Ольга Владимировна Демьянова, д-р экон. наук, проф., заведующий кафедрой экономики производства
ул. Бутлерова, д. 4, г. Казань, 420008
Olga V. Demyanova, Dr. Sci. (Econ.), Associate Prof., Head of the Department of Production Economics
4, Butlerov street, Kazan, 420008
Эмир Ильдарович Муллахметов, аспирант
ул. Бутлерова, д. 4, г. Казань, 420008
Emir I. Mullakhmetov, Postgraduate Student
4, Butlerov street, Kazan, 420008
Введение. Основными барьерами для повышения уровня роботизации в России являются кадровый дефицит, финансовая неопределённость, монополизация компетенций. Научно обоснованная архитектура центров компетенций по роботизации (ЦКР) отсутствует.
Цель. Обосновать создание сети ЦКР, предложить функциональную модель, архитектуру с ИИ-ядром и трехуровневую иерархию для повышения эффективности внедрения роботов в машиностроении.
Материалы и методы. Использовались методы системного анализа, функционального моделирования, сравнительного анализа, контент-анализа. Материалы: статистика Международной федерации робототехники (IFR), результаты опросов предприятий, практики «Росатома», ОАО «РЖД» и АНО «Федерального центра компетенций в сфере производительности труда» (ФЦК).
Результаты. Выявлены три группы барьеров. Предложена модель ЦКР из шести модулей, включая ИИ-ядро: база знаний, предиктивная аналитика, генерация дорожных карт, мониторинг KPI. Разработана трехуровневая иерархия: федеральный — региональный — отраслевой ЦКР.
Заключение. Предложенная архитектура отличается от аналогов центральной ролью ИИ в сквозной автоматизации аудита, мониторинга и принятия решений. Ожидаемые эффекты: снижение стоимости внедрения на 15–25 %, сокращение сроков проектов до 6–9 месяцев, рост производительности на 1,5–2,5 п. п. Сеть ЦКР с ИИ-ядром может стать элементом госполитики. Ключевые меры для достижения этого: включение ЦКР в нацпроекты, стандартизация требований к ИИ-ядрам, единая методическая база.
Introduction. The main barriers to increasing the level of robotics in Russia are personnel shortages, financial uncertainty, and the monopolization of competencies. A scientifically sound architecture for robotics competence centers (RCC) is lacking.
Aim. To justify the creation of a network of RCCs, propose a functional model, an AI-based architecture, and a three-level hierarchy to improve the efficiency of robot implementation in mechanical engineering.
Materials and methods. Methods of system analysis, functional modeling, comparative analysis, and content analysis were used. Materials included statistics from the International Federation of Robotics (IFR), company survey results, and practices from Rosatom, Russian Railways, and the Federal Center for Competence in Labor Productivity (FCC).
Results. Three groups of barriers were identified. A model of the CCR consisting of six modules was proposed, including an AI core (knowledge base, predictive analytics, road map generation, and KPI monitoring). A three-level hierarchy has been developed: federal, regional, and sectoral CCR.
Conclusion. The proposed architecture differs from its analogues in the central role of AI in end-to-end automation of audit, monitoring, and decision-making. The expected effects include a 15-25 % reduction in implementation costs, a 6-9 month reduction in project timelines, and a 1.5-2.5 p. p. increase in productivity. The CCR network with an AI core can become an element of government policy. Key measures to achieve this include the inclusion of CCR in national projects, the standardization of requirements for AI cores, and a unified methodological framework.
The authors declare that there are no conflicts of interest present.