Дорожная карта развития «сквозной» цифровой технологии «Новые производственные технологии»
Актуально на 11.11.2026.
Как цитировать: "Дорожная карта развития "сквозной" цифровой технологии "Новые производственные технологии". https://bukva.ai/docs/dorozhnaya-karta-razvitiya-skvoznoy-tsifrovoy-minkomsvyaz-rossii-6
Примечание
Текст документа приведен в соответствии с публикацией на сайте https://digital.gov.ru по состоянию на 14.10.2019.
ДОРОЖНАЯ КАРТА РАЗВИТИЯ «СКВОЗНОЙ» ЦИФРОВОЙ ТЕХНОЛОГИИ «НОВЫЕ ПРОИЗВОДСТВЕННЫЕ ТЕХНОЛОГИИ»
1. Преамбула, введение, общее описание направления развития СЦТ
Дорожная карта по развитию «сквозной» цифровой технологии «Новые производственные технологии» (далее — ДК СЦТ НПТ) предполагает рамочный формат — дорожная карта реализуется как рамочный документ для поиска, отбора и целевой поддержки проектов и направлений по соответствующему направлению.
ДК СЦТ НПТ синхронизируется с Паспортом федерального проекта «Цифровые технологии» программы «Цифровая экономика» до 31 декабря 2021 г., также дорожная карта может быть актуализирована в соответствии с изменениями и расширением на период до 2024 года графика реализации федерального проекта.
Достижение целевых показателей развития СЦТ НПТ реализуется выполнением проектов, направленных на достижение технических характеристик и на преодоление технологических барьеров, определенных в дорожной карте. Аналитическое обоснование, выполненное для дорожной карты, оценка и отбор проектов, выделение приоритетных субтехнологий, описание мероприятий государственной поддержки могут быть использованы как основа для разработки требований к конкурсам на получение государственной поддержки в сфере новых производственных технологий.
Материалы по разделам «Манипуляторы и технологии манипулирования» предоставлены АНО «УНИВЕРСИТЕТ ИННОПОЛИС» на основании решений Наблюдательного совета АНО «Цифровая экономика» (протокол № 13 от 24.05.2019).
Материалы по разделам «Платформы для промышленного интернета» предоставлены ООО «Национальный центр информатизации» на основании решений Наблюдательного совета АНО «Цифровая экономика» (протокол № 13 от 24.05.2019).
Материалы по разделам «Цифровая промышленность» предоставлены Департаментом цифровых технологий Минпромторг России.
Сквозная цифровая технология «Новые производственные технологии» (СЦТ НПТ) — это сложный комплекс мультидисциплинарных знаний, передовых наукоемких технологий и системы интеллектуальных ноу-хау, сформированных на основе результатов фундаментальных и прикладных научных исследований, кросс-отраслевого трансфера и комплексирования передовых наукоемких технологий, СЦТ и субтехнологий.
Новые производственные технологии — совокупность новых, с высоким потенциалом, демонстрирующих де-факто стремительное развитие, но имеющих пока по сравнению с традиционными технологиями относительно небольшое распространение, новых подходов, материалов, методов и процессов, которые используются для проектирования и производства глобально конкурентоспособных и востребованных на мировом рынке продуктов или изделий (машин, конструкций, агрегатов, приборов, установок и т.д.).
Разработка и внедрение субтехнологий, входящих в СЦТ НПТ, является необходимым условием для присутствия отечественных компаний на глобальных высокотехнологичных рынках, для которых характерны смещение «центра тяжести» в конкурентной борьбе на этап разработки высокотехнологичной продукции, повышение уровня ее наукоемкости, сокращение сроков вывода новой продукции на рынок, жесткие ограничения по издержкам, высокие требования к потребительским характеристикам.
Прежде всего, важно отметить, что среди множества передовых технологий, технология «цифровой двойник» <1> (Digital Twin, DT, далее — ЦД) является технологией-интегратором практически всех «сквозных» цифровых технологий и субтехнологий, выступает технологией-драйвером, обеспечивает технологические прорывы и позволяет высокотехнологичным компаниям переходить на новый уровень технологического и устойчивого развития на пути к промышленному лидерству на глобальных рынках.
<1> «Цифровой двойник» — это семейства сложных мультидисциплинарных математических моделей с высоким уровнем адекватности реальным материалам, реальным объектам/конструкциям/машинам/приборам.../техническим и киберфизическим системам, физико-механическим процессам (включая технологические и производственные процессы), описываемых 3D нестационарными нелинейными дифференциальными уравнениями в частных производных, обеспечивающие отличие между результатами виртуальных испытаний и натурных испытаний в пределах +/- 5% (DT-1) и/или «умная» модель, учитывающая особенности конкретного производства и технологии изготовления (DT-2). Обязательным элементом разработки и применения цифровых двойников является многоуровневая матрица целевых показателей конкурентоспособного продукта/изделия и ресурсных ограничений (временных, финансовых, технологических, производственных, экологических и т.д.).
В сравнении с традиционными подходами, разработка изделий и продукции на основе технологии «цифрового двойника» может обеспечивать снижение временных, финансовых и иных ресурсных затрат до 10 раз и более. Фактически, именно с помощью разработанных заранее цифровых двойников лидеры мировых высокотехнологичных рынков формируют «гарантированное зарезервированное развитие» (А.И. Боровков, А.А. Аузан). В этом случае семейство цифровых двойников обеспечивают производство («материализация цифрового двойника») и поставку продукции с конкурентными характеристиками в кратчайшие сроки в зависимости от возникающей конъюнктуры на глобальном высокотехнологичном рынке, реализуя триаду «технологический прорыв — технологический отрыв — технологическое лидерство/превосходство».
Важнейшим и обязательным этапом разработки и применения полномасштабных цифровых двойников является формирование путем каскадирования и декомпозиции многоуровневой матрицы целевых показателей конкурентоспособного продукта/изделия и ресурсных ограничений (временных, финансовых, технологических, производственных, экологических и т.д.). Общее число характеристик матрицы может составлять 50 000 и более <2>.
<2> На основе опыта Центра компетенций НТИ СПбПУ «Новые производственные технологии» и ГК CompMechLab® .
Многоуровневая матрица целевых показателей и ресурсных ограничений предназначена для осуществления «балансировки» огромного количества конфликтующих параметров и характеристик объекта в целом, его компонентов и деталей в отдельности, то есть не только отслеживать их взаимное влияние на различных этапах жизненного цикла, но и в кратчайшие сроки вносить необходимые изменения и уточнения («управление требованиями и изменениями»), например, гибко реагируя на действия конкурентов, что обеспечивает непрерывный характер разработки и представляет собой важнейшую особенность новой парадигмы цифрового проектирования и моделирования на основе цифровых двойников <3>.
<3> На основе опыта Центра компетенций НТИ СПбПУ «Новые производственные технологии» и ГК CompMechLab^{®} .
Ключевым и необходимым этапом работы для формирования глобально конкурентоспособных «цифровых двойников» в промышленности является реализация комплекса мероприятий «Формирование национального Digital Brainware» — «оцифровка» всех физических, натурных и т.д., как правило, дорогостоящих и зачастую уникальных экспериментов — фактически разработка и валидация математических моделей высокого уровня адекватности материалов (MultiScale- и MultiStage-подходы), машин/конструкций/приборов/установок/сооружений/..., физико-механических и химических процессов, технологических и производственных процессов (MultiDisciplinary-подход).
Формирование Digital Brainware позволяет в рамках комплексного подхода разработки «цифровых двойников» перейти от традиционной парадигмы проектирования и разработки («доводка продуктов/изделий до требуемых характеристик на основе многочисленных дорогостоящих испытаний и итерационного перепроектирования») к одному из основных компонентов разработки «цифровых двойников» — современной триаде: «Виртуальные испытания» & «Виртуальные стенды» & «Виртуальные полигоны», используемые на всех этапах жизненного цикла и с наибольшим эффектом на этапе проектирования, что значительно снижает объемы физических и натурных испытаний, необходимых для «проверки» опытных образцов.
Безусловно, важным требованием является обеспечение функциональной совместимости (интероперабельности) разрабатываемых отечественных решений с широко распространенными зарубежными решениями, так как в настоящее время на предприятиях реального сектора экономики активно используются импортные решения (Siemens, Dassault Systèmes , ANSYS, SAP и др.). Экспорт отечественных решений также не возможен без функциональной совместимости с зарубежными программными системами. Учет данных требований в рамках мероприятий по стандартизации является логичным вектором развития новых производственных технологий <4>.
