Друзья, хочу совета попросить
у меня тут ряд продуктов накопился по теме Бережливого производства в связи с развитием ИИ и прочих LLM моделей
я вот тут их перечислил, планирую активно продавать и расширять партнерскую сеть (т.е. и с вашей помощью работать, если кто-то заинтересуется)
В связи с этим вопрос
1) Насколько вы видите релевантным продукты, которые у меня есть, для ваших клиентов и для индустрии в целом?
2) Есть ли что-то, что требует применения ИИ и будет релевантным, о чем стоит подумать?
3) Есть ли желание как-то поучаствовать в разработке/тестировании продуктов или применении (или, может, в продажах?)
4) Будет ли интересно в целом обсудить тему о том, как именно ИИ (не автоматизация и цифровизация, а конкретно genAI + LLM + no code/vibecode решения) влияют на продукты бережливого производства?

Друзья, наш прибамбас для PowerPoint приобрел свой телеграм канал
Буду рад вашим подпискам и комментариям (и спасибо тем, кто уже дал ценные замечания)

https://xn--r1a.website/pptpowerkeys

Муда, мура, мури: у бережливого производства три врага

У бережливого производства три врага, а не один: муда (потери), мура (неравномерность) и мури (перегрузка). 20 лет в России боролись только с первым, хотя два других коварнее: они невидимы глазу и порождают потери по конвейеру — мура создает мури, а мури создает муда.

▪️ Мура — рваный ритм: полмесяца простоя, полмесяца аврал. Устранить потери, не выровняв поток, бесполезно.
▪️ Мури — работа на пределе: сверхурочные, «давай-давай», станки на форсаже. Перегруженный человек ошибается, станок ломается.
▪️ Пример Toyota: везти 6 тонн грузовиком на 3 тонны — мури; 4 и 2 тонны — мура; два рейса по 3 — правильно.
▪️ Кейс Сбербанка: поток клиентов неравномерен, а мощность отделения постоянна — отсюда и очереди, и простои сотрудников.
▪️ Кейс с шахтой: две недели ожидания согласований обернулись перегрузкой в финале, спешкой и браком — мура перешла в мури.
▪️ ИИ и видеоаналитика наконец делают мур...

👉 Читать в Telegram

Андон: право остановить конвейер — и почему у нас страшно им пользоваться

Принцип дзидока, рожденный на ткацких станках Сакити Тоёды, стал основой производственной культуры Toyota: любой рабочий может дернуть шнур и остановить конвейер при обнаружении дефекта. Остановка линии там — норма, а не ЧП, ведь проблема, пойманная на месте, стоит копейки, а упущенная — превращается в катастрофу. В России андон прижился наполовину: табло висят, но дергать страшно из-за страха «подставить мастера» и сорвать план.

▪️ Ключевая идея: в классическом производстве остановка — преступление, в Toyota — преступление не остановить линию при виде брака.
▪️ Культурный барьер: без права на сигнал андон — просто дорогая лампа; инициатива наказуема, поэтому сигнал не рождается или рождается поздно.
▪️ Ценность андона — в ранности сигнала: честное признание «отстаю на год» сжало отставание до двух месяцев, но год был потерян из-за культуры «не выносить сор из избы».
▪️ Эволюция: ручной шнур заменен кнопками и мессенджерами, IoT-датчики и видеоаналитика дергают «шнур» без человека, а ИИ ловит отклонения до превращения в брак.
▪️ Главное условие: андон работает только если реак...

👉 Читать полностью

5S: не уборка, а система, где любое отклонение кричит о себе

5S — «секретный инструмент миллиардеров», который маскируется под уборку. Родившись в японских цехах 1950–60-х, он призван не наводить красоту, а сделать поток без спотыканий. Ключевой принцип: грязь и беспорядок — это ранняя диагностика поломок и потерь, которую нельзя игнорировать. В России инструмент часто мутировал в кампанейщину, где из пяти шагов выживают «убраться и разметить». Главный тезис: 5S — лакмусовая бумажка управленческой зрелости: как компания держит порядок на верстаке, так она держит сроки и бюджеты.

