Меня зовут Неля Васенина, я продуктовый дизайнер в IT-команде «Северстали» — одной из ведущих металлургических компаний мира, в которой работают 3000+ айтишников. Мы разрабатываем инновационные продукты, от VR-очков для обучения рабочих до сложнейших CRM-систем для аналитиков в тяжёлой промышленности.

В августе 2024 года две наши команды дизайнеров столкнулись с последствиями отсутствия единой дизайн-системы для проектной разработки. Для большинства продуктов она была, но для специфических проектов её не существовало. Мы использовали похожие компоненты, подсматривая друг у друга, что приводило к несоответствиям и задержкам. В итоге мы выделили три месяца на сбор всех компонентов и создание системы, подходящей для всех наших проектов.

В этой статье расскажу, какие именно проблемы были, как мы их идентифицировали,с какими трудностями столкнулись и что решили делать.

В следующей статье поделюсь нашим опытом решения проблем с дизайн-системой, расскажу о разработанных принципах ведения макетов компонентов и подарю ссылку на шаблоны компонентов в Figma (на английском).

Всем привет! Меня зовут Иван, я руковожу группой «Дизайн и клиентский сервис» в ИТ-команде «Северстали». Уже почти год мы занимаемся разработкой собственной мультибрендовой дизайн-системы. Наша цель — создать платформу, которая обеспечит «Северстали» необходимую гибкость и независимость от сторонних вендоров при разработке цифровых продуктов, что особенно актуально в условиях тренда на импортозамещение в России.

В последние годы дизайн-системы стали неотъемлемой частью создания цифровых продуктов как на западном рынке, так и в России. Они позволяют унифицировать дизайн и улучшить взаимодействие между разработчиками, дизайнерами и другими участниками процесса.

История масштабная, и я расскажу о ней в трёх частях.

Привет, Хабр! Меня зовут Анастасия Богомолова, я руководитель группы бизнес-анализа в ИТ-команде «Северстали», и я расскажу про наш опыт разработки «своего» MES.

Внедрение систем управления производственными процессами (MES, Manufacturing Execution Systems) уже давно актуально в условиях быстрого развития технологий и необходимости повышения эффективности производства. Мировые лидеры в разработке MES-систем обладают десятилетиями опыта внедрения, в том числе на территории России.

Некоторое время назад повестка импортозамещения систем управления производственными процессами (MES) в разных отраслях стала одной из ключевых задач. Многие компании провели детальный анализ существовавших на тот момент отечественных аналогов. Эти решения не смогли закрыть все потребности бизнеса или не содержали уже привычный уровень функциональности и удобства. 

Так и в «Северстали», начиная с 2018 года, постепенно занимались разработкой более подходящей платформы для перехода с иностранной системы управления производством, чтобы сделать платформу более гибкой и дешёвой при внедрении, при этом отвечающей отраслевым стандартам. На данный момент наша команда ставит перед собой амбициозные цели по замещению импортного решения в сжатые сроки, при этом нам необходимо превзойти качество существующей системы, к которой пользователи уже привыкли.  

Мой опыт работ с MES-системами начался задолго до прихода в «Северсталь» и насчитывает более 10 лет. Поэтому здесь я обобщу самые частые проблемы компаний, задумавшихся о написании своего MES. 

Привет. Меня зовут Олег, и я руковожу отделом компьютерного зрения в «Северсталь Диджитал». Мы занимаемся проектами для металлургической и добывающей промышленности. В 2024 году мы стали кластером «Искусственного интеллекта» в ИТ «Северстали» и стараемся соответствовать этому названию. Для этого не только применяем устоявшиеся, хорошо зарекомендованные подходы, но и активно пробуем новое.

Если провести сотню собеседований, отсмотреть пару десятков подрядчиков, видно, что многое в CV (Computer Vision) для промышленности продолжает крутиться вокруг хорошо зарекомендовавших себя детекторов: Yolo разных версий, Faster RCNN, Mask RCNN. Мы тоже во многом живём на них: безопасность на производстве контролируется Yolo-детекторами, дефекты поверхности металла в плоском прокате работают на Faster RCNN и Mask RCNN. Это уже бейзлайн, который зачастую и доходит до продуктива.

