Хотелось бы еще раз вспомнить про новую игру что добавила интерактивная и веселья на двух значимых мероприятиях Окрон и Клин Экспо. Еще раз благодарим всех за участие а самых удачливых фей с ценными призами.С нетерпением ждем всех на новых игровых сессиях

  На Clean Expo прошла презентация бизнес игры Людоед-заказчик и Фея-решалочка.

Игра о том как взаимодействовать с заказчиком и решать текущие проблемы.

Многие участники выставки поиграли получили призы и хорошее настроение.  

Заказчики, когда разбирают коммерческие предложения от клининговых компаний, изучают затраты. Среди затрат бывает техника: трактора, погрузчики, поломоечные машины. И тендерный комитет задает такой вопрос: «Почему так дорого стоит амортизация. Вы, что хотите за наш счет купить себе трактор?» Предъявляют претензии, что за год они заплатят за использование трактора столько, что можно было бы купить новый трактор.

На что есть встречный аргумент: «Коллеги, а мне зачем после окончания контракта мне этот подержанный трактор?»Логика заказчика, что клининговая компания может его использовать в другом месте, не работает. Потому, что никто не знает в клининговой компании, что и когда выиграет. Понадобится этот трактор, не понадобится.

Если амортизировать трактор три года, треть стоимости оплатит заказчик в составе контракта, в две трети стоимости трактора закроет клининговая компания за счет своей прибыли. То есть вместо прибыли останется годовалый трактор, с которым будем мучиться. У нас нет территории, запчастей, нет механиков. Мы не специализированный механизированный парк. Это другой бизнес.

Заказчик цокает языком и кивает головой: «Ну, вы, просто, маленькая компания. Не умеете работать. У ваших коллег с парком техники есть конкурентное преимущество». То есть, клининг ещё и вынужден старую технику, которую получил вместо прибыли искать где пристроить бесплатно на другом объекте, чтобы вернуть деньги за трактор.

Мне такая история, честно говоря, не нравится.

Рассажу свой опыт, когда я очень хотел понравиться заказчику, а вместо благодарности попал на деньги.Когда только начинал самостоятельный бизнес заключил контракт на уборку мопов одной и башен Москва-Сити. Купил вместо обычного инвентаря SWEP систему "VILEDA»: 7 комплектов тележек, дорогущую стиральную машину, дозаторы, двести сорок фирменных мопов. Надеялся, что заказчик оценит мой порыв и качество. Рассчитывал, что я «зацеплюсь» за этот, как мне казалось знаковый объект. Через три месяца заказчик расторг этот контракт. Это было в 2015 году. Я тогда заплатил миллион рублей за весь этот комплект, чтобы понравиться заказчику. В итоге через три месяца я остался с этим почти новым комплектом. Почти год потом расплачивался за этот урок.

Мы сейчас отвечаем заказчику, что при амортизации техники за год мы готовы оставить эту технику заказчику. Или предлагаем: «Сами купите технику и амортизируйте ее в какой вам удобно срок. Мы ее готовы аккуратно эксплуатировать. В отличии от нас она вам точно пригодится в следующем году. Трактор и техника нужны объекту, а клининговой компании бэушный трактор вместо прибыли не интересен».

Как вы поступаете и решаете этот вопрос?

В СССР и в США с середины прошлого века государства для расчета ресурсов использовали метод расчета по единичным расценкам. То есть замеряли время одной операции или уборку одного квадратного метра. Затем складывали и получали время уборки. Добавляли отпускные, больничные и прочие издержки. Умножали на стоимость часа и получали количество времени. Делили на продолжительность смены и получали количество персонала.

Этот способ остался у всех в памяти и им и сегодня пытаются пользоваться клининговые компании. Способ крайне трудоемкий и требует специальных знаний и методик. Начиная от замеров единичных расценок, и кончая методикой расчета отпускных, невыходов. Те, кто пробовал этот способ знают, как непросто сделать такие замеры и расчеты.

Существуют таблицы с замерами единичных нормативов, но про них мало кто знает в среде клининговых компаний.

Способ имеет на мой взгляд ряд недостатков и поэтому не прижился, несмотря на отчаянные попытки в ряде компаний его внедрить.

В нормативах заложено все, что может случиться, все издержки, а бизнес это категорически не устраивает. Никто не хочет платить за то, может когда-то случиться, а может и нет.

Нормативы, собранные в справочники, отстают от современных технологий и не отражают современную скорость уборки.

Нормативы не дают понимания как фактически организовать работу на объекте. Не связаны с графиком уборок и графиком персонала.

Я вижу, как компании самостоятельно приходят к тому, о чем говорит Математический клининг. Замерять время уборки участков. Заказчика интересует периодичность уборки конкретных участков объекта, а не абстрактного квадратного метра поверхности.

Однако, этот метод применяется и без него не обойтись в расчете ресурсов для региона, города, корпорации. Там, где нет физической возможности увидеть и изучить каждый объект. Там, где большой масштаб и один стандарт. Там, где у заказчика потребность заложить сумму в бюджет. Потом уже с исполнителями или собственной службой будут искать, как и где сэкономить.

Математический клининг предлагает новый метод расчета для конкретного объекта. Он учитывает применяемые технологии, особенности и возможности объекта. Вторая задача, которая решается в программе это управление. Программа составляет расписание для этих ресурсов.

Обращайтесь.  

У стола, чтобы устойчиво стоять четыре опоры. У Математического клининга также четыре опоры.

  1. Первая опора – согласование качества. Заказчик и клининговая компания договариваются, что будут считать качественной услугой. Договариваются конкретно, что будет входить в перечень работ, какой результат получится, и сколько раз это будет выполняться. Договоренности должны быть зафиксированы, иначе в дальнейшем каждая из сторон может искажать первоначальный договор.

  2. Вторая опора это замер времени - хронометраж. Время – главный ресурс. К нему надо относиться уважительно. Времени надо тратить ровно столько, сколько требуется для согласованного объема работ. Не больше, не меньше. Хронометраж – обязательно. Если в расчет заложим время избыточное – потратим лишнее время, если недостаточно – не выполним часть работ и не заказчик не получит обещанное качество.

  3. Третья опора – расчет. Считаем время не по абстрактным нормативам, а то время, которое получилось в результате замеров на объекте, по согласованным работам.

  4. Четвертая опора – расписание. Расписание в математическом клининге это не маршрутные карты, составленные на основании «опыта» или по «аналогии». Расписание в математическом клининге совпадает по объему работ с согласованным объемом работ и с проведенными замерами.

У стола есть еще столешница, для которой стоят опоры. У математичекого клининга опоры стоят для партнерских отношений заказчика и исполнителя.

Обращайтесь

Наши контакты:

Тел. WhatsApp 8 916 150 02 20.

ТГ «Математический клининг» t.me/mathematic...

VK «Математический клининг» vk.com/mathematic_cleaning

Начну сразу с конца. Мое мнение, что уборщицу надо учить на объекте и только тому, что она должна на этом объекте делать. Обучать материаловедению, химии, технологиям, которые на этом объекте не применяются не имеет смысла. Человек освоит, только то, чем пользуется и применяет.

Навык формируется в результате повторений. Без применения и повторения шансов приобрести навык нет.

Знания, даже если кто-то что-то и запомнит, то без повторения исчезнут. Попробуйте решить сейчас школьные задачи, хотя вы их успешно решали когда-то. Тоже произойдет и с информацией, которую попытаетесь впихнуть в уборщицу. Ни знаний, ни навыков не будет. Не будет и денег, и времени, которые потратили на обучение.

Наши контакты:

Тел. WhatsApp 8 916 150 02 20.

ТГ «Математический клининг» t.me/mathematic...

VK «Математический клининг» vk.com/mathematic_cleaning

Делюсь впечатлениями от Первого Всероссийского бизнес-форума лидеров фасилити менеджмента.

Сейчас не будет оценок и разборов, а будет констатация увиденных мною тенденций. О чем говорят сегодня клинеры, чем занимаются. Впечатления сразу после мероприятия, без просмотра записи. То, что запомнилось сразу.

В начале обзора благодарю организаторов две Ассоциации: Объединение административно-хозяйственных профессионалов и Русских уборочных компаний за организацию мероприятия.

Форум предоставил возможность увидеть, в каком направлении движется отрасль. Посмотреть, о чем думают и чем занимаются коллеги. Сравнить собственные подходы с решениями, которые применяют другие игроки рынка.

Форум состоял из двух частей: «цифровизация в клининге» и «роботизация в клининге».

В первой сессии о цифровизации коллеги рассказали о своих усилиях и решениях, которые используют или развивают.

Коллеги работают в разных направлениях. Разрабатывают CRM-системы, внедряются искусственный интеллект, совершенствуют программы контроля. Работают и над расчетом ресурсов.

В этой части обсуждали и проблемы выбора подрядчика, и необходимость дать заказчику критерии выбора.

Вторая часть была посвящена - роботизации:

Эта тема сегодня вызывает массу различных дискуссий и привлекает внимание. Роботы внедряются, продаются, совершенствуются. Однако, стоит констатировать, что рынок находится в стадии формирования и сталкивается с рядом сдерживающих факторов:

Скептическое отношение к эффективности из-за высокой стоимости. Модели расчета эффективности очень линейные и не учитывают многих факторов.

Саботаж со стороны персонала. Опасения потери рабочих мест. Нежелание брать ответственность за дорогостоящего робота. Нежелание обучаться работать с новой техникой.

Неясность в вопросе кто должен покупать заказчик или клининговая компания. Нет гибридных моделей расчета и организации работы с применением робота заказчика.

Недостаток специалистов для настройки и обслуживания оборудования.

Тем не менее рынок растет, роботы внедряются и коллеги видят перспективы в их продаже применении.

Подводя итог делаю вывод.

Рынок фасилити менеджмента находится в динамичном состоянии развития. Несмотря на существующие сложности, процесс цифровизации и роботизации набирает обороты.  

Выступал в качестве спикера на первом Всероссийском бизнес-форуме лидеров фасилити-менеджмента

Тема форума - достижения и инновации в клининговой отрасли, включая цифровизацию и беспилотные технологии.

Форум проходил в Общественной палате.  

Внедрение роботизированных решений в клининге часто рассматривается как прямой путь к повышению эффективности и снижению затрат. Однако, как показывает практика, простая замена ручного труда на автоматизированный не всегда приводит к желаемому результату.

Многие компании, приобретая роботов-уборщиков, сталкиваются с тем, что заявленная производительность не оправдывается. Робот – это, прежде всего, машина, требующая четкого алгоритма действий и контроля. Ему необходимо расписание, определяющее время и место работы.

Экономический эффект достигается не за счет самой роботизации, а за счет оптимизации процессов.

Опыт некоторых компаний показывает, что реальную экономию обеспечивает не столько сам робот, сколько необходимость его интеграции в существующий график уборки. Для эффективной работы робота требуется четкое расписание, что, в свою очередь, вынуждает пересматривать и оптимизировать графики работы остального персонала.

Анализ времени, затрачиваемого на уборку каждой зоны, позволяет выявить избыточность ресурсов. Тщательное планирование, основанное на математическом анализе периодичности, продолжительности и частоты уборок, приводит к выявлению лишнего персонала. В результате, оптимизация расписания позволяет сократить штат и перераспределить нагрузку между оставшимися сотрудниками, добиваясь существенной экономии.

Ключевой фактор успеха – это не слепое внедрение роботов, а грамотное управление клининговым процессом, основанное на расписании и четком понимании потребностей объекта.

Обращайтесь.

Наши контакты:

Тел. WhatsApp 8 916 150 02 20.

ТГ «Математический клининг» t.me/mathematic...

VK «Математический клининг» vk.com/mathematic_cleaning

Поддались моде и решили поиграть с ИИ. Спросили у него как он понимает, что такое математический клининг. Вот, что он написал. Написал он много. Есть фантастическая заумь, но и есть о чем подумать.

Математический клининг – это концепция, которая использует математические модели и алгоритмы для решения задач, связанных с уборкой, оптимизацией ресурсов и созданием более эффективных и приятных для жизни пространств. Звучит футуристично, но можно выделить общие принципы и алгоритмы. Вот алгоритм математического клининга, разбитый на этапы:

I. Анализ и Определение Задачи:

1. Сбор Данных:

* Размеры помещения: Длина, ширина, высота каждой комнаты.

* Тип поверхности: (пол, стены, потолок) и материал (дерево, плитка, ковер, обои и т.д.).

* Уровень загрязнения: (низкий, средний, высокий) – оценивается визуально или с помощью датчиков (пыль, пятна, мусор).

* Тип загрязнений: (пыль, грязь, жир, плесень, бактерии) – определяется визуально, химическим анализом или с помощью датчиков.

* Наличие препятствий: (мебель, предметы интерьера) – размеры, форма, расположение.

* Воздушный поток: Измеряется скорость и направление движения воздуха (для оптимизации вентиляции и удаления пыли).

* Микробиологический анализ: Опционально – для выявления бактерий, плесени и аллергенов.

2. Формулировка Цели:

* Минимизация загрязнения: Снижение уровня загрязнения до заданного значения (например, снижение количества пыли на 90%).

* Оптимизация времени уборки: Сокращение времени, затрачиваемого на уборку, при сохранении необходимого уровня чистоты.

* Минимизация использования ресурсов: Снижение потребления воды, электроэнергии и моющих средств.

* Оптимизация маршрута уборки: Разработка наиболее эффективного маршрута для робота-пылесоса или уборщика.

* Улучшение качества воздуха: Снижение концентрации загрязняющих веществ в воздухе.

3. Определение Ограничений:

* Бюджет: Ограничение на стоимость моющих средств, оборудования и рабочей силы.

