Использование цифровых технологий для непрерывного улучшения строительных процессов



Индустрия 4.0 является первой промышленной революцией, о которой было объявлено априори, и поэтому существует значительная двусмысленность, связанная с термином и тем, что он на самом деле влечет за собой. Этот документ направлен на то, чтобы дать четкое определение цифровизации, ключевому фактору Индустрии 4.0, и проиллюстрировать, как ее можно использовать для улучшения, предлагая цикл улучшения и соответствующую типологию цифровизации. Эти инструменты могут использоваться организациями для управления процессами усовершенствования, фокусируясь на новых возможностях, предоставляемых огромными объемами данных, доступных в настоящее время. Использование инструментов иллюстрируется представлением четырех сценариев управления Канбан, где каждый сценарий отображается в соответствии с его уровнем цифровизации.

Ключевые слова: цифровизация, оцифровка, Индустрия 4.0, цикл улучшения, бережливое производство

1. ВВЕДЕНИЕ

В отличие от трех предыдущих промышленных революций, Индустрия 4.0 является первой, о которой априори объявляют. Хотя это прекрасная возможность сформировать и оптимизировать решения до того, как они будут полностью выпущены, отсутствие эмпирических данных делает исследование сугубо теоретическим, и в литературе существует множество разногласий и расхождений относительно того, что такое Индустрия 4.0 и из чего она состоит. Различные точки зрения в различных исследованиях привели к появлению в литературе более 100 различных определений Индустрии 4.0. Регулярно предлагаются новые определения Индустрии 4.0, и между ними можно обнаружить большие различия как в семантике, так и в содержании. Как правило, определения могут незначительно меняться со временем. Необходимость предлагать новые определения и не соответствовать частично или полностью существующим определениям приводит к предположению, что до сих пор нет единого мнения об Индустрии 4.0.

С другой стороны, возможно, еще слишком рано давать определение Индустрии 4.0. Хотя мы можем найти пилотные проекты Индустрии 4.0, некоторые утверждают, что нам нужно ждать годы, а может быть, даже десятилетия, прежде чем мы увидим «настоящие» умные фабрики, как это предусмотрено Индустрией 4.0. Некоторая двусмысленность в концепциях также может быть ценной, поскольку она позволяет практикующим специалистам гибко адаптировать концепцию к конкретной ситуации. Учитывая высокую скорость, с которой развивается Индустрия 4.0, можно утверждать, что определять ее сейчас бессмысленно, поскольку это будет просто изображение движущейся мишени, т. е. действительное только в определенный момент времени.

Тем не менее, эта двусмысленность в определениях затрудняет согласование исследований в этой области, а также усложняет для практиков понимание того, что влечет за собой Индустрия 4.0 и как добиться этого перехода. Отсутствие четкого и согласованного определения приведет к эмпирической проверке неточной и неточной концепции, и, следовательно, результаты эмпирической проверки вносят незначительный вклад и препятствуют академическому прогрессу. Для исследователей в области Индустрии 4.0 важно как можно раньше решить эту проблему двусмысленности и стандартизировать определение, свести масштабы и синтезировать цели Индустрии. 4.0. Германн и др. (2016) подчеркивает текущую двусмысленность термина «Индустрия 4.0» и предлагает четыре принципа проектирования, которые помогут специалистам-практикам и ученым приблизиться к «Индустрии 4.0». Отмечают оцифровку процессов и продуктов как ключевой фактор, способствующий Индустрии 4.0. Другие называют полную цифровизацию одним из основных элементов Индустрии 4.0, обеспечивающим интеллектуальное планирование и контроль производственных процессов и сетей. Однако, как и в случае с Индустрией 4.0, в исследованиях существует значительная неопределенность в отношении того, что влечет за собой цифровизация, какие шаги необходимо предпринять, чтобы ее достичь, и как измерить прогресс на пути к ней. Для измерения и оценки процессов в организациях модели зрелости были популярным инструментом среди ученых в течение многих лет и, как правило, основаны на заранее определенном описании лучшего в своем классе с заранее описанными этапами на пути к достижению высшего уровня. Хотя модель зрелости может быть полезным инструментом в условиях, когда конечная цель и лучшее в своем классе четко определены, использовать модель зрелости в новой области проблематично из-за очевидной неопределенности в отношении того, что является лучшим в своем классе. собственно влечет. Поэтому разработка модели зрелости для цифровизации — это в лучшем случае условное предположение, в значительной степени основанное на представлении исследователя об идеальном состоянии.

