Направляющая для станка: Профильные направляющие для станков ЧПУ

Направляющие для фрезерных станков ЧПУ

Направляющие — одна из важнейших составляющих станка, по ним осуществляется перемещение подвижных частей механизма по осям X и Y.
Они бывают различных видов и каждый имеет свои отличительные особенности.
Однако как их различать и выбрать то, что нужно именно вам? Давайте разбираться.

Виды и отличительные особенности

Направляющие бывают разных видов, отличающихся своими характеристиками и ценовыми категориями. Также должны тщательно проверяться на качество материала и совместимость с остальным станком, ведь от этого зависит качество будущих изделий.

Теперь же рассмотрим каждый из них отдельно:

• Полированные валы — самый бюджетный, оттого и самый распространенный вид подобных деталей. Может похвастаться низкой стоимостью, а также простотой обработки и установки в общий механизм. Обычно для их изготовления используют высоколегированные стали, т.е. из металла, созданного специально для выдерживания длительных механических воздействий. Также сталь проходит закалку, что повышает ее долговечность. Монтаж производится довольно просто, ведь вал крепится с двух концов. 

Но если длина вала превышает 1 метр, то могут возникнуть провисания в его середине, что мешает работе аппарата.

• Валы, использующие опору — те же самые, что и выше. Но есть отличительная особенность — специальные рельсы, служащие подпоркой направляющей по ее длине, что предотвращает прогиб в середине, и увеличивает грузоподъемность. 

  Недостатком является низкая долговечность такого механизма.

  Недостатком является низкая долговечность такого механизма.
• Профильные рельсовые направляющие, использующие шарики. Применяются там, где важна тонкость и точность работы. В них реализованы неординарные дорожки движения, поэтому нагрузка на каретку распределяется равномерно. 

  Зачастую используются в профессиональных станках из-за высокой грузоподъемности, долговечности, отсутствием расшатанности и, как было сказано, очень высокой точности.

• Профильные рельсовые направляющие, использующие ролики. Являются подвидом конструкции выше, у которых дорожка качения плоские, а вместо шариков используются ролики.

Это дополнительно увеличивает жесткость конструкции, что позволяет их использовать в высоконагруженных металлообрабатывающих станках.

Мы рассмотрели основные виды данных приспособлений стоит разъяснить один важный момент, который может испортить впечатления от работы всего аппарата в целом.

Особенности места, куда устанавливаются направляющие

Для максимального снижения люфта у конструкции, повысить срок годности механизма нужно тщательно позаботиться о месте, куда она будет устанавливаться. В идеале поверхность должна быть обработана на станке, чтобы снизить шанс неровностей.

Если не позаботиться о месте, куда будет установлена такая важная, отвечающая за все точные движения, деталь, то качество изготовляемых изделий также упадет.

Надежные производители, изготавливающие детали по всем стандартам качества

Если вы решили выбирать направляющие для фрезерного станка ЧПУ, то стоит отталкиваться от предназначения всего механизма и требуемых от него характеристик.

Но сейчас мы рассмотрим отдельный продукт от известного производителя, на него можно ориентироваться.

Роликовая каретка HIWIN RGW25HCZAH:

• Класс точности: H – Высокий, что является средним значением среди всех классов прочности.
• Тип нагрузки: Сверхвысокий, означает что станок способен работать с тяжело обрабатываемыми материалами.
• Тип крепления: Сверху и снизу, что обеспечивает надежное соединение с рельсом.

Вывод

По итогу этой статьи мы разобрали, какие виды направляющих бывает и какие у них есть плюсы и минусы, а также разобрали один определенный продукт от надежного производителя, у которого всегда только качественные детали.

