Основатели CyberPhysics: мы делаем умную штуку, чтобы большие машины не ломались
Сергей Николаев и Михаил Гусев рассказали в интервью для проекта ТАСС "Беседы с Иваном Сурвилло" о создании отечественной цифровой системы управления технологическими процессами
Сергей Николаев, Михаил Гусев и Сергей Белов основали CyberPhysics — компания, рожденная в лабораториях Сколтеха, создает отечественную цифровую систему управления технологическими процессами. Ее внедрение позволяет сократить количество аварий, остановок и простоев оборудования, сэкономить ресурсы и повысить качество и выход продукции. Технология гибридного моделирования, лежащая в основе этого решения, позволяет строить прогнозы как на основе технического состояния оборудования, так и на основе физико-математических моделей.
Сергей Николаев и Михаил Гусев рассказали в интервью для проекта ТАСС "Беседы с Иваном Сурвилло" о деятельности и перспективах CyberPhysics.
— Как бы вы рассказали пятилетнему ребенку, чем вы занимаетесь?
Сергей: Да, у меня именно пятилетний ребенок. Мы с ним недавно обсуждали работу, и ему нравится то, чем я занимаюсь. Потому что он тоже говорит, что работает в компании CyberPhysics. Точнее, он говорит, что у него компания Super-Cyberphysics, которая еще лучше.
Я обычно объясняю так: мы делаем умную штуку, которая позволяет большим и сложным машинам (турбины, самолеты, поезда) не ломаться. Не ломаться внезапно, чтобы люди не страдали
На самом деле это не совсем так, потому что мы не работаем с поездами напрямую. Но про турбины — правда. То, что мы делаем, позволяет предотвратить аварии и разрушения.
Если уже более серьезно говорить — мы делаем программное обеспечение, которое следит за состоянием большого, дорогого, критического оборудования и позволяет находить в нем маленькие зарождающиеся признаки того, что что-то идет не туда. Неисправности или дефекты, которые еще не случились и только появляются. Мы предсказываем их еще до того, как они разовьются до критического уровня.
Второй момент касается оптимизации. Там меньше накал страстей, но это тоже важно. Миш, можешь примерно сказать?
Михаил: Да, в части оптимизации наш софт помогает снизить расход газа в крупной промышленной печи. Расход денег на этот газ — 17–20 млн рублей в месяц, и наши программы позволяют экономить газ, давать рекомендации на управляющие параметры промышленного агрегата и экономить порядка 7–10%.
Сергей: Все это достигается за счет тех самых математических моделей. Если говорить пафосно, цифровых двойников процессов и машин, которые в реальном времени просчитывают, как должно быть, сравнивают с тем, как есть, и на этой разнице строится основная методология. Мы анализируем различия — мы называем их "разладки" — и указываем, какие внутренние параметры влияют на разладки больше всего.
— Хочется пример.
Сергей: Пример хороший с газовой печью, но он уже был. Поэтому я приведу еще один пример с химической промышленностью.
Есть производство некоего химиката, например хлороформа — довольно полезный в промышленности химикат. Есть определенные параметры, которые контролируют и регулируют производительность этого процесса. Их внутризаводские значения плавают в некотором достаточно широком диапазоне. Они не учитывают конкретные изменяющиеся условия — они как один раз заданы, так они и существуют.
Наш софт анализирует гораздо уже и точнее. Он смотрит, когда процесс начинает уходить не туда, видит это по производительности и понимает, что влияет на это: температура реактора, давление на входе в компрессор и так далее. Таких причин могут быть десятки... Дальше наш софт определяет, какие конкретно управляющие параметры нужно подкрутить, чтобы выходные показатели изменились до требуемых значений. Обычно это те параметры, которые можно изменить с операторского пульта.
Оператор установки видит, что наша система о чем-то сигнализирует: "Ага, вроде как заводская система подсказывает мне, что все нормально, но эта более тонкая система подсказывает увеличить температуру на пять градусов". Дальше он берет, увеличивает температуру на пять градусов, и производительность увеличивается. Увеличивается на проценты, а проценты — это десятки и сотни миллионов рублей в месячном или годовом выражении.
— А зачем нужен оператор?
Сергей: Это хороший вопрос. Следующий этап развития нашей системы и вообще систем класса AI — как раз работа без участия человека, когда система сама полностью регулирует производство. К этому все придет. Наша система в итоге эволюционирует в такую, но пока еще есть люди. Пока настоящий интеллект управляет искусственным на большинстве предприятий.