В этой статье предлагается разбить путь к улучшению процессов за счет цифровизации на пять четко определенных шагов, образующих цикл улучшения. Использование этой точки зрения позволяет избежать упомянутых выше возможных проблем предвзятости и обеспечивает четкую дорожную карту для перехода к более высокой степени цифровизации процессов. В этом документе будет представлен предлагаемый цикл улучшения вместе с типологией цифровизации для классификации различных этапов цикла. После этого демонстрируется использование цикла и обсуждаются возможные области использования этого цикла.

2. ТЕОРЕТИЧЕСКАЯ ОСНОВА

2.1 Разъяснение цифровизации, цифровизации и цифровой трансформации

Следуя предсказаниям закона Мура, теперь доступно аппаратное обеспечение с такой вычислительной мощностью по такой доступной цене, что оно обеспечивает повсеместные вычисления, предсказанные Марком Вайзером (1991). Этот аспект является одним из триггеров тенденции повышения уровня интеграции ИКТ, широко известной как «четвертая промышленная революция». Это приводит к резкому увеличению количества исследовательских работ, в которых говорится о таких терминах, как цифровизация, цифровизация и цифровая трансформация. Некоторые используют эти термины взаимозаменяемо, в то время как другие утверждают, что между ними есть существенная разница. Эта двусмысленность смущает читателя, неуверенного в том, считает ли автор эти термины взаимозаменяемыми или нет. Целью данной статьи является представление определений этих трех понятий, занимающих центральное место в последних технологических достижениях, влияющих на все сферы бизнеса.

Шумахер и др. (2016) подчеркивают некоторую путаницу в отношении терминов оцифровка и цифровизация. Анализируя литературу, они утверждают, что, хотя оцифровка связана с преобразованием аналоговых сигналов в цифровые вместе с их хранением и передачей, оцифровка описывает эффекты, воздействия и последствия, вызванные доступностью цифровой информации. Таким образом, они считают цифровизацию и цифровую трансформацию эквивалентными (Schumacher et al., 2016), в то время как другие авторы не проводят различия между цифровизацией и цифровизацией. Хан (2016) представляет некоторые разногласия в литературе относительно разъяснения оцифровки, цифровизации и цифровой трансформации. Мы предполагаем, что существует необходимость дальнейшего разграничения этих трех терминов. Точное определение этих терминов поддерживает конструктивную обоснованность исследований в этой области.

На основании литературных данных мы предлагаем следующие определения:

— Оцифровка: Преобразование аналогового формата в цифровой формат.

— Цифровизация: использование цифровых данных и технологий для автоматизации обработки данных и оптимизации процессов.

— Цифровая трансформация: создание новых возможностей для бизнеса за счет использования цифровых данных и технологий.

На рис. 1 дополнительно показаны отношения между этими тремя терминами.

Рис. 1. Оцифровка, цифровизация и цифровая трансформация

Ряд моделей зрелости для цифровизации и промышленности 4.0 предлагались последние несколько лет. Примеры включают Модель зрелости системной интеграции Индустрии 4.0 и Оценочную карту оценки технологической зрелости IoT, составленную. Оба они должны использоваться на общем уровне бизнеса, и им не хватает надлежащих эмпирических доказательств того, что характеризует лучшие в своем классе организации. Это значительный разрыв между оценками высокого уровня в этих моделях и фактическими усилиями по цифровизации, которые необходимы для его достижения. В этом документе предлагается измерять конкретные процессы в зависимости от того, как они используют цифровизацию для улучшения своих процессов с помощью интуитивно понятного цикла улучшения.

