность
Промышленная автоматизация уже несколько десятилетий преобразует производство. С момента внедрения Unimate на производственной линии General Motors в 1961 году роботизированные системы постепенно взяли на себя сварку, погрузочно-разгрузочные работы, сборку, упаковку, контроль и другие повторяющиеся операции.
Современные системы значительно сложнее. Роботы могут работать с системами технического зрения, датчиками усилия, автономной навигацией, машинным обучением и всё более сложными программными архитектурами. Однако каждой автоматизированной ячейке по-прежнему нужны специалисты, которые понимают процесс, настраивают оборудование, обслуживают аппаратную часть, интерпретируют диагностическую информацию и восстанавливают работу системы после нештатных ситуаций.
Это различие важно.
Робот может выполнять производственную последовательность без участия человека, однако окружающая его производственная система по-прежнему зависит от инженерных знаний. Программы ПЛК, цепи безопасности, сервоприводы, промышленные сети, датчики, человеко-машинные интерфейсы, роботы и технологическое оборудование должны работать как единая интегрированная система.
Главное узкое место в обеспечении кадрами смещается вверх по цепочке
При оценке проектов автоматизации производители часто сосредотачиваются на сокращении потребности в операторах. Гораздо сложнее понять, что произойдет после установки.
Автоматизированная линия может сократить количество людей, необходимых для выполнения повторяющихся операций, одновременно повышая потребность в технических специалистах, способных диагностировать неисправности на нескольких уровнях управления.
Остановка производства может быть вызвана неисправностью датчика приближения, некорректным состоянием ПЛК, превышением времени ожидания связи, неисправностью сервопривода, срабатыванием блокировки, аварийным отключением контроллера безопасности или механической проблемой. Для выявления фактической первопричины требуются знания системы в целом, а не только навыки простого управления оборудованием.
Именно поэтому техническое обслуживание и разработка систем управления приобретают всё большее значение.
Человеку, который поддерживает работу автоматизированной производственной линии, может потребоваться разбираться в электрических схемах, логике ПЛК, промышленном Ethernet, управлении движением, контрольно-измерительных приборах, системах безопасности, робототехнике и механических интерфейсах. Такое сочетание навыков найти гораздо сложнее, чем традиционного производственного оператора.
Более высокая степень автоматизации может создать больше специализированных рабочих мест
Распространено мнение, что автоматизация напрямую сокращает занятость. На практике эффект в значительной степени зависит от того, как производители внедряют эту технологию.
На высокоавтоматизированном предприятии может потребоваться меньше людей для выполнения повторяющихся ручных операций, но при этом появятся дополнительные должности в области разработки систем управления, робототехники, обслуживания оборудования, инженерии процессов, системной интеграции, анализа данных и технического обучения.
С инженерной точки зрения это не противоречие.
Автоматизация меняет распределение человеческого труда. Ручное вмешательство сокращается, а техническая ответственность возрастает.
Проблема заключается в том, что эти новые должности не всегда можно заполнить, просто переобучив оператора за несколько часов. Поиск и устранение неисправностей в промышленной системе управления требуют практического опыта, структурированных методов диагностики и понимания взаимодействия аппаратного и программного обеспечения.
Возможность технического обслуживания должна быть заложена в систему автоматизации
Производители должны рассматривать удобство технического обслуживания как инженерное требование, а не как второстепенную задачу.
Технически сложная система автоматизации не обязательно является хорошей производственной системой, если обслуживающий персонал не может эффективно диагностировать неисправности.
При проектировании системы инженеры должны учитывать наглядность диагностики, идентификацию неисправностей, требования к запасным частям, доступ к электрическим компонентам, мониторинг сети, управление тревогами, процедуры резервного копирования и документацию по техническому обслуживанию.
Программы ПЛК должны содержать понятные метки и структурированную диагностическую логику. HMI должны предоставлять полезную информацию о неисправностях, а не выдавать общие сообщения о тревогах. Архитектура сети должна позволять выявлять сбои связи. Системы безопасности должны предоставлять соответствующую диагностическую информацию, не поощряя небезопасные способы обхода.
Эти решения напрямую влияют на время простоя.
Система, которая экономит несколько секунд при каждом поиске неисправности, может дать значительный операционный эффект за тысячи производственных циклов. Поэтому инженерные усилия, затраченные на диагностику и ремонтопригодность, могут быть столь же ценными, как и дополнительная функциональность автоматизации.
Обучение нельзя отделять от инженерных работ по автоматизации
Обучение часто рассматривают как последний этап проекта автоматизации. Такой подход создаёт ненужные проблемы.
Операторов и техников следует рассматривать как пользователей системы с самого начала проекта. Их потребности в обучении должны влиять на проектирование HMI, структуру аварийных сигналов, процедуры технического обслуживания, документацию и мероприятия по вводу в эксплуатацию.
Эффективное обучение должно отвечать на практические вопросы.
Как выглядит нормальное состояние машины? Как оператор может отличить проблему процесса от неисправности оборудования? Какие аварийные сигналы требуют немедленного вмешательства? Когда следует вызывать технический персонал? Как техники могут определить, связана ли проблема с датчиком, ПЛК, сетью, приводом или механическим оборудованием?
Эти вопросы ценнее, чем простое обучение сотрудников тому, где нажимать кнопки.
Лучший техник не всегда лучший инструктор
Производители часто поручают обучение самому опытному сотруднику. Это может работать, но техническая компетентность и способность обучать — разные навыки.
Опытный техник после многих лет работы с определённой машиной может интуитивно диагностировать неисправность. Однако новому технику нужен воспроизводимый метод, объясняющий, зачем выполняется каждый диагностический шаг.
Поэтому эффективное промышленное обучение должно превращать индивидуальный опыт в документированные процедуры.