Но на месте не стоят ни архитектуры нейронок, ни подходы к решению задач.

Если посмотреть на текущие тренды, то можно выделить следующее:

● в статьях преобладают архитектуры, основанные на трансформерах;

● появляется все больше foundation-моделей;

● модели работают в открытом мире и учатся в self-supervised манере;

● инструменты для CV используют для автоматизации универсальные модели, например, CLIP, Dinov2, Segment Anything; 

● развиваются few-shot, single-shot и zero-shot подходы, unsupervised и self-supervised обучение.

О том, для чего мы применяем это, я и расскажу подробнее.

Здравствуйте! Меня зовут Осминкин Ярослав, я работаю руководителем службы мониторинга состояния оборудования дирекции по ремонтам, и сегодня я поделюсь с вами нашим опытом из компании «Северсталь» по использованию цифровых инструментов для раннего выявления неисправностей оборудования и предотвращения отказов.

Главной задачей наших ремонтных служб, как и у ремонтных подразделений любой крупной промышленной компании, является обеспечение бесперебойной работы основных технологических агрегатов и удержание необходимого коэффициента технической готовности (КТГ). Только при стабильной и надёжной работе оборудования можно оперативно выполнять производственные задачи и поддерживать темпы выпуска продукции.

Понимание важности надёжности оборудования привело нас к тому, что ещё в начале 2010-х годов в «Северстали» стартовала масштабная трансформация функции ремонтов. Мы разработали и внедрили методику технического обслуживания, ориентированную на надёжность, которую в нашей компании называют «Колесо ТООН». 

А вы знаете, как руда превращается в чугун? Даже на автоматизированном производстве многое зависит от ручной экспертизы. На производстве железорудных окатышей ещё недавно качество продукции измерялось буквально на ощупь. Дата-сайентисты помогли снизить зависимость от человеческого фактора. Как это получилось, что общего у окатышей с клетками и зелёным горошком, и как модели помешал кран с водой — читайте в этой статье.

Привет, Хабр! Меня зовут Андрей Голов. Я отвечаю за направление Data Science в «Северсталь Диджитал». Расскажу, как машинное обучение используется в тяжёлой промышленности, а именно — как устроена наша система управления процессом окомкования железорудных окатышей.

Привет! Меня зовут Александр Орлов, я старший менеджер кластера «Индустриальные процессы» в ИТ-команде «Северстали». Начал свою работу на «Северстали» в 1980 году в качестве мастера участка станков с числовым программным управлением в ремонтно-механическом цехе № 1 (РМЦ-1). Впоследствии, более тридцати лет, моя трудовая деятельность была связана с автоматизацией технологических процессов в действующих и строящихся производственных цехах. Трудился на различных должностях: от инженера-конструктора центральной лаборатории автоматизации и механизации, до руководителя управления механизации и автоматизации. На примере одного из производств, я расскажу о том, какие средства автоматизации и робототехники создавались, когда ни программируемых логических контроллеров, ни роботов у нас не было. 

Кажется, ещё недавно ИИ был прерогативой умудренных опытом специалистов и даже ученых, но сейчас его осваивают и школьники. Уже сегодня они помогают отраслевым гигантам строить прогнозные модели. Глядишь, завтра в детсадах начнут сетки обучать. Мы делали конкурс по ИИ для молодёжи, в котором выделили одной команде наши исторические данные и поставили задачу предсказать срыв поставок. И получилось! Грех было не использовать такую возможность на благо бизнес-процессов, ну мы и не стали грешить. О том, как это было, рассказывает наш аналитик данных в кластере «Корпоративные процессы» Станислав Ноздрин.

Наша задача участникам

Понятно, что срыв поставок товаров или услуг от подрядчиков для нас, как компании-заказчика — это удар по репутации и финансам, а один из главных ущербов — потеря клиентов. Хорошо ещё, если заказчики потребуют только компенсацию за причинённые убытки (хотя и это может существенно ударить по карману), но ведь могут быть и судебные разбирательства, и потеря доли рынка из-за ухода клиентов к конкурентам, и ухудшение качества конечного продукта с потерей лояльности к бренду. Привычные продажи могут упасть, а привлечь новых клиентов с такой репутацией компании будет сложнее. 

