Все данные о ж/д в руке

Буквально можно записать все данные о ж/д на несколько дисков, которые поместятся в руке.

Такое хранилище данных назвали «5D optical data storage». Концепция конечно не нова, она экспериментально продемонстрирована в 2013 году.

Хранилище представляет собой экспериментальное наноструктурированное стекло для постоянной записи цифровых данных с помощью фемтосекундного лазерного письма. Диски, использующие эту технологию, могут хранить до 360 терабайт данных (на 12-сантиметровом диске) в течение миллиардов лет.

Название связано с тем, что для записи по всему объёму носителя используются два оптических измерения и три пространственные координаты: 3 измерения (X, Y, Z) – позиция точки внутри кристалла (обычное трёхмерное пространство); 4-е измерение – ориентация поляризации (под каким углом светил лазер); 5-е измерение – интенсивность лазерного импульса (насколько сильное изменение структуры произошло). Таким образом, информация кодируется сразу по 5 параметрам, и это позволяет записывать огромные объёмы данных в крошечном объёме.

Сейчас идет коммерциализация технологии оптического хранения данных компанией OpteraData. Они утверждают, что сделают оптические диски с ёмкостью 10 ТБ за 1 доллар к 2030 году.

Перспективы конечно захватывают, надеюсь на удачные реализации проектов.

Разделяй и властвуй

Алгоритмы, составляющие фундамент современной IT отрасли, часто кажутся плодом новейших разработок. Однако, если присмотреться внимательнее (или просто загнаться как я собственно и сделал), то принципы увидим и в древних писаниях.

В качестве примера предлагаю вспомнить сортировку слиянием, быструю сортировку и бинарный поиск. Это проявления парадигмы “Разделяй и властвуй”: разбить задачу, рекурсивно решить подзадачи, объединить результаты.

Сортировка слиянием Джона фон Неймана (1945) - один из первых алгоритмов, формализовавших этот принцип. А использование рекурсии при разделении предложил еще Евклид (300 г. до н.э., хотя задача про нахождение наибольшего общего делителя двух целых чисел, но я про сам принцип).

Идея разделения сложного на простое стара как мир. В политике и военном деле “Разделяй и властвуй” применялась тысячелетиями. Трактат Сунь Цзы “Искусство войны” (IV век до н.э.) пронизан этой идеей: дробление сил, использование противоречий:

📍 Избегай сильного, атакуй слабое. Сунь Цзы запротоколировал нам о необходимости тщательно выбирать момент и место для атаки, чтобы не столкнуться с превосходящими силами противника. Он рекомендует искать уязвимости и разделять врага (задачи), чтобы затем поражать его по частям. Что из "современного" сюда еще подходит?

A/B-тестирование в маркетинге. Выбираем наиболее эффективный вариант рекламного сообщения, "атакуя" тех, кто готов "купиться".

📍 Познай врага и познай себя, и тогда в ста битвах не будет опасности. Сунь Цзы призывает нас использовать любые разногласия, конфликты и слабые места внутри вражеского лагеря для ослабления его и облегчения победы.

Алгоритмы машинного обучения для анализа данных. В КБ алгоритмы анализируют сетевой трафик и выявляют аномалии, чтобы "познать" структуру и поведение атакующих и эффективно защитить сеть.

📍 Когда поднимаешься, не показывай вида; когда двигаешься, наноси удар по его слабостям. Существенным элементом стратегии “Разделяй и властвуй” является нарушение связи и координации между частями вражеской армии. Сунь Цзы доносит до нас важность дезинформации, саботажа и других методов, направленных на создание хаоса и неразберихи в рядах противника.

Использование криптографии для защиты коммуникаций. Шифрование скрывает смысл передаваемых сообщений, затрудняя противнику понимание наших намерений и координацию своих действий.

Хотите разобраться с алгоритмами, понять фундаментальный подход? Читайте классиков)

Что влезет - то влезет: Создание реалистичного входящего потока в имитационных моделях

В настоящее время активно занимаюсь переработкой своего имитационного комплекса для моделирования транспортной инфраструктуры необщего пользования (нп).

Ключевая цель проекта – радикально ускорить и повысить эффективность моделирования. В ближайшие 3 года стоит задача создания любой транспортной модели нп за одну неделю, а через 6 лет стремлюсь к моментальному синтезу имитационной модели.

Что мы сейчас делаем?
Занимаемся оптимизацией алгоритмов, автоматизацией логики построения моделей, расширением и детализацией функционала, а также улучшаем дизайн комплекса.

