«В каждом своем выступлении выделяю важность человеческого фактора. Потому что мы можем разработать какие угодно решения, но для того, чтобы они стали массовыми, а в целом стали работать — это монотонная, иногда где-то даже скучная, но постоянная работа с такой сущностью, которую нельзя потрогать. Она называется – цифровая культура, обучение, работа с командами».

«Мы где-то на границе между Индустрией 3.0 и Индустрией 4.0: умное производство, киберфизические системы, использование искусственного интеллекта. Вот это и методическая, и нормативно-техническая основа для того, чтобы продвигаться в этом направлении. Я думаю, что в ближайшие 5-7 лет в ключевых отраслях промышленности эта задача будет чрезвычайно актуальной».

О проблемах стандартизации: 

Сергей Чуранов, технический директор дивизиона «Машиностроение и металлообработка» ГК «Цифра»:
«Мы получаем данные от оборудования различных устройств управления по различным протоколам. Это фактически «зоопарк данных». Каждый разработчик предоставляет пользователю такие данные, какие считает нужным. <...> И когда мы говорим, что мы от обслуживания оборудования хотим переходить к обслуживанию по состоянию, с использованием искусственного интеллекта, нет тех данных, которые позволят это сделать в полной мере. К сожалению, разработчики оборудования нам [эти данные] не предоставляют. Для этого на уже эксплуатируемые станки на заводах приходится, например, устанавливать систему вибромониторинга, которая предоставляет дополнительные данные».

Про разницу между ИИ и машинным обучением: 

Сергей Гарбук, директор по научным проектам НИУ «Высшая школа экономики», председатель технического комитета 164 «Искусственный интеллект»:
«Последние 15 лет то, что мы подразумеваем под ИИ, практически всегда сводится к машинному обучению. Но сама область ИИ к машинному обучению не сводится. Тот прогресс, который мы видим, те прикладные эффекты, которые всех радуют, — это решение задач в отсутствии интерпретируемой модели, объекта или процесса, который мы наблюдаем. Только основываясь на обучающем наборе данных, который как-то выстраивается — формируется такая модель».

О глобальных целях цифровизации промышленности: 

Владимир Дождев, директор Департамента цифровых технологий Министерства промышленности и торговли Российской Федерации:
«Наша глобальная цель – это перевод промышленности на самые современные и лучшие из доступных нам технологии, которые определяют качество продукции, определяют уровень эффективности наших предприятий, скорость вывода новых продуктов на рынок».

О конкуренции: 

Игорь Скобелев, генеральный директор ЧУ «ЦИФРУМ» (Госкорпорация «Росатом»):
«Промышленность, думаю, догонит [ритейл и финтех], иначе мы будем неконкурентоспособны. Если мы не внедрим инструменты ИИ и роботизации в промышленности, мы останемся в своем замкнутом мире. Придется только в нем оперировать».

Про реальные кейсы:

Павел Гриневич, технический директор ГК «Цифра»:
В компании «Цифра» есть целый набор продуктов разных отраслей. И здесь можно упомянуть и платформу ZIIoT, и Цифра. Карьер, и «Диспетчер». И весь наш опыт показывает, что подобные решения сейчас максимально востребованы, потому что не организовав вот эту консолидацию данных, не организовав их сбор, не организовав их приведение к понятным доменам, мы не сможем дальше их использовать. А сейчас данные становятся ключевым активом предприятия, на основе которых операторы, люди анализируют, делают выводы, находят инсайты. Но в силу того, что объем этих данных растет экспоненциально, участие оператора и участие человека в текущем моменте не позволяет в полном объеме эти данные использовать.

И здесь нет никакой альтернативы, кроме того, чтобы подключать решения, основанные на нейросетях». 

«В списке барьеров внедрения ИИ в промышленности проблем железа нет. Барьеры другие, они касаются данных, и в первую очередь сценариев. Потому что сценарии эти откопать очень сложно. А то, что там GPU-шек нет – это вообще не важно».

«Без технологий, как мне кажется, осуществить переход на новый качественный уровень и повысить эффективность промышленности очень тяжело. И сегодня государство дает основной импульс в своих национальных проектах, показывает нам вектор развития — это как раз экономика данных».

«В первую очередь цифровизация мешают, как ни странно, сами люди. В первую очередь их компетенция и психология. И то, что они не как машины. Поэтому все алгоритмы, которые мы делаем, все алгоритмы, которые мы внедряем, они должны быть рассчитаны все-таки на такую нечеткую логику и нельзя рассчитывать на то, что люди будут работать как роботы. Это самое важное».

«На мой взгляд, основная проблема лежит внутри предприятий. На любом предприятии есть свои бизнес-процессы, свои устоявшиеся процессы. И, соответственно, любая автоматизация, цифровизация направлены на изменение этих бизнес-процессов. И всегда любой проект, по своему опыту могу сказать, сталкивается с этим сопротивлением. И людям всегда надо объяснять, рассказывать, что цифровизация помогает им, а не мешает работать».