<4> Консолидированное мнение экспертов ГК «Цифра».
Оценка, отбор и анализ субтехнологий проводились на основе документов и материалов:
1. По результатам анализа программных документов по направлению СЦТ НПТ:
- дорожная карта «Технет» НТИ, одобрена президиумом Совета при Президенте Российской Федерации по модернизации экономики и инновационному развитию России 14.02.2017, протокол № 1;
- дорожная карта по совершенствованию законодательства и устранению административных барьеров «Технет» НТИ, утверждена Распоряжением Правительства Российской Федерации от 23 марта 2018 г. № 482-р;
- «Атлас сквозных технологий цифровой экономики России», подготовленный Проектным офисом «Цифровая экономика РФ» ГК «Росатом;»
- программа Manufacturing USA, реализуемая сетью институтов, обеспечивающих глобальное лидерство в передовом производстве, и стратегический план Strategy for American Leadership in Advanced Manufacturing, 2018, подготовленный National Science and Technology Council, Committee on Technology, Subcommittee on Advanced Manufacturing;
- немецкая программа Industrie 4.0;
- программа Made in China 2025;
- программа Horizon 2020 (EU Research and Innovation Programme);
- и другие стратегические документы.
Были выделены наиболее актуальные для стратегического развития блоки субтехнологий. Дополнительный анализ в разрезе субтехнологий основан на исследовании 230 источников, включая статистическую информацию (Росстат и др.), лучшие мировые и отечественные практики, нормативные и регламентирующие документы, аналитические отчеты о тенденциях развития высокотехнологичных рынков и конкурентной среды.
2. Результаты экспертного опроса:
- Проведение онлайн-анкетирования (24.05.2019, 135 экспертов); в рамках опроса проведена приоритизация технологий, сформированы барьеры, потребности российских предприятий в решениях по направлению «Новые производственные технологии».
- Проведение очного анкетирования (17.04.2019, 49 экспертов); в рамках анкетирования проведена оценка конкурентной среды, оценка российских рынков по профильным субтехнологиям, а также спрос отраслей экономики на профильные субтехнологии.
3. Результаты экспертных сессий:
- I-я Экспертная сессия (17.04.2019, 109 экспертов); в качестве вводных материалов для сессии использовались данные, полученные по итогам анкетирования экспертов в области «сквозной» цифровой технологии «Новые производственные технологии» и составляющих ее субтехнологий.
- II-я Экспертная сессия (22.04.2019, 52 эксперта); сессия прошла в формате вебинара для обсуждения проекта Дорожной карты по развитию СЦТ «Новые производственные технологии».
- III-я Экспертная сессия (26.04.2019, 62 эксперта); обсуждение итогов подготовки и уточнение перечня мероприятий дорожной карты по направлению развития СЦТ «Новые производственные технологии»; высказано более 50 предложений по организации конкретных мероприятий, рекомендованных экспертами для внесения в ДК СЦТ «Новые производственные технологии».
На основании проведенного анализа и в соответствии с рекомендациями Наблюдательного совета АНО «Цифровая экономика», сформированными на заседании 24.05.2019, ДК СЦТ НПТ включает следующий перечень субтехнологий:
1. Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции (Smart Design);
2. Технологии «умного» производства (Smart Manufacturing);
3. Манипуляторы и технологии манипулирования.
Укажем качественные критерии, позволяющие выделить субтехнологию из большого количества современных технологических решений:
1. Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции (Smart Design): включает технологии, обеспечивающие реализацию концепции передового цифрового «умного» проектирования; драйвером этого процесса выступает технология разработки цифрового двойника (Digital Twin) на основе создания и применения многоуровневой матрицы целевых показателей и ресурсных ограничений, на основе математических моделей разных классов, уровней сложности и адекватности (в самых общих случаях описываемых нестационарными нелинейными уравнениями в частных производных), на основе проведения виртуальных испытаний, применения виртуальных стендов и виртуальных полигонов. Особое внимание уделяется разработке и внедрению:
- цифровой платформы создания цифровых двойников, способной учитывать до 150 000 целевых показателей и ресурсных ограничений, использующей смежные «сквозные» цифровые технологии искусственного интеллекта, больших данных, распределенных реестров, обеспечивающей управление интеллектуальной собственностью, экспертное сопровождение и прохождение с первого раза физических и натурных испытаний;
- конкурентоспособной отечественной PLM-системы «тяжелого класса» — системы управления жизненным циклом продукции/изделия, включающей конкурентоспособные CAD-CAM-CAE-подсистемы проектирования, технологической подготовки производства и компьютерного/суперкомпьютерного инжиниринга на основе математического и имитационного моделирования.
2. Технологии «умного» производства (Smart Manufacturing) включают технологии, обеспечивающие реализацию концепции «умного» производства: технологическая подготовка и реализация производственного процесса с минимальным участием человека на основе данных PLM-системы, операционное управление технологическими процессами, производством, предприятием; технологическая подготовка и реализация производственного процесса для кастомизированной продукции широкой номенклатуры на основе гибких, реконфигурируемых и модульных машин, оборудования и робототехники. Особое внимание уделяется разработке, развитию, внедрению и сопровождению отечественных защищенных:
- MES-системы, обеспечивающей децентрализованное планирование, автоматизированную оптимизацию производственных расписаний на уровне холдингов в том числе на основе данных платформенных решений для производства и промышленного интернета;
- ERP-системы, использующей «сквозные» цифровые технологии искусственного интеллекта, больших данных и распределенных реестров.
3. Манипуляторы и технологии манипулирования: включает методы математического моделирования робототехнических систем как пространственных механических систем с голономными и неголономными связями, методы прямого динамического моделирования нелинейных пространственных механических систем с контактными взаимодействиями; разработку программного обеспечения для управления роботами-манипуляторами; программно-аппаратные средства взаимодействия с окружающей средой и объектами.
Краткая характеристика субтехнологий
1. Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции (Smart Design); средний уровень готовности технологии (далее — УГТ) <5> в России оценивается как УГТ 6 — 9, в мире — УГТ 7 — 9. Элементы технологической карты субтехнологии/востребованные решения:
<5> Здесь и далее в соответствии с ГОСТ Р 58048-2017.
- технологии разработки и сопровождения цифровых двойников (Digital Twin, DT);
- компьютерное проектирование (Computer-Aided Design, CAD);
- математическое моделирование, компьютерный и суперкомпьютерный инжиниринг (Computer-Aided Engineering, CAE и High Performance Technical Computing, HPTC)/имитационное моделирование;
- сервис, обеспечивающий доступ к облачным вычислительным мощностям, функционирующий по модели «on demand»;
- сервис, предоставляющий доступ к цифровому профилю изделия, обеспечивающий прослеживаемость изделий как на этапе производства, так и на этапе его эксплуатации;
- технологии оптимизации (Computer-Aided Optimization, CAO);
- платформенные технологии управления процессами проектирования, моделирования и данными (Simulation Process & Data Management, SPDM), а также вычислительными ресурсами (Simulation Process, Data and Resources Management, SPDRM);
- цифровые платформы для проектирования и инжиниринга, разработки и сопровождения цифровых двойников и платформы «цифровой сертификации», использующие смежные «сквозные» цифровые технологии искусственного интеллекта, больших данных, распределенных реестров, обеспечивающие управление интеллектуальной собственностью, экспертное сопровождение и прохождение с первого раза физических и натурных испытаний;
- планирование производственных технологических процессов (Computer-Aided Process Planning, CAPP);
- технологическая подготовка производства (Computer-Aided Manufacturing, CAM);
- технологии управления данными о продукте (Product Data Management, PDM);
- технологии управления жизненным циклом (Product Lifecycle Management, PLM);
- интегрированная логистическая поддержка (Integrated Logistics Support, ILS);
- платформенные решения для правовой охраны и управления правами на цифровые модели и объекты;
- платформенные решения для эксплуатационного мониторинга, послепродажного/технического обслуживания продукции, предиктивной аналитики и ремонтов;
- платформенное решение, реализующее сервисный подход «база доступных технологий»;
- платформенное решение, реализующее сервисный подход «база типовых изделий».
