Концепция и подходы для оценки перспектив роботизации технологических процессов
ПАО «НК «Роснефть»
Ильин К.О., Губайдуллин А.Г., Халфин Р.С., Краевский Н.Н.
ООО «РН-БашНИПИнефть»
Предложена концепция для оценки потенциала внедрения робототехнических систем в технологические процессы компании ПАО «НК «Роснефть»
(далее Компания). Для оценки необходимости внедрения робототехнических систем в технологические процессы определяется комплексный ключевой показатель технологического процесса, а также создается матрица оценки перспектив внедрения робототехнических комплексов. В качестве дальнейших шагов по внедрению роботизации предложен комплекс мероприятий, реализуемых в Компании и ее обществах. Получено, что бизнес-процессы ремонта НКТ, ремонта УЭЦН и ТКРС относятся к группе «необходимость внедрения роботизации».
(далее Компания). Для оценки необходимости внедрения робототехнических систем в технологические процессы определяется комплексный ключевой показатель технологического процесса, а также создается матрица оценки перспектив внедрения робототехнических комплексов. В качестве дальнейших шагов по внедрению роботизации предложен комплекс мероприятий, реализуемых в Компании и ее обществах. Получено, что бизнес-процессы ремонта НКТ, ремонта УЭЦН и ТКРС относятся к группе «необходимость внедрения роботизации».
Робототехника является одной из ключевых технологий Индустрии 4.0, что обуславливает государственную поддержку разработки, производства и внедрения роботов во многих странах. Автоматизация и роботизация производства в Японии в 1974–2017 гг. привела к росту рынка труда. Более того, даже способствовала росту зарплат [1]. По прогнозам ряда экспертов, мировой рынок робототехники вырастет с 32,32 млрд долл. в 2020 г. до 88,55 млрд долл. к 2030 г. при среднегодовом темпе роста 12,1 % [2]. Еще более оптимистичные прогнозы даны компанией Hyundai Motor Group — до 177,2 млрд долл. к 2025 г. [3].
В таблице 1 приведены ключевые особенности современного состояния и развития робототехники в мире [3–7]. Вследствие пандемии COVID-19 и введенных правительствами стран ограничений растет спрос на робототехнику для новых задач (производство средств индивидуальной защиты, автономная дезинфекция помещений, забор медицинских анализов и др.), интенсивно развивается рынок беспилотного автономного транспорта, внедряется новая бизнес-модель «робот как сервис» или «робот по подписке», возросло количество заявок на роботов для промышленности
и логистики [3, 7]. Таким образом, пандемия COVID-19 ускорила процессы роботизации во всех сферах экономики.
и логистики [3, 7]. Таким образом, пандемия COVID-19 ускорила процессы роботизации во всех сферах экономики.
Табл. 1. Ключевые особенности развития робототехники в мире [3–7]
В настоящее время применение робототехники в нефтегазовой отрасли остается крайне низким.
По оценкам международного консалтингового агентства «Rystad Energy» в мировой нефтегазовой отрасли около 20 % работ в сегментах бурения скважин, эксплуатации и технического обслуживания объектов добычи углеводородного сырья будут автоматизированы и роботизированы в течение следующих 10 лет [8]. Роботизированные системы бурения потенциально могут сократить
на 20–30 % объем работ, выполняемых на буровой установке [8]. Роботизация в нефтегазовой отрасли позволит не только повысить производительность и энергоэффективность процессов,
но и снизить риски промышленной безопасности, охраны труда и окружающей среды за счет исключения тяжелого физического труда в сложных погодных условиях.
По оценкам международного консалтингового агентства «Rystad Energy» в мировой нефтегазовой отрасли около 20 % работ в сегментах бурения скважин, эксплуатации и технического обслуживания объектов добычи углеводородного сырья будут автоматизированы и роботизированы в течение следующих 10 лет [8]. Роботизированные системы бурения потенциально могут сократить
на 20–30 % объем работ, выполняемых на буровой установке [8]. Роботизация в нефтегазовой отрасли позволит не только повысить производительность и энергоэффективность процессов,
но и снизить риски промышленной безопасности, охраны труда и окружающей среды за счет исключения тяжелого физического труда в сложных погодных условиях.
