Почему интеллектуальные системы управления отходами определят, кто выживет в следующем десятилетии в этой отрасли?

Я 35 лет наблюдал, как компании в газовой, лесной, целлюлозно-бумажной, металлоломной и перерабатывающей отраслях совершают одну и ту же дорогостоящую ошибку. Они покупают программное обеспечение и думают, что совершили трансформацию. Самая большая ложь, которую компании говорят сами себе о своей технологической стратегии, звучит так: «Мы трансформируемся, потому что купили программное обеспечение».

Они считают, что современное программное обеспечение исправит неработающие процессы. Что интеграция одной новой платформы означает, что вся экосистема теперь «цифровая». Что данные волшебным образом станут чище, полнее или более взаимосвязанными. Что покупка ИИ означает их готовность к ИИ. Но самая дорогостоящая ложь, та, которая незаметно истощает миллионы на протяжении десятилетий, — это вера в то, что инструменты трансформируют компании. Это не так.

Взаимосвязанные операции преобразуют компании. Информация, которая циркулирует и имитирует ваши процессы, обеспечивает трансформацию. Данные, позволяющие принимать решения, преобразуют бизнес.

Скрытая стоимость средних показателей

Вот что я имею в виду. Однажды я работал на целлюлозно-бумажном комбинате, который оптимизировал всю свою систему продаж на основе данных о входящих заказах. Большие партии сырья прибывали и сортировались по складским позициям в зависимости от сорта, качества и вида продукции. Отдел продаж считал, что может застраховать сырье и создать торговые места до начала переработки.

Умно, правда? Вот только они жили в том, что я называю «страной средних значений». Они использовали коэффициенты пересчета, которые работали десятилетиями. Тонны и килограммы цельного дерева переводились в готовую продукцию, используя исторические средние значения. Затем наступили два года обильных дождей, один из самых влажных сезонов за всю историю наблюдений. Их показатели производства резко упали.

Потребовался более года работы аналитиков данных, которые тщательно изучали каждый этап процесса, чтобы обнаружить проблему: содержание влаги увеличилось почти на 20 процентов. Вода весит много. Воду нельзя превратить в бумагу. Их 20-летние коэффициенты пересчета теперь были неверны почти на 20 процентов.

Проблема была настолько глубоко скрыта в коде, что никто не мог понять, почему производственные затраты комбината были так сильно завышены. У них было дорогостоящее оборудование. У них были данные. Но их инструменты не взаимодействовали друг с другом. Они анализировали только входящие данные, а не сортированный материал или объемы производства. Они работали на основе среднего значения, вместо того чтобы считывать данные со своих собственных машин. Вот что происходит, когда нет взаимосвязанного интеллекта.

Проблема загрязнения, которую никто не хочет видеть

В сфере переработки отходов и вторичного сырья наблюдается та же закономерность, связанная с загрязнением. Большинство предприятий по переработке отходов не работают на основе фактических данных. Они отбирают пробы из нескольких партий, распределяют эти данные, рассчитывают средние показатели по поставщикам и считают, что всё в порядке. Когда ситуация ухудшается, как это было во время COVID-19, это почти всегда происходит задним числом.

В итоге вы оказываетесь в ситуации «что было бы, если бы…». Сколько страданий вы готовы терпеть, прежде чем соберете достаточно данных, чтобы принять меры? Это быстро становится дорогостоящим. Правильное решение — получать информацию практически в режиме реального времени и предпринимать действия, когда затраты выходят за рамки ваших возможностей. Но немногие предприятия по переработке отходов стремятся к этому. Многие считают, что такой технологии сегодня не существует.

Вот неприятная правда: технология существует. Я работаю с ней каждый день. Системы машинного зрения на базе искусственного интеллекта, установленные на мусоровозах, могут сканировать каждое поднятие и закрепление контейнера на предмет загрязнения и отслеживать его источник. Эти системы достигают точности классификации отходов в 96,57 процента.