2.2 Циклы улучшения

Постоянное совершенствование необходимо для каждой организации, стремящейся оставаться конкурентоспособной. Циклы улучшения дают дисциплинированную и структурированную основу для постоянного улучшения. Циклы улучшения можно сравнить с циклами управления в промышленных системах управления, которые непрерывно собирают информацию для управления процессами для достижения конкретной цели.

На протяжении многих лет было предложено несколько циклов улучшения: PDCA (планируй — делай — проверяй — действуй), DMAIC (определяй — измеряй — анализируй — улучшай — контролируй), IDEA (исследуй — проектируй — выполняй — корректируй), 8D (Bicheno). и RADAR (Sokovic et al., 2010) являются одними из ярких примеров.

Циклы улучшения могут использоваться как всеобъемлющий и стандартизированный метод для достижения улучшений в организациях. Хотя они кажутся простыми, они являются мощными инструментами, и PDCA считается основой производственной системы Toyota (Bicheno and Holweg, 2009).

3. МЕТОД ИССЛЕДОВАНИЯ

Исследование, представленное в этой статье, использовало концептуальный исследовательский подход. Работа мотивирована существующей литературой и известными проблемами, связанными с последними тенденциями цифровизации и Индустрии 4.0. Общие черты и возможности, представленные существующими исследованиями, были адаптированы в перспективе цикла усовершенствования посредством использования философской концептуализации.

4. ЦИКЛ УЛУЧШЕНИЯ ПРОЦЕССОВ НА ОСНОВЕ ДАННЫХ. ОБЪЯСНЕНИЕ

Конкурентоспособность современной бизнес-среды постоянно растет, и способность к постоянному совершенствованию является ключевым фактором успеха. Стремясь оставаться конкурентоспособными, организации вкладывают значительные средства в развитие своей цифровой инфраструктуры. ИКТ-решения могут обеспечить как экономию средств, так и новые возможности для бизнеса. В качестве «побочного продукта» этих решений создаются большие объемы неструктурированных данных, которые часто не используются в дальнейшем для улучшения. Эти неиспользуемые данные обычно называются «пустыми данными». Было указано, что наличие больших объемов «неиспользуемых данных» является важной частью внедрения Индустрии 4.0. Увеличение вычислительной мощности расширило возможности использования анализа больших данных для обнаружения закономерностей и возможностей улучшения из наборов данных, в которых человек не обязательно нашел бы закономерность. Это основа любой модели, управляемой данными. Однако, даже если в некоторых случаях будет доказано, что анализ больших данных применим, его реализация все еще недостаточна. В этом разделе представлен цикл улучшения процессов на основе данных и его связь с новой тенденцией цифровизации. В этом разделе представлены пять шагов цикла улучшения (раздел 4.1), а также возможные различные состояния для каждого шага (раздел 4.2).

4.1 Пять шагов

Шаг 1: Сбор данных

Вам всегда нужны данные для поддержки принятия решений. Как правило, данные могут собираться спорадически, периодически или непрерывно. Данные могут отображаться в физическом или цифровом формате и могут быть собраны с вмешательством человека или без него. Данные могут быть получены различными способами, например. посредством измерения, счета, чтения и т. п. Собранные данные дают вам информацию о сегодняшней ситуации и текущем состоянии ключевых переменных. Таким образом, предполагается, что вы знаете, что представляют собой эти ключевые переменные, и что для этой цели организованы датчики или другие средства получения данных. Этот шаг получает входные данные и преобразует их в совместно используемые данные.

Шаг 2. Поделитесь

После того, как данные собраны, ими необходимо распределить с нужными участниками, которые будут обрабатывать эти данные дальше. Данные могут быть распределены по-разному; от бумажных документов между людьми до цифровой передачи между машиной и облачным сервером. Основой совместного использования данных является обмен данными один на один между отправителем и получателем. Технологические достижения последних лет расширили возможности обмена данными. Повышение скорости подключения и обмена данными привело к повышению доступности данных. Шаг совместного использования описывает, каким образом происходит обмен данными между различными участниками.

