Несмотря на значительную потенциальную выгоду от внедрения предиктивной аналитики на производстве (сокращение простоев оборудования на 25-50% и затрат на ремонт до 30%, окупаемость за 2-6 месяцев), российские компании внедряют такие решения крайне медленно. Доля внедряющих компаний не превышает 5%.
По словам Екатерины Торсуковой, руководителя направления Data Science «ДАР» (ГК «КОРУС Консалтинг»): «Во многом это связано с объективными причинами: с отсутствием стандартизированного систематического сбора данных на предприятиях и нехваткой квалифицированного персонала».
Внедрение в основном ведут крупные госкомпании («Росатом», «Роснефть»), а успешные примеры использования ИИ и ML-моделей уже есть в авиакосмической отрасли, металлургии, химическом производстве и пищевой промышленности.
Эксперты сходятся во мнении, что для успеха внедрения необходим точечный и экономически обоснованный подход. Как заключает Екатерина Торсукова, начинать цифровизацию следует с критически важного оборудования, предварительно рассчитав потенциальный ущерб от его простоя и ROI (окупаемость инвестиций) от внедрения ML-решения. В противном случае есть риск не сэкономить, а уйти в минус.
Читайте статью на сайте.
Остались вопросы? Пишите на data@korusconsulting.ru
И подписывайтесь на наш телеграм-канал про аналитику и данные Analytics
Now
