18+
На полях конференции ЦИПР-2026 заместитель генерального директора «Трансмашхолдинга» Анатолий Ушаков рассказал РБК о ключевых направлениях цифровой трансформации в машиностроении. В интервью были затронуты вопросы применения технологий искусственного интеллекта, развития систем предиктивной диагностики, внедрения трех уровней цифровых двойников и опыта перехода на ERP-платформы.
Какие инновационные цифровые решения внедрены в «Трансмашхолдинге» за последний год?
В последние годы мы делаем акцент на решениях, связанных с обработкой больших данных и искусственным интеллектом, использующих нечеткую логику нейросетей. Одним из самых заметных проектов стала информационно-поисковая система «Aпекс» с элементами ИИ, разработанная для конструкторов и технологов. Она позволяет оперативно находить необходимую информацию по нечеткому запросу, распознавая саму суть обращения пользователя. Система охватывает как неформализованные источники (личные папки сотрудников, файлы Excel, презентации), так и формализованную информацию из корпоративного хранилища данных. Кроме того, мы активно развивали системы предиктивной диагностики тягового подвижного состава.
Какие тренды цифровизации считаются наиболее перспективными в машиностроительной области?
Базовая автоматизация на уровне производственного планирования и MES-систем у нас уже реализована на высоком уровне. Следующим перспективным этапом станет сквозное оптимизационное планирование в масштабах всего холдинга, в которое мы рассчитываем вовлечь и сервисную компанию.
На уровне отдельных цехов и заводов стоит задача построения планов на основе перебора множества вариантов. Простыми алгоритмами построить оптимальный производственный план сложно, но благодаря появлению высокопроизводительных серверов и нейросетей мы получили возможность параллельно обрабатывать огромные массивы данных для создания таких графиков.
Для этих целей мы сформировали собственную технологическую платформу и лабораторию. Все вычисления производятся строго на локально развернутых open-source-моделях. Использование облачного ИИ для нас недопустимо, так как оно влечет за собой риски раскрытия конфиденциальной корпоративной информации.
Анатолий, какие основные вызовы возникают при масштабной цифровизации, как их успешно преодолевать?
Мы развиваем автоматизацию уже 20 лет и прошли все этапы роста. Вызовы можно разделить на две составляющие: архитектурную и организационную.
С точки зрения ИТ-архитектуры сложность заключается в создании единого свода правил и принципов, которые обеспечивают связность, целостность и интероперабельность всего ландшафта. Мы нарабатывали этот костяк правил постепенно, исправляя ошибки и перестраивая процессы.
Организационная сторона требует жесткой воли центра принятия решений. Любая масштабная автоматизация в момент внедрения объективно приводит к временным неудобствам для пользователей, рискам потери данных и провалам в управляемости. Это реальность бизнеса, через которую необходимо пройти, чтобы выйти на новый уровень эффективности. Наш ландшафт сейчас объединяет более 60 тысяч пользователей «1С», работающих по всему холдингу, и без него управление компанией уже невозможно представить.
Как реализуется система предиктивной диагностики в холдинге?
Это направление развивается у нас почти 10 лет, а основной фокус сделан на локомотивном подвижном составе. Мы собираем бортовую телеметрию по двум каналам: онлайн (в реальном времени для оборудованных локомотивов) и офлайн (через флеш-накопители силами обслуживающего персонала в депо).
Система расшифровывает поток телеметрии, выявляет признаки возможных отказов и автоматически формирует карты ремонтных работ для устранения причин неисправностей. Кроме того, анализируются нарушения в режиме эксплуатации, что позволяет давать обратную связь локомотивным бригадам. Сейчас мы масштабируем эти принципы на вагоны метро и пригородные электропоезда Московских центральных диаметров.
Каких результатов удалось достигнуть благодаря внедрению таких систем?
Главным результатом является повышение коэффициента готовности к эксплуатации (КГЭ) — отношения времени полезной работы локомотива к общему календарному времени. Применение технологий предиктивной диагностики наглядно доказывает свою экономическую эффективность, особенно в масштабах нашего крупного парка.
Анатолий, какие стадии развития внедрения цифровых двойников уже пройдены?