По данным Фонда Эллен Макартур, внедрение технологий переработки отходов с использованием искусственного интеллекта может сократить количество отходов на мировых свалках на 20 процентов и сэкономить 10 миллиардов долларов в год к 2030 году. В Торонто в общественных мусорных баках используются датчики с искусственным интеллектом для определения их заполненности и загрязнения, что позволяет ежегодно снижать затраты на сбор отходов на 30 процентов. Так почему же больше компаний не внедряют эту технологию?

У каждого бизнеса есть свои зоны страха. Возможно, подобная публичность настолько демистифицирует бизнес, что нынешний руководитель становится ненужным. Возможно, это показывает, что загрязнение окружающей среды происходит чаще, чем должно быть, и возможность редактировать электронные таблицы — это слишком ценная власть, чтобы от неё отказываться.

Технологии — это нечто новое, а новое означает перемены, а перемены болезненны. Но по мере того, как конкуренты обгоняют ваш бизнес, вам в конечном итоге придётся адаптироваться. Как долго вы сможете ждать, зависит от вашего болевого порога — от того, сколько клиентов вы готовы потерять.

Что делают победители по-другому?

Крупные национальные компании по переработке отходов и вторичному использованию материалов приняли подход, ориентированный на данные. Они проанализировали имеющиеся у них данные. Насколько они хороши? Откуда они поступают? Что им нужно для принятия взаимосвязанных, интеллектуальных решений? Есть ли у них в настоящее время возможность напрямую передавать эти данные в свои системы принятия решений, или они поступают «через чье-то звено» или «через ручную работу»? Именно это и становится областью для улучшения.

Как только данные будут получены, они смогут построить на их основе взаимосвязанные интеллектуальные системы. Они смогут использовать анализ с помощью ИИ для автоматизации принятия решений, создавая высокоэффективные взаимосвязанные интеллектуальные системы. Это важно, поскольку, по данным Grand View Research, глобальный рынок услуг по переработке отходов в 2024 году оценивался в 65,09 млрд долларов и, по прогнозам, достигнет 109,8 млрд долларов к 2033 году. Компании, которые создают взаимосвязанные экосистемы, смогут воспользоваться этим ростом. Те, кто разрабатывает изолированные наборы инструментов, этого сделать не смогут.

Где каждая технология находит применение?

Вот в чём большинство компаний ошибаются, когда речь идёт об ИИ в сфере переработки отходов. Они путают детерминированную оптимизацию, машинное обучение и агентный ИИ. Каждая из них имеет свою специфическую роль. Использование неправильной технологии обходится в миллионы.

Детерминированная оптимизация
занимается планированием маршрута. Оптимизация маршрута не является системой «нечеткой» логики. В реальном мире могут возникать проблемы, такие как автомобильные аварии, перекрытия дорог, но это не делает логику нечеткой. Это просто означает, что детерминированный результат существует в хаотической системе, и вы справляетесь с ним, как можете.

Программное обеспечение для оптимизации маршрутов использует алгоритмы для минимизации расхода топлива при одновременном увеличении количества остановок. Город Спокан, штат Вашингтон, экономит до 25 000 долларов в год только на расходах на печать после внедрения телематических решений, а за весь срок действия контракта экономия составит сотни тысяч долларов.

Машинное обучение
обрабатывает нечеткую логику, бизнес-правила, которые невозможно сформулировать с точностью. Например: «Я хочу отдать приоритет своим приоритетным клиентам и обеспечить им первоклассное обслуживание, а затем уже клиентам со скидкой». Это кажется декларативным утверждением, пока вы не спросите: «Что определяет приоритетного клиента?»

Понятие «премьер-министр» для сельских районов Оклахомы сильно отличается от понятия «премьер-министр» в северной части штата Нью-Йорк. Теперь мы глубоко погрузились в область нечеткой логики. Это то, чему учат в рамках корпоративной культуры вашей организации.