Шаг 3: Анализ

Этап анализа связан с процессом проверки данных, очистки, преобразования и моделирования с целью обнаружения полезной информации. Проверка данных — это первый контроль качества, независимо от того, могут ли данные быть прочитаны в первую очередь или нет. Очистка данных проверяет данные на наличие ошибок с точки зрения полноты. Он обнаруживает и устраняет ошибки и несоответствия в данных для улучшения качества данных. Часть преобразования данных — это подход к поиску детерминированной математической функции для каждой точки в наборе данных. Наконец, моделирование данных анализирует объекты данных и их отношения с другими объектами данных. Он начинается с разработки концептуальной модели, определяющей, как данные связаны друг с другом, а затем переносится в математическую модель.

Шаг 4: Оптимизация

Шаг оптимизации представляет собой процесс корректировки изменения заданного набора параметров для поиска оптимального или близкого к оптимальному решения без нарушения каких-либо ограничений. Основой для процесса оптимизации является математическая модель, созданная на шаге 3. Поскольку мощность компьютеров с годами росла в геометрической прогрессии, теперь можно использовать более совершенные алгоритмы оптимизации. При увеличении вычислительной мощности качество решения возрастает. Тем не менее, для получения быстрых результатов и отклика выгодно использовать модели, требующие небольших вычислительных усилий. Результаты этапа оптимизации являются основой для принятия решения об улучшении, которое на следующем этапе необходимо снова интегрировать в систему.

Шаг 5: Обратная связь

Анализ собранных данных и обнаружение возможностей улучшения бесполезны, если они не используются в процессе. Результаты и информация на этапе оптимизации должны быть преобразованы, переданы и внедрены, чтобы обеспечить обратную связь с процессом.

Цикл улучшения процесса на основе данных проиллюстрирован на рис. 2.

Рис. 2. Цикл улучшения процесса на основе данных

4.2 Типология цифровизации

В то время как промышленность традиционно делала упор на автоматизацию физических процессов, четвертая промышленная революция фокусируется на автоматизации информационных процессов и их интеграции с физическими процессами посредством использования киберфизических систем (CPS). CPS — это «автоматизированные системы, позволяющие связать операции физической реальности с вычислительной и коммуникационной инфраструктурой». В связи с возрастающей степенью оцифровки процессов каждый шаг в цикле улучшения может быть отображен в соответствии с двумя измерениями: формат данных и обработка данных. Размеры приведены в виде матрицы 2x2 в таблице 1.

Формат данных: данные обычно представлены либо в цифровом, либо в нецифровом формате. Очевидными преимуществами обработки данных в цифровом формате являются, среди прочего, повышенная гибкость, скорость и доступность, а также снижение переменных затрат. С другой стороны, нецифровой формат также имеет некоторые преимущества, такие как простота использования и отсутствие склонности к системным сбоям.

Обработка данных: Цикл также различается в зависимости от того, выполняется ли шаг вручную или автоматически. В ручных операциях люди играют роль в завершении и обеспечении завершения шага. Если шаг полностью автоматизирован и автономен, вмешательство человека не требуется.

Два измерения показаны в таблице 1. Каждый из шагов цикла улучшения может находиться в одном из этих четырех состояний. Состояние 1 представляет собой традиционные бумажные ситуации, характеризующиеся большой долей ручной обработки данных. Состояние 2 может быть эффективным, но по своей сути негибким. Состояние 3 оцифровало поток данных с очевидными преимуществами, связанными, например, с затратами, временем и гибкостью. Однако вмешательство человека все же необходимо. Состояние 4 представляет собой ситуацию, когда данные являются цифровыми и обрабатываются автоматически, что является шагом к включению процессов самооптимизации.