▪️ Honda надела белые комбинезоны, чтобы любое пятно мгновенно сигнализировало о подтекающем станке — грязь сделали невозможной для игнорирования.
▪️ Пять шагов в переводе на язык денег: сортировка = инвентаризация замороженных активов, свои места = сокращение зарплаты за хождение по кругу, чистота = осмотр, а не «помыть».
▪️ Стандарт рабочего места — не регламент на 12 страниц, а фотография эталона на стене: отклонение видно за секунду новичку.
▪️ Потолок классической схемы — ручной контроль: чек-листы рисуются задним числом, аудит превращается в событие, к которому готовят...

👉 Читать полностью

🤝 McKinsey и Cursor: конец эпохи «чистых» консультантов и «чистых» программистов

McKinsey стала Cursor Benchmark Partner и будет не просто внедрять платформу у клиентов, а строить собственных AI-агентов на реальных проектах. Смысл альянса в связке: Cursor ускоряет разработчика, а McKinsey перестраивает всю организацию вокруг инструмента — от стратегии до метрик.

Технология сама по себе не решает проблему, но и чистое управление без неё больше не продаётся. Работает только связка инструмента, процессов, людей и измерения бизнес-эффекта. Рынок взрослеет: компании застревают в пилотах, потому что меняют инструмент, а не способ работы.

▪️ Программисту уже недостаточно писать код — нужно понимать бизнес-логику, приоритеты продукта и экономику решения
▪️ Консультанту недостаточно управленческой экспертизы — нужны знания продуктовой разработки и ИИ-инструментов
▪️ Агенты схлопывают рутинную часть кодирования, узкое место смещается к постановке задач
▪️ Клиенты хотят не презентации, а измеримый прыжок в скорости, time-to-market и бизнес-результате
▪️ Будущее за гибридными профессионалами, соединяющими технологию, бизнес и организационный контекст в одну р...

👉 Читать полностью

Новый McKinsey Quarterly: геополитика стала важнее хайпа про AI

Новый выпуск McKinsey Quarterly — это взрослый и трезвый разговор о возврате реальности. После периода цифровой эйфории консультанты задают фундаментальный вопрос: в каком мире компания собирается расти? Ответ честный: мир фрагментирован, границы снова имеют значение, а геополитика из фонового риска превратилась в ядро корпоративной стратегии.

▪️ Геополитика больше не внешний шум, а переменная управления: location снова становится стратегической категорией, а рост нельзя обсуждать отдельно от географии и государства
▪️ McKinsey предлагает считать «стоимость геополитики»: раскладывать воздействие по функциям — технологии, производство, поставщики, данные, капитал — и выявлять реальную концентрацию риска
▪️ AI перестал быть автоматическим преимуществом: базовый доступ будет у всех, а выигрывают те, кто строит труднокопируемую систему — уникальные данные, процессы, дисциплину и скорость решений
▪️ Конкурентоспособность теперь про «лучшую собранную систему», а не про «лучший актив»: побеждают те, кто одновременно чувствует контекст, меняет цепочки поставок и перестраивает организацию
▪️ AI...

👉 Читать полностью

Хронометраж: как кино Гилбретов стало нейросетью через 110 лет

Супруги Гилбрет в 1910-х первыми сняли движения рабочих на кинокамеру с лампочками на руках (хроноциклография), разложив кладку кирпича с 18 движений до 4–5. В отличие от секундомера Тейлора, ловившего время, они поняли: работу нужно увидеть, чтобы улучшить. Сегодня их метод переживает второе рождение — нейросети анализируют видео операций автоматически, без нормировщика с секундомером и эффекта наблюдателя.

▪️ Классический хронометраж и НОТ дали миру нормировщиков, но у него три болезни: трудоемкость (29 тыс. секунд видео на один ремонт), хоторнский эффект (люди играют при наблюдателе) и редкость замеров — нормы устаревают.
▪️ Кейс из 2020 года: на калийной шахте честный замер показал 22% простоев конвейеров; после синхронизации работ и контроллеров нагрузки они упали до 14%. Сначала замер — потом решения.
▪️ Интуиция про время врет: за 20 лет ни одно производство не совпало с субъективными оценками длительности.
▪️ ИИ-хронометраж (камеры + нейросети) дает тысячи замеров каждого цикла, а камеру через неделю перестают замечать — в кадре обычная работа, а не спектакль.
▪️ Ирония над Тейло...

