Необходимо обеспечить бесшовную интеграцию программного обеспечения с существующим оборудованием для инспекции и системами управления данными. Несовместимость может привести к сбоям в рабочем процессе, дополнительным расходам и удлинённому времени внедрения.
Основная цель программного обеспечения для распознавания дефектов — быстрое и точное выявление несоответствий. Требуется запросить данные о производительности, результаты испытаний или кейс‑стади, демонстрирующие эффективность системы в обнаружении дефектов в различных материалах.
Программное обеспечение, требующее минимального обучения, ускорит адаптацию команды. Интуитивно понятный интерфейс и сильная поддержка со стороны поставщика способны сократить простои и повысить эффективность ежедневных инспекций.
По мере роста производства или усложнения стандартов инспекции потребности могут изменяться. Следует выбирать решение, способное масштабироваться вместе с организацией и адаптироваться к новым методикам неразрушающего контроля.
Надёжные отношения с поставщиком имеют решающее значение. Ищут компании, предоставляющие постоянные обновления, оперативную техническую поддержку и подробную документацию, позволяющую системе работать наилучшим образом.
Самый дешёвый вариант не всегда обеспечивает наилучшие результаты. Необходимо учитывать совокупную стоимость владения, включая обновления, поддержку и обучение, перед принятием окончательного решения. Качественный продукт, точно и своевременно выявляющий дефекты, может снизить количество отзывов продукции и укрепить репутацию бренда, что в итоге повышает окупаемость инвестиций.
Топовые решения для промышленного применения
1. Fujifilm
Fujifilm предлагает обширный портфель решений на основе визуализации, разработанных для точности, скорости и эффективности в отраслях, таких как аэрокосмическая промышленность, нефтегазовый сектор и производство. В ассортимент входят цифровая радиография, вычислительная радиография, промышленные рентгеновские системы и диагностическое программное обеспечение, оптимизированное для обнаружения дефектов.
Помимо оборудования, компания предоставляет комплексные программы обучения, подготавливающие персонал к получению сертификатов уровней 1, 2 и 3. Благодаря многолетним инновациям Fujifilm считается надёжным поставщиком программного обеспечения для распознавания дефектов и систем неразрушающего контроля.
2. Loopr
Loopr разрабатывает решения искусственного интеллекта, ориентированные на автоматизацию обнаружения дефектов и упрощение визуального контроля в производстве. Флагманская платформа LooprIQ Inspect использует программное обеспечение на базе камер и стандартное оборудование для реального времени выявления дефектов, регистрации данных инспекции и поддержки как полностью автоматических, так и человеко‑ассистированных режимов.
Быстрое развертывание, масштабируемость и постоянная база знаний позволяют Loopr снижать затраты, сохранять экспертизу и обеспечивать 100 % покрытие инспекций, делая компанию надёжным партнёром для производителей по всему миру.
3. Mitutoyo
Mitutoyo, мировой лидер в решениях точных измерений, расширил свою экспертизу в области обнаружения дефектов с помощью программного обеспечения AI INSPECT. Продукт упрощает сложные задачи визуального контроля, используя глубокое обучение для высокоточной пиксель‑уровневой детекции без необходимости специализированных знаний в области ИИ.
Программное обеспечение проводит пользователя через интуитивный рабочий процесс, поддерживает быструю подготовку и беспрепятственно интегрируется с существующими системами визуализации. Mitutoyo предоставляет производителям масштабируемое решение, способствующее бездефектному производству за счёт сочетания скорости, экономичности и надёжности.
Сделайте осознанную инвестицию
Выбор программного обеспечения для распознавания дефектов представляет собой инвестицию в обеспечение качества и операционный успех. Ориентируясь на совместимость, точность, удобство использования, масштабируемость и поддержку, можно уверенно подобрать систему, отвечающую как текущим, так и долгосрочным целям, а также установить партнёрские отношения с поставщиком, разделяющим видение надёжности и роста.
Искусственный интеллект (ИИ) в системах планирования ресурсов предприятия (ERP) означает интеграцию технологий ИИ, таких как машинное обучение (ML), обработка естественного языка (NLP) и прогнозная аналитика, в ERP-системы. Эти системы на основе ИИ могут автоматизировать рутинные задачи, предоставлять расширенный анализ данных и прогнозирование, а также улучшать принятие решений. Цель внедрения ИИ в ERP — повышение операционной эффективности и оптимизация бизнес-процессов.
Почему ИИ в ERP важен?
Благодаря ИИ традиционные ERP-системы превращаются в интеллектуальные платформы, которые обучаются на данных, адаптируются к изменениям и оптимизируют бизнес-аналитику в реальном времени, повышая общую эффективность и сокращая затраты. Согласно отчету IBM Institute for Business Value, компании, применяющие генеративный ИИ для анализа данных, уже демонстрируют более высокую прибыльность.