Наши акции

Алексей Бойцов

Автор

26 августа 2021

Направляющие станков в категории “Промышленное оборудование и станки”

Сверло ступенчатое HD с направляющей втулкой для станка FOREMAN

Заканчивается

Доставка по Украине

2 197 грн

Купить

Интернет-магазин Kreg Tool

Сверло ступенчатое Micro Drill с направляющей втулкой для станка FOREMAN

Под заказ

Доставка по Украине

2 197 грн

Купить

Интернет-магазин Kreg Tool

Направляющая для шиномонтажного станка

На складе

Доставка по Украине

120 грн

Купить

CoHeSa -пластикові запчастини до побутової техніки,автомобілів та ін. 3D друк та ливарне виробництво

Направляющая к верстаку WOLFCRAFT Master Cut ?6901000

Под заказ

Доставка по Украине

2 744 — 2 797 грн

от 3 продавцов

2 744 грн

Купить

Gardenhit

Комплект твердосплавных направляющих для ленточнопильного станка модель UE-250A

Доставка по Украине

9 507.84 грн

Купить

ООО “Производственная коммерческая фирма “Промтехнология”

Телескопическая защита направляющих станков

Под заказ

Доставка по Украине

от 22 777 грн

Купить

Торговый дом “Ганза”

Гофрозащита для защиты направляющих станка

Под заказ

Доставка по Украине

от 777 грн

Купить

Торговый дом “Ганза”

Телескопическая защита направляющих станков и механизмов

Под заказ

Доставка по Украине

от 22 000 грн

Купить

Торговый дом “Ганза”

Скребки очистки направляющих станков и агрегатов серия BA и BAS

Под заказ

Доставка по Украине

от 2 600 грн

Купить

Торговый дом “Ганза”

Скребки очистки направляющих станка серия BA 65

Под заказ

Доставка по Украине

от 100 грн

Купить

Торговый дом “Ганза”

Комплект твердосплавных направляющих для ленточнопильного станка BL-HDS-J30NA

Доставка по Украине

14 627. 44 грн/комплект

Купить

ООО “Производственная коммерческая фирма “Промтехнология”

Комплект твердосплавных направляющих для ленточнопильного станка BL-HDS-J40AN

Доставка по Украине

17 552.93 грн/комплект

Купить

ООО “Производственная коммерческая фирма “Промтехнология”

Блоки направляющих для ленточнопильного станка WE

Доставка по Украине

6 582.35 грн/комплект

Купить

ООО “Производственная коммерческая фирма “Промтехнология”

Комплект твердосплавных направляющих для ленточнопильного станка модель WE

Доставка по Украине

10 970.58 грн

Купить

ООО “Производственная коммерческая фирма “Промтехнология”

Роликовая направляющая к шлифовальному станку

Доставка по Украине

2 000 грн

Купить

ООО “АМЕТПРОМ”

Смотрите также

Mobil Vactra Oil № 2 (ISO VG 68) масло индустриальное для станков, направляющих скольжения (20 л)

Доставка из г. Киев

3 726 грн

Купить

ООО “АРЛАНДА СЕРВИС” (масла, смазки, антифризы)

Роликовая шина к шлифовальному станку (роликовая направляющая)

Доставка по Украине

2 000 грн

Купить

ООО “АМЕТПРОМ”

Масло ЛУКОЙЛ СЛАЙДО 220 для смазки направляющих скольжения станков – 20 литров

Доставка по Украине

2 599 грн

Купить

AvtoMagaz

Лента защиты направляющих 3Л722 3Б722 3Д722 3Д725, защитная лента шлифовальных станков 3Л722 3Б722 3Д722 3Д725

Доставка по Украине

от 1 000 грн

Купить

Steel-Tech – изготовление деталей по чертежам, запчасти к станкам и прессам

Гофрозащита для станка, гофрированная шторка 200 мм. Защита направляющих и ШВП.

Заканчивается

Доставка по Украине

520 грн

Купить

Интернет магазин “ПЕГАС”

Гофрозащита для станка. Защитная гофрированная шторка 160 мм. Защита направляющих и ШВП.

Доставка по Украине

440 грн

Купить

Интернет магазин “ПЕГАС”

Гофрозащита для станка 245 мм. Защита направляющих и ШВП.