2. Технологии «умного» производства (Smart Manufacturing); средний УГТ для решений реализации концепции «безлюдного» производства <6> в России оценивается как УГТ 4 — 5, в мире — УГТ 6 — 7. Средний УГТ для решений операционное управление технологическими процессами, производством, предприятием в России оценивается как УГТ 9, в мире — УГТ 9. Средний УГТ для решений, обеспечивающих высокую гибкость производства, быструю переналадку и масштабирование в России оценивается как УГТ 6, в мире — УГТ 8 — 9. В части платформенных решений для производства, промышленного интернета и логистики средний УГТ в России оценивается как УГТ 7, в мире — УГТ 8 — 9. Элементы технологической карты субтехнологии/востребованные решения:
<6> Под «безлюдным» понимается производство со сбалансированным соотношением персонала и технологий, обеспечивающих автоматизацию критической массы процессов.
- «умные» производственные линии (Smart Manufacturing);
- системы числового программного управления (ЧПУ) оборудованием;
- программное обеспечение для обучения и управления промышленными роботами;
- мобильные цифровые устройства, оснащенные модулями беспроводной связи для получения и передачи данных;
- программное обеспечение для получения, обработки и передачи информации, получаемой как от датчиков, встроенных в устройство, так и от сторонних источников, компоненты системы эксплуатируются в доверенной среде, устойчивы к отказам и попытками несанкционированного доступа;
- автоматизированные системы управления предприятием (Enterprise Resource Planning, ERP-системы планирования и управления);
- планирование материалов;
- планирование производства;
- управление производственными активами;
- автоматизированные системы управления производством (Manufacturing Execution System, MES-системы управления производственными процессами);
- системы управления технологическим процессом (АСУ ТП): человеко-машинный интерфейс (Human-Machine Interface, HMI), SCADA-системы (Supervisory Control And Data Acquisition), датчики, исполнительные устройства, приводные системы и роботизированные механизмы, системы идентификации (Radio Frequency IDentification, RFID, штрих-коды);
- платформенные решения для промышленного интернета;
- платформенные решения для производства;
- системы управления непрерывным производством;
- системы управления кооперационным производством, позволяющие в режиме реального времени вести планирование и учет по всей цепи кооперации;
- системы управления производственно-техническим потенциалом на уровне холдингов и государственных корпораций;
- платформенные решения для логистики;
- платформенные решения, использующие технологии машинного обучения в привязке к планированию и учету производственных процессов и управлению производственными активами предприятий;
- управление нормативно-справочной информацией (Master Data Management, MDM), системы бизнес-анализа (Business Intelligence, BI, Corporate Performance Management, CPM);
- системы управления лабораторной информацией (Laboratory Information Management System, LIMS);
- системы управления бизнес-процессами (Business Process Management, BPM);
- гибкие, реконфигурируемые и модульные машины, оборудование и робототехнические комплексы;
- неконвенциональные производственные технологии;
- прецизионные технологии, датчики измерения точности;
- вычислительные процессоры с высоким быстродействием и решающие многие задачи с заданной точностью;
- узлы и агрегаты станка, влияющие на исполнительную точность.
3. Манипуляторы и технологии манипулирования; средний УГТ в России — 6, УГТ в мире — 9. Элементы технологической карты субтехнологии/востребованные решения:
- методы математического моделирования робототехнических систем как пространственных механических систем с голономными и неголономными связями и, как более передовое решение — методы прямого динамического моделирования нелинейных пространственных механических систем с контактными взаимодействиями;
- программное обеспечение для управления роботами-манипуляторами;
- программно-аппаратные средства взаимодействия с окружающей средой и объектами.
Оценка УГТ в России на основе конкретных единичных примеров позволяет сделать выводы о наличии решений с уровнем готовности от 6 до 9. Оценка среднего УГТ в России на основе результатов экспертного опроса свидетельствует о недостаточном (низком) количестве российских решений на высоких (6 — 9) уровнях готовности. Экспертное сообщество определяет отставание в развитии большинства субтехнологий СЦТ НПТ, в том числе в части технических характеристик, в России на 5 — 10 лет в сравнении с мировым уровнем.
Приоритетные отрасли для внедрения субтехнологий СЦТ НПТ:
1. автомобилестроение (ОКВЭД: производство автотранспортных средств, прицепов и полуприцепов, включая производство двигателей для автотранспортных средств);
2. авиастроение и ракетно-космическая техника (ОКВЭД: производство летательных аппаратов, включая космические, и соответствующего оборудования);
3. двигателестроение (ОКВЭД: производство силовых установок и двигателей для летательных аппаратов, включая космические);
4. машиностроение, включая атомное, нефтегазовое, тяжелое, специальное машиностроение, железнодорожный транспорт (ОКВЭД: производство машин и оборудования общего назначения);
5. судостроение и кораблестроение (ОКВЭД: строительство кораблей, судов и лодок);
6. непрерывное/процессное производство (ОКВЭД: добыча полезных ископаемых; обрабатывающие производства: производство металлургическое, производство кокса и нефтепродуктов; производство химических веществ и химических продуктов).
Эффекты от развития СЦТ (технологическое лидерство, экономическое развитие, социальный прогресс). Цели реализации мероприятий ДК СЦТ НПТ:
1. Разработка и развитие прорывных технологий СЦТ НПТ как основы для технологического лидерства.
2. Разработка и развитие отечественных технологий мирового уровня, реализация их полного потенциала.
3. Внедрение и апробация производственных технологий, стимулирование спроса на СЦТ НПТ для достижения промышленного лидерства в будущем, в первую очередь, в высокотехнологичных отраслях промышленности.
4. Устранение барьеров (нормативно-технических, научных, технологических, кадровых, финансовых и др.).
Реализация целей соответствует следующим приоритетным направлениям развития:
1. Повышение глобальной конкурентоспособности России на мировых высокотехнологичных рынках.
2. Создание высокопроизводительного экспортно-ориентированного сектора обрабатывающих производств, развивающегося на основе новых производственных технологий.
3. Создание экосистемы цифровой экономики Российской Федерации, в которой данные в цифровой форме являются ключевым фактором производства во всех сферах социально-экономической деятельности.
4. Подготовка специалистов высококвалифицированных кадров, обладающих компетенциями мирового уровня в сфере исследований и разработок; для разработки, развития и применения передовых технологий, как правило, наукоемких и мультидисциплинарных, нужны специалисты нового типа.
5. Переход к новым бизнес-моделям на базе Цифровых платформ <7>/Цифровых двойников и к Фабрикам будущего <8> («цифровым»/«умным»/«виртуальным») <9> как основе современной экономики.
<7> Межотраслевая цифровая платформа для проектирования и производства глобально конкурентоспособных продуктов нового поколения, проведения виртуальных испытаний, создания виртуальных полигонов и стендов, «цифровых двойников» (Digital Twin) изделий (DT1) и процессов их производства (DT2) с применением передовых производственных технологий.
<8> Фабрики Будущего — это определенный тип системы бизнес-процессов, способ комбинирования бизнес-процессов, который имеет следующие характеристики: создание цифровых платформ, своеобразных экосистем передовых цифровых технологий; разработка системы цифровых моделей как новых проектируемых изделий, так и производственных процессов; цифровизация всего жизненного цикла изделий (от концепт-идеи, проектирования, производства, эксплуатации, сервисного обслуживания и до утилизации).
<9> Подробнее см.: https://technet-nti.ru/article/fabriki-buducshego.
Наиболее эффективно развитие по указанным приоритетным направлениям реализуется при выполнении комплексных проектов по созданию высокотехнологичных продуктов с принципиально новыми потребительскими свойствами, что отразится в достижении следующих эффектов (в порядке приоритетности):
1. Сокращение времени на разработку/производство продукции.
2. Сокращение затрат на разработку/производство продукции.
3. Достижение принципиально новых потребительских свойств.
4. Улучшение качества продукции.
5. Гибкость производства: возможность быстрой переналадки производства.
6. Возможность внедрения новых бизнес-моделей.
7. Увеличение ресурса/срока эксплуатации оборудования и инфраструктуры.
8. Увеличение ресурса/срока эксплуатации изделия.
Ключевые рыночные тенденции развития СЦТ
1. Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции (Smart Design):
- С географической точки зрения крупнейшими рынками традиционного PLM в 2017 году стали США (7,7 млрд долл., CAGR в период с 2018 по 2022 год составит 6,3%), Япония (3,82 млрд долл., CAGR в период с 2018 по 2022 год составит 6%) и Германия (3,75 млрд долл., CAGR в период с 2018 по 2022 год составит 5,7%) <10>.
<10> CIMdata Releases Series of Country-Specific PLM Market Analysis Reports. Источник: https://www.cimdata.com/en/news/item/10771-cimdata-releases-series-of-country-specific-plm-market-analysis-reports (дата обращения: 16.01.2019).