ERP-вендоры обычно проектируют свои системы как набор модульных приложений, которые вместе охватывают все аспекты бизнеса — от финансов до закупок и логистики цепочки поставок. С момента появления термина «ERP» в 90-х годах индустрия ERP-решений выросла до рынка объемом $44 млрд в год. Сегодня многие ведущие корпорации используют ERP-системы для получения «единого источника истины» по всему бизнесу.
По мере роста популярности ERP-систем и расширения их возможностей компании стали внедрять их как часть комплексной бизнес-стратегии. Вместо того чтобы оставаться просто программным обеспечением, ERP-системы способны выявлять новые инсайты, значительно влиять на бизнес-процессы и открывать новые возможности для бизнес-аналитики. В 2010-х годах ERP-системы стали критически важны для управления и анализа больших данных, поскольку современные компании генерируют и собирают больше информации, чем человек может обработать вручную.
За последнее десятилетие ERP-системы с ИИ автоматизировали отдельные задачи, такие как ввод и анализ данных. Однако более современные технологии, такие как генеративный ИИ, начали кардинально менять ERP-ландшафт. Облачные ERP-системы обладают большей вычислительной мощностью, что позволяет использовать более сложные ИИ-приложения.
Продвинутые модели машинного обучения и NLP сделали ERP-системы более удобными и точными, открыв новую эру интеллектуального бизнес-ПО. Влияние ИИ на ERP подтверждается недавними сделками, такими как партнерство Microsoft и OpenAI на $13 млрд и выпуск ИИ-ассистента для Microsoft Dynamics 365. Другой ведущий вендор, SAP, в 2023 году представил генеративного ИИ-ассистента «Joulie».
Типы ИИ в ERP
ERP-системы используют ИИ-технологии для улучшения управления бизнес-процессами. Среди них:
Прогнозная аналитика
Обработка естественного языка (NLP)
Роботизированная автоматизация процессов (RPA)
Машинное обучение (ML)
Чат-боты и виртуальные ассистенты
Распознавание изображений
Прогнозная аналитика
Использует исторические данные для прогнозирования будущих тенденций. ERP-системы с ИИ анализируют прошлые действия и специфические данные компании, чтобы предсказать поведение клиентов или рыночную динамику, помогая руководителям принимать обоснованные решения.
Обработка естественного языка (NLP)
Позволяет ERP-системам понимать и отвечать на человеческую речь, улучшая взаимодействие с пользователями. Благодаря большим языковым моделям (LLM), таким как ChatGPT, NLP-инструменты стали более точными и контекстно-релевантными.
Например, NLP может анализировать неструктурированный текст (например, письма клиентов) для оценки настроений или обрабатывать запросы сотрудников в неформальном стиле, делая ПО более интуитивным.
Роботизированная автоматизация процессов (RPA)
Автоматизирует рутинные задачи (например, ввод данных, миграцию файлов) с помощью «ботов». ERP-системы с RPA могут автоматически генерировать отчеты, распределять HR-документы или управлять данными клиентов.
Машинное обучение (ML)
ML-модели обучаются на данных, улучшая прогнозирование и принятие решений. В ERP это снижает ошибки и повышает эффективность. Поскольку ERP-системы работают с большими объемами данных, ML может значительно улучшить их функциональность.
Чат-боты и виртуальные ассистенты
Используют NLP для поддержки в реальном времени, улучшая клиентский опыт и помогая сотрудникам в рабочих процессах. Например, чат-боты могут отвечать на вопросы о HR-задачах.
Распознавание изображений
ИИ анализирует визуальные данные (документы, видео) и преобразует их в редактируемые форматы. Также используется для контроля качества на производстве.
Генеративный ИИ в ERP
Генеративный ИИ имитирует человеческий интеллект, добавляя новые функции в ERP-системы. Например:
Генерация отчетов — автоматическое создание бизнес-отчетов из сырых данных.
Создание контента — написание писем, маркетинговых материалов или документации.
Сценарное планирование — анализ регуляций и предложение рекомендаций (например, по сокращению углеродного следа).
Примеры использования ИИ в ERP
Прогнозное обслуживание Датчики IoT и «цифровые двойники» предсказывают необходимость ремонта оборудования, предотвращая простои. Применяется в энергетике, транспорте и сельском хозяйстве.
Прогнозирование спроса и управление расходами ERP-системы анализируют исторические данные, чтобы оптимизировать запасы и избежать дефицита. Инструменты Oracle автоматически улучшают прогнозы денежных потоков.
Автоматизированная обработка счетов NLP и RPA ускоряют обработку счетов, снижая ошибки. SAP и Oracle используют ИИ для верификации накладных.
Поддержка клиентов ИИ в CRM автоматически решает типовые вопросы и генерирует письма (как в SAP CRM).
Управление персоналом Например, SAP SuccessFactors предлагает персонализированное обучение и автоматически подбирает кандидатов.
Управление цепочками поставок ИИ оптимизирует логистику, отслеживает заказы и прогнозирует сбои (как в IBM Sterling).
Преимущества ИИ в ERP
Повышенная точность — снижение ошибок за счет автоматизации.
