ЖУРНАЛ СТА №3/2026

пании для объяснения преимуществ новых систем, вовлекать ключевых сотрудников в процесс внедрения, работать с сопротивлением; ● привлекать внешних экспертов и налаживать партнёрство с ИТ-ком- паниями, что может помочь ком- пенсировать недостаток внутренних компетенций. При внедрении предиктивной диаг- ностики мы уделяем особое внимание обучению эксплуатирующего персона- ла, в которое входит не только получе- ние практических навыков работы с СППР Sdisol PAD, но и минимальная ма- тематическая база для понимания принципов предиктивной диагности- ки. В течение первого года эксплуата- ции системы мы совместно с эксплуа- тационным персоналом принимаем участие в анализе прогнозов, сформи- рованных системой, – это позволяет во- время выявить некорректную интер- претацию данных и объяснить, в чём заключается ошибка. Дефицит квалифицированных кадров – это глобальная проблема, которая мо- жет быть решена только комплексно со- вместными усилиями государства, обра- зовательных учреждений и бизнеса. Только системный подход позволит обеспечить промышленность и другие отрасли необходимыми специалистами. «Последняя миля» до бизнеса «Последняя миля» – это разрыв меж- ду моментом, когда система предик- тивной диагностики сформировала прогноз («Вероятность отказа подшип- ника насоса № 3 – 87% в течение 120 ча- сов»), и моментом, когда это предсказа- ние превратилось в реальное управ- ленческое действие (остановка насоса, заказ запчасти, вывод в ремонт). Часто именно на этом этапе возни- кают наибольшие сложности: система может выдавать идеальные прогнозы, но, если они не доходят до ответствен- ных лиц и не превращаются в конкрет- ные действия, ценность системы рав- на нулю. Это не техническая проблема, а организационно-поведенческая про- блема. Среди ключевых барьеров на «послед- ней миле» можно выделить: ● проблема ложных прогнозов. Даже 5% ложных прогнозов приводят к по- тере доверия к системе. Механик, ко- торый получил 10 ложных пред- упреждений, на 11-й раз проигнори- рует уже реальное предупреждение о риске аварии. Это классическая про- блема усталости от «алармов»; ● проблема «размытой ответственно- сти». От системы поступил прогноз, но ни один конкретный человек не назначен ответственным за его обра- ботку. Каждый предполагает, что «это чья-то другая работа». Оператор счи- тает, что его дело – следить за режи- мом, механик ориентируется на ППР, начальник цеха считает, что систе- мой занимается IT-отдел, который, в свою очередь, убеждён, что в его обязанности входит только обеспече- ние работы ПО, а решения принимает производство; ● проблема «конфликта с KPI». Про- изводство измеряется по выполнению плана, а не по предотвращению ава- рий. Остановить оборудование по про- гнозу предиктивной диагностики – значит не выполнить план, лишиться премии и подвести смену; ● проблема отсутствия петли обрат- ной связи. Это одна из самых ковар- ных проблем на «последней миле». Прогноз сделан, но никто не фикси- рует, подтвердился он или нет, также не фиксируются отказы оборудова- ния, по которым система не форми- ровала прогнозов. Промышленные процессы не статичны. Меняются: ре- жимы работы, сезонность, сырье, из- нос оборудования. Всё это будет при- водить к снижению точности про- гнозов. Если не фиксировать неточ- ные и ошибочные прогнозы и не учи- тывать эти данные при дообучении, то модели, обученные на историче- ских данных, актуальность которых непрерывно снижается, перестанут отражать текущую реальность. «Последняя миля» – это не доработка алгоритма. Это проектирование орга- низационного поведения. Если не ре- шить вышеуказанные проблемы на «последней миле», внедрённая систе- ма, по сути, будет являться дорогим ге- нератором отчётов, которые никто не читает, а не инструментом, который реально снижает аварийность и повы- шает надёжность. Для успешного прохождения «послед- ней мили» необходимо сместить фокус с самой технологии предиктивной диаг- ностики (как это часто бывает на стар- те) на перестройку человеческого пове- дения и системы принятия решений. Инструмент должен быть встроен не просто в IT-ландшафт, а в организа- ционную структуру и бизнес-процессы. В первую очередь, требуется назна- чить «владельца прогноза» и, в случае отсутствия с его стороны реакции на но- вый прогноз в течение заданного вре- мени, предусмотреть автоматическую отправку уведомления вышестоящему руководителю; при отсутствии реакции на уведомление этого руководителя – от- правлять уведомление на более высо- кий уровень, вплоть до главного инже- нера или директора предприятия. ОБ ЗОРЫ СТА 3/2026 10 www.cta.ru Формирование прогноза системой Реакция владельца прогноза Проверка прогноза, превентивные меры Дообучение/ переобучение ML-моделей Добавление размеченных данных в БД Фиксация результатов прогноза Рис. 3. Жизненный цикл прогноза с петлёй обратной связи