Одним из элементов симуляции является создание входящего потока в транспортную систему. Детерминированные потоки, конечно, важны, но сегодня я хочу поделиться опытом работы со стохастическими потоками.

Входящие стохастические потоки в транспортную систему достаточно достоверно можно описать с помощью распределения Пуассона для водного транспорта и распределения Эрланга для автомобильного и железнодорожного транспорта.

В данном посте делюсь результатами тестирования Эрланговского распределения для железнодорожного транспорта.

В процессе тестирования я исследовал влияние различных параметров Эрланговского распределения на загрузку инфраструктуры, точность и прозрачность имитации (отсутствие черных ящиков с точки зрения пользователя).

Остановился на варианте, который я условно называю «что влезет – то влезет», где приоритетом является анализ влияния случайности, а не максимальная пропускная способность.

Это подразумевает, что само распределение Эрланга некорректируется в симуляции. Вместо этого,отслеживаются смещения заявок и решения враждебностей, что позволяет исследовать влияние случайности, заложенной в распределении на пропускную способность объекта топологии. Такой подход позволяет получить более реалистичную картину работы системы и выявить проблемные места, требующие особого внимания при проектировании и управлении.

На чем решил остановиться по итогам тестирования:

1. Номера операций в отчетах по результатам симуляции должны идти не по порядку, а в соответствии принадлежности к временно́му диапазону Эрланговского распределения (например, с 1 до 10) из исходных данных.
Помогает понять, что произошло при имитации, для последующих настроек модели.

2. Расчетные интервалы по Эрлангу между поездами могут выбивать поезда из своих временных диапазонов. Хотя и можно уместить все заявки в исходных диапазон, но это уже не случайность тогда.
Случайность в первую очередь, пропускная способность во вторую.

3. При наложении операций в подводе (решаем враждебность, а не корректируем распределение) используем изменение подвода. Типо на предыдущей станции сначала хотели отправить, потом передумали, и это «передумали» на всякий случай записываем в отчет как изменение подвода.

Итого: создаем Эрланговское распределение по исходным данным, сортируем заявки в предварительном расписании, в модельном расписании распределяем ресурсы под заявки.

Пример учета решений: 1 категория поездов, состоящая из 10 заявок на интервал с 1 до 12 и 10 заявок на интервал с 12 до 23. По итогам симуляции мы можем увидеть 20 последовательно выполненных заявок (и последующих за ними операций). Но если заявки выпадают из интервала, хотелось бы это знать наверняка. Поэтому в ПР даем нумерацию заявок 1-10 в интервале [1-12] и 11-20 в [12-23]. При выходе заявок 1-10 из 1-ого интервала и попадании во 2-ой интервал мы можем увидеть последовательность: «…6, 12, 7, 13 …», что явно укажет на то, что заявки сместились даже на большом количестве данных. 6 заявка может при этом подвинуть 12 заявку в соответствии с решением враждебности и важно мы не меняем само распределение, а корректируем расписание в ходе симуляции. По факту конечно разницы нет, но результат корректировки записывается в отчет, а следовательно, принцип «учет и контроль» сохранён.

В комментариях приложил файлы:
График исполненной работы в *.noscript (открывается в браузере)
Занятие ресурсов под операции в *.xlsx.
ЛИКБЕЗ.

4️⃣ из 8️⃣ проектов РЖД, реализуемых в рамках ИЦК «Железнодорожный транспорт и логистика», полностью завершены. Об этом сообщил заместитель гендиректора компании Евгений Чаркин в ходе Демо-дня ИЦК на транспорте.

Завершенные проекты:
🔹ЕМД ПП - автоматизированная система оперативного управления перевозками; к ней подключено уже 11800 пользователей;
🔹АС ЭТРАН НП - автоматизированная система централизованной подготовки и оформления перевозочных документов; к ней подключено порядка 60 тыс.пользователей, ежемесячно оформляется более 5 млн перевозочных документов;
🔹ПКМПП - программный комплекс для моделирования и прогнозирования пассажиропотоков;
🔹АСУ ЭКСПРЕСС НП - основная билетная система железнодорожного транспорта, которая обеспечивает все бизнес-процессы пассажирского комплекса; к ней подключено 10600 пользователей.

В работе находятся еще 4️⃣ железнодорожных проекта:
🔸ЕС ПУЛ - система пономерного учета локомотивов;
🔸ЕАМ - система управления железнодорожной инфраструктурой;
🔸ТОРО П - подсистема управления текущим отцепочным ремонтом;
🔸ТОР ЭК - система управления вагонным хозяйством.