- Прогнозируется, что Азиатско-Тихоокеанский регион станет самым быстрорастущим рынком со среднегодовым темпом роста 8,6% в течение периода анализа.
- Только 16% организаций в мире в наиболее полной мере внедряют технологии «цифровых двойников» <11>.
<11> Digital Engineering. The new growth engine for discrete manufacturers. Источник: https://www.capgemini.com/wp-content/uploads/2018/06/DTI_Digital-Engineering201806125_V08.pdf (дата обращения: 16.01.2019).
- Рынок интеллектуальных фабрик для решения MES, вероятно, будет расти самыми быстрыми темпами с 2019 по 2024 год <12>.
<12> $244 Billion Smart Factory (DCS, PLC, MES, ERP, SCADA, PAM, HMI, PLM) Market — Global Forecast to 2024 — ResearchAndMarkets.com. Источник: https://www.businesswire.com/news/home/20190404005418/en/244-Billion-Smart-Factory-DCS-PLC-MES (дата обращения: 23.05.2019).
- Аэрокосмическая и оборонная промышленность с долей 24% доминировали на мировом рынке управления жизненным циклом продукции (PLM) в 2015 году <13>.
<13> Global Product Lifecycle Management (PLM) Market Analysis & Opportunity Outlook 2022. Источник: https://www.researchnester.com/reports/global-product-lifecycle-management-plm-market-analysis-opportunity-outlook-2022/98 (дата обращения: 23.05.2019).
2. Технологии «умного» производства (Smart Manufacturing):
- Согласно исследованию, проведенному Capgemini, по состоянию на март 2017 года 62% аэрокосмических и оборонных предприятий приняли инициативу «умного производства» — в настоящее время Северная Америка лидирует на мировом рынке интеллектуальных производств.
- Высокий спрос в основном существует в сфере автомобильной сборки, телекоммуникационных сетей, самолетов, котлов и печей для термообработки, машин для химической промышленности, рулевого управления и стабилизации судов и других систем машин <14>.
<14> Increasing Need for Rapid Production of Machinery to Make Industrial Automation Market Grow at 6.6% CAGR. Источник: https://www.transparencymarketresearch.com/pressrelease/industrial-automation-market.htm (дата обращения: 23.05.2019).
- Согласно прогнозам компании MarketWatch, мировой рынок автоматизации и процессов управления (Automation & Process Control Market) достигнет объема в 320 млрд долл. к 2024 году <15>. Компания BusinessWire оценивает объем мирового рынка в 158,8 млрд долл. в 2017 году с прогнозом роста до 324,6 млрд долл. к 2027 году (CAGR составит 8%) <16>.
<15> Automation & Process Control Market is Determined to Exceed US$ 320 Billion by 2024. Источник: https://www.marketwatch.com/pressrelease/automation-process-control-market-is-determined-to-exceed-us-320-billion-by-2024-2019-03-20 (дата обращения 20.06.2019).
<16> Opportunity Outlook on the Industrial Automation Control Market 2019 — 2027 — The Market is Expected to Grow from $158.5Bn in 2018 to $324.6Bn by 2027 Источник: https://www.businesswire.com/news/home/20190401005410/en/Opportunity-Outlook-Industrial-Automation-Control-Market-2019-2027 (дата обращения 20.06.2019).
Платформенные решения для производства, промышленного интернета и логистики:
- Прогнозируется, что рынок IIoT в Азиатско-Тихоокеанском регионе значительно возрастет в течение 2016 — 2024 гг. Это связано с формирующимся производственным сектором в таких странах, как Индия, Тайвань, Китай и Южная Корея. Индийская автомобильная промышленность обеспечивает более 7% ВВП страны. Улучшение инфраструктуры и инициатива «Make in India» привлекают потенциальные инвестиции в автомобильный сектор. Кроме того, растущая тенденция к открытию интеллектуальных фабрик в Азиатско-Тихоокеанском регионе обеспечивает потенциал для роста отрасли <17>.
<17> IoT in Manufacturing Market set to boom till 2024, Growing industrial sector in Asia Pacific provides growth impetus to the industry. Источник: http://technologymagazine.org/iot-manufacturing-market-set-boom-till-2024-growing-industrial-sector-asia-pacific-provides-growth-impetus-industry/ (дата обращения: 23.05.2019).
- Учитывая преимущества IIoT, многие крупные промышленные производители сотрудничают с интернет-компаниями. Например, National Instruments Alliance partner Averna объявило о сотрудничестве с PTC, с целью расширения сферы охвата от тестирования до производства с помощью IoT <18>.
<18> IoT in Manufacturing Market set to boom till 2024, Growing industrial sector in Asia Pacific provides growth impetus to the industry. Источник: http://technologymagazine.org/iot-manufacturing-market-set-boom-till-2024-growing-industrial-sector-asia-pacific-provides-growth-impetus-industry/ (дата обращения: 23.05.2019).
- В Азиатско-Тихоокеанском регионе около трети всех расходов на IoT будут приходиться на обрабатывающую промышленность в 2020 году. В других регионах производственный сектор также занимает первое место, но с более низкой долей расходов. Например, в США расходы на IoT в обрабатывающей промышленности будут составлять примерно 15% от общего объема закупок IoT <19>.
<19> IOT in Manufacturing. Источник: https://www.industrialiotseries.com/2018/07/02/the-internet-of-things-in-manufacturing-benefits-use-cases-and-trends/ (дата обращения: 23.05.2019).
- Согласно исследованию IDC, в 2016 году на производственные операции с поддержкой IoT было потрачено 102,5 млрд долл. США, что является самой большой областью применения во всех отраслях. По оценкам исследователей, к 2025 году экономический эффект внедрения IoT решений может составлять более 470 млрд долл. в год <20>.
<20> IoT in Manufacturing: The Ultimate Guide. Источник: https://www.scnsoft.com/blog/iot-in-manufacturing (дата обращения: 23.05.2019).
- Использование технологий: управление транспортировкой, бортовые устройства на транспортных средствах, интеллектуальная автоматизация складского хозяйства, методы для расчета чистых таблиц (восходящий расчет «истинных» затрат на обслуживание, использование подходов динамической маршрутизации) позволит получить следующие эффекты: снижение эксплуатационных расходов на 30%; сокращение потерь на 75% при одновременном ожидаемом снижении запасов до 75%; увеличение гибкости цепочек поставок.
- Использование платформ операторов сетей связи общего пользования. Обеспечивается совместимость разнообразных существующих решений по передаче информации у предприятий и организаций промышленного интернета с сетью и платформами операторов сетей связи общего пользования. Насчитывается порядка 8 — 9 тысяч платформ с учетом вероятного появления цифровых агломераций <21>.
<21> Отчет о выполнении работ по разработке дорожной карты по направлению развития «сквозной» цифровой технологии «Промышленный интернет», ООО «Национальный центр информатизации»; Блануца В.И. Территориальная структура цифровой экономики России: предварительная делимитация «умных» городских агломераций и регионов. Пространственная экономика, № 2, 2018, стр. 17 — 35.
- Использование проприетарных решений, которые являются частной собственностью авторов или правообладателей и не удовлетворяющее критериям свободного программного обеспечения (источник: там же).
- Создание большого числа платформ промышленного интернета; при этом масштабировать и монетизировать эффекты от их использования удается только единицам. В соответствии с вероятным появлением цифровых агломераций в каждой из них необходимо будет установить, по крайней мере, одну платформу промышленного интернета (источник: там же).
- Крупнейшие держатели архитектур: IIOT IIC (консорциум промышленного Интернета) и Platform Industrie 4.0, сотрудничающие в анализе эталонных архитектур, и двигающиеся к общим стандартам.
3. Манипуляторы и технологии манипулирования.
- В 2017 году основными индустриями роста применения промышленных роботов стали металлургия (+55%) и электроника (+33%), самый крупный потребитель роботов — автомобилестроение (+22%), до 33% всех промышленных роботов в 2017 году были востребованы в этой отрасли.
- С 2010 года спрос на промышленные роботы растет за счет роста автоматизации и технологического совершенствования промышленных роботов, так между 2012 и 2017 гг. продажи роботов росли со средним CAGR — 19% в год <22>.
<22> Executive Summary World Robotics 2018 Industrial Robots. Источник: https://ifr.org/downloads/press2018/Executive_Summary_WR_2018_Industrial_Robots.pdf, (дата обращения 20.06.2019).