Деревья поиска неисправностей, электрические схемы, примеры диагностики ПЛК, история аварийных сигналов, контрольные списки технического обслуживания, имитационные упражнения и контролируемые сценарии отказов помогают преобразовать недокументированные знания в знания, которыми можно передавать другим.
Это особенно важно, поскольку опытные сотрудники выходят на пенсию или переходят на другие должности. Если знания, необходимые для устранения неисправностей, существуют только в памяти одного человека, производитель подвергается значительному операционному риску.
Проекты автоматизации должны включать архитектуру навыков
Практичный подход к развитию кадров — напрямую сопоставить технические навыки с архитектурой автоматизации.
Например, оператору могут требоваться базовые навыки работы с HMI, интерпретации аварийных сообщений и безопасного восстановления работы. Техническому специалисту по обслуживанию могут требоваться навыки поиска неисправностей в электрических системах, диагностики датчиков, управления двигателями и настройки приводов. Специалисту по системам управления могут требоваться навыки программирования ПЛК, работы с промышленными сетями, управления движением и структурированного поиска неисправностей.
Инженерам более высокого уровня могут дополнительно требоваться навыки проектирования архитектуры систем, кибербезопасности, интеграции данных, оптимизации процессов и управления жизненным циклом.
Такой подход делает обучение измеримым.
Вместо того чтобы спрашивать, прошли ли сотрудники курс, производители могут оценивать, способны ли специалисты самостоятельно выполнять определённые технические задачи за приемлемое время и с допустимым уровнем ошибок.
Производство с широким ассортиментом меняет подход к автоматизации
Проблема кадров становится ещё сложнее в условиях производства с широким ассортиментом и малым объёмом выпуска.
Крупносерийное производство может оправдывать высокоспециализированную автоматизацию, поскольку одна и та же последовательность операций может выполняться тысячи или миллионы раз. Заказное производство предполагает частые изменения продукта, оснастки, рецептуры, требований к контролю и параметров процесса.
В таких условиях гибкость может быть ценнее максимального уровня автоматизации.
Высокоавтоматизированная система, требующая значительного вмешательства инженеров при каждом изменении продукта, может принести меньше практической пользы, чем полуавтоматизированная система, которую технические специалисты могут быстро перенастроить.
Именно здесь опыт и знания специалистов остаются особенно ценными.
Поэтому производителям следует оценивать автоматизацию на основе общей экономики процесса, а не количества роботов. В расчёт необходимо включать время переналадки, инженерные затраты, требования к техническому обслуживанию, сложность программирования, требования к качеству и гибкость операторов.
ИИ повысит потребность в инженерной оценке
Автоматизация с поддержкой ИИ ещё сильнее изменит это соотношение.
ИИ может помогать выявлять закономерности в данных о машинах, обнаруживать аномальное поведение, поддерживать прогнозное обслуживание, оптимизировать параметры производства и помогать техническим специалистам при поиске и устранении неисправностей. Однако ИИ не устраняет необходимость в инженерной оценке.
Аномальный вибрационный сигнал по-прежнему требует, чтобы кто-то понимал устройство машины. Неожиданное отклонение процесса по-прежнему требует, чтобы кто-то определил, вызвано ли оно контрольно-измерительными приборами, логикой управления, механическим оборудованием, изменением характеристик материала или условиями процесса.
ИИ может сократить время, необходимое для поиска информации, но не обеспечивает автоматически ответственность за принятие окончательного инженерного решения.
По этой причине производственным организациям будущего потребуются специалисты, понимающие как промышленные системы, так и цифровые технологии.
Стратегия управления кадрами должна меняться вместе со стратегией управления системами
Производители должны перестать рассматривать инвестиции в автоматизацию и развитие кадров как отдельные программы.
Когда предприятие внедряет роботов, оборудование под управлением ПЛК, системы визуального контроля, автоматизированную транспортировку материалов или передовые системы управления движением, требования к его кадрам сразу меняются. Поэтому планы обучения следует разрабатывать одновременно с архитектурой автоматизации.
Наиболее эффективные предприятия, вероятно, будут сочетать три элемента: автоматизацию повторяющихся операций, инженерные системы с развитой диагностикой и структурированное обучение, развивающее технические компетенции для работы с этими системами.
Это создаёт более устойчивую операционную модель.
Автоматизацию следует оценивать не только по количеству исчезнувших ручных операций. Её также следует оценивать по тому, насколько эффективно оставшиеся специалисты могут эксплуатировать, обслуживать, диагностировать и совершенствовать автоматизированную систему.
Следующее преимущество в производстве будет основано на технических компетенциях
Производственные кадры следующего десятилетия будут отличаться от кадров предыдущего десятилетия.
Роботы продолжат становиться более функциональными. Коботы будут использоваться в задачах, которые ранее требовали ручного труда. ИИ будет всё чаще помогать при инспекциях, техническом обслуживании, планировании и оптимизации процессов. Автономные мобильные системы возьмут на себя всё больше задач внутренней логистики.
Ни одно из этих изменений не устраняет потребность в квалифицированных специалистах.
Напротив, они повышают технический уровень специалистов, отвечающих за работу предприятия.
Наибольшую выгоду от автоматизации получат не обязательно производители, установившие наибольшее количество роботов. Это будут организации, способные интегрировать автоматизацию с удобными в обслуживании архитектурами управления, практической диагностикой, системной передачей знаний и непрерывным развитием кадров.
Таким образом, непосредственная проблема с кадрами заключается не просто в нехватке людей.
Речь идёт о нехватке специалистов с необходимыми техническими компетенциями для всё более сложных промышленных систем.
Роботы меняют производство. Производители должны изменить подход к развитию специалистов, которые эксплуатируют и обслуживают эти системы.