👉 Читать полностью

СОП: почему рабочие ненавидят инструкции — и как ИИ пишет их за вас

Стандартизированная работа — это зафиксированный лучший известный способ выполнения операции, но не «высеченный в граните»: без стандарта кайдзен невозможен, ведь непонятно, что улучшать. Хороший СОП — это не 50-страничный фолиант, а «комикс» на один лист, а стандарт, который никто не проверяет, умирает быстрее, чем сохнет краска на стенде. Главная боль — рабочие саботируют инструкции, потому что те пишутся «для аудитора», а не для человека, и лекарство известно из TWI: стандарт пишется только вместе с лучшим оператором. Ручное производство СОПов — это потеря, а выход — ИИ, который из видеозаписи операции сам собирает шаги, ключевые точки и время.

▪️ Стандарт — это точка опоры для улучшений: нашел способ лучше — обновил стандарт, и все работают по-новому.
▪️ Эксперимент на Русале показал: повторные отказы случались не из-за «неудачной ванны», а из-за отсутствия контроля процесса ремонта.
▪️ На комбинате СВЕЗА ежесменный контроль по стандарту ускорил выход новичков на нормальную выработку.
▪️ Цифровые платформы и нейросети генерируют СОПы из видео за часы вместо недель работы техноло...

👉 Читать полностью

Короткая реклама от дружественного канала, проект развивается, надеюсь, вы уже пользуетесь этой примочкой для powerpoint

Друзья, на нашем youtube канале выложили запись прошедшего вебинара
Обзор всех возможностей программы
будем рады вашим просмотрам и лайкам

Кайдзен: почему маленькие шаги каждый день бьют большие инвестиции раз в год

Масааки Имаи в 1986 году сформулировал секрет японских заводов: не роботы и не технологии, а привычка улучшать всё каждый день силами всех. Ирония в том, что корни кайдзена — американские: модуль Job Methods программы TWI, забытый на родине, прижился в разрушенной Японии и вернулся в США в 90-х как японское чудо.

Кайдзен — это не проект и не кампания, а дисциплина мышления на цикле PDCA: малые шаги без капзатрат на длинной дистанции выигрывают у больших инвестпроектов, потому что не ждут бюджета. Главный диагноз неудач — кайдзен стал событием раз в полгода, а не ежедневной привычкой.

▪️ Формула Имаи: каждый день, каждый человек, повсюду — улучшает не отдел развития, а те, кто стоит у станка
▪️ Кейс с шахты: команды начинали не с идей, а с анализа фактов — сокращение простоев комбайнов на 86% без новых машин, только логистика и мастерские под землей
▪️ Решения, придуманные самими рабочими, не саботируют — их защищают
▪️ Три хронические болезни: зависимость от энергии лидера, недели на сбор данных, бюрократическое оформление после сессии
▪️ Вторая жизнь кайдзена — ИИ: автома...

👉 Читать полностью

Фабрика идей: почему миллион маленьких идей бьет десять больших

Toyota построила систему, при которой рабочие подали миллионы предложений с внедряемостью выше 90% — просто потому, что платила маленькие деньги за маленькие идеи и отвечала быстро. В СССР мощная традиция рационализаторства погибла из-за бюрократии, а не из-за смены эпох. Главный вывод из практики: система живет не размером премии, а скоростью первого ответа и защитой автора от «инициатива наказуема». Классические фабрики идей умирают из-за очередей к экспертным советам, ручного поиска дублей и сложного оформления — каждый шаг растягивается с дней до месяцев. Цифровизация и ИИ убирают боль: подача с телефона, автоскоринг, расчет эффекта и ответ автору до конца смены вместо ожидания в три месяца.

▪️ Главный KPI фабрики идей — время от подачи идеи до первого ответа, а не размер премии за внедрение
▪️ Скорость обратной связи важнее денег: ответ за 3 дня мотивирует автора, за 3 месяца — убивает инициативу навсегда
▪️ Признание (имя на стенде, благодарность) работает сильнее конверта: статус остается с человеком каждый день
▪️ Внедрение 90% идей достигается не гениальностью, а их масштабом:...

👉 Читать полностью

71% российских компаний используют генеративный ИИ. Значимый финансовый эффект получают 9%. В мире — 88% и 6%.
Август 2026 — месяц, когда рынок консалтинга перестал спрашивать «внедрять или нет» и начал спрашивать «а где деньги».