Важность проектов роботизации в нефтегазовой отрасли России подчеркнута на государственном уровне. В ноябре 2020 г. прошло совещание рабочей группы по цифровой трансформации нефтегазовой отрасли России под председательством заместителя Министра энергетики Российской Федерации, руководителя цифровой трансформации П.Ю. Сорокина с участием представителей нефтегазовых и энергетических компаний, министерств и ведомств, отраслевых экспертов и др. [9]. По результатам совещания принято решение разработать Атлас мер государственной поддержки технологических проектов, а также доработать концепцию
и «дорожную карту» по роботизации нефтегазовой отрасли, совместно с другими
лидерами отрасли [9].
Компания ПАО «НК «Роснефть» (далее Компания) с учетом российских и мировых трендов, а также обеспечения устойчивого развития активно разрабатывает и внедряет передовые производственные технологии [10–12].
В Компании выполняется и реализуется ряд целевых инновационных проектов, направленных на роботизацию технологических процессов.
и «дорожную карту» по роботизации нефтегазовой отрасли, совместно с другими
лидерами отрасли [9].
Компания ПАО «НК «Роснефть» (далее Компания) с учетом российских и мировых трендов, а также обеспечения устойчивого развития активно разрабатывает и внедряет передовые производственные технологии [10–12].
В Компании выполняется и реализуется ряд целевых инновационных проектов, направленных на роботизацию технологических процессов.
На основе анализа мирового опыта технического перевооружения предприятий выделяют следующие подходы к роботизации технологических процессов:
- процессный подход [13];
- системный подход [14];
- риск-ориентированный подход [15];
- управление жизненным циклом изделия [14];
- комплексный междисциплинарный подход [14, 15].
Учитывая масштабы Компании, широкую номенклатуру ее бизнес-процессов, а также их локальные особенности, авторами разработана концепция оценки перспектив внедрения робототехнических комплексов (РТК) на основе выбора ключевых показателей, которые будут универсальными для производственных бизнес-процессов Компании по направлениям: добыча, сбор, подготовка, транспорт углеводородов, нефтегазопереработка, нефтехимия, логистика и сбыт продукции нефтегазопереработки и нефтехимии, нефтесервисные услуги. Задачей данной концепции является выбор приоритетных технологических процессов для внедрения РТК.
В рамках данного исследования определены ключевые показатели бизнес-процессов для внедрения роботизированных технологий (рис. 1). Далее на основе ключевых показателей определяется комплексный ключевой показатель бизнес-процесса.
В рамках данного исследования определены ключевые показатели бизнес-процессов для внедрения роботизированных технологий (рис. 1). Далее на основе ключевых показателей определяется комплексный ключевой показатель бизнес-процесса.
Рис. 1. Ключевые показатели
Ключевые показатели «чистая приведенная стоимость, индекс доходности инвестиций, внутренняя норма доходности, дисконтированный срок окупаемости» (рис. 1) являются показателями потенциального экономического эффекта от внедрения роботизации технологических процессов. Перечисленные показатели определяются на основе предварительной оценки экономической эффективности инвестиционного проекта внедрения РТК (табл. 2).
Табл. 2. Последователь-ность работ по оценке перспектив внедрения роботизации технологических процессов
Полученная на первом этапе информация используется для формирования требований к РТК: технических, технологических, эксплуатационных, экономических, социальных, экологических и др. На рисунке 2 показана совокупность требований к разработке и внедрению РТК в Компании. Необходимость учета перечисленных требований обусловлена различиями технологии и организации производства, условий эксплуатации, перспектив развития, климатических условий, уровня автоматизации, опыта роботизации технологических процессов даже для производственных объектов одинакового профиля, а также необходимостью выполнения требований действующего российского законодательства, государственных стандартов, а также локальных нормативных документов Компании, определяющих ее политику и требования по процессам и направлениям деятельности.
Рис. 2. Совокупность требований к разработке и внедрению РТК
в технологические процессы Компании
в технологические процессы Компании
В России отсутствуют нормы правового регулирования робототехники. В правовых информационных системах слова «робот» и «робототехника» упоминаются лишь в нескольких законодательных актах. Юридическая ответственность за применение роботов регулируется общими нормами права, и специальные нормы для регулирования робототехники и искусственного интеллекта отсутствуют. В концепции развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники на период до 2024 г. отдельный раздел посвящен развитию правового регулирования.