Оптимизация процессов — быстрая адаптация к изменениям на основе аналитики.
Рост продуктивности — сотрудники освобождаются от рутины.
Управление данными — обучение ИИ на качественных и защищенных данных.
Масштабируемая инфраструктура — облачные или гибридные решения.
Постоянный мониторинг — регулярные обновления системы.
Стратегия интеграции — соответствие бизнес-целям.
ИИ на отечественном ERP-ландшафте
Несмотря на отставание российского ERP-рынка в области искусственного интеллекта по сравнению с западными аналогами, некоторые компании уже начали внедрять ИИ-решения в свои системы.
Прогнозная аналитика в ритейле Крупные российские розничные сети, такие как «Магнит» и X5 Group, используют ERP-системы с элементами ИИ для прогнозирования спроса и оптимизации цепочек поставок. Алгоритмы машинного обучения анализируют исторические продажи, сезонность и внешние факторы (например, погоду), чтобы минимизировать излишки или дефицит товаров.
Автоматизация документооборота в госсекторе Некоторые государственные корпорации (например, «Ростех» и «Росатом») внедряют NLP и RPA в свои ERP-системы для автоматической обработки счетов, накладных и контрактов. Это ускоряет процессы согласования и снижает бюрократическую нагрузку.
Чат-боты для HR в банковском секторе Сбербанк и ВТБ применяют ИИ-ассистентов на базе своих ERP-решений для автоматизации HR-процессов. Виртуальные помощники отвечают на вопросы сотрудников о зарплате, отпусках и корпоративных льготах, сокращая нагрузку на HR-отделы.
Предиктивная аналитика в промышленности Компании вроде «Северстали» и «Норникеля» тестируют ИИ-модули для прогнозирования износа оборудования. Датчики IoT собирают данные о состоянии техники, а алгоритмы предсказывают оптимальное время для обслуживания, предотвращая аварии.
Отставание российского ERP-ландшафта в сфере ИИ
Несмотря на отдельные успешные кейсы, российский рынок ERP серьезно отстает от западного в интеграции ИИ. Основные причины:
Ограниченные технологические возможности
Большинство российских ERP-систем (1С, Галактика, и т.д.) изначально не проектировались для работы с ИИ.
Нехватка вычислительных мощностей и облачных решений затрудняет внедрение сложных ML-моделей.
Дефицит данных для обучения моделей
Качественные дата-сеты, необходимые для обучения ИИ, часто недоступны из-за закрытости корпоративных данных.
Многие компании до сих пор используют устаревшие системы учета, несовместимые с современной аналитикой.
Санкционные ограничения
После 2022 года усложнился доступ к западным ERP-платформам (SAP, Oracle), которые лидируют в области ИИ.
Российские аналоги (например, «Постгрес ПРО» или «Р7-Офис») пока не могут предложить сопоставимый функционал.
Недостаток экспертизы
В России мало специалистов, способных разрабатывать и внедрять ИИ-модули для ERP.
Компании часто не готовы инвестировать в долгосрочные ИИ-проекты из-за неочевидного ROI.
Экспертные мнения, новости и тренды в части корпоративных информационных систем в телеграм-канале.
пример ограничения давления воздушного нагнетателя из‑за загрязнённого фильтра
Введение
Формальное обучение новых специалистов по управлению процессами обычно не охватывает работу с операторами и другими участниками процесса при безопасной и эффективной настройке PID‑регулятора. Эти навыки передаются наставниками, которые должны донести несколько ключевых уроков.
Первый урок: в хорошо отлаженном предприятии запросы на настройку часто являются индикатором более серьёзной проблемы. Настройка может лишь временно скрыть её, а иногда полностью решить её, передать информацию о проблеме другим специалистам или вовсе не требовать настройки.
Второй урок: управление процессом – командный спорт. Сосредоточившись исключительно на настройке, можно упустить более фундаментальную причину неисправности. Поэтому важно выйти за рамки настройки и привлечь помощь, если проблема выходит за пределы вашей компетенции.
Получение готовности к настройке
Когда к специалисту обращаются с просьбой настроить существующий регулятор, следует немного подготовиться:
Изучить журналы настройки
Поговорить с персоналом
Избежать сюрпризов для операторов
Не создавать более серьёзных проблем
Журналы настройки
Если на предприятии нет журналов настройки, рекомендуется их вести. Журнал может быть как рукописным, так и электронным. При изменении параметров регулятора следует сразу добавлять комментарий. Журнал помогает:
Отслеживать медленно развивающиеся проблемы процесса или измерительных приборов.
Выявлять случаи, когда может потребоваться адаптивная настройка.
Объяснять причины выбранных настроек.
Восстанавливать прежние параметры или корректировать их при необходимости.
пример журнала настройки
Пример журнала относится к контроллеру подачи в блоке Unobtainium Unit. Записи хранятся в Microsoft Excel и доступны всей группе управления. Хронологический порядок позволяет быстро увидеть, какие параметры изменялись и почему. В журнале отражены такие события, как запуск нового блока с настройками по умолчанию, последующее усиление регулирования после расширения блока, обход проблем с заеданием клапана, а также восстановление оригинальных настроек после ремонта клапана.
