ЖУРНАЛ СТА №3/2026

Введение Наша команда имеет значительный опыт внедрения систем предиктивной диагностики на промышленных пред- приятиях с использованием собствен- ного программного комплекса – СППР Sdisol PAD (включён в Единый реестр российских программ для электронных вычислительных машин и баз данных). В предыдущих публикациях (СТА 3’25, СТА 4’25, СТА 1’26, СТА 2’26) мы под- робно рассматривали методы анализа, применяемые в нашей системе. На практике внедрение таких систем сдерживают не технологические огра- ничения, а четыре группы взаимосвя- занных проблем: ● технические сложности (качество и доступность данных); ● организационное сопротивление (неопределённость окупаемости, за- вышенные ожидания, недоверие); ● кадровые проблемы (дефицит ква- лифицированных специалистов); ● «последняя миля» до бизнеса (ин- теграция в бизнес-процессы пред- приятия). При этом технические сложности ре- шаются проще и быстрее всего, органи- зационное сопротивление преодолеть труднее, а кадровые проблемы и интег- рация с бизнесом – самые труднопре- одолимые барьеры. Технические сложности Современные промышленные пред- приятий Российской Федерации харак- теризуются высокой степенью автома- тизации и оснащены системами АСУ ТП. Это создаёт необходимую техниче- скую базу для централизованного сбо- ра и хранения исторических значений контролируемых параметров. Указан- ные данные служат основой для прове- дения аналитических исследований, построения математических и ML-мо- делей. На базе этих моделей впослед- ствии можно реализовать непрерыв- ный мониторинг данных от АСУ ТП, позволяющий выявлять и оценивать риски отказов технологического обору- дования. Несмотря на это, значительная часть российских предприятий не ведёт дол- госрочного архива исторических дан- ных: либо хранит их кратковременно, либо вовсе обходится без истории, опи- раясь при управлении технологиче- ским процессом лишь на текущие значения параметров. Среди технических сложностей, пре- пятствующих централизованному сбо- ру и хранению исторических данных, можно выделить следующие. ● Разрозненность и несовместимость данных. Различные промышленные информационные системы (АСУ ТП, ПАЗ, АСПС КЗ и ПТ) часто не интегри- рованы между собой. Данные хранят- ся в разных местах, что затрудняет их комплексный анализ. Кроме того, на многих предприятиях используется оборудование разных производите- лей, и его объединение в единую базу данных технически сложно. ● Низкое качество данных. Датчики в промышленной среде часто рабо- тают в сложных условиях: вибрации, высокие температуры, агрессивные среды – всё это может искажать по- казания. Это приводит к появлению шумов, ошибок или пропусков в данных. ● Дополнительные требования к ин- формационной инфраструктуре. Современные промышленные объ- екты генерируют огромные массивы информации, которые нужно непре- рывно собирать, передавать и обра- батывать. Хранение данных требует Внедрять нельзя игнорировать: дилемма предиктивной диагностики на производстве Развитие информационных технологий стало катализатором четвёртой промышленной революции. По оценке Клауса Шваба, основателя Всемирного экономического форума в Давосе, её отличительная черта – экспоненциальный, а не линейный темп развития. Тем не менее системы предиктивной диагностики, являющиеся частью этой концепции, пока не получили широкого распространения на промышленных предприятиях. Возникает вопрос: что препятствует их внедрению и почему ожидания от их использования часто не оправдываются? В статье обобщён опыт внедрения таких систем на предприятиях РФ – материал будет полезен техническим руководителям промышленных компаний. ОБЗОРЫ СТА 3/2026 6 www.cta.ru Николай Лунцев, технический директор ООО «СЦР»