Для оценки потенциала внедрения РТК применяется комплексный ключевой показатель бизнес-процесса. Значение комплексного ключевого показателя в первом приближении определяется по следующей формуле:
Для оценки потенциала внедрения РТК применяется комплексный ключевой показатель бизнес-процесса. Значение комплексного ключевого показателя в первом приближении определяется по следующей формуле:
где CKIij — комплексный ключевой показатель j-го процесса; gij — вес i-го ключевого показателя j-го процесса; KIij — i-й ключевой показатель j-го процесса.
Вес gij определяется путем экспертной оценки по шкале от 0 до 10, где 0 — показатель не влияет,
10 — критически важный показатель. В формулу (1) подставляется среднее арифметическое значение оценок экспертов.
С целью получения безразмерного вида, расчетное значение i-го ключевого показателя j-го процесса делится на его максимальное значение среди всех рассматриваемых процессов:
Вес gij определяется путем экспертной оценки по шкале от 0 до 10, где 0 — показатель не влияет,
10 — критически важный показатель. В формулу (1) подставляется среднее арифметическое значение оценок экспертов.
С целью получения безразмерного вида, расчетное значение i-го ключевого показателя j-го процесса делится на его максимальное значение среди всех рассматриваемых процессов:
где KIi, Ej — расчетное значение i-го ключевого показателя j-го процесса (рис. 1); Ki — множество значений i-го ключевого показателя;
Особенность полученного решения заключается в том, что значения ключевых показателей получены как на основе статистических данных производственного процесса, так и экспертных оценок. При этом сами ключевые показатели имеют различный вес, который не всегда может быть корректно определен методами экспертных оценок. В связи с этим предлагается использовать методы корреляционно-регрессионного анализа для получения достоверной оценки комплексного ключевого показателя j-го процесса. Нелинейная множественная регрессионная модель комплексного ключевого показателя j-го процесса определяется следующим уравнением:
где ai — коэффициент i-го ключевого показателя j-го процесса; β,C — константы уравнения.
Подразумевается, что посредством автоматизированных статистических вычислений в программном обеспечении определяются линейные и нелинейные регрессионные множественные модели. С целью отбора корректной и достоверной регрессионной модели применяется алгоритм, приведенный на рисунке 3.
Подразумевается, что посредством автоматизированных статистических вычислений в программном обеспечении определяются линейные и нелинейные регрессионные множественные модели. С целью отбора корректной и достоверной регрессионной модели применяется алгоритм, приведенный на рисунке 3.
Рис. 3. Алгоритм выбора регрессионной модели
В выбранную регрессионную модель подставляются значения ключевых показателей с целью получения значения комплексного ключевого показателя для j-го процесса во втором (окончательном) приближении.
Исходя из значения комплексного ключевого показателя, технологические процессы распределяются по группам:
• необходимость внедрения роботизации;
• отсутствие необходимости внедрения.
Выполняется построение матрицы оценки внедрения роботизации в технологические процессы. Матрица позволяет визуализировать приоритетные процессы для внедрения роботизированных технологий в рамках бизнес-направления.
Методом экспертных оценок определяется минимальное значение комплексного ключевого показателя для отнесения процесса к группе необходимости внедрения роботизации, равное 52,00.
Внедрение РТК в соответствии с определяемыми приоритетами потребует комплекса мероприятий, обобщенно приведенных на рисунке 4.
Исходя из значения комплексного ключевого показателя, технологические процессы распределяются по группам:
• необходимость внедрения роботизации;
• отсутствие необходимости внедрения.
Выполняется построение матрицы оценки внедрения роботизации в технологические процессы. Матрица позволяет визуализировать приоритетные процессы для внедрения роботизированных технологий в рамках бизнес-направления.
Методом экспертных оценок определяется минимальное значение комплексного ключевого показателя для отнесения процесса к группе необходимости внедрения роботизации, равное 52,00.
Внедрение РТК в соответствии с определяемыми приоритетами потребует комплекса мероприятий, обобщенно приведенных на рисунке 4.