Разговор с персоналом о проблемах процесса
Запросы на настройку часто исходят от людей, уже сформировавших мнение о причине проблемы. Важно уточнить их предположения:
«Мы изменили процесс» – вероятно, потребуется настройка, но стоит уточнить детали у ответственного.
«Мы заметили странное поведение» – запрос может скрывать более крупную проблему, требующую временного решения через настройку.
«Один контроллер начал вести себя плохо, остальные в порядке» – часто причина кроется в клапане или измерительном приборе.
Во время беседы следует просмотреть тренды, определить момент начала отклонения и сформировать предварительное мнение о вероятной причине. Это экономит время и помогает понять, можно ли решить проблему без настройки.
Этикет при настройке: без сюрпризов
Операторы не любят неожиданностей. При работе с ними необходимо:
Лично посетить их участок, а не звонить.
Спросить, удобно ли сейчас обсуждать настройку.
Объяснить цель своих действий и ожидаемый результат.
Указать примерное время, необходимое для настройки.
Согласовать любые изменения режима, выхода или задания регулятора.
Уточнить допустимый размер шага изменения параметров.
По окончании работы обязательно сообщить оператору, что настройка завершена.
Регулярные неформальные встречи с операторами (разговоры о хобби, вопросы о системе) способствуют построению доверия, что облегчает совместную работу в случае возникновения проблем.
Как избежать создания более серьёзной проблемы
Настройка подразумевает вмешательство в процесс, что может вызвать серьёзные последствия, если не соблюдать предосторожности. Примеры:
При закрытой настройке (closed‑loop) без ограничения выхода регулятора можно быстро выйти за пределы безопасных параметров, что привело к остановке котла и значительным потерям в нефтеперерабатывающем заводе.
При открытой настройке (open‑loop) важно контролировать размер шага и направление, избегая «запрещённых зон».
При использовании эвристической настройки увеличение усиления или ускорение интегральной части может привести к неустойчивости, если не соблюдать правила.
Перед началом тестов следует установить ограничения выхода регулятора, особенно если существует риск повреждения оборудования.
Какие проблемы искать во время настройки
При анализе журналов, трендов и общения с персоналом следует обратить внимание на следующие типы проблем (по убыванию вероятности):
Проблемы с клапанами.
Взаимодействие регуляторов.
Нереалистичные ожидания.
Проблемы измерительных приборов.
Проблемы процесса.
Плохой дизайн регулятора.
Плохой клапан
Неисправный клапан часто проявляется характерными формами колебаний переменной процесса:
Квадратная волна у расходомера.
Пила у уровня.
«Акулий плавник» у давления или температуры.
Если ручные шаги клапана дают разный отклик, вероятно, клапан заедает.
Взаимодействие регуляторов
Если контроллер продолжает колебаться в автоматическом режиме, попросите оператора перевести его в ручной.
Если колебания исчезают – проблема в настройке или клапане.
Если колебания сохраняются – другой регулятор воздействует на данный контур.
Взаимодействие часто возникает в системах с внутренними рециркуляциями (дистилляция, теплообменные сети, распределительные линии) или при последовательных контроллерах (давление‑расход).
Нереалистичные ожидания
Запросы ускорить регулирование часто игнорируют физические ограничения процесса. Для медленных процессов естественный период (≈ 4 × время задержки) ограничивает скорость реакции. При объяснении этого операторам полезно использовать аналогии (например, «перемещение слона»).
Проблемы измерительных приборов
"Дрейф" прибора может привести к нарушению пределов и, как следствие, к колебаниям.
"Частично забитый зонд" изменяет динамику процесса, вызывая необходимость замедления регулятора.
Проблемы процесса
Внезапные изменения в работе оборудования (например, обрушение поддонов в колонне) могут вызвать резкое ухудшение контроля, которое не решается настройкой. Медленные изменения (постепенное ухудшение теплообмена) также проявляются в журнале как последовательные корректировки настроек.
Нелинейности
Если процесс часто меняет режимы (разные скорости подачи, разные сырьевые составы), может потребоваться адаптивная настройка.
Ограничения оборудования
Пример: воздушный нагнетатель в системе аэрации сточных вод имеет ограниченный диапазон давления. При частичном засорении фильтра система теряет способность поддерживать требуемое давление, что приводит к частым запросам на настройку.
Плохой дизайн регулятора
Редко встречаются полностью неработающие регуляторы; обычно их проблемы выявляются на этапе пусконаладки. При обнаружении таких случаев следует задокументировать их в журнале и, при возможности, перевести регулятор в ручной режим до исправления.
Завершение сеанса настройки
После успешной настройки необходимо:
Снять ограничения выхода, если они были установлены только для теста.
Сообщить оператору о завершении работы и о том, что система должна теперь лучше подавлять возмущения.