«Со стороны разработчиков систем цифровизации я скажу, что мы очень часто сталкиваемся с отсутствием стандартных подходов. Это касается не просто конкретных предприятий, но целых концернов: зоопарк систем, непонятных функциональных заказчиков. И мы со своей стороны, как вендор, работаем даже на государственном уровне для принятия стандартов цифровизации на уровне как мониторинга, так и MES-систем, систем ТОиР. И мы считаем, что отсутствие этих стандартов — пока это главное препятствие к полномасштабной цифровизации промышленности».

«В рамках цифровизации производства мы обратились к группе компаний «Цифра». В январе 2024 года в качестве пилотного проекта у нас были подключены 5 станков ЧПУ к системе «Диспетчер». А уже в августе 2024 года мы начали основной проект по внедрению. Мы зашли в самый крупный цех нашего завода: там было подключено 43 единицы оборудования. В январе этого года мы зашли во второй цех завода: там было подключено 34 единицы оборудования. На текущий момент (май 2025 года) в системе у нас работает более 100 станков».

«Мы применяем техническое зрения и ИИ для анализа работы сотрудников. Система, которая у нас находится в облаке, туда можно загрузить видеоролик с записью, как выполнялась операция, и при этом система проанализирует, насколько эргономично работает данный сотрудник. Понятно, что на производстве очень много различных рутинных операций, в рамках которых сотрудники устают. И та производительность, которая идет в начале смены, не соответствует производительности в конце смены. И очень важно обеспечить сотруднику удобное место работы. Поэтому здесь применение цифровых технологий для повышения производительности».

«Мы сейчас собираем данные на уровне предприятий и холдингов, теперь перед нами стоит задача сбора данных на уровне отрасли машиностроения и металлообработки. Мы выступаем в первую очередь как поставщик данных, поэтому предлагаем разработчикам ml моделей партнёриться с нами. И уже прорабатываем совместное решение вместе с Самарским институтом, коллеги далее расскажут про наше совместное решение».

«Экономика должна двигать прогресс дальше. Мы понимаем, что у нас есть проблемы с кадрами, а на предприятиях, специалистов не так много. И вот здесь пресловутые «темные фабрики» (заводы без людей), которые будут управляться современным эффективным инструментами, действительно могут продвинуть дальше наши новые производства, новые продукты в целом. Поэтому очень важна синергия IT-сообщества, предприятий и учебных заведений для того, чтобы мы вместе смогли прийти к общему успеху».

«Очень важно в подготовку будущих IT-специалистов добавить практическое обучение процессам. Сейчас в этом большая проблема. У нас в вузах этому не учат. Поэтому мы взяли на себя такую инициативу, подготовили нашу серию курсов «1С Академии ERP», где мы не просто учим, как нажимать кнопочки, а объясняем, как устроено современное предприятие, где могут быть потенциально узкие места. Кадры — это ключевой аспект, на который обязательно стоит обратить внимание».

«Наш продукт представляет набор решений: «МЕS-корпорация», «МЕS-предприятие», «МЕS-цех» и «Галактика APS», которые охватывают все уровни управления. Сейчас у нас есть текущий проект, в рамках которого мы уже интегрируем планировщик с другими системами: с МЕS и ERP, представленными на рынке, для решения задач стратегического, объемно-календарного и операционного планирования».

«У нас был интересный проект в Беларуси, на заводе Belgee. Там тематика управления производством, управления конвейером, интеграции с оборудованием, с умными тележками, с электронными гайковертами… Все реализовано на технологиях 1С. Получилась такая связка отдельных решений: это и MES-уровень, это и ERP-уровень, это и тематика, которая относится к системам класса qMS. И все реализовано на базе единой платформы».

«В России рынок MES- и APS-систем достаточно горячий. Да, у нас большое количество запросов от заказчиков, и на это реагируют вендоры. А вендоров MES- и APS-систем в России сейчас даже больше чем нужно. При этом успешных внедрений этих систем в производственном секторе не так много».

«Трудность в протоколах сейчас действительно существует: у китайских станков они разные. И далеко не все китайские протоколы поддерживают наши чипы. <...> Пока у нас нет своей компонентной базы, ситуация не сдвинется. <...> Если государство стимулирует нас к импортозамещению, оно должно понимать, что это «длинные деньги» <...> Сейчас нельзя допускать серьезного закручивания гаек, потому что у нас [станкостроение] практически полностью импортозависимая отрасль»

«Цифровые решения, разработанные на уровне предприятия, могут стать основой для более сложных и мощных решений на уровне холдингов и министерств, если у нас будет сквозная система работы с промышленными данными. И вот тут появляется главное слово — данные. Если мы хотим выйти на новый уровень эффективности в промышленности, особенно на уровне отраслей, без искусственного интеллекта уже не обойтись. Но для ИИ нужны данные. Желательно массовые и структурированные».

«Новое соглашение — важный этап на пути к созданию высокоинтеллектуальных производственных систем. Сбер — прогрессивный технологический партнёр, который разделяет наши высокие стандарты, контролирует всю последовательность этапов обучения нейросетевой модели GigaChat и готов оказать поддержку при её внедрении. Интеграция GigaChat в ZIIoT выводит промышленную аналитику на качественно новый уровень»,