Доставка по Украине

540 грн

Купить

Интернет магазин “ПЕГАС”

Профильная рельсовая направляющая HIWIN HGR15H, линейная рельса

На складе в г. Ровно

Доставка по Украине

2 914 грн/пог.м

2 040 грн/пог.м

Купить

CNCPROM

Профильная рельсовая направляющая HIWIN HGR30H, линейная рельса

На складе в г. Ровно

Доставка по Украине

4 675 грн/пог.м

3 351 грн/пог.м

Купить

CNCPROM

Профильная рельсовая направляющая HIWIN HGR35H, линейная рельса

На складе в г. Ровно

Доставка по Украине

3 934 грн/м

Купить

CNCPROM

Скребок очистки направляющих станка серия BA 65 VARIO

Под заказ

Доставка по Украине

от 100 грн

Купить

Торговый дом “Ганза”

Направляющее устройство ножниц к шлифовально-полировальному станку JET 708026

Доставка по Украине

1 095 грн

1 040.20 грн

Купить

РАДИО SHOP

Скребки очистки направляющих станка серия BA 115

Под заказ

Доставка по Украине

от 100 грн

Купить

Торговый дом “Ганза”

Направляющая линейки JET 708029 шлифовально-полировального станка JSSG-10

Доставка по Украине

753 грн

Купить

Агросервис

Машинные направляющие и машинные рельсы

Detroit Edge Tool Company — крупнейший производитель машинных путей и рельсов в мире!

Производственные мощности DETCO по производству станков оснащены новейшими обрабатывающими центрами с ЧПУ и шлифовальными станками, что позволяет DETCO производить станки с жесткими допусками, станины, токарные станки и рельсы, требуемые производителями станков. Рельсы DETCO для автоматизации роботов, портальные рельсы и направляющие стали отраслевым стандартом для динамического движения в средах автоматизации. Закаленные направляющие и рельсы определяют базовую точность станков, сборочных машин и средств автоматизации. Закаленные пламенем или сквозная закалка, направляющие и рельсы DETCO изготавливаются в соответствии со спецификациями OEM. На приведенной ниже диаграмме показаны эти допуски.

Машинные пути Detroit Edge отшлифованы и закалены в соответствии со спецификациями заказчика.

Что такое машинные пути?

Немногие компоненты станка являются более фундаментальными, чем система путей, которая обеспечивает взаимодействие между движущимися и неподвижными элементами станка. Станочные направляющие могут быть закалены пламенем или сквозно закалены до 58-62 RC и определяют базовую точность станков. Пути прочны по своей конструкции и лучше работают при абразивной резке или на станках с мощными шпинделями в агрессивных средах. Машинные пути — это гладкие и точные дорожки, по которым перемещаются каретки машин, такие как роботы, колонны машин и корпуса шпинделей. Особое внимание уделяется стыковым соединениям, чтобы ролики и каретки переходили плавно. Эти металлические опорные пластины изготавливаются с такой высокой точностью, что они могут выдерживать постоянное увеличение нагрузки по мере того, как их кривизна становится более выпуклой. Особое внимание уделяется плавному переходу роликов и кареток. Коробчатые направляющие также называются подшипниками линейного перемещения, они поддерживают шпиндель и стол и направляют их движение.

Машинные пути использовались еще в 19 веке. В прошлом машиностроители использовали деревянные пути, но предпочтительным материалом для машинных путей стал чугун. Чугун был лучшим материалом, потому что он охлаждался до нужной формы, подгонялся с помощью соскабливания и его было легко резать с помощью одноточечных инструментов. Сегодня мы используем чугун, закаленную сталь и другие черные металлы.

Типы направляющих

Плоские направляющие скольжения

Это направляющие с трением скольжения. Они могут быть неотъемлемой частью кровати или могут быть прикреплены к верхней части кровати, а салазки установлены сбоку.

Преимущества:

• Легко проверить геометрическую форму
• Большие подшипники предусмотрены для салазок
• Отрегулировать зазор (может потребоваться прокладка)

Элемент качения

Подвижные элементы опираются на прямые направляющие монтируются на статических элементах. Направляющие качения имеют низкое трение, а значит, при движении в направлении направляющей их сопротивление мало.