Записать окончательные параметры в журнал, указав, какие изменения были внесены (например, увеличение усиления, замедление интеграла, добавление ограничения скорости задания).
Договориться о проверке работы на следующий день, чтобы убедиться в отсутствии новых возмущений.
При необходимости передать информацию о смежных участках (например, резервуарный парк) ответственным специалистам.
пример окончательной записи в журнале настройки
Заключение
Настройка PID‑регуляторов требует не только технических знаний, но и умения работать в команде, вести документацию и предвидеть потенциальные риски. Журналы настройки, диалог с операторами и внимательный анализ процесса позволяют выявлять истинные причины проблем и избегать ложных решений, основанных лишь на изменении параметров регулятора. Правильный подход к настройке повышает безопасность, эффективность и надёжность промышленного производства.
Минэкономразвития представило проект постановления, который впервые формализует присутствие роботов-доставщиков на улично-дорожной сети. Документ устанавливает экспериментальный правовой режим (ЭПР) и задает параметры масштабирования технологии в 37 регионах России. Это серьезное расширение: на сегодня в стране функционирует около 150–160 роверов (все — "Яндекса"), но к концу третьего года ЭПР их число должно вырасти до 2,68 тыс. устройств. География расширения охватывает не только мегаполисы, но и регионы с разным уровнем городской инфраструктуры — от Тюменской до Чувашской республик.
Согласно тексту постановления, вводится четкое определение "ровера" как участника движения — автономного устройства, способного оказывать услуги и перемещаться по тротуарам, пешеходным зонам, жилым кварталам и даже внутри зданий. Максимальная скорость ограничена: 25 км/ч в целом, 10 км/ч по тротуарам, 6 км/ч при пересечении проезжей части. Каждый ровер обязан иметь страховку на 500 тыс. руб., индивидуальный номер и QR-код. Кроме того, при движении устройство должно быть обозначено флажком высотой не ниже 100 см, а мощность двигателя не должна превышать 4 кВт.
В проекте предусмотрены конкретные показатели эффективности. В первом полугодии 2026 года 368 роботов должны выполнить 310 тыс. доставок, во втором — 465 устройств доставят 467 тыс. заказов. Это в среднем 845 доставок на робота за полугодие или примерно 4,7 доставки в день — при условии стабильной эксплуатации.
Формализация законодательства поддерживается результатами исследования ВЦИОМ. По предварительным данным, 64% респондентов относятся к роботам-доставщикам с интересом, 24% — с ожиданием, 15% — с воодушевлением, и лишь 8% испытывают опасения. Это подтверждает готовность общества к интеграции автономных решений в повседневную логистику.
Таким образом, новая волна роботизации последней мили становится частью государственной технологической стратегии. ЭПР в 37 регионах позволит протестировать технику в широком диапазоне условий, от климатических до нормативных. Это системная ставка на сервисную робототехнику — сегмент, который до сих пор оставался вне правового поля, несмотря на фактическую эксплуатацию.
Еще больше интересных материалов в моем telegram-канале "Константин Двинский"
Не забываем ставить лайк :) Подписывайтесь, чтобы ничего не пропустить!
В правительстве обсуждают возможность приравнять ERP-системы к объектам критической информационной инфраструктуры (КИИ) и ввести ответственность за отказ от импортозамещения зарубежных решений, включая SAP и Oracle. Формально речь идёт о юридическом оформлении существующего тренда: ERP — это не просто ИТ-продукт, а системное решение, обеспечивающий операционную устойчивость крупных предприятий. Без обновлений от вендора такие системы теряют надёжность, а значит, создают уязвимость для атак и риски для бизнеса.
Согласно оценкам отраслевых ассоциаций, на SAP и Oracle по-прежнему работают 25–30% российских компаний, преимущественно из крупного бизнеса. Среди них — "Северсталь", "Сибур", ВТБ, "Аэрофлот", телеком-операторы и аэропорты. Пока ни одного случая полного отказа от SAP в компаниях с оборотом более 50 млрд рублей не зафиксировано (во всяком случае - по открытым данным). Замещение происходит точечно и поэтапно, чаще — в виде пилотных внедрений отдельных блоков.
В апреле 2025 года вступили в силу поправки к закону о КИИ, дающие государству право самостоятельно определять, какие системы входят в состав критической инфраструктуры. Ранее эти решения принимались самими компаниями, зачастую с занижением категорий рисков. Теперь регулятор формирует перечень типовых объектов КИИ, в который, по логике властей, должны войти и ERP-системы. Это даст основание для введения обязательного использования российских решений.
Дополнительно обсуждается вариант прогрессивного налогообложения за несвоевременное импортозамещение. Ввод таких мер неслучаен: на фоне ухода вендоров, ERP без обновлений и технической поддержки становится "консервацией угроз". Учитывая, что ERP содержит ключевую бизнес-логику, информацию о поставках, финансах, контрагентах и персональных данных, ее уязвимость — это системный риск для отрасли.
Однако техническая сторона вопроса далека от простой замены. Российские ERP в 80% случаев охватывают только малый и средний бизнес, и лишь единичные системы — 1С, "Галактика", "Турбо ERP", "Global ERP" — готовы масштабироваться на большие предприятия. Даже при этом производительность и интеграция с российскими ОС и СУБД остаются не самым легким делом.
Недавно принятое решение о создание консорциума по разработке национальной ERP — шаг вынужденный. До IV квартала Минцифры должно представить предложения по его составу и регламенту. Условием успеха называют не просто наличие ПО, а наличие методологии внедрения, команд, архитектурной зрелости и государственной поддержки. Без этого инициативы по ускоренному переходу рискуют вылиться в формальный отчёт без реального отказа от SAP.
На практике уже появляются "двойные контуры" — ERP-замены создаются "на бумаге", а в реальности продолжает работать прежняя система. Поэтому решение приравнять ERP к КИИ может стать важным инструментом стимулирования.
Еще больше интересных материалов в моем telegram-канале "Константин Двинский"
Не забываем ставить лайк :) Подписывайтесь, чтобы ничего не пропустить!
В рамках XII Форума регионов России и Беларуси (25–27 июня 2025 г.), с докладом о научном сотрудничестве выступил заместитель президента Российской академии наук, д.э.н. Андрей Викторович Сороко.
Ключевые тезисы выступления:
1. Стратегия научно-технологического развития (НТР) Союзного государства
Утверждена 29 января 2024 г. (Постановление ВГС СГ № 2), основана на формировании единого научно-технологического пространства.
Приоритеты:
• Кадры и человеческий потенциал — создание возможностей для талантливой молодежи;
• Инфраструктура и среда — современные условия для совместных R&D;
• Взаимодействие и кооперация — развитие наукоемкого бизнеса;
• Управление и инвестиции — повышение привлекательности совместных проектов;
• Интеграция — выход на международный рынок технологий.
2. Механизмы реализации и межрегиональное сотрудничество
• План мероприятий первого этапа (2025–2030 гг.) утвержден 26 марта 2025 г. (Постановление Совмина СГ № 9).
• Созданы региональные институты ответственных за НТР:
• 80 субъектов РФ внедрили систему заместителей глав регионов по НТР;
Радиоинженеры в России стали предпочитать своей специальности продажи.
Приблизительно треть выпускников российских вузов, специализирующихся на радиоэлектронике, не продолжают работать по своей специальности. Вместо проектирования и разработки отечественных устройств они устраиваются менеджерами по продажам подобной продукции. Об этом на круглом столе в Госдуме заявил заместитель министра науки и высшего образования Дмитрий Афанасьев, передает издание «Ведомости».
Одними из основных факторов, способствующих этому переходу, Афанасьев назвал ситуацию на рынке труда, низкий уровень заработной платы, а также недостаток социальных преимуществ и возможностей для карьерного роста.
Генеральный директор холдинга по контрактной разработке электроники SND Global Ольга Квашенкина также отметила наличие разрыва между теоретическими знаниями, получаемыми в вузах, и практическими навыками, необходимыми для разработки продукции. Она подчеркнула, что выпускникам, имеющим лишь теоретические компетенции, гораздо проще трудоустроиться в сферу продаж.
Квашенкина также указала на то, что структура рынка играет важную роль, ведь большинство компаний на рынке занимаются в первую очередь перепродажей иностранного оборудования, а не разработкой собственных решений, несмотря на свои формальные названия. В России не хватает крупных проектов, требующих глубокого технического проектирования, и спрос на собственные разработки остается ограниченным.
Существуют ли универсальные принципы, которые определяют эффективность функционирования любых сложных систем – будь то промышленное предприятие, государственный аппарат, финансовый рынок или даже процесс создания и распространения информации? Могут ли идеи, рожденные в цехах заводов, предложить ключи к пониманию и решению проблем в кабинетах политиков, отделах маркетинга или редакциях СМИ?
Об Эффективности: От Конвейера До Государства
Сегодня мы предлагаем поразмыслить над этим, взглянув на мир инженерии – в его широком смысле, как на науку об организации процессов – через призму принципов оптимизации производственных потоков, известных как "бережливое производство" (Lean Manufacturing). И попробуем увидеть, как эти идеи, лишенные заводской спецовки, проявляются (или, наоборот, отсутствуют) в экономике, политике, маркетинге и медиа, и как их взаимодействие формирует нашу реальность.
Приготовьтесь к интеллектуальному поиску. Факты из истории, выводы из мировых отчетов и наблюдения за природными системами могут стать нашими подсказками.
Искусство Видеть Невидимое – Выявление Потерь
Основная идея бережливого производства заключается в систематическом выявлении и устранении всего, что не создает ценности для конечного потребителя. Эти "потери" многообразны: избыточные запасы, ненужные перемещения, ожидание, лишняя обработка, перепроизводство, брак, неиспользованный потенциал.
В экосистемах природа стремится к максимальной эффективности использования ресурсов. Отходы одного процесса являются сырьем для другого. Излишнее потребление или неэффективное использование ресурсов ведет к нарушению баланса и угрожает выживанию видов.
Строительство пирамид в Древнем Египте или римских акведуков требовало колоссальной координации и минимизации потерь при транспортировке материалов, организации труда тысяч людей. Неэффективность была слишком дорога.
Современный Контекст:
Экономика: Потери проявляются как неэффективное распределение капитала, бюрократические барьеры для бизнеса, транзакционные издержки, замороженные активы.
Политика: Потери – это коррупция (ресурсы идут "мимо"), избыточная регуляция, неэффективные социальные программы, долгие и непрозрачные процедуры принятия решений.
Маркетинг: Потери – это рекламные бюджеты, потраченные на нецелевую аудиторию, неэффективные каналы коммуникации, избыточное количество шагов в воронке продаж.
СМИ: Потери – это "информационный шум", недостоверные новости (требующие "переработки"), хаотичное потребление контента, неиспользованный потенциал журналистских расследований.
Если концепция "потерь" универсальна, почему человеческие системы, в отличие от природных, так склонны их накапливать и маскировать? И как увидеть "невидимые" потери в сферах, далеких от физического производства?
Структура и Порядок – Система 5С как Философия Жизни Системы.
Система 5С (Сортировка, Соблюдение порядка, Содержание в чистоте, Стандартизация, Совершенствование) – это не просто методика организации рабочего места. Это набор принципов создания упорядоченной, безопасной и визуально понятной среды, где каждая вещь имеет свое место.
Наблюдение: Успешные системы, будь то муравейник, хорошо отлаженный оркестр или эффективная команда разработчиков, обладают внутренней структурой и порядком. Отсутствие порядка ведет к хаосу, потере времени на поиск нужного, ошибкам.
Применение Принципов 5С вне Цеха:
Экономика: Прозрачная бухгалтерская отчетность, четкая структура собственности, порядок в финансовых потоках – это "5С" экономики компании или даже государства. Отсутствие этого порядка ведет к кризисам и злоупотреблениям.
Политика: Ясное распределение полномочий, понятные процедуры взаимодействия между ветвями власти, доступность и структурированность законодательства – это "5С" государственного управления.
Маркетинг: Систематизация данных о клиентах, структурированное планирование кампаний, порядок в цифровых активах (сайт, соцсети) – это основа эффективного маркетинга.
СМИ: Четкая рубрикация, архивирование материалов, соблюдение этических стандартов (порядок в ценностях) – это "5С" редакционной деятельности, влияющее на доверие аудитории.
Отчеты о легкости ведения бизнеса (Doing Business Report, до его приостановки) по сути оценивали степень "упорядоченности" государственных процедур для предпринимателей, что напрямую коррелировало с инвестиционной привлекательностью страны.
Если порядок и структура настолько критичны для любой эффективной деятельности, почему внедрение принципов "5С" в непроизводственных сферах – от офисного пространства до государственного документооборота – часто сталкивается с культурным сопротивлением и воспринимается как излишняя бюрократия, а не как основа для эффективности?
Путь к Предсказуемости – Сила Стандартизации.
Стандартизация операций и процессов обеспечивает повторяемость результата, качество и безопасность. Это фундамент для анализа, улучшения и масштабирования.
Изобретение сменных (стандартизированных) деталей в XIX веке стало революцией в промышленности, позволив перейти от ручного труда и индивидуальной подгонки к массовому производству и ремонту.
Связь с Другими Сферами:
Инженерия/Производство: Стандартизация – это основа конвейера, контроля качества, снижения брака и обучения новых сотрудников.
Экономика: Стандартизация контрактов, финансовых инструментов, процедур аудита снижает риски и упрощает взаимодействие между субъектами рынка.
Политика: Стандартизированные процедуры выборов, принятия законов, обращения граждан обеспечивают легитимность и предсказуемость системы.
Противоречие: Однако, стремление к жесткой стандартизации может подавлять гибкость, инновации и творческий подход. Как найти золотую середину? Жесткие стандарты могут душить инновации, препятствовать быстрой перенастройке процессов и не позволять оперативно реагировать на новые вызовы.
Если стандартизация является необходимым условием для масштабирования и надежности, то как внедрить стандарты в сферах, где ценится уникальность, креативность и адаптивность (например, в маркетинге или творческих индустриях), не убивая при этом живую мысль и способность быстро реагировать на изменения?
Пример: Иммунная система организма. У нее есть "стандартные" процедуры распознавания и уничтожения известных угроз, но одновременно она обладает невероятной гибкостью "обучаться" и вырабатывать новые механизмы защиты против совершенно новых патогенов.
Существуют ли универсальные критерии для этого баланса применительно к заводу, банку, правительству или медиахолдингу, или каждое поле – от заводского цеха до пространства свободы слова – требует собственного, уникального ответа на этот вызов?
Парадокс в том, что само "бережливое производство" (Lean Manufacturing), которое во многом ассоциируется со стандартизацией (как в случае с 5С или стандартизированными операциями), одновременно является философией, направленной на повышение адаптивности и скорости изменений. Как такое возможно?