Я запускаю ежемесячную серию разборов — что писали консультанты за месяц, с цифрами и ссылками на первоисточники. Первый выпуск: 10 главных отчётов августа за 40 минут.

О чём выпуск:
▪️ Разговор про ИИ перешёл из режима «хайп» в режим «счёт». Барьеры называются управленческими: процессы, данные, KPI, роли.
▪️ Кадровый дефицит стал качественным: HR-бюджеты падают с 40% до 30%, стоимость найма выросла вдвое, 69% сотрудников не хотят в руководители.
▪️ Рынок консалтинга консолидируется через нишевые M&A — экспертизу покупают, а не выращивают.
▪️ Вся «Большая четвёрка» поймана на выдаче ИИ-контента за экспертизу.
▪️ Классический Lean никуда не делся, но переупаковывается: клиент больше не покупает «просто Lean».

Зачем я это делаю. Слишком много хорошей аналитики умирает внутри PDF-ки, которую прочитали двенадцать человек. Мне кажется, коллег незаслуженно мало читают — и я хочу это чинить раз в месяц.
.
Это первый выпуск, и мне важно понять, стоит ли продолжать. Посмотрите, поставьте лайк, напишите в комментариях, что думаете про формат — и какой отчёт разобрать в сентябре.

👉 https://www.youtube.com/watch?v=P1vUws8tYPE

Lean AI Sprint — старый инструмент, обновленный ИИ

Lean AI Sprint — это короткий цикл улучшения процесса, где сначала разбирают реальную работу и находят потери, и только потом решают, нужен ли здесь AI. Подход опирается на принцип Toyota: иди туда, где создается ценность (сегодня это экран сотрудника), а не обсуждай процесс в переговорке. Ключевая логика — process first, AI second: встраивать технологию поверх кривого процесса бессмысленно.

▪️ Спринт начинается не с вопроса «какой AI внедрить», а с бизнес-боли: где теряется время, качество или клиент.
▪️ Самый ценный шаг — digital gemba: наблюдение за реальной работой сотрудника, которое вскрывает ручной ввод, ожидания, дублирование и «исключения, ставшие нормой».
▪️ До внедрения AI фиксируют baseline-метрики: lead time, touch time, количество переделок, долю кейсов без возвратов.
▪️ Логика такая: убрать лишнее → упростить → стандартизировать → автоматизировать правила → и только затем усиливать AI задачи с вариативностью (извлечение данных, классификация, суммаризация).
▪️ После пилота три варианта: Scale (масштабировать), Fix (доработать) или Stop — если ценности нет, остановка это зрелость.
▪️ Г...

👉 Читать полностью

«А кто мы вообще такие?» — почему заводам мало бережливого производства

Друкер писал ещё в XX веке: у бизнеса две базовые функции — маркетинг и инновации, всё остальное — издержки. Большинство производственников мысленно с этим спорят: для них результат — тонны, OEE, брак и себестоимость, а маркетинг «где-то у продажников». Но у операционной эффективности есть предел: нельзя бесконечно снижать себестоимость. Коммерческий потенциал часто даже не измерен — и даёт больше денег, чем очередной проект по экономии процента затрат.

▪️ P&G построена вокруг брендов, а не цехов: каждый бренд — отдельный бизнес со своей стратегией и P&L
▪️ Система brand management родилась из памятки Нила Макэлроя 1931 года: компания конкурирует сама с собой внутри, чтобы побеждать снаружи
▪️ Производство всё чаще — входной билет, а не источник преимущества; побеждает тот, кто точнее работает с клиентом
▪️ Ключевые вопросы: конверсия воронки, цена относительно воспринимаемой ценности, скорость КП, доля кошелька клиента
▪️ Lean-подход стоит применить к потоку клиента: где потери, очереди, дефекты и переделки в коммерческом процессе
▪️ Инструменты: customer journey, сегментация,...

👉 Читать полностью

Видео на канале 🎥 Как меняются инструменты БП с приходом ИИ

На вебинаре в сообществе «Линтузиасты» разобрали, как ИИ меняет инструменты бережливого производства. Классические инструменты никуда не уходят — меняется лишь объём человеческого времени на их обслуживание и то, куда направляется освободившееся внимание. Аудитория — практики, которых интересует не «что такое ИИ», а где именно он встраивается в их процессы.