На самом деле никаких препятствий для обратного уже нет, кроме уровня технической оснащенности, бизнес-процессов и доверия к системам со стороны руководства.
Страшно же роботу довериться. Даже автомобили по дорогам еще не ездят полностью автономные, а завод... Там одна ошибка может уничтожить завод целиком
Мы всегда отправляем на технические переговоры именно инженера, который может с другими инженерами на одном языке поговорить. Химикам нужен химик, турбинистам нужен турбинист и так далее. Это очень важно, потому что маркер "свой-чужой" срабатывает. Если ты очень классный спец в металлургии, но ты пришел к химикам, они тебя за человека считать не будут.
Человеческий фактор очень важно учитывать, поэтому у нас компания инженерноориентированная. Инженеры работают для инженеров — этот флер мы пытаемся вокруг себя создать. Если бы у нас работали только специалисты по математическому моделированию, по Data Science и по AI, то никогда не получилось бы найти общий язык с производственниками. Многие коллеги-конкуренты делают эту ошибку и распадаются не потому, что у них плохая математика, а потому, что они не могут донести свои яркие идеи до производственников.
Михаил: Добавлю: сейчас инженеры в России недооценены по зарплатам. Мы здесь немножко опережаем рынок и вносим свой вклад, чтобы инженеры могли заниматься интересными задачами, понимая только свою инженерную специальность, могли решать реальные задачи производства и зарабатывать денег больше, чем рынок сейчас дает.
— Новые айтишники?
Михаил: Да. Инженерная элита.
Сергей: Или цифровые инженеры, что-то такое...
Эти самые инженеры через десять лет будут уже настраивать сложные системы автоматизации и управления производством. Они должны будут знать всю эту математику и не быть оторванными от того, как все-таки на заводе работают железки. Какой бы наш цифровой мир ни был, все-таки наши материальные ценности произведены на заводах железяками. Просто они сейчас более умные стали.
— Кстати, в вашем софте данные по железкам на чем основываются?
Сергей: Мы собираем данные с датчиков. Они всегда установлены, если речь идет о более-менее современном оборудовании. С совсем древним мы не работаем сами — там сначала надо поставить датчики, они должны мерить все в непрерывном режиме год, а потом уже — автоматизация, цифровые двойники и все прочее.
Может быть советское древнее оборудование, но с датчиками. Те же самые наши любимые турбины или прокатные станы, химические линии, сделанные в 70-х годах, но дооснащенные средствами автоматизации. Они вполне себе сопоставимы с современными: у них меньше КПД, но они все так же работают. Дело именно в слоях: сначала железо, потом автоматизация, и потом уже мы.
Данные с датчиков мы анализируем с помощью математических моделей, и иногда мы вкладываем физику еще, поэтому CyberPhysics.
— Например?
Сергей: Например, если про оборудование никто не знает и у него нет никаких характеристик — то тут помогут только датчики. Однако если оборудование известное, есть доступ к производителю, можно запросить у него конструкторские и заводские характеристики, и мы можем интегрировать физическую модель. То есть там, где датчика нет, что-то смоделировать с помощью уравнения — например температуру.
Михаил: Как раз вчера у меня встреча была. Одно из наших направлений — моделирование температур при процессе непрерывной разливки стали. Дефекты в таком процессе могут быть определены только после того, как продукция прошла весь цикл производства, когда уже есть готовые слябы (толстые стальные заготовки прямоугольного сечения).
Мы сделали модель, которая позволяет оценивать дефекты непосредственно в процессе, когда идет розлив горячего металла. Естественно, там ничего нельзя померить, нет никаких датчиков, там просто жидкий горячий металл.
Суть физико-математического моделирования состоит в том, что уравнением мы описываем процесс и из этих уравнений вытаскиваем так называемые виртуальные сенсоры. Они показывают нам параметр, который нельзя измерить напрямую, например "поврежденность" металла в непрерывнолитой заготовке.
Вчера мы продемонстрировали заказчику взаимосвязь между "поврежденностью" и возникающими дефектами заготовок — действительно, из анализа этих виртуальных сенсоров было наглядно видно, как уменьшить количество дефектов, заказчик очень обрадовался.
Сергей: Это места, где нельзя поставить датчик по объективным причинам, либо иногда это возможность смоделировать те ситуации, которых не было в реальной истории: загнать ваше оборудование виртуально в плохую ситуацию, чтобы посмотреть, как оно себя будет вести, как настроить алгоритмы. Это очень важно, особенно для нового оборудования, когда еще не накопилась история.