Ключевые драйверы развития СЦТ
1. Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции (Smart Design):
- Эффекты разработки и внедрения технологий «цифровых двойников» — компании, инвестирующие в развитие технологий «цифровых двойников» могут сократить временные издержки производственного цикла на 30% <23>.
<23> How the 'Digital twin' will transform the Manufacturing sector. Источник: https://www.redlinegroup.com/insights/how-the-digital-twin-will-transform-the-manufacturing-sector-71701914407 (дата обращения: 16.01.2019).
- Системы PLM пользуются высоким спросом со стороны аэрокосмической, оборонной промышленности, сферы банковских услуг. Спрос со стороны сектора оборонной промышленности стимулирует распространение PLM-технологий и стимулирует рост рынка <24>.
<24> Global Product Lifecycle Management (PLM) Market to Expand with a CAGR of 8.1% due to Extensive Demand from Aerospace and Defense sector. Источник: https://www.transparencymarketresearch.com/pressrelease/product-lifecycle-management-market.htm (дата обращения: 23.05.2019).
- Производители применяют технологию MES, чтобы снизить затраты и предоставить возможности для эксплуатации и доставки высокопроизводительных производственных активов по всей цепочке поставок. Это приводит к высоким темпам роста для сегмента MES. Существует растущая потребность в централизации бизнес-данных на предприятиях и отслеживании операций на нескольких предприятиях с помощью анализа данных в режиме реального времени <25>.
<25> $244 Billion Smart Factory (DCS, PLC, MES, ERP, SCADA, PAM, HMI, PLM) Market — Global Forecast to 2024 — ResearchAndMarkets.com. Источник: https://www.businesswire.com/news/home/20190404005418/en/244-Billion-Smart-Factory-DCS-PLC-MES (дата обращения: 23.05.2019).
- Факторы, способствующие росту на рынке, включают спрос на замкнутые PLM-системы (Closed-loop PLM), а также повышенное внимание к нормативным требованиям, необходимость снижения риска для продукта, растущую потребность в сотрудничестве по всему жизненному циклу производства <26>.
<26> Product Lifecycle Management Market Trends, Market Analysis, and Forecasts by Global Industry Analysts Inc. Источник: https://www.strategyr.com/MarketResearch/ViewInfoGraphNew.asp?code=MCP-6516 (дата обращения: 23.05.2019).
2. Технологии «умного» производства (Smart Manufacturing):
- Активное развитие рынка связано с потребностями предприятий, реализующих программы промышленной трансформации (например, Индустрия 4.0) в автоматизации.
- Наибольшая выручка на рынке умного производства обеспечивается странами АТР (62 млрд долл. на 2015 г.) <27>.
<27> Evolution of Industry 4.0 Trend to Accelerate Smart Manufacturing Market. Источник: https://www.transparencymarketresearch.com/pressrelease/smart-manufacturing-market.htm (дата обращения: 23.05.2019).
- Рост рынка интеллектуального производства, вероятно, будет продиктован высоким спросом со стороны химической промышленности и материалов, пищевой промышленности и АПК, здравоохранения, а также оборонной и аэрокосмической промышленности <28>.
<28> Global Smart Manufacturing Market (2018 — 2023) Источник: https://www.kdmarketresearch.com/report/global-smart-manufacturing-market-2019-2023 (дата обращения: 20.05.2019).
Платформенные решения для производства, промышленного интернета и логистики:
- Рынок формируется под влиянием тренда «платформизации». Представленные в этом сегменте решения стали массово появляться на рынке в 2016 — 2017 годах. Их долю на рынке можно оценить в 5% рынка ($2 млрд), при этом для платформенных решений прогнозируют рост (CAGR) в 35% в год <29>.
<29> IoT platform market to grow to $1.6 billion by 2020: Verizon report.//12.09.2017. [электронный ресурс] URL: https://economictimes.indiatimes.com/tech/ites/iot-platform-market-to-grow-to-1-6-billion-by-2020-verizon-report/articleshow/60475930.cms (Дата обращения: 19.04.2019).
- Продвижению IIoT в производственном секторе способствуют возрастающие требования к повышению операционной эффективности и оптимизации затрат, связанных с различными производственными процессами. Технология IIoT способна значительно повысить операционный контроль на производстве за счет сбора информации в режиме реального времени о каждом этапе цепочки поставок и функционировании производственных линий.
- Повышение осведомленности потребителей о преимуществах аналитических решений для цепочек поставок. Растущая потребность в управлении большим количеством бизнес-данных.
3. Манипуляторы и технологии манипулирования. Драйверами развития использования промышленных роботов являются:
- Увеличение объема производств в отдельных отраслях промышленности (автопром, производство электроники), где есть высокая конкуренция и массовость производства.
- Государственная политика может быть стимулом для модернизации производств с использованием передовых средств автоматизации, а также преодоления барьера «первого робота».
- Общие просветительские меры, направленные на разъяснение возможностей и пользы от использования робототехники в производстве.
- Наличие стратегий, программ и национальных приоритетов по развитию промышленной роботизации (Япония, Южная Корея, Тайвань).
- Культурный фактор: например, низкий уровень опасений общества по поводу замещения роботами существующих рабочих мест.
- Проактивная налоговая политика, включая льготы, а также поддержку внедрения передовых технологий (Сингапур).
- КНР реализует собственную стратегию внедрения роботов: выделяются крупные субсидии, реализуется План развития индустрии робототехники КНР (2016 — 2020). Например, только провинция Гуандун выделила примерно $ 135 млрд для содействия компаниям в «замещении машин». Однако в этой статистике возможны преувеличения: компания BCG отмечает, что объем всех субсидий КНР на роботизацию составил $ 6 млрд <30>.
<30> Robert D. Atkinson. Which Nations Really Lead in Industrial Robot Adoption? Источник: http://www2.itif.org/2018-industrial-robot-adoption.pdf?_ga=2.33485438.111287278.1544264515-2000188760.1544264515 (дата обращения: 27.12.2018).
Таблица 1 — Перечень рисков и возможных ограничений развития заделов по СЦТ, создания перспективных российских решений на их базе
| Направление | Риски | Ограничения |
| Законодательные и административные | Принятие нормативных правовых документов, увеличивающих налоговую и иную административную нагрузку | Административные барьеры/дефицит мер поддержки для внедрения субтехнологий СЦТ НПТ |
| Увеличение срока принятия новых стандартов и регламентов | Отсутствие стандартов и регламентов, что затрудняет внедрение и масштабирование технологий СЦТ НПТ | |
| Сохранение зарегулированности (в части стандартов и требований к новым поставщикам) некоторых отраслей — потенциальных потребителей новых производственных технологий | Низкий спрос на технологии решения СЦТ НПТ со стороны потенциальных потребителей технологий | |
| Риски патентного давления при создании и использовании субтехнологий <31> | Наличие патентов, ограничивающих развитие решений и функциональных элементов решений в рамках субтехнологий | |
| Технологические и инфраструктурные | Недостаточная защищенность чувствительных данных предприятий | Отсутствие нормативно-правовой базы в сфере информационной безопасности для субтехнологий СЦТ НПТ |
| Санкционные риски, связанные с возможным запретом использования иностранного ПО и оборудования | Введены санкционные ограничения против ряда ключевых российских организаций | |
| Снижение доступности инфраструктуры больших данных, высокопроизводительных вычислений, систем передачи данных и прочее | Недостаток инфраструктуры больших данных, высокопроизводительных вычислений, систем сбора, передачи, хранения передачи данных в промышленности | |
| Экономические | Риски нехватки оборотных средств необходимых компании на исследования и разработки и пилотные внедрения | Длительный срок и высокие издержки внедрения новых производственных технологий, а также их окупаемости |
| Снижение потенциала и потеря времени на разработку конкурентоспособных решений в условиях динамичной международной конкуренции | Наличие конкурентоспособных продуктов на мировом рынке: сложности вывода новых решений на мировой рынок, а также длительные сроки разработки новых продуктов | |
| Риски снижения спроса на новые производственные технологии | Недостаток испытательных полигонов и пилотных площадок внедрения новых производственных технологий, дефицит фактической информации об экономических эффектах от внедрения, небольшое количество успешных практик внедрений, отсутствие мер поддержки, косвенно стимулирующих спрос на новые производственные технологии путем снижения стоимости их внедрения | |
| Социальные | Риски снижения квалификации кадров | Дефицит высококвалифицированных кадров, потребность в подготовке и переподготовке специалистов |
| Усиление конкуренции за квалифицированные кадры с иностранными исследовательскими центрами и высокотехнологичными компаниями | Конкуренция за квалифицированные кадры с иностранными исследовательскими центрами и высокотехнологичными компаниями | |
| Снижение количества поступающих на профильные и востребованные специальности в рамках СЦТ | Высокая потребность рынка в кадрах, при относительно небольшом количестве выпускаемых ежегодно инженеров/дефицит кадров со средней квалификацией и рабочих | |
| Рост различий в «онтологии»/понимания сути новых производственных технологий | Недостаток информации о технологиях СЦТ НПТ, различное понимание ключевыми стейкхолдерами сути технологий СЦТ НПТ, что затрудняет формирование общего видения развития профильных технологий | |
| Научные и кадровые | Разрывы инновационного цикла (фундаментальные и прикладные исследования — опытно-конструкторские разработки — испытание и внедрение комплексных технических решений) | Длительность инновационного цикла, ограничения, связанные с коммерциализацией и трансфером технологий |
<31> Консолидированное мнение экспертов ГК «Цифра» на основании решений заседания рабочей группы «Цифровые технологии» АНО «Цифровая экономика» 18.06.2019.