Агентный ИИ.
Вот где начинается самое интересное. Да, вы останавливаете перегруженные грузовики на весах, но если приезжает ваш самый прибыльный клиент, вы забираете этот грузовик и звоните ему. Вы не разворачиваете этот грузовик на весах.
Вот где агенты проявляют себя во всей красе. Они приходят с определенным здравым смыслом, как и новые сотрудники, но быстро учатся: «Этот клиент сходит с рук за все!» Но в любое другое время мы твердо придерживаемся этого правила. Агенты обеспечивают связь между восприятием, принятием решений, действиями и обучением в замкнутых операционных процессах.

24-месячный период

Вот мой прогноз: следующие 24 месяца будут определять, кто станет лидером отрасли, а кто останется позади, исходя из их сегодняшних решений в области архитектуры связи. В настоящее время компании, занимающиеся переработкой отходов, инвестируют менее 1% своей выручки в ИКТ, в то время как большая часть средств идет на грузовики, контейнеры и установку оборудования. Исследование Forrester Research показало, что к 2020 году цифровизация повлияет на 47% выручки компаний. Такие компании, как Kodak и Nokia, сделали «слишком мало и слишком поздно» и не пережили трансформацию.

Защитный характер сектора обращения с отходами делает его привлекательным для частных инвестиционных компаний, стремящихся к стабильной доходности. Но стабильность не означает неуязвимость перед потрясениями. Исследования показывают, что цифровизация в управлении отходами может способствовать предотвращению образования отходов до 65 процентов. Датчики IoT теперь предоставляют данные об уровнях концентрации загрязняющих веществ в режиме реального времени с точностью до 99 процентов. Для твердых частиц модели случайного леса достигают точности в 84 процента. Технология существует. Рентабельность инвестиций измерима. Вопрос в том, хватит ли у вашей организации смелости взглянуть на то, что на самом деле показывают ваши данные.

Что это значит для вас?

Если вы руководите проектом цифровой трансформации, вот что я хочу, чтобы вы сделали завтра утром. Откройте свою панель принятия решений. Выберите любой показатель. Спросите себя: «Откуда берется этот показатель?» Если вы не видите прямой связи с источником данных в реальном времени, поступающих к этому показателю, у вас проблемы. Вы находитесь в мире средних значений. Какой-то умный аналитик когда-то проделал эту работу и вывел фактор. Этот фактор лежит в основе вашего бизнеса и находится там уже десятилетия.

Сейчас ситуация начинает меняться, и никто толком не знает почему. Для каждого решения необходимо использовать данные из реального источника. Если вы не можете создать эту инфраструктуру, если вы не уверены, как данные поступают в систему, у вас будут проблемы.

Новая ERP-система не исправит плохую модель основных данных. Оптимизация маршрутов не принесет успеха, если оперативный и диспетчерский отделы продолжат планировать работу так, как это делалось 20 лет назад. Искусственный интеллект для машинного зрения не будет масштабироваться, если у автопарков отсутствует стабильная связь между устройствами. Программа Интернета вещей не принесет окупаемости инвестиций, если организация не согласовала, какие решения должны принимать датчики.

Решение на основе агентного ИИ абсолютно не сработает, если базовые бизнес-правила, функциональные API и управление данными слабы. Во всех неудачных преобразованиях, которые я видел, будь то лесопильный завод, оператор трубопровода или мусороперерабатывающий завод, первопричина одна и та же: руководство решило, что может «купить» будущее состояние, вместо того чтобы спроектировать его.

Ваши конкуренты побеждают не потому, что у них лучшие инструменты. Они побеждают потому, что их инструменты действительно взаимодействуют друг с другом. Это и есть взаимосвязанный интеллект. И в течение следующего десятилетия именно он определит, кто выживет.

Источник: https://wasteadvantagemag.com/why-connected-intelligence-will-decide-who-survives-the-next-decade-in-waste/