Внедрение цифровых двойников ведется по трем ключевым направлениям.
Первый слой — инженерный двойник изделия. Весь новый парк проектируется исключительно в 3D. На основе этих моделей проводятся прочностные расчеты, тепловое и вибрационное моделирование. Мы также развиваем функциональное 1D-моделирование (например, когда тормозная система раскладывается на блоки и тестируется в запредельных режимах), что значительно сокращает цикл испытаний новых агрегатов.
Второй слой — производственный цифровой двойник на сборочном конвейере. Поскольку сложный электровоз состоит из 600 тысяч деталей, каждый экземпляр имеет свои микроотклонения от конструкторской документации. Управление сборкой на конвейере — это, по сути, управление отклонениями, и цифровая система помогает вести этот учет, чтобы на выходе получить работоспособный продукт.
Третий слой — эксплуатационный цифровой двойник. Когда локомотив выходит на линию, система отслеживает жизненный цикл его крупных взаимозаменяемых узлов (колесных пар, двигателей, силовых агрегатов). Знание точной конфигурации заходящего в депо экземпляра в сочетании с предиктивной аналитикой позволяет заранее спланировать сервисные работы.
И напоследок расскажите, пожалуйста, каковы основные достижения и уроки за 20 лет работы с ERP-системами «1С» на предприятии.
Мы накопили огромный опыт управления изменениями. Главный урок заключается в том, что при переходе на новую информационную систему необходимо действовать максимально жестко. Наша отработанная технология — метод полного погружения: с нового года старая система полностью отключается, а все новые данные вносятся исключительно в новую платформу.
Процессы параллельного внедрения в крупном бизнесе не работают, так как ментально люди будут продолжать держаться за старый, привычный функционал в надежде, что новинку отменят. Только силовой перевод позволяет переместить сознание сотрудников в новую реальность. Опираясь на этот принцип и при поддержке управляющей компании «Трансмашхолдинга», в 2010–2012 годах мы стандартизировали процессы на базе «1С:УПП», а затем всего за два года успешно перевели около 30 крупных и средних предприятий на «1С:ERP».
На полях конференции ЦИПР-2026 заместитель генерального директора «Трансмашхолдинга» Анатолий Ушаков рассказал РБК о ключевых направлениях цифровой трансформации в машиностроении. В интервью были затронуты вопросы применения технологий искусственного интеллекта, развития систем предиктивной диагностики, внедрения трех уровней цифровых двойников и опыта перехода на ERP-платформы.
Какие инновационные цифровые решения внедрены в «Трансмашхолдинге» за последний год?
В последние годы мы делаем акцент на решениях, связанных с обработкой больших данных и искусственным интеллектом, использующих нечеткую логику нейросетей. Одним из самых заметных проектов стала информационно-поисковая система «Aпекс» с элементами ИИ, разработанная для конструкторов и технологов. Она позволяет оперативно находить необходимую информацию по нечеткому запросу, распознавая саму суть обращения пользователя. Система охватывает как неформализованные источники (личные папки сотрудников, файлы Excel, презентации), так и формализованную информацию из корпоративного хранилища данных. Кроме того, мы активно развивали системы предиктивной диагностики тягового подвижного состава.
Какие тренды цифровизации считаются наиболее перспективными в машиностроительной области?
Базовая автоматизация на уровне производственного планирования и MES-систем у нас уже реализована на высоком уровне. Следующим перспективным этапом станет сквозное оптимизационное планирование в масштабах всего холдинга, в которое мы рассчитываем вовлечь и сервисную компанию.
На уровне отдельных цехов и заводов стоит задача построения планов на основе перебора множества вариантов. Простыми алгоритмами построить оптимальный производственный план сложно, но благодаря появлению высокопроизводительных серверов и нейросетей мы получили возможность параллельно обрабатывать огромные массивы данных для создания таких графиков.
Для этих целей мы сформировали собственную технологическую платформу и лабораторию. Все вычисления производятся строго на локально развернутых open-source-моделях. Использование облачного ИИ для нас недопустимо, так как оно влечет за собой риски раскрытия конфиденциальной корпоративной информации.