Опять же в отличие от наших конкурентов-коллег мы можем работать с производителями. Производитель может с помощью нашего софта с первого дня уже обслуживать условную турбину по состоянию, понимать, что там в ней происходит, и анализировать. Даже при минимальном количестве накопленных данных уже есть некая первичная модель, которая описывает более-менее адекватно. А потом с помощью данных она уточняется.
— А вы не думаете сотрудничать с производителем?
Сергей: Конечно, мы так и думали с самого начала. У нас изначально два глобальных направления было: эксплуатанты и производители. До сих пор у нас большая часть выручки — от производителя. В первую очередь наша российская двигателестроительная корпорация, которая производит газотурбинные двигатели. Мы работаем с ними давно и на перспективу.
У нас есть определенные отрасли, которые сейчас имеют важное значение в рамках технологического суверенитета, мы с ними реально работаем. Еще один пример — это "Силовые машины" в Питере. В России вообще нет крупных газовых турбинных электростанций своих, они сейчас первые их делают, до этого Siemens были. Но Siemens, как известно, ушли, поэтому с "Силовыми машинами" мы уже взаимодействуем в этом же направлении, чтобы они поставляли в итоге систему в сборе с нашим софтом.
Про импортозамещение, сдвиги литосферных плит и продажу компании
— Как вообще на вас влияет все происходящее?
Михаил: С одной стороны, много компаний, которые были нашими конкурентами, действительно ушли с российского рынка. Мы стали получать больше заявок на замещение зарубежного программного обеспечения в части, например, предиктивной аналитики. В основном мы работаем с предприятиями непрерывного цикла: нефтегазовая, горнодобывающая отрасль, металлургия, энергетика. Эти отрасли составляют основу экспортного потенциала России.
С другой стороны, рынок обладает некоторой инерцией, то есть нельзя сказать, что мы сразу сможем заместить все. Предприятия должны включить нас в программы, найти финансирование... С точки зрения оборота прямо сейчас роста особого нет. Мы его ожидаем к концу года. В целом ситуация для нас складывается хорошо, но тут, может, генеральный директор что-то добавит?
Сергей: Ситуация для нас складывается перспективно и многообещающе, но при этом в моменте она очень сложная.
Происходят большие сдвиги литосферных плит. Гиганты уходят — мы не можем быть сопоставимы по объемам и возможностям с AVEVA или Schneider Electric, они закрывали огромную нишу. Маленькие компании типа нас могут закрывать какие-то конкретные вещи, но большому заказчику нужно, чтобы положили плиту и закрыли дыру целиком. Если положить маленький камешек, он упадет, и никакого толка не будет.
В этом плане, с одной стороны, большие возможности, с другой — нам заказчики говорят: вы можете это сделать? А мы говорим: нет, потому что инвестиции в такого типа продукт — сотни миллионов долларов. Приходится лоскутное одеяло класть.
Зато шанс появился, мы хотим его реализовать. Раньше конкурировать реально с западным софтом было крайне сложно объективно
Мы, конечно, заявляем, что мы лучше них, и так и есть, но просто представьте себе: есть компания, у которой штат — тысяча инженеров, и есть компания, у которой штат — десять. Я бы сам взял ту, у которой тысяча. Зачем мне рисковать?
— Если помечтать, лет через 15–20 — вы какие?
Сергей: Мы занимаемся чем-то другим — я, по крайней мере, точно. Наша компания и технология должны быть потом интегрированы в более крупную экосистему, как Schneider Electric, как Siemens. Я лично сейчас не думаю как генеральный директор, что мы сможем быть во главе этого. Скорее всего, мы так и сделаем года через три уже. Но это я себя так вижу, Миша не знаю, что скажет.
— У директора по развитию совсем другие планы?
Михаил: Мы сейчас сталкиваемся с реальными бизнес-системами, понимаем, у кого как работают, как двигать проекты... Этот навык не хочется тратить на одно дело, кажется, что его можно распространить на несколько направлений.
У меня идея в чем-то схожа с идеей Сергея — развить несколько технологических бизнесов. Мы уже очень сильно понимаем и разбираемся, что действительно нужно заказчикам, что будет востребовано через десять лет. Сейчас основная задача — развить до суперуровня продукт, который мы делаем, собрать максимальное число ошибок, чтобы следующие проекты можно было растить не за три года, а, например, за два.
Сергей: Я полностью солидарен — действительно, ошибки и опыт, которые нарабатываешь, развивая компанию, — они, как правило, общие, и потом уже можно помогать другим ребятам.
Я бы сам себе помог три года назад, я бы сказал — этого не делай, это бесполезно, не трать время вот на это... Дальше наша технология должна жить и развиваться уже не как стартап, а как часть крупной технологической платформы.