Рис. 4. Комплекс мероприятий по разработке и внедрению РТК
в технологические процессы
в технологические процессы
Примечание: ЛНД* — локальный нормативный документ;
ОПИ** — опытно-промышленные испытания.
Ниже приведен пример оценки перспектив внедрения роботизации технологических процессов.
В качестве бизнес-направления на основе экспертной оценки выбран блок внутреннего сервиса Компании. В рамках данного блока для оценки перспектив роботизации методом опроса отобраны следующие бизнес-процессы: ремонт насосно-компрессорных труб (НКТ), ремонт установок погружных электроцентробежных насосов (УЭЦН), текущий и капитальный ремонт скважин (ТКРС), ремонт приводов штанговых скважинных насосных установок (ШСНУ).
На основе обработки данных производственной деятельности определены абсолютные и относительные показатели процессов (этап 2, табл. 2). В результате предынвестиционной проработки целевых инновационных проектов определены показатели экономического эффекта от внедрения роботизации технологических процессов. Выполнен расчет ключевых показателей бизнес-процессов (рис. 2). Проведена экспертная оценка веса ключевых показателей для расчета комплексного ключевого показателя. Ключевые показатели с весом экспертной оценки, равным нулю, удалены из дальнейшего расчета.
В таблице 3 приведены ключевые показатели для построения регрессионной модели комплексного ключевого показателя. Значения ключевых показателей приведены к безразмерному виду по формуле (2).
ОПИ** — опытно-промышленные испытания.
Ниже приведен пример оценки перспектив внедрения роботизации технологических процессов.
В качестве бизнес-направления на основе экспертной оценки выбран блок внутреннего сервиса Компании. В рамках данного блока для оценки перспектив роботизации методом опроса отобраны следующие бизнес-процессы: ремонт насосно-компрессорных труб (НКТ), ремонт установок погружных электроцентробежных насосов (УЭЦН), текущий и капитальный ремонт скважин (ТКРС), ремонт приводов штанговых скважинных насосных установок (ШСНУ).
На основе обработки данных производственной деятельности определены абсолютные и относительные показатели процессов (этап 2, табл. 2). В результате предынвестиционной проработки целевых инновационных проектов определены показатели экономического эффекта от внедрения роботизации технологических процессов. Выполнен расчет ключевых показателей бизнес-процессов (рис. 2). Проведена экспертная оценка веса ключевых показателей для расчета комплексного ключевого показателя. Ключевые показатели с весом экспертной оценки, равным нулю, удалены из дальнейшего расчета.
В таблице 3 приведены ключевые показатели для построения регрессионной модели комплексного ключевого показателя. Значения ключевых показателей приведены к безразмерному виду по формуле (2).
Табл. 3. Исходные данные для построения регрессионной модели
Примечание: * — показатель имеет два возможных значения: 1,0 — соответствует, 0,0 — не соответствует; ** — значения показателей экономической эффективности и показателей затрат скрыты в связи с коммерческой тайной.
По формуле (1) выполнен расчет значения комплексного ключевого показателя в 1-й итерации.
Далее по алгоритму (рис. 3) выполнен поиск регрессионной модели по данным KIij, gij и данным CKIij. Построение регрессионных моделей выполнялось с помощью математического программного обеспечения.
В соответствии с алгоритмом (рис. 3) из множества моделей выбрана нелинейная множественная регрессионная модель, которая имеет коэффициент корреляции, равный R = 0,96:
По формуле (1) выполнен расчет значения комплексного ключевого показателя в 1-й итерации.
Далее по алгоритму (рис. 3) выполнен поиск регрессионной модели по данным KIij, gij и данным CKIij. Построение регрессионных моделей выполнялось с помощью математического программного обеспечения.
В соответствии с алгоритмом (рис. 3) из множества моделей выбрана нелинейная множественная регрессионная модель, которая имеет коэффициент корреляции, равный R = 0,96:
где ДРВТ — доля работников высокой квалификации; ДТО — доля технологического оборудования, машин и комплексов современного уровня; ППТ — прирост производительности труда;
УСП — уровень соответствия продукции (услуг) стандартам международного уровня; NPV — чистая приведенная стоимость; IRR — внутренняя норма доходности; PI — индекс рентабельности;
DPP — дисконтированный срок окупаемости; КРЗП — коэффициент роста средней заработной платы; СЗЧ — стоимость запасных частей оборудования за 1 год.