2. Текущее состояние и целевые показатели развития до 2021 и 2024 года (технологические и отдельные экономические)
Таблица 2 — Целевые показатели развития СЦТ НПТ
| № п/п | Субтехнология | Целевое состояние субтехнологии/техническая характеристика | 2019 | 2021 | 2024 | |
| 1. | Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции (Smart Design) | Переход от традиционной парадигмы проектирования (доводка продуктов/изделий до требуемых характеристик на основе натурных испытаний, 5 итераций в среднем) к новой парадигме цифрового проектирования и моделирования — технологии разработки и применения цифровых двойников (Digital Twin), обеспечивающей при экспертном сопровождении, как правило, прохождение с первого раза физических и натурных испытаний (1 итерация), определение критических зон и критических характеристик для мониторинга на всех этапах жизненного цикла продукта/изделия Экономические характеристики (Э): Э — 1 - количество высокотехнологичных предприятий из приоритетных отраслей промышленности, применяющих технологию разработки цифровых двойников продуктов/изделий и обеспеченных экспертным сопровождением; Э — 2 - количество реализованных проектов на высокотехнологичных предприятиях из приоритетных отраслей промышленности, для которых была применена технология разработки цифровых двойников; Технические характеристики (Т): Т — 1 - сокращение времени разработки высокотехнологичных продуктов; Т — 2, % показателей матрицы целевых показателей и ограничений, обеспечивающих достижение целевых характеристик разрабатываемого изделия или продукции, определяемых и обосновываемых результатами виртуальных испытаний (по отраслям): 1. автомобилестроение (ОКВЭД: производство автотранспортных средств, прицепов и полуприцепов, включая производство двигателей для автотранспортных средств); 2. авиастроение (ОКВЭД: производство летательных аппаратов и соответствующего оборудования); 3. судостроение и кораблестроение (ОКВЭД: строительство кораблей, судов и лодок); 4. двигателестроение (ОКВЭД: производство силовых установок и двигателей для летательных аппаратов, включая космические); 5. машиностроение, включая атомное, нефтегазовое, тяжелое, специальное машиностроение, железнодорожный транспорт (ОКВЭД: производство машин и оборудования общего назначения); 6. непрерывное/процессное производство (ОКВЭД: добыча полезных ископаемых; обрабатывающие производства: производство металлургическое, производство кокса и нефтепродуктов; производство химических веществ и химических продуктов). Т — 3 - разработанные и внедренные технологии создания цифровых двойников продуктов/изделий на основе десятков тысяч целевых показателей обеспечивают при экспертном сопровождении прохождение с первого раза физических и натурных испытаний (1 итерация), определение критических зон и характеристик для мониторинга на всем жизненном цикле, количество итераций в приоритетных отраслях промышленности | Э — 1 = 3 | Э — 1 = 15 | Э — 1 = 100 | |
| Э — 2 = 3 | Э — 2 = 30 | Э — 2 = 250 | ||||
| Т — 1 = 10% | Т — 1 = 15% | Т — 1 = 25% | ||||
| Т — 2 = 0% — 15% | Т — 2 = 25% — 50% | Т — 2 = 50% — 100% | ||||
| Т — 3 = 5 | Т — 3 = 3 | Т — 3 = 1 | ||||
| Разработана отечественная PLM-система «тяжелого» класса (включая CAD/CAM/CAE-подсистемы), поддерживающая все стадии разработки изделий: от создания концепта и проектирования до изготовления, на базе отечественной платформы полного жизненного цикла изделий. PLM система обеспечивает автоматическую оценку технологической реализуемости производства на ранних этапах проектирования изделия или продукции (для УГТ 4 — 5 изделия). Разработана платформа управления цифровым профилем изделий, обеспечивающая полную прослеживаемость на всем жизненном цикле изделия: начиная от момента проектирования отдельных деталей и узлов, включая контроль на стадии производства, заканчивая эксплуатацией готового изделия. Э — 1 - количество высокотехнологичных предприятий из приоритетных отраслей промышленности, использующих разработанную PLM-систему; Э — 2 - количество реализованных проектов на высокотехнологичных предприятиях из приоритетных отраслей промышленности, в которых была применена PLM-система; Э — 3 - количество активных/сертифицированных пользователей PLM-системы; Э — 4 - количество типовых изделий в 5 приоритетных отраслях промышленности, подключенных к системе цифрового профиля изделия; Т — 1 - этап разработки изделия или продукции (УГТ), на котором доступна автоматизированная оценка технологичности производства разрабатываемого изделия или продукции; Т — 2 - сокращение времени разработки высокотехнологичных продуктов | - | «средне-тяжелый» класс, защищенное исполнение | «тяжелый» класс, защищенное исполнение | |||
| Т — 1: Автоматизированная оценка технологичности только для поздних этапов (УГТ 9 изделия) | - | Т — 1: Автоматизированная оценка технологичности для ранних этапов (УГТ 4 — 5 изделия) | ||||
| - | Т — 2 = 10% | Т — 2 = 15% | ||||
| Э — 1 = 0 | Э — 1 = 5 | Э — 1 = 25 | ||||
| Э — 2 = 0 | Э — 2 = 10 | Э — 2 = 50 | ||||
| Э — 3 = 0 | Э — 3 = 500 | Э — 3 = 10 000 | ||||
| Э — 4 = 0 | Э — 4 = 20 | Э — 4 = 100 | ||||
| Разработана для 5 приоритетных отраслей Национальная база математических моделей высокого уровня адекватности Digital Brainware (отличие между результатами моделирования и натурных испытаний в пределах +/- 5%) на основе архивов физических и натурных экспериментов, обеспечена преемственность с накопленным научно-технологическим опытом, основанном на дорогостоящих и зачастую уникальных экспериментах. Разработанная Национальная база пополняется математическими моделями высокого уровня адекватности на основе новых серий физических и натурных экспериментов, в том числе направленных на применение новых материалов. Т — 1 - % испытательных стендов (по отраслям), входящих в состав Национальной базы математических моделей высокого уровня адекватности, от общего числа испытательных стендов: 1. Автомобилестроение (ОКВЭД: производство автотранспортных средств, прицепов и полуприцепов, включая производство двигателей для автотранспортных средств); 2. Авиастроение и ракетно-космическая техника (ОКВЭД: производство летательных аппаратов, включая космические, и соответствующего оборудования); 3. Судостроение и кораблестроение (ОКВЭД: строительство кораблей, судов и лодок); 4. Двигателестроение (ОКВЭД: производство силовых установок и двигателей для летательных аппаратов, включая космические); 5. Машиностроение, включая тяжелое, специальное и атомное машиностроение, железнодорожный транспорт (ОКВЭД: производство машин и оборудования общего назначения); 6. Непрерывное/процессное производство (ОКВЭД: добыча полезных ископаемых; обрабатывающие производства: производство металлургическое, производство кокса и нефтепродуктов; производство химических веществ и химических продуктов) | Т — 1 = 0% | Т — 1 = 10% | Т — 1 = 25% | |||
| Цифровая платформа разработки цифровых двойников, способная учитывать 150 000 целевых показателей и ресурсных ограничений, использующая смежные «сквозные» цифровые технологии искусственного интеллекта, больших данных, распределенных реестров, обеспечивающая управление интеллектуальной собственностью, экспертное сопровождение и прохождение с первого раза физических и натурных испытаний. Цифровая платформа внедрена в 5 приоритетных отраслях, в 50 высокотехнологичных компаниях, сформирована национальная сетецентрическая экосистема из 25 «зеркальных» инжиниринговых центров, объединяющая 2 500 экспертов — сертифицированных пользователей. Т — 1 - целевые показатели и ресурсные ограничения, учитываемые матрицей целевых показателей и ограничений Цифровой платформы разработки цифровых двойников; Э — 1 - количество пользователей Цифровой платформы разработки цифровых двойников | Т — 1 = 40 000 | Т — 1 = 70 000 | Т — 1 = 150 000 | |||
| Э — 1 = 250 | Э — 1 = 1 000 | Э — 1 = 2 500 | ||||
| Платформа цифровой сертификации обеспечивает экспертное сопровождение разработки и применения цифровых моделей и виртуальных испытательных стендов для ускоренной сертификации материалов и изделий: Э — 1 - количество материалов и изделий, прошедших ускоренную сертификацию на основании виртуальных испытаний, не менее; Э — 2 - количество компаний, использующие платформу для вывода материалов и изделий на рынок, не менее | - | Э — 1 = 10 | Э — 1 = 50 | |||
| - | Э — 2 = 2 | Э — 2 = 10 | ||||
| Платформенные решения для правовой охраны и управления правами на цифровые модели и объекты обеспечивают охрану в режиме авторского/патентного права (как промышленный образец)/лицензирование: Э — 1 - % от общего числа элементов, созданных «цифровых двойников», охрана которых обеспечена в режимах авторского/патентного права (как промышленный образец)/лицензирование; | Э — 1 = 15/1/0% | Э — 1 = 50/5/10% | Э — 1 = 100/25/30% | |||
| Разработана платформа полного жизненного цикла, обеспечивающая сервисы для разработки специализированного прикладного инженерного ПО на базе отечественной платформы и геометрического ядра: Э — 1 - количество прикладных решений, разработанных на платформе полного жизненного цикла; Э — 2 - количество сертифицированных специалистов, подготовленных для проектирования инженерного ПО на базе платформы жизненного цикла | - | Э — 1 = 10 | Э — 1 = 25 | |||
| - | Э — 2 = 50 | Э — 2 = 100 | ||||
| Сервис, обеспечивающий доступ к облачным вычислительным мощностям, функционирующий по модели «on demand» Э — 1 - количество активных/сертифицированных пользователей сервиса; | Э — 1 = 250 | Э — 1 = 1 000 | Э — 1 = 2 500 | |||
| Платформенные решения, реализующие сервисный подход «База доступных технологий» и «База доступных мощностей» Э — 1 - количество компаний, использующих базы, не менее; | - | Э — 1 = 2 | Э — 1 = 10 | |||
| Разработаны платформенные решения для эксплуатационного мониторинга: постпродажное обслуживание изделий и предиктивная аналитика Э — 1 - количество типовых изделий в 5 приоритетных отраслях промышленности, процесс послепродажного обслуживания которых автоматизирован | Э — 1 = 0 | Э — 1 = 20 | Э — 1 = 100 | |||
| 2. | Технологии «умного» производства (Smart Manufacturing) | Разрабатываемые решения обеспечивают подготовку и наладку производства на основе интеграции данных из PLM-системы с минимальным участием человека (сокращение участия человека до 65%); Т — 1 - участие человека в подготовке и наладке производства, % от выполняемых операций | Т — 1 = 100% | Т — 1 = 85% | Т — 1 = 65% | |
| Развитие функциональных элементов на базе отечественных MES-систем, комплементарных с технологиями искусственного интеллекта, больших данных, интернета вещей и оптимизирующих процесс планирования производства с учетом «быстрых» переналадок и партий запуска; Э — 1 - MES-система внедрена на высокотехнологичных предприятиях, не менее; Э — 2 - количество сертифицированных пользователей MES-системы | - | - | Э — 1 = 1000 | |||
| - | - | Э — 2 = 10 000 | ||||
| - | Модуль оптимизации производственных расписаний на уровне холдингов на основе алгоритмов искусственного интеллекта и данных интернета вещей | Модуль децентрализованного планирования. Интеграция с системами межзаводской кооперации и управления производственно-технологическим потенциалом крупных холдингов и государственных корпораций | ||||
| Развитие функциональных элементов, комплементарных с технологиями искусственного интеллекта, больших данных и распределенных реестров, на базе отечественных платформ; разработка решений и функциональных элементов: | - | - | Э — 1 = 500 | |||
| - | - | Э — 2 = 10 000 | ||||
| - | - | Э — 3 = 10 000 | ||||
| - | системы управления производством, в том числе системы управления непрерывным производством; | - | Модуль автоматизации процессов предприятия высокой степени стандартизации (ввод первичных данных, кадровое делопроизводство и т.д.) | Модуль доверенных поставок и транзакций среди участников кооперации | ||
| - | система управления кооперационным производством, позволяющая в режиме реального времени вести планирование и учет по всей цели кооперации; | |||||
| - | система управления производственно-техническим потенциалом на уровне холдингов и государственных корпораций; | |||||
| - | ERP-система; | |||||
| - | универсальная интеграционная шина данных. | |||||
| Э — 1 - решения внедрены на высокотехнологичных предприятиях, не менее <32>; Э — 2 - количество сертифицированных пользователей внедренных решений, не менее; Э — 3 - функциональные элементы ERP-системы внедрены на высокотехнологичных предприятиях, не менее 1000 | ||||||
| Платформенные решения для промышленного интернета функционируют со скоростью более 10 млрд сигналов/с на локальных серверах; применяются технологии искусственного интеллекта; Э — 1 - платформенные решения для промышленного интернета внедрены на высокотехнологичных предприятиях, не менее; Э — 2 - оснащение системами класса MDC, обеспечивающих получение данных с оборудования в режиме реального времени, в 5 приоритетных отраслях промышленности, % <33>; Т — 1 - скорость функционирования платформ для промышленного интернета, млрд сигналов/с | - | Э — 1 = 5 | Э — 1 = 15 | |||
| - | Э — 2 = 50% | Э — 2 = 70% | ||||
| Т — 1 = 5 млрд сигналов/с использованием ЦОДов | Т — 1 = 7 млрд сигналов/с | Т — 1 = 10 млрд сигналов/с на локальных серверах | ||||
| Разработана и внедрена платформа для сбора и анализа данных производственного оборудования и технологических процессов для целей оптимизации с использованием алгоритмов и методов машинного обучения, Э — 1 - количество внедрений на предприятиях, не менее | - | Э — 1 = 2 | Э — 1 = 5 | |||
| Технологии гибридных и гибких производственных линий функционируют на основе отечественных систем управления и обеспечивают стабильность повторяемости позиционирования не менее +/- 0,1 мм (ISO 9283), количество управляемых осей не менее 7; Т — 1 - стабильность повторяемости позиционирования гибридных и гибких производственных линий на основе отечественных систем управления, мм | - | - | Т — 1 = +/- 0,1 мм | |||
| Автоматизация процессов производства на предприятиях: Э — 1 - количество средних и крупных предприятий обрабатывающих отраслей промышленности, прошедших оценку уровня цифровой трансформации (получивших «цифровые паспорта») и подключенных к сервисам ГИСП, тыс. предприятий | - | Э — 1 = 5,8 | Э — 1 = 14,4 | |||
| Разработано комплексное платформенное решение для обработки, хранения и анализа данных геологоразведки с целью создания Цифрового месторождения; Э1 — платформенное решение внедрено и используется лидерами отрасли, не менее | - | Э — 1 = 20 | Э — 1 = 60 | |||
| Разработаны программные решения, автоматизирующие процессы технического обслуживания и ремонта. Э — 1 - количество высокотехнологичных компаний в 5 приоритетных отраслях промышленности, внедривших программные решения, автоматизирующие процессы технического обслуживания и ремонта, позволяющие в режиме реального времени контролировать и производить ремонт по техническому состоянию | Э — 1 = 0 | Э — 1 = 20 | Э — 1 = 100 | |||
| 3. | Манипуляторы и технологии манипулирования | Разработаны технологии, обеспечивающие высокую точность обработки материалов роботами-манипуляторами; Т — 1 точность обработки материалов роботами-манипуляторами, мкм | Т — 1 = 100 мкм; | Т — 1 = 10 мкм; | ||
| Разработаны технологии, обеспечивающие деликатное манипулирование с точностью 0,1 мм усилием 1 Н и скоростью 0,1 м/с; Т — 1 - скорость деликатного манипулирования, м/с; | Т — 1 = 0,1 м/с | Т — 1 = 1 м/с | ||||
| Э — 1 - увеличение численности сотрудников робототехнических компаний — интеграторов, количество сотрудников | Э — 1 = 200 | Э — 1 = 400 | Э — 1 = 1 000 | |||
| Э — 1 - рынок промышленных робототехнических систем (млрд руб.) | Э — 1 = 8 | Э — 1 = 25 | Э — 1 = 30 | |||
| Э — 1 - доля отечественных разработчиков промышленной робототехники (%) | Э — 1 = 5% | Э — 1 = 15% | Э — 1 = 30% | |||
| Э — 1 - количество роботов, задействованных в производстве, на 10 000 работников | Э — 1 = 4 | Э — 1 = 20 | Э — 1 = 40 | |||
| Э — 1 - соотношение выпускаемых в стране промышленных роботов к потребляемым российским рынком, % | Э — 1 = 1% | Э — 1 = 20% | Э — 1 = 40% | |||
| Выпуск отечественных манипуляторов для реального сектора экономики Э — 1 - соотношение выпускаемых в стране промышленных роботов к потребляемым российским рынком, % | единичные образцы | Э — 1 = 15% | Э — 1 = 30% | |||
| Э — 2 - годовой объем поставок промышленных роботов в России, шт | Э — 2 < 1 000 | Э — 2 = 1 700 | Э — 2 = 4 600 | |||
| 4. | Показатели и индикаторы федерального проекта «Цифровые технологии» | Достигнуты показатели и индикаторы федерального проекта «Цифровые технологии»: Э — 1 - увеличение затрат на развитие «сквозных» цифровых технологий; Э — 2 - увеличение объема выручки проектов (разработка наукоемких решений, по продвижению продуктов и услуг по заказу бизнеса) на основе внедрения технологий СЦТ «Новые производственные технологии» компаниями, получившими поддержку в рамках федерального проекта «Цифровые технологии»; Э — 3 - количество РСТ — заявок по СЦТ «Новые производственные технологии», организациями, получившими поддержку в рамках национального проекта «Цифровая экономика» | Э — 1 = 100% | Э — 1 = 140% | Э — 1 = 300% | |
| Э — 2 = 100% | Э — 2 = 150% | Э — 2 = 250% | ||||
| Э — 3 = 100% | Э — 3 = 140% | Э — 3 = 300% | ||||
<32> Для каждого решения/системы в рамках пп.