Преимущества:

• Меньшая жесткость
• Меньшее демпфирование
• Не требуется мощность для поддержки нагрузки

Гидростатическая

Это комбинация гидростатической опоры с плоской прямой направляющей. Между направляющей и масляным карманом под давлением образуется сужение. Давление в кармане контролируется потоком масла, поэтому поток масла под давлением поддерживает нагрузку.

Преимущества:

• Низкое трение
• Требует кармана

В разных отраслях используются разные механизмы

Направляющие Detroit Edge используются на всех станках для фрезерования профиля лонжерона и обшивки крыла Boeing в Северной Америке. Вот несколько различных отраслей промышленности, в которых используются различные системы направляющих:

Шариковые рельсовые направляющие

Шариковые рельсовые направляющие используются в производстве промышленных роботов. Это фиксированный рельсовый путь с вращающимися шарикоподшипниками и направляющими. Он подходит для промышленных сред из-за его устойчивости к нагрузкам.

Роликовые направляющие

Они подходят для использования в таких машинах, как литьевое формование, роботы, полиграфическое и бумагоделательное оборудование, прессы и тяжелое оборудование. Роликовые направляющие скользят по фиксированной системе рельсов. Свободу движения можно регулировать центральным роликом во время сборки.

Миниатюрные шариковые рельсовые направляющие

Миниатюрные шариковые рельсовые направляющие в основном используются в медицинской технике и в полупроводниковой промышленности. Для этих направляющих требуются очень маленькие шарикоподшипники, которые имеют очень высокую грузоподъемность. Эти направляющие рельсы обычно имеют одинаковую грузоподъемность для четырех различных грузоподъемностей.

Направляющие с кулачковыми роликами

Конвейеры и автоматизация используют эти направляющие для ходовой части своего оборудования. Они специально разработаны для скоростей до 10 м/сек.

Как выбрать систему машинного пути?

Коробчатые направляющие

Коробчатые направляющие лучше удерживают чрезвычайно тяжелые грузы. Станок изготавливается с более низкой скоростью вращения шпинделя, из чрезвычайно прочного или абразивного материала и требует пропорционально более низких подач. Короче говоря, они являются лучшим выбором для тяжелых условий эксплуатации, где критически важны быстрые перемещения. Эти направляющие лучше поглощают ударные нагрузки.

Композитный материал

Направляющие станка обычно изготавливаются из закаленной высокопрочной оцинкованной стали и устойчивы к коррозии. Закаленная поверхность качения имеет первостепенное значение для долговечности компонентов подшипников.

Материалы для машинных дорожек

Методы, используемые для упрочнения этих поверхностей

Закалка пламенем

Этот процесс термической обработки заключается в том, что газообразный кислород непосредственно воздействует на участок поверхности, подлежащий закалке, который затем подвергается закалке. Detroit Edge использует процесс закалки водой, маслом или воздухом в зависимости от применения. В результате получается твердый поверхностный слой снаружи поверх мягкого внутреннего слоя. Затраты на это применение значительно меньше, чем на индукционную закалку.

Узнайте больше о закалке Detroit Edge Flame.

Сквозная закалка

Закаленная сталь должна содержать определенное количество углерода в железной смеси. Углерод растворяется в расплавленном железе и поэтому добавляется в железосодержащую смесь. Это приведет к тому, что обрабатываемые компоненты затвердеют до самой сердцевины.

Detroit Edge Box Направляющие, используемые в 480-дюймовом станке Phoenix Gantry Mill с перемещением колонны

Руководство для руководителей по машинному обучению

Статья (PDF-229KB)

Машинное обучение основано на алгоритмах, которые могут обучаться на основе данных, не полагаясь на программирование на основе правил. Она стала самостоятельной научной дисциплиной в конце 1990-х годов, когда устойчивый прогресс в оцифровке и дешевые вычислительные мощности позволили специалистам по обработке и анализу данных прекратить создавать готовые модели и вместо этого обучать этому компьютеры. Неуправляемый объем и сложность больших данных, в которых сейчас плавает мир, увеличили потенциал машинного обучения и потребность в нем.