Ответ кроется в более глубоких принципах бережливого производства, помимо базовых инструментов:
Поток Единицы (Single Piece Flow): Идея движения продукта или информации без остановок и накоплений. Устранение "бутылочных горлышек" и запасов (одного из видов потерь) делает систему более прозрачной и позволяет быстрее увидеть проблему или быстрее перенастроить процесс под новую задачу. Жесткие стандарты операций сочетаются здесь с гибкостью потока.
Вытягивание (Pull System): Производство или предоставление услуги только тогда, когда в этом возникает непосредственная потребность ("вытягивание" со стороны следующего этапа или клиента), а не по жесткому плану ("выталкивание"). Это прямо противоположно перепроизводству и позволяет системе реагировать на реальный спрос, меняя ассортимент или объемы. Стандарты процессов дают надежность, а система вытягивания – гибкость реагирования.
Встроенное Качество (Jidoka): Способность системы (или человека) самостоятельно обнаруживать проблему и останавливаться, чтобы ее решить, а не производить брак дальше. Это требует стандартов качества на каждом шаге, но одновременно дает гибкость останавливать поток при отклонении, что позволяет быстро корректировать курс или вносить изменения.
Связь с Другими Сферами и Поиск "Золотой Середины":
Инженерия/Производство: "Золотая середина" достигается через модульность (стандартизированные блоки, из которых можно собрать разные конфигурации), быструю переналадку оборудования (SMED – еще один инструмент Lean), и культуру постоянных улучшений (Kaizen), которая позволяет гибко менять сами стандарты, когда это необходимо.
Экономика: Гибкость достигается через диверсификацию (снижение зависимости от одного "потока"), развитие малого и среднего бизнеса (более адаптивного, чем гиганты), создание инструментов быстрого реагирования на кризисы. Стандартизация финансовой отчетности сочетается с гибкостью инвестиционных стратегий.
Политика: Поиск баланса сложен. Стандарты (законы, процедуры) должны быть достаточно стабильными для предсказуемости, но конституционные механизмы, процедуры внесения поправок или возможность принятия временных мер позволяют системе проявлять гибкость. Уровень бюрократии прямо коррелирует с жесткостью и негибкостью системы.
Маркетинг: "Золотая середина" проявляется в использовании стандартизированных брендбуков и шаблонов для поддержания целостности бренда, но при этом – свобода и поощрение креатива в разработке конкретных кампаний и контента. Использование гибких (Agile) методологий в маркетинговых проектах.
СМИ: Баланс между следованием профессиональным стандартам журналистики (достоверность, этика) и гибкостью в выборе тем, форматов, тональности для разных аудиторий и платформ. Стандартизация процесса фактчекинга сочетается с гибкостью в поиске новых историй и расследований.
Итак, внимание, завершающий вопрос знатокам в этом раунде размышлений: Возможно, "золотая середина" между стандартизацией и гибкостью – это не статичная точка, а динамический процесс? Не жесткое правило, а способность постоянно перенастраивать степень стандартизации в зависимости от внешней среды и внутренних целей? И если так, то какие индикаторы (экономические, социальные, культурные) могут подсказать нам, когда система становится слишком жесткой и нуждается в повышении гибкости, а когда, наоборот, ей не хватает упорядоченности и стандартов?
Инженерное Мышление в Неинженерном Мире. Вопрос Ценности
Мы увидели, что принципы оптимизации потоков, рожденные в инженерном мире, имеют глубокие параллели и применимость в самых разных областях человеческой деятельности. От способности видеть и устранять "потери" в цепочках поставок до борьбы с бюрократией в государственных структурах, от организации рабочего места на заводе до структурирования информации в медиа – везде действуют схожие законы эффективности.
Деньги (экономика) являются индикатором эффективности использования ресурсов, но они же могут создавать иллюзию благополучия при колоссальных скрытых потерях. Политика определяет правила игры, которые могут либо способствовать бережливости, либо порождать новые виды неэффективности. Маркетинг продает ценность, но сам может быть источником потерь, если оторван от реальных возможностей производства и потребностей клиента. А СМИ могут либо быть инструментом прозрачности и эффективного информационного обмена, либо генератором хаоса и отвлечения внимания.
В условиях глобальной нестабильности, ускоряющихся технологических изменений и возрастающей сложности всех систем, может ли осознанное применение "инженерного мышления" – принципов бережливого отношения к ресурсам (материальным, временным, человеческим, информационным) и стремления к оптимизации потоков – стать не просто конкурентным преимуществом для отдельной компании или человека, но и критически важным фактором устойчивости и развития для всего общества? И как сделать это мышление повсеместным?
Поиск ответа на этот вопрос – это вызов не только для инженеров, но и для экономистов, политиков, маркетологов, журналистов и каждого из нас. Возможно, главная задача сегодня – научиться видеть мир как систему потоков и стремиться к их максимальной эффективности и гибкости, устраняя любые "потери", где бы они ни находились.
