При расширении всего бизнеса и росте штата сотрудников основная структура должностных обязанностей часто формируется стихийно, что усложняет управление всей компанией. Для упорядочивания всех должностей, сохранения контроля над сотрудниками и поддержания их мотивации используется система грейдовой оплаты труда. В 1940-х годах в американском правительстве остро встал важный вопрос о справедливой оплате чиновников одного профессионального уровня, но выполняющих различные функции. Консультант Эдвард Хей разработал методику ранжирования должностей для определения уровней заработной платы. Метод Хея стал одним из наиболее популярных методов оценки должностей как в государственных учреждениях, так и в коммерческих организациях. Грейдинг (англ. grading) означает классификацию или упорядочивание. Суть системы грейдов заключается в распределении должностей в соответствии с их ценностью для компании, объединении соседних позиций в группы (грейды) и назначении каждому грейду единого оклада.
Архив рубрики: Инжиниринг
Интеллектуальные производственные технологии и цифровая гибкость: шесть основных шагов
Успех интеллектуальных производственных технологий напрямую зависит от достижения цифровой гибкости. Ключевым фактором в этом процессе является эффективная система сбора и обработки всех данных. Внедрение автоматизированных решений на всех уровнях компании активно способствует формированию цифровой гибкости, что, в свою очередь, оптимизирует расходы, минимизирует ошибки, повышает производительность и увеличивает прибыль. Особую ценность цифровая гибкость приобретает в условиях нестабильности, вызванной глобальными социально-политическими и экономическими потрясениями. Она позволяет производителям оперативно адаптировать свою деятельность и предпринимать своевременные превентивные меры (пример см. в [1]). Суть цифровой гибкости заключается в рациональном использовании данных. Почти все интеллектуальные производственные инструменты генерируют массивы данных, образуя так называемые “большие данные”. Однако для успешной автоматизации необходимо найти эффективные способы применения этой информации.
Умное производство или завод будущего: кратко о главном
На указателях, указывающих путь, красуется надпись: «Завод Будущего», где переплетаются информационные (ИТ) и разные операционные технологии (OT), а сама дорога к нему сейчас представляет собой мощную супермагистраль технологий, инноваций и разных расширенных возможностей. В серии из четырёх статей мы рассмотрим определение Завода Будущего, его общие характеристики, преимущества и путь к его созданию. Понятие Завода Будущего всё ещё находится в стадии становления и даже носит разные наименования: «Умное Производство», «Производство 4.0» или «Цифровое Предприятие». Несмотря на изменение терминологии, ключевые элементы остаются неизменными. Завод Будущего – это результат стремительного развития передовых технологий, охватывающих все сферы производства подобно мощному циклону. Информационные и операционные технологии также вносят радикальные инновации. Сближение этих двух сил создает сдвиг парадигмы. Производство переживает четвертую индустриальную революцию.
Машинное обучение: многообещающая технология для всех
Машинное обучение (Machine Learning) – это специализированная область, занимающаяся разработкой алгоритмов для автоматического извлечения знаний из данных и обучения программных систем на их основе. Данные алгоритмы уже используются для генерации прогнозов, а также выработки рекомендаций и распознавания образов. Согласно аналитикам, машинное обучение является одним из наиболее перспективных технологических трендов современности. В статье журналиста Леонида Черняка дается ответ на вопросы о возникновении и востребованности данной технологии, принципах её работы и перспективах для бизнеса. Признаком наступающей эры когнитивного компьютинга (см. подробнее в отдельной статье) служит повышенный интерес к машинному обучению (Machine Learnng, ML) и многочисленные попытки внедрения ML в самых разных, порой неожиданных областях человеческой деятельности.
Технология RABIT для повышения производительности и совершенствования производства: от теории к практике. Часть 2
В первой части данной статьи нами было рассмотрено понятие Rapid Analysis and Bottleneck Improvement Team, или RABIT – технологии экспресс-анализа и устранения узких мест. Наиболее эффективным способом покаать ее действенность является анализ практического примера. Некое промышленное предприятие Х, которое специализируется в машиностроительной отрасли, обратилось за помощью к консалтинговому агентству для решения комплекса проблем, связанных с постоянным ростом себестоимости продукции, сокращением прибыли и неспособностью выполнять заказы в установленные сроки. Особую озабоченность вызывала ситуация на основной производственной линии, где систематически возникали задержки. Невыполнение договорных обязательств приводило к постоянным конфликтам с клиентами. В течение более года сотрудники предприятия вынуждены были работать сверхурочно, включая выходные дни.
Технология RABIT для повышения производительности и совершенствования производства: от теории к практике. Часть 1
Новая технология под названием RABIT (Rapid Analysis and Bottleneck Improvement Team) представляет собой инструмент экспресс-анализа,, а также устранения узких мест в производственных процессах. Данный метод особенно актуален в ситуациях, когда предприятие сталкивается с кризисом или сложными рыночными условиями, требующими быстрых и эффективных решений. RABIT позволяет выявить и ликвидировать узкие места в производственном цикле, что способствует повышению производительности, улучшению качества продукции и оптимизации бизнес-процессов. Суть подхода заключается в создании команды специалистов, которые проводят детальный анализ проблемных зон и разрабатывают план по их устранению. Метод RABIT ориентирован на достижение максимальной эффективности за короткий промежуток времени, что позволяет предприятиям оперативно реагировать на вызовы рынка и сохранять конкурентоспособность.