Таблица 1

Типология цифровизации

		Формат данных
		Не цифровые	Цифровые
Обработка данных	Автоматизированный	Состояние 2: “Определенный”	Состояние 4: “Цифровизованный”
	Ручной	Состояние 1: “Скомплектованный ”	Состояние 3: “Оцифровка”

4.3 Пример — Канбан

В этом разделе будет использоваться хорошо известный инструмент бережливого производства Канбан в качестве примера того, как процесс управления может быть отображен с использованием методов, описанных в этой статье. Канбан используется в качестве сигнала в производстве по вытягиванию, сигнализируя рабочей станции о том, что они должны поставлять материалы на другую рабочую станцию, расположенную ниже по течению процесса. Мы представляем четыре разных канбан-сценария, каждый из которых образует отдельный уровень в зависимости от степени их цифровизации. В этом разделе кратко представлен каждый из уровней.

Уровень 1: традиционный канбан на основе физических карт

Канбан-система традиционно в значительной степени опирается на физические данные. Хотя эти карты интуитивно понятны и просты для понимания, с ними есть некоторые проблемы и ограничения. Способность работать с большим количеством вариантов, отсутствие гибкости и риск потери фактических карточек являются одними из проблем, с которыми сталкиваются традиционные системы канбан. Если говорить о цикле улучшения процесса на основе данных, то все пять шагов выполняются как вручную, так и в физическом формате. В большинстве случаев выполняются только первые два шага путем сбора данных о материалах, которые нуждаются в пополнении, а затем передачи их на предыдущую рабочую станцию. Как правило, эти данные редко используются для завершения цикла улучшения путем анализа частоты сигналов Канбан и оптимизации количества карточек Канбан и размеров корзин.

Уровень 2: электронный канбан

Электронная система Канбан, известная как e-Kanban, способна решать и решать некоторые задачи, обычно связанные с физическими карточками Канбан. Электронная передача сигнала Канбан также делает его более применимым для межзаводских поставок. Однако, даже если система сейчас цифровая, процесс передачи Канбанов по-прежнему ручной. Как правило, сотруднику по-прежнему приходится вручную проверять, когда требуется пополнение материала (сбор), а затем отправлять Канбан, обычно путем сканирования штрих-кода или ввода его вручную в компьютерную систему (совместное использование). Анализ и оптимизация также обычно выполняются вручную.

Уровень 3: Автономный Канбан

Возможность автоматизировать принятие решения о пополнении и передачу сигнала Канбан практически автоматизирует цикл Канбана. Промышленным примером автономной системы Канбан является система iBin, поставленная Wurth, представленная в Kolberg et al. (2017). Этот бункер автоматически записывает уровень материала и отправляет его в систему управления запасами. Исходя из этого, заказы автоматически отправляются поставщикам по мере необходимости (Kolberg et al., 2017). Однако, даже если цикл Канбан является автономным, это не означает, что он постоянно совершенствуется автоматически. Количество карточек и размеры корзин по-прежнему фиксированы, что может привести к нехватке материалов, или, в противоположном случае, материалы могут тратить чрезмерное количество времени на промежуточные запасы, останавливая попытки сократить время обработки.

Уровень 4: Самооптимизирующийся Канбан

Самооптимизирующийся процесс Канбан, основанный на автономной системе Канбан, может не только автономно запускать цикл Канбан, но и использовать собранные данные для анализа и определения приоритетов улучшений. Самооптимизирующаяся система Канбан самостоятельно регулирует размер корзины, а также количество карточек в обращении в соответствии с заранее определенными показателями производительности, такими как стоимость, время выполнения и т. п.