— Обычно все говорят, что хотят сами создать такую платформу.
Сергей: Абсолютно все стартапы, которые делают то же, что и мы, в итоге продаются за сотни миллионов долларов более крупным корпорациям, которые закрывают большие ниши. Либо стартапы выходят на IPO, но это гораздо более редкий сценарий.
Делать компанию на IPO — долго, лет 10–15, других примеров я пока не видел. На мой взгляд, если есть предпринимательская жилка, лучше сделать хороший продукт, его продать, средства получить и кредиты доверия, чтобы что-то еще сделать. У меня такая позиция. Кстати, тот же Илон Маск так и сделал: первые свои компании он давно продал и сделал что-то более крупное. Если бы он до сих пор развивал систему платежей, то он был бы никем объективно. В этом плане у него мы чуть-чуть заимствуем идею.
Про ошибки, тонкости переговоров, ревностных разработчиков и триумвират
— Вы говорили про количество ошибок, которые набиваются. Какая самая большая уже была?
Сергей: Много было! Даже не знаю, с чего начать...
Типичные ошибки стартапа, которые мы допустили, — уходить в сложную разработку, не просчитав последствия. Наша первая версия ПО была очень красивая, но абсолютно непригодная для жизни. Чтобы ее поддерживать, надо было в три раза больше разработчиков, а денег на них тогда у нас не было.
Это замкнутый круг, который ты не можешь разорвать.
Ты не можешь заработать денег, пока не работает продукт, но ты не сможешь делать продукт, пока у тебя нет много разработчиков
В общем, не надо делать супермасштабный красивый, сложный продукт с самого начала. Мы так начали делать и зарубили часть денег — слава богу, они у нас были от инвестора, надеюсь, Фабио (Фабио Массимо Каччатори — серийный предприниматель и первый инвестор CyberPhysics — прим. ТАСС) не прочитает это интервью.
Вторая ошибка, очень распространенная, — нанимать на ключевые позиции начинающих ребят с надеждой, что они выучатся и все будет хорошо.
Более здравый подход с точки зрения стартапа — нанять более дорогого специалиста, чтобы он четко знал, что делать
Третья ошибка связана со второй: считать, что сотрудники — это твои друзья-предприниматели, так же к ним относиться и требовать от них как от себя. А на самом деле сотруднику вообще все равно на твой бизнес — и это правильно. Ему должно быть все равно, он должен просто хорошо делать свою работу.
Для сотрудника твой стартап — это просто место работы. Она может быть приятной, классной, с атмосферой, с приколюхами, с праздниками, с мероприятиями, но это все равно работа, и он ее сменит потом. А для тебя это — дело жизни. Это разделять надо. Я сначала не разделял, для меня все были как Миша. Но Миша — это фаундер, и с него надо спрашивать как с фаундера, а с сотрудника надо спрашивать четко за его функцию.
Михаил: Я добавлю: явная ошибка, которая точно у всех на стартапах возникает, — когда мы открылись, мы в ожидании того, что вот-вот у нас ряд проектов пойдет, наняли некоторых людей, которые под эти проекты подходят. А потом реальность взбрыкнула, и никакие проекты не пошли. Надо суперчетко понимать, что проект у тебя точно пойдет, и нанимать людей тогда, когда он пошел. Иначе много денег и времени реально сжигается зря.
Еще из ошибок — до сих пор не полностью устранены их последствия, кстати, — обещать на первых этапах все что угодно, просто чтобы получить контракт. Потом, когда приходит время платить по счетам, все это может не окупиться, и проект может оказаться реально сильно убыточным, проблемным и плохим. Именно потому, что ты изначально обещал то, что, скорее всего, не будет сделано. А обещал ты, потому что хотел очень сильно получить контракт. Понятная мотивация — хоть что-то получить поскорее, но это ошибка начинающего, молодого, неуверенного в себе человека.
Сергей: Мне кажется, если ты уже пожил, ты лучше проведешь больше переговоров, но найдешь заказчика, с которым сможешь обосновать то, что ты реально сделаешь. Тогда гораздо более вероятно, что ты получишь хороший кейс. Без опыта это сложно осознать. До этого мы наукой занимались с Мишей, там такого нет. Ты делаешь научное исследование, сдаешь его — и все.
Вообще есть крайности, как нас клиенты воспринимают. Первая — суперкрайний скептицизм: ничего не работает, все полная лажа, ничего вы не знаете, у нас все работает, у нас ничего не ломается. Вторая крайность — вера в чудо: уверенность, что мы творим магию. Например, клиент говорит: у нас есть оборудование, там нет датчиков. Вы же сможете с помощью физматмодели что-то сделать? Вы же обещаете нам что-то очень крутое — значит, вы что-то сможете сделать, я правильно понимаю? Я про себя думаю: вроде у тебя техническое образование же, что именно "что-то"? Колдовать палочкой?
— Между собой вы часто спорите?
Сергей: У нас триумвират, как в Древнем Риме, — там, кстати, один из них плохо закончил, Красс его звали. Он любил золото, к парфянам поехал... Но нет, у нас другой триумвират.
У нас есть я — генеральный директор, Михаил — директор по развитию, и Сергей Белов — технический директор, тоже сооснователь. Он отвечает за архитектуру продукта и его разработку.
Между собой у нас есть такая позиция: у Сергея есть свое видение, причем видение именно продуктовое. Он отвечает за разработку и плохо относится к любым доделкам или отклонениям от продукта, которые уводят в сторону. Но иногда такие вещи нужны, потому что заказчик этого хочет.
Обычно информацию о доработках и "фичах" Сергею приносит Михаил, потому что он много общается с заказчиками. Тут начинаются споры и обсуждения — действительно ли это нужно или это Миша придумал, потому что он веселый и классный и ему не надо будет это делать, а Сергею придется придумать, как это осуществить, внедрить в продукт, выделить ресурсы на разработку, а все уже и так нагружены под завязку. Я, как мне кажется, стою посередине, пытаясь найти консенсус.
Разработчики любят разрабатывать, и если их не контролировать, они будут разрабатывать что-то. Оно красивое, но ты потом приходишь с этим к заказчику, а он не понимает, что это такое. Другая крайность — если только с заказчиками работать, можно накидать кучу идей, ничего не успеть сделать, и ничего не будет работать. Поэтому важно в "противостоянии" продажников и разработчиков находить золотую середину.
У меня, конечно, тоже изредка возникает желание что-то доделать или даже недовольство тем, что что-то еще не работает. Но недопониманий, обид у нас никогда не было. Каждый из нас отдает себе отчет в том, что наша полемика — это часть рабочего процесса.
Михаил: Да, я от себя еще отмечу. У меня тоже есть крайность — я, если объясняю, вспоминаю сразу кучу "косяков", все их докладываю спокойно, аккуратно, методично, и у ребят просто голова от этого дымится. От количества того, что надо сделать. Но они не могут сделать это прямо сейчас, потому что это требует времени и ресурсы ограничены.
— В чем для вас главный кайф во всем этом?
Сергей: Мне легко сформулировать, я даже недавно отвечал на этот вопрос — мы сидели, ужинали с нашим первым инвестором, итальянцем Фабио. Он живет в России, в Москве, причем сознательно, получил гражданство даже, осел.
Для меня максимальный кайф — это переговоры, когда ты смог убедить других в том, что ты молодец, и компания молодец, и вы реально достойны получить данный важный проект
С учетом того, что мы очень небольшая компания, а заказчики очень большие — это особый челлендж. Каждый раз победа в этом челлендже для меня — особый кайф.
Второй кайф — когда проект реально получается. Но это уже не моя заслуга, а тех, кто делает. Когда я вижу, что результат удовлетворяет заказчика, все рады, довольны, уважение в глазах светится.
Михаил: Я лично кайфую от процесса. Ты находишь интересную штуку, ее можно внедрить в софт — и вот тебе на. Пусть не сейчас, пусть через три месяца, но она может работать! То есть ты действительно несешь ценность, ты создаешь продукт. Это, наверное, самое большое удовольствие, которое я получаю от всей деятельности.
— В конце пусть каждый назовет проект, которым он гордится больше всего.
Сергей: Увеличение производительности линии химического производства на 10%. Наша система понимает, в какие моменты производство работает не оптимально, и предлагает, как его улучшить. Это все дает достаточный мощный эффект. Заказчика мы не можем называть, но это химическое предприятие, достаточно крупное.
Михаил: Мой кейс тоже относится к оптимизации производства, но там работает именно часть "физикс" нашего названия CyberPhysics. Мы сделали физико-математическую модель, которая реально помогла снизить время перемешивания стали в вакууматоре в два раза. Заказчик это испытал у себя на реальном металлургическом ковше, где варится сталь, и результаты испытаний показали ровно те же вещи, что и в модели.
Сергей: Мы можем работать и в области data-science, и в области физики, и на стыке обеих
Источник: tass.ru