Промышленная цифровизация постепенно упирается в проблему разрозненных систем. На одном предприятии могут одновременно работать несколько платформ, протоколов, баз данных и контуров автоматизации, которые не всегда умеют обмениваться информацией. Поэтому новая цифровая задача нередко означает появление еще одного решения поверх уже существующей инфраструктуры.
На конференции «Промышленный интернет вещей» IIoT-2026 производители оборудования, разработчики, системные интеграторы и представители промышленных предприятий обсуждали, как объединять разнородную инфраструктуру, использовать накопленные данные и внедрять искусственный интеллект в производственные процессы.
«Компьютерра» разбиралась, с какими проблемами сталкивается промышленный интернет вещей (IIoT) в России, как предприятия пытаются связать уже работающие системы и какую роль в этой инфраструктуре постепенно начинает занимать ИИ.
Промышленность обрастает отдельными системами
На конференции IIoT-2026 говорили о разных направлениях промышленной цифровизации — от оборудования и сбора данных до аналитики и автоматизации производства. При этом многие проблемы возникают еще до появления сложных алгоритмов. Разрозненность формируется по мере развития самого предприятия, когда новые цифровые решения добавляются к уже работающим системам.
Цифровые проекты часто запускают как ответ на конкретную производственную задачу. Для одной операции внедряют систему мониторинга, для другой устанавливают датчики, затем появляется отдельный контур аналитики или диспетчеризации. Со временем такие решения начинают работать параллельно, а связать их между собой становится отдельной технической задачей.
Илья Быконя, сооснователь и генеральный директор компании Rightech, говорил о необходимости уйти от подобной модели. По его словам, проблема выходит далеко за пределы классической пирамиды автоматизации. За ней остаются бизнес-процессы, где по-прежнему используются бумажные журналы, чаты, почта и разрозненные хранилища.
«Интернет вещей дотягивается в том числе до них и создает тот хаос, о котором я говорил. Лоскуты».
Илья Быконя, сооснователь и генеральный директор компании Rightech
Для такого ландшафта недостаточно просто соединить системы между собой. Предприятию нужен слой, который сможет объединить оборудование, данные и бизнес-логику, а затем использовать эту основу для дальнейшей автоматизации.
Rightech предлагает строить такую архитектуру вокруг единой платформы. В ней оборудование и инженерные системы объединяются с цифровыми двойниками, бизнес-системами и инструментами аналитики. Один из вариантов применения связан с техническим мониторингом. Система рассчитывает интегральный показатель состояния объекта от нуля до 100 %, используя данные об инцидентах и отклонениях от заданных показателей эффективности.
При этом набор критериев можно менять под конкретное предприятие. Это позволяет не создавать отдельную систему под каждый набор KPI, а расширять уже существующий контур.
От данных к решениям
Следующий вопрос связан с тем, что делать с накопленными данными. Само по себе увеличение количества телеметрии не дает предприятию экономического эффекта, если сотруднику по-прежнему приходится вручную искать нужный показатель среди нескольких систем.
Антон Грачевников, руководитель направления Центра индустриальных продуктов и решений ПАО МТС, привел пример с промышленными данными и цифровыми двойниками. Раньше для получения нового среза информации сотруднику приходилось обращаться к интегратору или собственной проектной команде. Подготовка нового дашборда могла занимать недели.
В МТС предлагают использовать ИИ-ассистентов как интерфейс к уже существующей объектной модели. Пользователь формулирует запрос обычным языком, после чего система извлекает данные и строит нужное представление.
«В таком случае доступ к данным будет занимать не месяц, а минуту».
Антон Грачевников, руководитель направления Центра индустриальных продуктов и решений ПАО «МТС»
В этой модели генеративный ИИ становится не отдельным продуктом, а способом взаимодействия с промышленной инфраструктурой. Пользователю не обязательно знать, где физически находятся нужные данные и через какой интерфейс к ним обращаться. При этом речь пока не идет о полном отказе от человека.
Промышленное производство отличается высокой стоимостью ошибки, поэтому передача управления автономному агенту остается ограниченной. В «МТС» рассматривают нейросети прежде всего как ассистентов, которые помогают анализировать ситуацию, назначать инциденты и предлагать варианты действий.
Это особенно важно для критического оборудования. Ошибка алгоритма на обычном офисном сервисе может привести к некорректному отчету. На производстве она способна остановить технологический процесс или привести к серьезным финансовым потерям.
ИИ должен дойти до станка
Еще один сценарий связан непосредственно с полевыми сотрудниками. Если система знает конкретное оборудование, его историю, предыдущие неисправности и текущую телеметрию, сотрудник может получить подсказку непосредственно во время ремонта.