▪️ Набор инструментов БП остаётся прежним — картирование, стандартизация, решение проблем
▪️ ИИ сокращает время на обслуживание инструментов, а не заменяет их
▪️ Освободившееся внимание можно перенаправить на более ценные задачи
▪️ Главный вопрос практиков: «покажи, где ИИ встраивается в мой процесс»
▪️ Фрагмент выступления и полная запись вебинара — на канале и Rutube

👉 Читать полностью

Узкое место в продажах или в производстве? OEE для бизнеса

«В среднем всё нормально» — опасная фраза. Спор «продажи или производство» бесполезен, пока не найдено главное ограничение системы. Инструмент «OEE бизнеса» (разработка Олега Ненашева) сравнивает в деньгах три источника потерь: готовность рынка, производительность цикла и качество результата. Приоритет — не там, где ниже процент, а где исправление быстрее высвободит деньги.

▪️ Логика Голдратта («Цель»): результат системы определяет её ограничение, а не сумма локальных улучшений
▪️ Нельзя умножить OEE на маржу и объявить результат прибылью — нужен полный финансовый учёт переделок и процентов
▪️ Кейс генподрядчика: 2,1 млрд ₽ зависли в закрытии КС — чинить стоило цикл, а не темп бригад
▪️ План/факт не спасает: план часто уже содержит привычные потери как «норму»
▪️ Модель — диагностика для выбора приоритета, не замена аудиту и бухгалтерии
▪️ Два вопроса собственнику: где ограничение и сколько денег оно съедает в день, месяц, год

👉 Читать полностью

Как мы провели диагностику без аналитиков — и сделали больше, чем планировали

Команда из четырёх опытных консультантов без аналитиков и ассоциатов провела полноценную диагностику на ближневосточном проекте — за счёт работы с ИИ как с обычным инструментом. Ключевое отличие: не разрозненные чат-боты, а общая память проекта с единым контекстом — интервью, данные, гипотезы, наблюдения с площадки. Это ускорило не отдельные операции, а весь цикл накопления и проверки знаний. Старая консалтинговая пирамида на этой задаче оказалась необязательной.

▪️ ИИ — уже базовый минимум, а не конкурентное преимущество: два равных специалиста с ИИ и без него — в неравных условиях
▪️ Значительная часть работы аналитиков и ассоциатов автоматизируется — но открыт вопрос, откуда тогда вырастут новые руководители
▪️ Архитектура важнее модели: единое пространство знаний, правила загрузки, разделение фактов и гипотез, обезличивание данных
▪️ Чем лучше нейросети, тем ценнее «работа руками»: интервью, площадка, хронометраж, проверка выводов здравым смыслом
▪️ Единица работы сместилась с задачи на цикл: факты → контекст → гипотеза → поиск противоречий ИИ → проверка на площадке →...

👉 Читать полностью

Доска решения проблем: фанера с маркером против ERP

Тайити Оно требовал: руководитель должен за 10 секунд понять, в норме ли процесс. Так родился визуальный менеджмент и «прозрачный» цех, а в 1990-х — дисциплина shop floor management с доской SQDC (Safety–Quality–Delivery–Cost). Каждое утро смена 15 минут стоит у доски: зеленое — норма, красное — отклонение, и по каждому красному запись с владельцем и сроком. Доска — не стенд, а ритуал: проблема → владелец → срок → эскалация наверх за 24 часа.

▪️ Три уровня: доска смены → цеха → завода; директор видит только то, что не по силам ниже
▪️ Признак «обоев»: проблема висит с прошлого года, сроки переписываются, владелец — «цех»
▪️ Доска работает, пока у нее стоит руководитель: два пропуска — и люди поняли, что это неважно
▪️ Потолок бумаги: ручной перенос данных (реакция опаздывает на сутки), «висяки» не анализируются, знание умирает в архивах
▪️ Цифровые SFM: данные в реальном времени, автоэскалация, ИИ приоритизирует по деньгам и подсказывает похожие решенные кейсы
▪️ Экран не заменит руководителя: цифра ускоряет цикл, крутит его дисциплина

👉 Читать полностью