УСП — уровень соответствия продукции (услуг) стандартам международного уровня; NPV — чистая приведенная стоимость; IRR — внутренняя норма доходности; PI — индекс рентабельности;
DPP — дисконтированный срок окупаемости; КРЗП — коэффициент роста средней заработной платы; СЗЧ — стоимость запасных частей оборудования за 1 год.
В результате расчетов с использованием регрессионной модели (формула 5) на основе исходных данных получены значения комплексного ключевого показателя для процессов ремонта НКТ, ремонта УЭЦН, ТКРС, ремонта привода ШСНУ, которые приведены в таблице 4. Путем сравнения значения комплексного ключевого показателя для бизнес-процессов с определенным выше минимальным значением данного показателя, равным 52,00, получено, что бизнес-процессы ремонта НКТ, ремонта УЭЦН и ТКРС относятся к группе «необходимость внедрения роботизации»,
а процесс ремонта приводов ШСНУ относится к группе «отсутствие необходимости
внедрения» (табл. 4).
а процесс ремонта приводов ШСНУ относится к группе «отсутствие необходимости
внедрения» (табл. 4).
Табл. 4. Матрица оценки внедрения роботизации в технологические процессы направления нефтесервисных услуг
ИТОГИ
Оценка комплексного ключевого показателя для бизнес-процессов внутреннего сервиса показала, что ремонт НКТ (58,31), ремонт УЭЦН (54,55)
и ТКРС (67,72) относятся к группе «необходимость внедрения роботизации».
и ТКРС (67,72) относятся к группе «необходимость внедрения роботизации».
ВЫВОДЫ
Разработаны подходы и концепция по оценке перспектив внедрения РТК
в технологические процессы Компании. Применение концепции позволяет ранжировать технологические процессы по приоритету их роботизации для разработки программ роботизации производства, планирования научно-исследовательских и опытно-конструкторских работ, бизнес-планирования процессов технического перевооружения производственных объектов. На основе предложенной концепции и подходов будет осуществляться дальнейшая деятельность ПАО «НК «Роснефть» по перспективному планированию и научно-технологическому сопровождению внедрения РТК в технологические процессы для достижения целей стратегии «Роснефть-2030».
в технологические процессы Компании. Применение концепции позволяет ранжировать технологические процессы по приоритету их роботизации для разработки программ роботизации производства, планирования научно-исследовательских и опытно-конструкторских работ, бизнес-планирования процессов технического перевооружения производственных объектов. На основе предложенной концепции и подходов будет осуществляться дальнейшая деятельность ПАО «НК «Роснефть» по перспективному планированию и научно-технологическому сопровождению внедрения РТК в технологические процессы для достижения целей стратегии «Роснефть-2030».
ЛИТЕРАТУРА
1. Вопреки опасениям неолуддитов, автоматизация производства увеличивает количество рабочих мест и размер зарплаты. URL: https://naked-science.ru/article/hi-tech/robots-and-empoyment-in-japan
2. The Global Industrial Robotics Market size was valued at USD 32.32 billion in 2021 and is predicted to reach USD 88.55 billion by 2030 with a CAGR of 12,1% from
2022–2030. URL: https://www.globenewswire.com/en/news-release/2022/05/25/2450099/0/en/The-Global-Industrial-Robotics-Market-size-was-valued-at-USD-32-32-billion-in-2021-and-is-predicted-to-reach-USD-88-55-billion-by-2030-with-a-CAGR-of-12-1-from-2022-2030.html (In Eng).
3. Robots jump into the mobility industry. URL: https://tech.hyundaimotorgroup.com/article/op-ed-robots-jump-into-the-mobility-industry (In Eng).
4. Unmanned ground vehicles market by mobility, application (military, commercial, law enforcement, federal law enforcement), mode of operation, size, system, and region (North America, Europe, APAC, Middle East and rest of the World) – Forecast to 2027. URL: https://www.marketsandmarkets.com/Market-Reports/unmanned-ground-vehicles-market-72041795.html (In Eng)
5. Global automated guided vehicle market size by type (tow vehicle, forklift truck, pallet truck), by navigation technology (magnetic guidance, laser guidance), by battery type (lithium-ion, nickel-based, lead), by vertical (industrial products, food industry, petrochemicals), by application (manufacturing, automotive, aerospace), by geographic scope and forecast.
URL: https://www.grandviewresearch.com/industry-analysis/automated-guided-vehicle-agv-market (In Eng).
6. Global robotics market growth, trends, and forecasts report 2020–2025: advent of Industry 4.0 driving automation & increasing emphasis on safety.
URL: https://www.businesswire.com/news/home/20201216005516/en/Global-Robotics-Market-Growth-Trends-and-Forecasts-Report-2020-2025-Advent-Of-Industry-4.0-Driving-Automation-Increasing-Emphasis-On-Safety (In Eng).
7. Коронакризис 2020 года и его последствия для российских робокомпаний. URL: https://robotunion.ru/koronakrizis-2020-goda-i-ego-posledstviya-dlya-rossijskikh-robokompanij
8. Robots could replace hundreds of thousands of oil and gas jobs, save billions in drilling costs by 2030. URL: https://www.rystadenergy.com/newsevents/news/press-releases/robots-could-replace-hundreds-of-thousands-of-oil-and-gas-jobs-save-billions-in-drilling-costs-by-2030 (In Eng).
9. Павел Сорокин. Суммарный эффект от цифровой трансформации к 2035 году оценивается в более чем 700 млрд руб. в год.
URL: https://minenergo.gov.ru/node/19270
10. Андрей Шишкин: Создание инноваций — государственная задача.
URL: https://rg.ru/2020/11/23/andrej-shishkin-sozdanie-innovacij-gosudarstvennaia-zadacha.html
11. Шишкин А.Н., Тимашев Э.О., Соловых В.И., Волков М.Г., Колонских А.В. Цифровая трансформация
ПАО АНК «Башнефть»: от концепции до реализации // Нефтяное хозяйство. 2019. № 3. С. 7–12.
12. Сенькин А.С., Краевский Н.Н., Ильин К.О., Мунасыпов Р.А. К вопросу
о развитии технологий роботизации и автоматизации в области текущего
и капитального ремонта скважин // Нефтегазовое дело. 2020. Т. 18. № 3.
С. 61–68.
13. Сидорин А.В., Сидорин В.В. Процессный подход к разработке адаптивной стратегии организации на основе анализа ее внешней и внутренней среды // Организатор производства. 2016. № 3. С. 28–42.
14. Бауэр В.П., Трошин Д.В. Методологические аспекты проектирования технологического переоснащения высокотехнологичных отраслей промышленности России. Тверь: ТвГУ, 2017. 256 с.
15. Селиванов С.Г., Иванова М.В. Теоретические основы реконструкции машиностроительного производства. Уфа: Гилем, 2001. 312 с.
2. The Global Industrial Robotics Market size was valued at USD 32.32 billion in 2021 and is predicted to reach USD 88.55 billion by 2030 with a CAGR of 12,1% from
2022–2030. URL: https://www.globenewswire.com/en/news-release/2022/05/25/2450099/0/en/The-Global-Industrial-Robotics-Market-size-was-valued-at-USD-32-32-billion-in-2021-and-is-predicted-to-reach-USD-88-55-billion-by-2030-with-a-CAGR-of-12-1-from-2022-2030.html (In Eng).
3. Robots jump into the mobility industry. URL: https://tech.hyundaimotorgroup.com/article/op-ed-robots-jump-into-the-mobility-industry (In Eng).
4. Unmanned ground vehicles market by mobility, application (military, commercial, law enforcement, federal law enforcement), mode of operation, size, system, and region (North America, Europe, APAC, Middle East and rest of the World) – Forecast to 2027. URL: https://www.marketsandmarkets.com/Market-Reports/unmanned-ground-vehicles-market-72041795.html (In Eng)
5. Global automated guided vehicle market size by type (tow vehicle, forklift truck, pallet truck), by navigation technology (magnetic guidance, laser guidance), by battery type (lithium-ion, nickel-based, lead), by vertical (industrial products, food industry, petrochemicals), by application (manufacturing, automotive, aerospace), by geographic scope and forecast.