В таком контексте полезно было бы научиться предсказывать срывы поставок, что позволит заранее принимать меры по сокращению потерь. Благодаря модели прогнозирования, которая предупредит «Северсталь» о надвигающихся проблемах в цепи поставок, можно будет заранее резервировать ресурсы, улучшать коммуникацию с поставщиками и разрабатывать прозрачные системы контроля. 

Привет, Хабр! Меня зовут Ульяна Иванова, и я расскажу о том, как мы находим перспективных студентов и развиваем их потенциал в IT-функции «Северстали».

Беспроблемная закупка аналогов импортных материалов и деталей — острый насущный вопрос для производств. Как свойственно крупным компаниям, в «Северстали» закупкой занимается большая группа людей — около 400 закупщиков и ещё больше так называемых заявителей потребностей. У каждого своя специфика работы: кому‑то подходит одна номенклатура на замену, но не подходит другая. С начала 2022 года каждое подразделение компании пыталось наработать свою базу замен используемых материалов (оригиналов) новыми (аналогами). Разрозненный подход усложнял закупку аналогов для всех участников процесса.

Алексей Бочаров, старший консультант направления «Закупки», рассказывает, как удалось унифицировать подход и автоматизировать работу с аналогами, пусть и с небольшими трудностями на пути.

С чего начать? Конечно, с понимания потребностей, бизнес‑задач и рисков

Для чего конкретно нам нужны аналоги, заменяющие ранее используемые материалы? Как закупать их без риска непоставки и соответствующих ему проблем на производстве (например, простоя оборудования)? Какое техзадание надо поставить IT‑отделу, чтобы команда разработала решения, выполняющие задачи бизнеса? И какие, собственно, это задачи? Пойдём по порядку.

Потребности производства

Источников появления потребности на предприятиях «Северстали» несколько. Это:

Различные программные решения для оптимизации процессов «Северстали» — это наша страсть. Мы постоянно думаем над тем, что бы ещё такое написать или кастомизировать под свои задачи, чтобы решать их быстрее, проще и комфортнее. Сегодня речь пойдёт о программном обеспечении, позволяющем контролировать платежи с поставщиками и подрядчиками.

Такое масштабное производство, как у нас, не может обойтись без мониторинга: несоблюдение обязательств в части платежей может привести к огромным убыткам, серьёзным репутационным рискам и другим весьма неприятным для компании-гиганта последствиям. 

О том, как отслеживается исполнение условий оплаты контрактов с поставщиками в «Северстали», расскажет Валерия Перова, консультант по SAP Material Management (SAP MM) центра информационных и коммуникационных технологий «Северсталь-инфоком».

Представьте себе, что арматуру для строительства дома можно заказать так же просто, как и чайник домой. Идея для наших быстрых времён просто отличная! Да, такой формат продукции не доставить в пункт выдачи около дома, но ведь есть варианты. Например, в малых объёмах металл уже заказывают на известном сервисе объявлений, если, скажем, нужно сделать забор или укрепить фундамент на даче — и доставляют. Мы, проведя ресёрч, удивились, что отдельных площадок-агрегаторов для продажи сложных промышленных металлических товаров до сих пор нет. И стали её делать. В этой статье мы расскажем общий подход к работе над маркетплейсом, а во второй части статьи перейдем к технической составляющей разработки.

О том, как нам удалось построить цифровую площадку для всех участников рынка металлопроката и подключить к ней больше сотни поставщиков, рассказывает Владимир Селиванов — технический директор маркетплейса «Платферрум».

В этот раз мы добрались до одного из финансовых инструментов, который влияет на построение непрерывного производства и привлечение клиентов — факторинга. Мы автоматизировали этот процесс, выпустили анонс, а теперь хотим поделиться опытом с теми, кто тоже планирует оптимизировать факторинг или увеличить его объёмы. Статья будет особенно актуальна для компаний, которые уже работают с несколькими факторами или планируют начать сотрудничать с новыми. 