* Время: Ограничение на время, доступное для уборки.

* Доступность ресурсов: Ограничение на наличие воды, электроэнергии и моющих средств.

* Требования к безопасности: Ограничение на использование токсичных или опасных веществ.

* Требования к сохранности имущества: Ограничение на использование агрессивных методов уборки, которые могут повредить поверхности.

II. Построение Математической Модели:

1. Модель Распространения Загрязнений:

* Дифференциальные уравнения: Описывают изменение концентрации загрязняющих веществ во времени и пространстве (учитывают диффузию, конвекцию и осаждение).

* Модель оседания пыли: Учитывает размер частиц пыли, скорость воздушного потока и гравитацию.

* Модель роста бактерий/плесени: Учитывает температуру, влажность, наличие питательных веществ и скорость размножения.

2. Модель Эффективности Уборочных Действий:

* Функция эффективности: Описывает зависимость уровня чистоты от типа моющего средства, способа уборки (пылесос, влажная уборка, дезинфекция) и времени воздействия.

* Модель износа поверхностей: Описывает зависимость повреждения поверхности от интенсивности уборки и типа используемых средств.

3. Модель Оптимизации Маршрута:

* Задача коммивояжера (TSP): Нахождение кратчайшего маршрута для робота-пылесоса или уборщика, посещающего все необходимые точки (участки пола, мебель).

* Алгоритмы поиска пути (A*, Dijkstra): Используются для навигации робота-пылесоса в сложных помещениях с препятствиями.

III. Решение Задачи Оптимизации:

1. Выбор Алгоритма:

* Линейное программирование: Для задач оптимизации с линейными ограничениями и целевой функцией.

* Нелинейное программирование: Для задач оптимизации с нелинейными ограничениями и целевой функцией.

* Генетические алгоритмы: Для задач оптимизации со сложной структурой, где сложно найти точное решение.

* Алгоритмы машинного обучения: Для задач, где необходимо прогнозировать уровень загрязнения или эффективность уборки на основе исторических данных.

2. Реализация Алгоритма:

* Написание кода: Реализация выбранного алгоритма на языке программирования (например, Python, MATLAB).

* Использование существующих библиотек: Использование готовых библиотек для решения задач оптимизации и машинного обучения.

3. Получение Оптимального Решения:

* Определение оптимальной стратегии уборки: Тип моющих средств, способ уборки, частота уборки, оптимальный маршрут.

* Прогнозирование уровня чистоты: Оценка уровня чистоты, который будет достигнут при использовании оптимальной стратегии уборки.

* Оценка затрат: Оценка стоимости ресурсов, необходимых для реализации оптимальной стратегии уборки.

IV. Реализация и Мониторинг:

1. Внедрение Решения:

* Настройка робота-пылесоса: Программирование маршрута уборки и расписания.

* Обучение персонала: Инструктаж персонала по правильному использованию моющих средств и оборудования.

* Установка датчиков: Размещение датчиков для мониторинга уровня загрязнения и качества воздуха.

2. Мониторинг Результатов:

* Сбор данных: Сбор данных с датчиков об уровне загрязнения, влажности, температуры и других параметрах.

* Анализ данных: Анализ собранных данных для оценки эффективности стратегии уборки.

* Сравнение с прогнозами: Сравнение фактических результатов с прогнозами, полученными с помощью математической модели.

3. Корректировка Модели и Алгоритма:

* Обратная связь: Использование результатов мониторинга для корректировки математической модели и алгоритма оптимизации.

* Адаптация к изменениям: Адаптация стратегии уборки к изменениям в уровне загрязнения, погодных условиях и других факторах.

* Улучшение алгоритма: Внесение изменений в алгоритм оптимизации для повышения его точности и эффективности.

       Пример:

Предположим, у нас есть задача минимизировать время уборки офиса роботом-пылесосом.

1. Анализ: Собираем данные о размерах офиса, расположении мебели, уровне загрязнения.

2. Модель: Создаем математическую модель офиса с учетом препятствий и уровня загрязнения каждого участка. Используем алгоритм A* для поиска оптимального маршрута.

3. Оптимизация: Запускаем алгоритм A* и получаем оптимальный маршрут для робота-пылесоса, который минимизирует время уборки.

4. Реализация: Программируем робота-пылесоса на этот маршрут и запускаем его. Мониторим время уборки и корректируем маршрут при необходимости.

     Заключение:

Математический клининг – это перспективное направление, которое может значительно повысить эффективность и качество уборки, а также снизить затраты на ресурсы. Развитие сенсорных технологий, машинного обучения и алгоритмов оптимизации делает эту концепцию все более реалистичной и востребованной.