Вместо поиска документации по нескольким системам оператор обращается к цифровому помощнику с планшета. Система определяет объект, анализирует его состояние и может предложить последовательность действий. После выполнения работы информация возвращается в цифровой контур.
Подобная модель показывает, зачем промышленности объединять интернет вещей (IoT), цифровые двойники и искусственный интеллект. Каждый из этих компонентов по отдельности решает ограниченную задачу. Связанный контур позволяет использовать данные оборудования непосредственно в бизнес-процессах.
Однако автоматизация упирается не только в программное обеспечение. На предприятии одновременно работают станки, роботы, транспортные системы, склады и другие устройства. Если каждый из них управляется независимо, появление новых роботов не обязательно упрощает производство.
В «МТС» приводят пример роботизированной сварки на предприятии «Северстали». Две роботизированные ячейки работают под управлением одного инженера, а компьютерное зрение и лидар (технология дистанционного зондирования) помогают контролировать процессы. Такой подход позволяет одновременно повышать скорость и качество операций.
Следующим этапом становится оркестрация. Несколько роботов должны не просто выполнять свои команды, а учитывать работу друг друга, состояние оборудования, логистику и последовательность операций.
Роботизацию хотят перевести в сервис
Для промышленности остается отдельным вопросом стоимость роботизации. Покупка оборудования требует капитальных затрат, а внедрение дополняется расходами на программное обеспечение, интеграцию и обслуживание.
«МТС» рассматривает модель Robot-as-a-Service. В таком случае предприятие получает не отдельного робота, а сервис, включающий оборудование, связь, программное обеспечение и поддержку. Оплата может быть привязана к фактическому использованию.
Для бизнеса это меняет экономику проекта. Вместо крупных первоначальных вложений расходы можно включать непосредственно в себестоимость конкретной операции.
Такой подход особенно интересен для предприятий, которым роботизация нужна не как отдельная технологическая программа, а как способ решить конкретную производственную задачу.
Между модемом и ПЛК
Помимо всех описанных выше проблем, фрагментация есть и на уровне оборудования. Ксения Сизова, исполнительный директор ООО «Ред Бис», предложила посмотреть на нее со стороны физического устройства.
Промышленное оборудование использует большое количество протоколов и интерфейсов. Производители создают собственные варианты взаимодействия, а данные затем приходится передавать в разные платформы. При этом по каналам связи часто идет значительно больше информации, чем действительно требуется верхнему уровню.
Сизова описала промежуточный класс устройств между простым модемом и промышленным программируемым логическим контроллером. Такой узел должен уметь работать с разными протоколами, выполнять локальную обработку данных и запускать заданную логику без полноценной разработки специализированной прошивки.
«Мы попытались сделать универсальный интерфейс от физического мира к цифровому».
Ксения Сизова, исполнительный директор ООО «Ред Бис»
Для промышленного интернета вещей это означает перенос части обработки ближе к источнику данных. Устройство может отфильтровать поток, обнаружить локальное событие или выполнить заданный сценарий, не отправляя весь массив в облако.
Данных для ИИ пока не хватает
Еще одна проблема — Edge AI, технология, позволяющая анализировать данные от оборудования локально и в режиме реального времени, выявляя ранние признаки неисправностей. Технически модели можно запускать непосредственно на периферийном оборудовании, но у заказчиков часто не бывает подходящих наборов данных для их обучения.
Поэтому периферийное устройство может использоваться сначала как инструмент сбора данных. Информация поступает с разных источников, размечается и становится основой для будущих моделей.
Это снижает зависимость от постоянной передачи данных в центральную систему и позволяет быстрее реагировать на локальные события. При потере связи устройство также может сохранить часть функций. Например, отправить аварийное сообщение или выполнить заранее заданную операцию.
При этом границы автономности остаются принципиальными, но для промышленности такой подход пока выглядит наиболее реалистичным. ИИ постепенно получает доступ к производственным данным, но критические решения по-прежнему остаются под контролем человека.
Выводы
Выступления на IIoT-2026 показали, что промышленный интернет вещей постепенно смещается от идеи простой передачи данных к построению единой цифровой среды.
В итоге промышленный IoT развивается сразу в двух направлениях. Сверху появляется потребность в едином слое, который связывает системы и бизнес-процессы. Снизу развивается оборудование, способное самостоятельно работать с разными источниками данных и выполнять часть логики на месте.
Полностью автономное производство пока остается следующим этапом. Для его появления недостаточно добавить больше датчиков или подключить языковую модель. Сначала промышленности предстоит разобраться с архитектурой, данными, связностью и границами ответственности между человеком и автоматикой.
Читайте также: