УДК 004.8:658.5
DOI: 10.36871/ek.up.p.r.2025.12.06.003

Авторы

Регина Рафкатовна Садыкова,
Школа экономики и междисциплинарных исследований (ШЭМИ),Альметьевскский государственный технологический университет, Высшая школа нефти, Альметьевск, Российская Федерация
Евгений Викторович Палёнов,
Казанский национальный исследовательский технический университет им. А. Н. Туполева — КАИ, Казань, Российская Федерация
Муслим Ахметханович Алероев,
Чеченский государственный университет им. А. А. Кадырова, Грозный, Российская Федерация

Аннотация

Развитие технологий искусственного интеллекта и машинного обучения оказывает значительное влияние на трансформацию производственных систем. Эти инструменты позволяют существенно повышать операционную эффективность, минимизировать издержки, сокращать время простоя оборудования и оптимизировать цепочки поставок. В условиях цифровой экономики конкурентоспособность предприятий всё чаще определяется не только ресурсной базой и масштабами производства, но и способностью внедрять интеллектуальные системы управления, основанные на анализе больших данных и самообучающихся алгоритмах. В статье рассматриваются ключевые направления применения искусственного интеллекта в производственной сфере, анализируется влияние технологий на стратегические показатели эффективности и раскрываются факторы, ограничивающие масштабное внедрение ИИ-решений на промышленных предприятиях. Также представлены примеры успешных кейсов из международной и российской практики, предложены рекомендации по интеграции интеллектуальных систем в производственную политику компаний.

Ключевые слова

искусственный интеллект, машинное обучение, цифровизация, производственные процессы, оптимизация, конкурентоспособность, индустрия 4.0, интеллектуальное производство

Список литературы

  1. Liao Y., Deschamps F., Loures E. F. R., Ramos L. F. P. Past, present and future of Industry 4.0 — a systematic literature review and research agenda [Прошлое, настоящее и будущее Индустрии 4.0 — систематический обзор литературы и исследовательская повестка] // International Journal of Production Research. 2017. Т. 55, № 12.
  2. Lee J., Bagheri B., Kao H. A. A cyber-physical systems architecture for Industry 4.0‑based manufacturing systems [Архитектура киберфизических систем для производственных систем на основе Индустрии 4.0] // Manufacturing Letters. 2015. Т. 3.
  3. McKinsey & Company. The state of AI in manufacturing [Состояние ИИ в промышленности]. 2021.
  4. Bosch Global. Predictive maintenance: intelligent diagnostics for industrial equipment [Предиктивное обслуживание: интеллектуальная диагностика промышленного оборудования]. 2020.
  5. IBM Institute for Business Value. AI-powered supply chain planning [Планирование цепочек поставок на основе ИИ]. 2022.
  6. Deloitte. Digital maturity models in industrial transformation [Модели цифровой зрелости в промышленной трансформации]. 2021.
  7. Wamba S. F., Gunasekaran A., Akter S., Ren S. J. F., Dubey R., Childe S. J. Big data analytics and firm performance: Effects of dynamic capabilities [Аналитика больших данных и эффективность компаний: влияние динамических возможностей] // Journal of Business Research. 2017. Т. 70.
  8. Сайкинов В. Е., Золкин А. Л., Гарбузова Т. Г., Скибин Ю. В. Роль внешних IT-ресурсов в развитии инновационных бизнес-моделей // Экономика и управление: проблемы, решения. 2025. Т. 5, № 1(154). С. 67–77. EDN CMMEWB.
  9. Рахимова Г. С., Галявиев А. Р. Экономика цифровых платформ: модель ценообразования и монетизации в условиях сетевых эффектов // Экономика и управление: проблемы, решения. 2025. Т. 8, № 5(158). С. 204–212.
  10. Аппалонова Н. А., Гузуева Э. Р., Жиляев А. А. Экономическая оценка внедрения искусственного интеллекта в бизнес-процессы компании // Экономика и управление: проблемы, решения. 2025. Т. 8, № 5(158). С. 173–183.