<33> Консолидированное мнение экспертов ГК «Цифра» на основании решений заседания рабочей группы «Цифровые технологии» АНО «Цифровая экономика» 18.06.2019.
Цели и показатели ведомственного проекта «Цифровая промышленность» в рамках ДК СЦТ НПТ
| - создание к 2024 году условий для цифровой трансформации промышленности, включая получение цифровых паспортов не менее чем 78 процентами (оценочно 14,4 тыс. предприятий) средних и крупных предприятий промышленности; - создание в обрабатывающей промышленности высокопроизводительного экспортно-ориентированного сектора, развивающегося на основе современных технологий и обеспеченного высококвалифицированными кадрами (подпункт «и» пункта 1 Указа Президента Российской Федерации от 07.05.2018 № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года»); - преобразование отраслей посредством внедрения цифровых технологий и платформенных решений (абзац 7 подпункта «б» пункта 11 Указа Президента Российской Федерации от 07.05.2018 № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года»); - создание цифровой экосистемы для обеспечения взаимодействия хозяйствующих субъектов, в том числе вовлечение малых и средних предприятий в производственные цепочки крупных производителей; - оптимизация и повышение эффективности производственных процессов с использованием преимущественно отечественных технологий и эффективная загрузка производственных мощностей; - продвижение продукции отечественных субъектов промышленности с использованием цифровых платформ на рынках государств — членов ЕАЭС и третьих стран |
|---|
ожидаемый результат применения мер, предлагаемые инструменты
Таблица 3 — Направления, этапы и мероприятия по решению технологических задач
К технологическим задачам и мероприятиям с наивысшим приоритетом относятся пп. 1.1.1, 1.1.2, 1.1.3, 1.1.5, 1.2.1 - 1.2.3, 1.3.1, 1.3.3, 1.3.5, 1.4.2, 1.4.4, 1.5.1, 1.6.1 - 1.6.3, 1.7.1, 1.9.1, 2.1.1, 2.2.1, 2.4.1 - 2.4.4, 2.5.1, 3.1.1 - 3.1.5, 3.2.1.
с высоким приоритетом 1.1.5, 1.2.4, 1.3.2, 1.3.6, 1.4.1, 1.4.5, 1.5.2, 1.7.2, 1.8.1 - 1.8.3, 2.2.2 - 2.2.4, 2.3.1 - 2.3.4, 2.4.5, 2.6.1, 2.7.1, 2.8.1 - 2.8.5, 3.3.1 - 3.3.2.
с средним приоритетом 1.1.4, 1.3.4, 1.4.3, 1.10.1, 1.11.1, 2.2.5, 2.4.6 - 2.4.9, 3.4.1.
Таблица 4 — Отраслевые проекты и иные мероприятия/проекты в рамках реализации ДК СЦТ НПТ
| N | Направление развития | Состояние на 2019 год | Целевой результат на 2024 год | Потенциальные участники реализации |
|---|---|---|---|---|
| 1. | Отраслевые проекты и иные проекты/мероприятия | Фрагментарное использование новых производственных технологий в создании конкурентоспособной продукции; Отсутствует полноценная инфраструктура для испытания и внедрения новых производственных технологий; Отсутствие методик подготовки ТЭО проектов внедрения СЦТ НПТ, отраслевых стандартов в области СЦТ НПТ Отсутствие стратегического видения в части цифровой трансформации государственных корпораций и компаний с государственным участием, создающих спрос на СЦТ |
Создано 20 испытательных полигонов, внедрено 150 решений в области СЦТ НПТ предприятиями в отраслях: автомобилестроение, авиастроение, вертолетостроение, судостроение и кораблестроение, двигателестроение, тяжелое и специальное машиностроение, приборостроение, нефтегазовое машиностроение, энергомашиностроение, ракетно-космическая техника и др.; Разработано 15 технологических стандартов в области СЦТ НПТ (по 3 субтехнологиям, в 5 отраслях), учитывающих в том числе требования к обеспечению совместимости отечественных разработок с действующими зарубежными, требования к интероперабельности <34> Разработаны и внедрены методические рекомендации подготовки ТЭО проектов внедрения СЦТ НПТ (по 3 субтехнологиям, в 5 отраслях); Разработано и применено 10 стратегий цифровой трансформации государственных корпораций и компаний с государственным участием, создающих спрос на СЦТ |
Проектные консорциумы: заказчики из приоритетных отраслей ДК и разработчики, органы стандартизации, МКС, МПТ и др. |
<34> Консолидированное мнение экспертов ГК «Цифра» на основании решений заседания рабочей группы «Цифровые технологии» АНО «Цифровая экономика» 18.06.2019.
На основании рекомендаций членов рабочей группы АНО «Цифровая экономика» по направлению «Цифровые технологии», а также экспертов и представителей федеральных органов исполнительной власти ДК СЦТ НПТ предполагает функциональную интеграцию целей и задач ведомственного проекта «Цифровая промышленность», реализуемого Минпромторгом России, с целью обеспечения синергетических эффектов в достижении целевого состояния развития и внедрения цифровых технологий в приоритетных отраслях промышленности.
Таблица 5 — Задачи и результаты ведомственного проекта Цифровая промышленность в рамках ДК СЦТ НПТ
4. Оценка требуемых ресурсов в привязке
к инструментам поддержки
Таблица 6 — требуемые ресурсы в привязке к инструментам поддержки (млн руб., до 2024 г.).
Грантовая поддержка малых предприятий
Поддержка программ деятельности ЛИЦ
Поддержка разработки и внедрения промышленных решений
Поддержка региональных проектов
Поддержка путем субсидирования процентной ставки по кредиту
Итого по субСЦТ в рамках инструментов поддержки
1. Цифровое проектирование, математическое моделирование и управление жизненным циклом изделия или продукции
(Smart Design)
2. Технологии «умного» производства
(Smart Manufacturing)
Итого по субтехнологиям ДК СЦТ НПТ
(Цифровые технологии)
Отраслевые проекты и иные мероприятия