Привет, Хабр! Меня зовут Маевский Антон, я руководитель одного из внутренних стартапов «Северстали» — Научный след. Это поисково-аналитическая платформа по патентам, статьям и новостному потоку. Разработка интересна своей беспрецедентностью, потому что в отечественной металлургии такой научной информационной системы ещё не было. О ней я и расскажу.  

В прошлый раз мы рассказали о том, зачем «Северстали» понадобилась информационная система управления проектами и из чего она состоит. Сегодня продолжим и расскажем о том, как мы управляли проектом внедрения ИСУП и какие уроки для себя вынесли в процессе. На связи снова Павел Архиреев, старший менеджер нашего 1С-центра.

Мы уже давно применяем VR, но в этот раз попробовали поиграть с подвижными платформами, добавляющими реалистичности ощущениям. Такие штуки дают потрясающий эффект на тренировках! Расскажем о том, как мы разрабатывали прототип программно-аппаратного тренажёра с подвижной платформой и виртуальной реальностью.

Сегодня мы расскажем про цифровую онлайн-платформу «Северстали», которая объединяет заказчиков и исполнителей заказов по металлообработке. Потребность рынка в этом маркетплейсе была настолько сильная, что за первые полгода он обеспечил крупными заказами 77 предприятий. Однако заметим без ложной скромности, что, как это часто бывает у новаторов, у нас тоже не обошлось без сложностей разработки. Я, Сергей Протацкий, директор по продукту COMETAL, расскажу, как мы делали маркетплейс для металлообрабатывающих и машиностроительных предприятий. Надеюсь, наш опыт этой разработки кому-то пригодится. 

Когда мы в «Северстали» хотим улучшить производственные процессы, а это происходит постоянно, то поступаем просто — после исследований и аналитики определяем приоритетные задачи. В этот раз нам было нужно: сократить время принятия заказов и рабочих решений; довести полную и качественную информацию до рабочих мест пользователей и наладить управление обратной связью от них; автоматизировать технологические процессы. Этого нам позволило добиться внедрение автоматизированной системы управления нормативной технологией. О том, как она нам помогла, расскажет руководитель группы методологии и мастер-данных проекта внедрения Владимир Култыгин. 

Летом прошлого года в ряде изданий мелькали новости о том, что «Северсталь» создала единую систему управления проектами капитального строительства на базе 1С-продуктов. В первую очередь они были адресованы бизнес-сообществу строительной отрасли и описывали поставленные цели и достигнутые результаты именно в бизнесе. В этой статье мы хотим рассказать о том, зачем понадобилась система, из чего она состоит и с какими вызовами столкнулись при её внедрении. Возможно, материал будет интересен или даже полезен ИТ-специалистам, которые внедряют готовые приложения на платформе «1С:Предприятие» с глубокой адаптацией штатной функциональности под определённые задачи. В эфире старший менеджер нашего 1С-центра Павел Архиереев, он участвовал во внедрении многих сложных систем в инфраструктуру «Северстали». 

Привет, Хабр! Меня зовут Сергей Шумаков, я архитектор разработки в команде ИТ «Северстали», которая занимается программным модулем ремонтов SAP Plant Maintenance (он же PM, он же EAM, он же ТОРО/ТОиР). Хорошая штука, этот модуль — помогает автоматизировать различные процессы техобслуживания и ремонта оборудования на производстве. Многое в этой деятельности связано с документацией, и значительная часть алгоритмов SAP PM состоит из работы со статусами документов. Но вот неприятность: штатные средства для этой работы совершенно ужасны. 

Неподготовленный разработчик обязательно наделает здесь кучу ошибок и попадёт как минимум в одну из ловушек, заботливо расставленных SAP’ом. Но наши руки не для скуки, поэтому мы с коллегами придумали подход, который позволил сэкономить море времени, облегчил труд разработчиков и консультантов, а ещё значительно повысил надёжность и читаемость программного кода. О нём и поведаю. А чтобы была понятна значимость нашей разработки, начну с небольшой вводной.