В 2007 году Фей-Фей Ли, глава Стэнфордской лаборатории искусственного интеллекта, отказался от попыток запрограммировать компьютеры на распознавание объектов и начал маркировать миллионы необработанных изображений, с которыми ребенок может столкнуться к трем годам, и передавать их компьютерам. Показывая тысячи и тысячи помеченных наборов данных с экземплярами, скажем, кота, машина могла формировать свои собственные правила для принятия решения о том, действительно ли конкретный набор цифровых пикселей является котом.

1 1. Фей-Фей Ли, «Как мы учим компьютеры понимать изображения», TED, март 2015 г., ted.com. В ноябре прошлого года команда Ли представила программу, которая с высокой степенью точности определяет визуальные элементы любого изображения. Машина IBM Watson полагалась на аналогичную самогенерируемую систему подсчета очков среди сотен возможных ответов, чтобы сокрушить лучшие в мире Опасность! игроков в 2011 году.

Какими бы поразительными ни были такие достижения, машинное обучение не имеет ничего общего с обучением в человеческом смысле (пока).

Но то, что он уже делает необычайно хорошо — и будет совершенствоваться, — это неуклонно пережевывать любой объем данных и любую комбинацию переменных. Поскольку машинное обучение стало основным инструментом управления относительно недавно, оно часто вызывает вопросы. В этой статье мы изложили некоторые из них, которые часто слышим, и ответили на них таким образом, который, как мы надеемся, будет полезен любому руководителю. Настало время разобраться с этими проблемами, потому что конкурентное значение бизнес-моделей, основанных на машинном обучении, может резко возрасти. Действительно, автор книг по менеджменту Рэм Чаран полагает, что «любая организация, которая сейчас не является математическим домом или не может стать таковой в ближайшее время, уже является унаследованной компанией. ² 2. Рэм Чаран, Преимущество атакующего: превращение неопределенности в прорывные возможности,

Нью-Йорк: PublicAffairs, февраль 2015 г.

1. Как традиционные отрасли используют машинное обучение для сбора свежих бизнес-идей?

Ну, начнем со спорта. Прошлой весной претенденты на чемпионство Национальной баскетбольной ассоциации США полагались на аналитику Second Spectrum, калифорнийского стартапа по машинному обучению. Оцифровав игры последних нескольких сезонов, компания создала прогностические модели, которые позволяют тренеру различать, как выразился генеральный директор Раджив Махесваран, «плохого броска, который делает хорошие броски, и хорошего броска, который делает плохие броски» — и корректировать их. соответственно его решения.

Вы не можете стать более почтенным или традиционным, чем General Electric, единственный член первоначального промышленного индекса Доу-Джонса, который все еще существует после 119 лет. GE уже зарабатывает сотни миллионов долларов, обрабатывая данные, которые она собирает из глубоководных нефтяных скважин или реактивных двигателей, чтобы оптимизировать производительность, предвидеть поломки и оптимизировать техническое обслуживание. Но Колин Пэррис, перешедший в GE Software из IBM в конце прошлого года в качестве вице-президента по исследованиям в области программного обеспечения, считает, что постоянный прогресс в области обработки данных, датчиков и алгоритмов прогнозирования вскоре даст его компании такую ​​же четкость понимания индивидуальных капризов каждого отдельного человека.

реактивный двигатель, который Google использует в онлайн-поведении 24-летнего пользователя сети из Западного Голливуда.

2. Что делать за пределами Северной Америки?

В Европе более дюжины банков заменили старые подходы к статистическому моделированию методами машинного обучения и в некоторых случаях добились 10-процентного увеличения продаж новых продуктов, 20-процентной экономии капитальных затрат, 20-процентного увеличения сбора денежных средств. , и 20-процентное снижение оттока. Банки добились этих успехов, разработав новые механизмы рекомендаций для клиентов в сфере розничной торговли, а также в компаниях малого и среднего бизнеса. Они также создали микроцелевые модели, которые более точно предсказывают, кто отменит обслуживание или не выполнит свои обязательства по своим кредитам, и как лучше всего вмешаться.

Ближе к дому, как недавняя статья в McKinsey Quarterly notes, ³ , наши коллеги применяли сложную аналитику к несложным задачам управления талантами. Прошлой осенью они проверили способность трех алгоритмов, разработанных внешними поставщиками, и одного, созданного внутри компании, прогнозировать, исключительно путем изучения отсканированных резюме, какое из более чем 10 000 потенциальных сотрудников было бы принято фирмой. Прогнозы сильно коррелировали с реальными результатами. Интересно, что машины приняли несколько более высокий процент женщин-кандидатов, что обещает использование аналитики для открытия более разнообразных профилей и противодействия скрытым человеческим предубеждениям.

По мере оцифровки аналогового мира наша способность учиться на данных путем разработки и тестирования алгоритмов будет становиться все более важной для того, что сейчас считается традиционным бизнесом. Главный экономист Google Хэл Вариан называет это «компьютер кайдзен ». Поскольку «точно так же, как массовое производство изменило способ сборки продуктов, а постоянное совершенствование изменило способ производства, — говорит он, — так и непрерывные [и часто автоматические] эксперименты улучшат способы оптимизации бизнес-процессов в наших организациях». ⁴ 4. Хэл Р. Вариан, «Помимо больших данных»,

Business Economics , 2014, том 49, номер 1, стр. 27–31, palgrave-journals.com.

3. Каковы были первые основы машинного обучения?

Машинное обучение основано на ряде более ранних строительных блоков, начиная с классической статистики. Статистический вывод формирует важную основу для текущих реализаций искусственного интеллекта. Но важно признать, что классические статистические методы были разработаны между 18 и началом 20 веков для гораздо меньших наборов данных, чем те, которые мы имеем сейчас. Машинное обучение не ограничено предустановленными статистическими предположениями. В результате он может дать информацию, которую аналитики-люди не видят сами по себе, и делать прогнозы с еще более высокой степенью точности.

Совсем недавно, в 1930-х и 1940-х годах, пионеры вычислительной техники (такие как Алан Тьюринг, у которого был глубокий и неизменный интерес к искусственному интеллекту) начали формулировать и дорабатывать базовые методы, такие как нейронные сети, которые делают возможным современное машинное обучение. Но эти методы оставались в лаборатории дольше, чем многие технологии, и по большей части им приходилось ждать разработки и инфраструктуры мощных компьютеров в конце 1970-х – начале 1980-х годов. Вероятно, это отправная точка кривой внедрения машинного обучения. Новым технологиям, внедренным в современную экономику, например, паровому двигателю, электричеству, электродвигателю и компьютерам, кажется, требуется около 80 лет, чтобы перейти от лаборатории к тому, что можно было бы назвать культурной невидимостью. Компьютер еще не исчез из поля зрения, но, вероятно, к 2040 году он исчезнет. И, вероятно, машинному обучению не потребуется много времени, чтобы отойти на задний план.

4. Что нужно для начала?

Руководители высшего звена будут лучше всего использовать машинное обучение, если они увидят в нем инструмент для разработки и реализации стратегического видения. Но это означает, что стратегия должна стоять на первом месте. Без стратегии в качестве отправной точки машинное обучение рискует превратиться в инструмент, спрятанный в рутинных операциях компании: оно будет предоставлять полезную услугу, но его долгосрочная ценность, вероятно, будет ограничена бесконечным повторением «формальных» приложений, таких как модели. для привлечения, стимулирования и удержания клиентов.

Мы находим поучительные параллели со слияниями и поглощениями. В конце концов, это средство для достижения четко определенной цели. Ни один разумный бизнес не бросается в шквал поглощений или слияний, а затем просто сидит и смотрит, что происходит. Компании, приступающие к машинному обучению, должны взять на себя те же три обязательства, что и компании, прежде чем приступать к слияниям и поглощениям. Эти обязательства заключаются, во-первых, в изучении всех возможных альтернатив; во-вторых, искренне следовать стратегии на уровне топ-менеджеров; и, в-третьих, использовать (или, при необходимости, приобретать) существующий опыт и знания топ-менеджеров для руководства применением этой стратегии.

Люди, ответственные за создание стратегического видения, вполне могут быть (или были) учеными данных. Но по мере того, как они определяют проблему и желаемый результат стратегии, им потребуется руководство со стороны коллег высшего уровня, курирующих другие важные стратегические инициативы. В более широком смысле, компании должны иметь два типа людей, чтобы раскрыть потенциал машинного обучения. «Кванты» обучены его языку и методам. «Переводчики» могут соединить дисциплины данных, машинного обучения и принятия решений, переформулировав сложные результаты количественных расчетов в действенные идеи, которые могут реализовать менеджеры широкого профиля.

Доступ к кладезям полезных и надежных данных необходим для эффективного машинного обучения, таких как способность Watson в тестах предсказывать онкологические исходы лучше, чем врачи, или недавний успех Facebook, обучающий компьютеры распознавать конкретные человеческие лица почти так же точно, как это делают люди. Настоящая стратегия работы с данными начинается с выявления пробелов в данных, определения времени и денег, необходимых для заполнения этих пробелов, и устранения разрозненности данных. Слишком часто отделы копят информацию и политизируют доступ к ней — одна из причин, по которой некоторые компании ввели новую роль директора по данным, чтобы собрать воедино то, что требуется. Другие элементы включают в себя возложение ответственности за генерирование данных на непосредственное руководство.

Начните с малого — ищите легкодоступные плоды и трубите о любом раннем успехе. Это поможет заручиться поддержкой широких масс и укрепить изменения в индивидуальном поведении и заинтересованности сотрудников, которые в конечном итоге определят, сможет ли организация эффективно применять машинное обучение. Наконец, оцените результаты в свете четко определенных критериев успеха.

5. Какова роль высшего руководства?

Изменение поведения будет иметь решающее значение, и одна из ключевых ролей высшего руководства будет заключаться в том, чтобы влиять на него и поощрять его. Традиционным менеджерам, например, придется освоиться со своими собственными вариациями A/B-тестирования — техники, которую цифровые компании используют, чтобы увидеть, что понравится, а что нет онлайн-потребителям. Руководители, работающие на переднем крае, вооруженные информацией, полученной с компьютеров, которые становятся все более мощными, должны научиться принимать больше решений самостоятельно, а высшее руководство должно определять общее направление и останавливаться на достигнутом только тогда, когда возникают исключения. Демократизация использования аналитики — обеспечение передовой необходимыми навыками и создание соответствующих стимулов для поощрения обмена данными — потребует времени.

Офицеры высшего звена должны рассматривать прикладное машинное обучение в три этапа: машинное обучение 1.0, 2.0 и 3.0 — или, как мы предпочитаем говорить, описание, предсказание и предписание. Им, вероятно, не нужно сильно беспокоиться об этапе описания, через который большинство компаний уже прошли. Все это было связано со сбором данных в базах данных (которые должны были быть изобретены для этой цели), что дало менеджерам новое понимание прошлого. OLAP — оперативная аналитическая обработка — в настоящее время довольно рутинна и хорошо зарекомендовала себя в большинстве крупных организаций.

Существует гораздо более острая необходимость охватить стадию предсказания, которая происходит прямо сейчас. Сегодняшние передовые технологии уже позволяют компаниям не только просматривать свои исторические данные, но и прогнозировать поведение или результаты в будущем — например, помогая специалистам по кредитным рискам в банках оценивать, какие клиенты с наибольшей вероятностью не выполнят свои обязательства, или телекоммуникационным компаниям, чтобы предвидеть, какие клиенты особенно склонны к «оттоку» в ближайшем будущем (эксперимент).

Экспонат

Мы стремимся предоставить людям с ограниченными возможностями равный доступ к нашему веб-сайту. Если вам нужна информация об этом контенте, мы будем рады работать с вами. Пожалуйста, напишите нам по адресу: McKinsey_Website_Accessibility@mckinsey.com

Приступая к этапу прогнозирования, топ-менеджеры часто беспокоятся о качестве данных. Эта озабоченность часто парализует руководителей. Однако, по нашему опыту, инвестиции в ИТ за последнее десятилетие снабдили большинство компаний информацией, достаточной для получения новой информации даже из неполных и беспорядочных наборов данных, при условии, конечно, что эти компании выбирают правильный алгоритм. Добавление экзотических новых источников данных может принести лишь незначительную пользу по сравнению с тем, что можно извлечь из существующих хранилищ данных. Решение этой проблемы — задача «главного специалиста по данным».

Предписание — третий и самый продвинутый этап машинного обучения — это возможность будущего, и поэтому оно должно привлекать пристальное внимание высшего руководства. В конце концов, недостаточно просто предсказать , что собираются делать клиенты; только понимая , почему они собираются это делать, компании могут поощрять или сдерживать такое поведение в будущем. Технически современные алгоритмы машинного обучения с помощью переводчиков-людей уже могут это делать. Например, один международный банк, обеспокоенный масштабами дефолтов в своем розничном бизнесе, недавно выявил группу клиентов, которые внезапно переключились с использования кредитных карт в течение дня на их использование посреди ночи. Эта модель сопровождалась резким снижением нормы их сбережений. Посоветовавшись с руководителями отделений, банк также обнаружил, что люди, ведущие себя таким образом, также справляются с каким-то недавним стрессовым событием. В результате всем клиентам, отмеченным алгоритмом как члены этого микросегмента, автоматически устанавливался новый лимит по их кредитным картам и предлагались финансовые консультации.

Предписанный этап машинного обучения, открывающий новую эру взаимодействия человека и машины, потребует самых больших изменений в том, как мы работаем. В то время как машина идентифицирует шаблоны, ответственность человека-переводчика будет состоять в том, чтобы интерпретировать их для различных микросегментов и рекомендовать курс действий. Здесь топ-менеджеры должны принимать непосредственное участие в разработке и формулировании целей, которые такие алгоритмы пытаются оптимизировать.

6. Это ужасно похоже на то, что автоматизация заменит людей в долгосрочной перспективе. Приблизились ли мы к тому, чтобы узнать, заменят ли машины менеджеров?

Это правда, что изменения происходят (и данные генерируются) так быстро, что участие человека в процессе принятия всех решений быстро становится непрактичным. Заглядывая на три-пять лет вперед, мы ожидаем увидеть гораздо более высокий уровень искусственного интеллекта, а также развитие распределенных автономных корпораций. Эти самомотивированные, автономные агенты, сформированные как корпорации, смогут выполнять поставленные задачи автономно, без какого-либо прямого человеческого контроля. Некоторые ЦАП, безусловно, станут самопрограммируемыми.

Согласно одному мнению, распределенные автономные корпорации представляют угрозу и враждебны нашей культуре. Но к тому времени, когда они полностью разовьются, машинное обучение станет невидимым в культурном отношении, точно так же, как технологические изобретения 20-го века ушли на задний план. Роль людей будет заключаться в том, чтобы направлять и направлять алгоритмы, когда они пытаются достичь поставленных перед ними целей. Это один из уроков алгоритмов автоматической торговли, которые нанесли такой ущерб во время финансового кризиса 2008 года9.0005

Независимо от того, какие свежие идеи извлекают компьютеры, только менеджеры-люди могут решить основные вопросы, например, какие критические бизнес-проблемы компания действительно пытается решить. Точно так же, как человеческие коллеги нуждаются в регулярных обзорах и оценках, так и эти «гениальные машины» и их работа также должны будут регулярно оцениваться, дорабатываться — и, кто знает, возможно, даже увольняться или направляться совершенно другими путями — руководителями с опытом, суждение и экспертиза предметной области.