Анатолий, какие основные вызовы возникают при масштабной цифровизации, как их успешно преодолевать?
Мы развиваем автоматизацию уже 20 лет и прошли все этапы роста. Вызовы можно разделить на две составляющие: архитектурную и организационную.
С точки зрения ИТ-архитектуры сложность заключается в создании единого свода правил и принципов, которые обеспечивают связность, целостность и интероперабельность всего ландшафта. Мы нарабатывали этот костяк правил постепенно, исправляя ошибки и перестраивая процессы.
Организационная сторона требует жесткой воли центра принятия решений. Любая масштабная автоматизация в момент внедрения объективно приводит к временным неудобствам для пользователей, рискам потери данных и провалам в управляемости. Это реальность бизнеса, через которую необходимо пройти, чтобы выйти на новый уровень эффективности. Наш ландшафт сейчас объединяет более 60 тысяч пользователей «1С», работающих по всему холдингу, и без него управление компанией уже невозможно представить.
Как реализуется система предиктивной диагностики в холдинге?
Это направление развивается у нас почти 10 лет, а основной фокус сделан на локомотивном подвижном составе. Мы собираем бортовую телеметрию по двум каналам: онлайн (в реальном времени для оборудованных локомотивов) и офлайн (через флеш-накопители силами обслуживающего персонала в депо).
Система расшифровывает поток телеметрии, выявляет признаки возможных отказов и автоматически формирует карты ремонтных работ для устранения причин неисправностей. Кроме того, анализируются нарушения в режиме эксплуатации, что позволяет давать обратную связь локомотивным бригадам. Сейчас мы масштабируем эти принципы на вагоны метро и пригородные электропоезда Московских центральных диаметров.
Каких результатов удалось достигнуть благодаря внедрению таких систем?
Главным результатом является повышение коэффициента готовности к эксплуатации (КГЭ) — отношения времени полезной работы локомотива к общему календарному времени. Применение технологий предиктивной диагностики наглядно доказывает свою экономическую эффективность, особенно в масштабах нашего крупного парка.
Анатолий, какие стадии развития внедрения цифровых двойников уже пройдены?
Внедрение цифровых двойников ведется по трем ключевым направлениям.
Первый слой — инженерный двойник изделия. Весь новый парк проектируется исключительно в 3D. На основе этих моделей проводятся прочностные расчеты, тепловое и вибрационное моделирование. Мы также развиваем функциональное 1D-моделирование (например, когда тормозная система раскладывается на блоки и тестируется в запредельных режимах), что значительно сокращает цикл испытаний новых агрегатов.
Второй слой — производственный цифровой двойник на сборочном конвейере. Поскольку сложный электровоз состоит из 600 тысяч деталей, каждый экземпляр имеет свои микроотклонения от конструкторской документации. Управление сборкой на конвейере — это, по сути, управление отклонениями, и цифровая система помогает вести этот учет, чтобы на выходе получить работоспособный продукт.
Третий слой — эксплуатационный цифровой двойник. Когда локомотив выходит на линию, система отслеживает жизненный цикл его крупных взаимозаменяемых узлов (колесных пар, двигателей, силовых агрегатов). Знание точной конфигурации заходящего в депо экземпляра в сочетании с предиктивной аналитикой позволяет заранее спланировать сервисные работы.
И напоследок расскажите, пожалуйста, каковы основные достижения и уроки за 20 лет работы с ERP-системами «1С» на предприятии.
Мы накопили огромный опыт управления изменениями. Главный урок заключается в том, что при переходе на новую информационную систему необходимо действовать максимально жестко. Наша отработанная технология — метод полного погружения: с нового года старая система полностью отключается, а все новые данные вносятся исключительно в новую платформу.
Процессы параллельного внедрения в крупном бизнесе не работают, так как ментально люди будут продолжать держаться за старый, привычный функционал в надежде, что новинку отменят. Только силовой перевод позволяет переместить сознание сотрудников в новую реальность. Опираясь на этот принцип и при поддержке управляющей компании «Трансмашхолдинга», в 2010–2012 годах мы стандартизировали процессы на базе «1С:УПП», а затем всего за два года успешно перевели около 30 крупных и средних предприятий на «1С:ERP».