URL: https://www.grandviewresearch.com/industry-analysis/automated-guided-vehicle-agv-market (In Eng).
6. Global robotics market growth, trends, and forecasts report 2020–2025: advent of Industry 4.0 driving automation & increasing emphasis on safety.
URL: https://www.businesswire.com/news/home/20201216005516/en/Global-Robotics-Market-Growth-Trends-and-Forecasts-Report-2020-2025-Advent-Of-Industry-4.0-Driving-Automation-Increasing-Emphasis-On-Safety (In Eng).
7. Коронакризис 2020 года и его последствия для российских робокомпаний. URL: https://robotunion.ru/koronakrizis-2020-goda-i-ego-posledstviya-dlya-rossijskikh-robokompanij
8. Robots could replace hundreds of thousands of oil and gas jobs, save billions in drilling costs by 2030. URL: https://www.rystadenergy.com/newsevents/news/press-releases/robots-could-replace-hundreds-of-thousands-of-oil-and-gas-jobs-save-billions-in-drilling-costs-by-2030 (In Eng).
9. Павел Сорокин. Суммарный эффект от цифровой трансформации к 2035 году оценивается в более чем 700 млрд руб. в год.
URL: https://minenergo.gov.ru/node/19270
10. Андрей Шишкин: Создание инноваций — государственная задача.
URL: https://rg.ru/2020/11/23/andrej-shishkin-sozdanie-innovacij-gosudarstvennaia-zadacha.html
11. Шишкин А.Н., Тимашев Э.О., Соловых В.И., Волков М.Г., Колонских А.В. Цифровая трансформация
ПАО АНК «Башнефть»: от концепции до реализации // Нефтяное хозяйство. 2019. № 3. С. 7–12.
12. Сенькин А.С., Краевский Н.Н., Ильин К.О., Мунасыпов Р.А. К вопросу
о развитии технологий роботизации и автоматизации в области текущего
и капитального ремонта скважин // Нефтегазовое дело. 2020. Т. 18. № 3.
С. 61–68.
13. Сидорин А.В., Сидорин В.В. Процессный подход к разработке адаптивной стратегии организации на основе анализа ее внешней и внутренней среды // Организатор производства. 2016. № 3. С. 28–42.
14. Бауэр В.П., Трошин Д.В. Методологические аспекты проектирования технологического переоснащения высокотехнологичных отраслей промышленности России. Тверь: ТвГУ, 2017. 256 с.
15. Селиванов С.Г., Иванова М.В. Теоретические основы реконструкции машиностроительного производства. Уфа: Гилем, 2001. 312 с.
Ильин К.О., Губайдуллин А.Г.,
Халфин Р.С., Краевский Н.Н.
ООО «РН-БашНИПИнефть»
ilinko@bnipi.rosneft.ru
Халфин Р.С., Краевский Н.Н.
ООО «РН-БашНИПИнефть»
ilinko@bnipi.rosneft.ru
Материалы и методы
Ключевые слова
Для цитирования
Поступила в редакцию
УДК и DOI
Процессный подход, системный анализ, инвестиционный анализ, оценка рисков, анализ бизнес-процессов, имитационное моделирование, метод экспертных оценок,
корреляционно-регрессионный анализ.
корреляционно-регрессионный анализ.
роботизация технологических процессов, автоматизация технологических процессов, робототехнический комплекс, комплексный междисциплинарный подход, внедрение робототехники
Ильин К.О., Губайдуллин А.Г., Халфин Р.С., Краевский Н.Н. Концепция и подходы для оценки перспектив роботизации технологических процессов ПАО «НК «Роснефть» // Экспозиция Нефть Газ. 2022. № 4. С. 48–53. DOI: 10.24412/2076-6785-2022-4-48-53
02.06.2022
УДК 658.5.011, 62-932.2
DOI: 10.24412/2076-6785-2022-4-48-53
DOI: 10.24412/2076-6785-2022-4-48-53
Рекомендуемые статьи
© Экспозиция Нефть Газ. Научно-технический журнал. Входит в перечень ВАК
+7 (495) 414-34-88