Таблица 2

Сравнение сценариев Канбана (см. Таблицу 1 для объяснения различных состояний)

	Сбор данных	Распределение	Анализ	Оптимизация	Обратная связь
Уровень 1: Традиционный канбан	Состояние 1	Состояние 1	Состояние 1	Состояние 1	Состояние 1
Уровень 2: Электронный канбан	Состояние 3	Состояние 3	Состояние 3	Состояние 3	Состояние 3
Уровень 3: Автономный Канбан	Состояние 4	Состояние 4	Состояние 3	Состояние 3	Состояние 3
Уровень 4. Самооптимизирующийся Канбан	Состояние 4	Состояние 4	Состояние 4	Состояние 4	Состояние 4

5. ОБСУЖДЕНИЕ

Мы предполагаем, что организации получат наибольшую выгоду от цифровизации, когда все пять шагов в представленном цикле усовершенствования будут и цифровыми, и автоматическими (состояние 4). Процессы могут быть частично или полностью оцифрованы, но пока цикл не завершается автоматически, весь потенциал цифровизации не реализуется. Организации могут использовать цикл улучшения процессов на основе данных как часть своей цифровой трансформации. Цикл улучшения процессов на основе данных актуален как для практиков, так и для ученых. В этом разделе описаны некоторые из возможных областей его использования.

Картирование и измерение уровней цифровизации

Как упоминалось ранее, не существует установленной модели того, как можно измерить степень цифровизации процесса. Цикл улучшения процессов на основе данных представляет собой простой подход для иллюстрации и измерения усилий организации по цифровизации своих процессов. Метод подчеркивает важность оцифровки и оцифровки не просто так, а концентрации этих усилий на реальном улучшении процессов. Цикл улучшения процессов на основе данных подчеркивает, что усилия по цифровизации должны быть направлены на выполнение пяти шагов, необходимых в любом режиме непрерывного совершенствования.

Руководство по приоритизации улучшений

Подобно моделям зрелости, процесс, отображаемый в соответствии с циклом улучшения процессов на основе данных, четко указывает области улучшений, в данном случае области для повышения уровня цифровизации. Таким образом, он создает дорожную карту процесса цифровизации. Подобно PDCA, он используется для отдельных процессов, и организациям будет полезно разработать общую бизнес-структуру для координации отдельных проектов по улучшению. Также важно распознавать шаги, необходимые для внедрения новых технологий, такие как стратегическое планирование, обоснование, обучение и установка в дополнение к фактическому внедрению. Метод, представленный в этой статье, сам по себе не указывает, как должен происходить переход к цифровизации, а просто указывает на потенциальные области цифровизации. Этот метод может использоваться как часть более всеобъемлющей методологии внедрения новой технологии, такой как метод APROS (выбор проекта автоматизации).

План улучшения

Организация обычно начинает с такой цели оптимизации, как повышение производительности или снижение затрат. Цикл улучшения процесса на основе данных предоставляет интуитивно понятный интерфейс для разработки системы непрерывного улучшения конкретной переменной. В этих случаях цикл следует проходить в обратном направлении, начиная с определения целей оптимизации. Затем следует разработать процесс анализа, указав, какие данные следует собрать, чтобы облегчить улучшения. Последние шаги заключаются в планировании того, как данные могут быть предоставлены и собраны соответственно. Такой образ мышления может быть особенно полезен для малых и средних предприятий, чьи ограниченные финансовые ресурсы вынуждают организации прагматично оценивать, какие данные собирать. Таким образом, это «вытягивающий» способ мышления, требующий конкретных данных, а не «нажимать», когда вы пытаетесь найти возможности улучшения из любых предоставленных данных.

6. ВЫВОДЫ

В этом документе представлен цикл улучшения процессов на основе данных, метод картирования и направления усилий по цифровизации. Далее в нем подчеркиваются некоторые различия в литературе относительно определений, связанных с Индустрией 4.0, и представляются некоторые проблемы, к которым может привести эта двусмысленность.

Кроме того, проводится четкое различие между оцифровкой, цифровизацией и цифровой трансформацией, что полезно для обеспечения достоверности конструкции в будущих исследованиях в этой области.

Предлагаемый цикл улучшения отличается от более ранних циклов улучшения тем, что в нем выделяются необходимые шаги для усилий по улучшению, основанных на данных. Он универсален в том смысле, что не ограничивается конкретными цифровыми технологиями, а фокусируется на функциональности используемых решений в отношении формата данных и степени автоматизированной обработки данных. Представленные примеры из управления Канбан иллюстрируют, как этот инструмент можно использовать в практических ситуациях.

Типология цифровизации, представленная вместе с

Цикл улучшения может также применяться в других контекстах, чтобы классифицировать степень цифровизации стадий процесса. Использование цикла «план улучшения» также представляет собой новый и интуитивно понятный метод для организаций, чтобы направлять свои усилия по цифровизации.

Будущие исследовательские усилия должны быть сосредоточены на проверке модели в эмпирических условиях

Литература:

1. Технология BIM: единая модель и связанные с этим заблуждения [Электронный ресурс]: Интернет-портал: Комплекс градостроительной политики и строительства города Москвы. — Режим доступа: https://stroi.mos.ru/builder_science/tiekhnologhiiabim-iedinaiamodiel-i-sviazannyie-s-etimzabluzhdieniia
2. Зарипова А. В., Хабибуллин А. Э. Применение BIM технологий в строительстве: Россия и зарубежный опыт // Экономика и предпринимательство. — 2017. — № 8–2 (85). — С. 1151–1156.
3. План по внедрению инноваций в отечественном строительном секторе отведена особая роль в задачах, поставленных Первым Президентом — Елбасы Н. А. Назарбаевым в Посланиях народу Казахстана (от 10 января 2018 года «Новые возможности развития в условиях четвертой промышленной революции».
4. Концепция внедрения технологии информационного моделирования в промышленное и гражданское строительство Республики Казахстан от 2017 года.
5. План мероприятий по внедрению технологии информационного моделирования при проектировании объектов строительства (BIM-технологий), утвержденный приказом Министра по инвестициям и развитию Республики Казахстан от 11 апреля 2017 года № 197 (с изменениями, внесенными приказом № 139 от 27 февраля 2018 года).
6. Проектирование с применением BIM технологий [Электронный ресурс]: Интернет-портал: Проектное бюро «ВЕЛЕС». — Режим доступа: https://www.bimtechnology.pro/koncepciiproektirovanija-sprimeneniem-bim 7. Дронов Д. С., Киметова Н. Р., Ткаченко В. П. Проблемы внедрения BIM-технологий в России // Синергия наук. — 2017. — № 10. — С. 529–549.
7. Григорьев, С. Н. Перспективы развития аддитивного производства в России и за рубежом / С. Н. Григорьев, И. Ю. Смуров // Инновации. — 2013. — № 10(180). — С. 76–82.
8. Гусаков, А. А. Системотехника строительства / А. А. Гусаков. — Москва: Стройиздат, 2004. — 368 с.
9. Гусаков, А. А. Организационно-технологическая надежность строительства / А. А. Гусаков, С. А. Веремеенко, А. В. Гинзбург; под ред. А. А. Гусакова.— Москва: SvR-Аргус 1994. — 472 с.
10. Investment appraisal techniques for advanced manufacturing technology (AMT): a literature review. Integrated Manufacturing Systems, 12 (1), 35–47.
11. Alfnes, E., Thomassen, M. K. & Bostad, M. (2016) Comparing Techniques for Selecting Automation Technology. IFIP International Conference on Advances in Production Management Systems , Iguassu Falls, Brazil. 371–378.
12. Almada-Lobo, F. (2016). The Industry 4.0 Revolution and the Future of Manufacturing Execution Systems (MES). Journal of Innovation Management, 3 (4), 16–21.
13. Buer, S.-V., Strandhagen, J. O. & Chan, F. T. S. (2018). The link between Industry 4.0 and lean manufacturing: mapping current research and establishing a research agenda. International Journal of Production Research . doi: 10.1080/00207543.2018.1442945
14. Bonekamp, L. & Sure, M. (2015). Consequences of Industry 4.0 on Human Labour and Work Organisation. Journal of Business and Media Psychology, 6 (1), 33–40.
15. Bicheno, J. & Holweg, M. (2009). The Lean Toolbox, PICSIE Books, Buckingham.