Кроме того, 5️⃣ информационных систем РЖД, реализуемых в рамках особо значимых проектов ИЦК, зарегистрированы в Едином реестре российского ПО.

🔜 В планах компании:
▪️Тиражирование проектов. Например, система «Экспресс» работает уже в 7 дружественных администрациях;
▪️Внедрение ИИ. В частности, в программном комплексе ПКМПП реализована функциональность анализа данных и моделирования с помощью искусственного интеллекта;
▪️Достижение технологического лидерства. Системы «ЭТРАН» и «Экспресс» по совокупности бизнес-функций превосходят зарубежные аналоги.

Склад будущего. Во что верит инвестирует современный бизнес?

В эпоху тотальной цифровизации сложно остаться в стороне от тенденций автоматизации. Вопрос лишь в том, насколько эти тенденции соответствуют здравому смыслу и бизнес-целям.

Итак, эксперты складской логистики выделяют 3 технологии, на которых держится (или должен держаться) современный склад:

1️⃣ Автоматизированные мобильные роботы (AMR/FMR). Эти юркие трудяги обещают заменить армию кладовщиков.

AMR-робот:
Российский интегратор: 3,5 млн руб.
Российский производитель: 2,5 млн руб.
Китайский производитель: 1,4 млн руб. (Дешево и сердито? Или “сердито” - это гарантия?)

FMR-робот:
Российский интегратор: 6,3 млн руб.
Российский производитель: 4,5 млн руб.
Китайский производитель: 2,9 млн руб.

2️⃣ 3D-шаттлы. Чудо инженерной мысли, позволяющее максимально эффективно использовать каждый кубический метр складского пространства.
Российский интегратор: 5,4 млн руб.
Российский производитель: 3,2 млн руб.
Китайский производитель: 3,1 млн руб. (Стоит обратить внимание, есть значительная экономия средств).

3️⃣ Кран-штабелер. Монументальные сооружения, возносящие складские запасы к небесам и повышающие риск падения.
Российский интегратор: 37 млн руб. (Зато с гарантией!)
Российский производитель: 28 млн руб. (Импортозамещение во всей красе!)
Китайский производитель: 31,5 млн руб. (А говорили, что у нас дороже…)

Но не надейтесь на чудо при внедрении, сначала придётся серьёзно поработать над оптимизацией маршрутов, бесшовной интеграцией с WMS. Возможно стоит попробовать точечную роботизацию, но с митигацией интеграционных рисков через успешные практики RMS. Иначе получите хорошо организованный хаос.

Что пошли гуглить после прочтения?

#склад #автоматизация #логистика #бизнес #технологии #инвестиции #роботы #цены

Почему роботизация – не “модный тренд”, а вопрос выживания?

😐 Кадры решают… Но их нет. Нехватка персонала – глобальная проблема. Роботы не болеют, не уходят в отпуск и пока не просят повышения зарплаты.

😐 Будущее уже наступило. К 2050 году нас может ждать армия из миллиарда человекоподобных роботов, более 90% из них будет использовать в промышленности, логистике и торговле, а их стоимость снизится в 13 раз.

😐 Автономный цех – это выгодно. Инвестируйте всего 0,9% дохода в роботизацию, и получите +5% к EBITDA, ускорение процессов на 27%, увеличение производительности на 25% и снижение времени восстановления после сбоев на 60%! Звучит как сказка? Я пока верю, эти цифры называют компании по производству роботов представители грузовладельцев на конференциях по логистике.

😐 Россия – в начале пути. Плотность роботизации в РФ отстает от мировых показателей в 8,5 раз! Но у нас есть шанс наверстать упущенное.

😐 Курс на роботизацию. Правительство РФ ставит амбициозную задачу – войти в ТОП-25 стран по темпам роботизации. К 2030 году на 10 тыс. работников должно приходиться 194 робота (сейчас всего 19).

🤫 Государство поможет. Действует программа субсидирования развития роботизации – государство готово компенсировать 20% от суммы вашего проекта.

ТОП 4 БОЛИ ПЛАНИРОВАНИЯ НА ПРОИЗВОДСТВЕ

Пообщался с десятками производственников, и знаете что? Все как один твердят: планирование производства - это перманентная ** с ** и злостной *. Хотел написать ТОП-5 проблем, добавив нехватку персонала (ну проблема же, правда?), но все в один голос: есть вещи и поважнее! Вот что реально болит: 👇

1️⃣ Индивидуализация vs. Массовость. “Клиент всегда прав!” - это девиз, который заставляет уменьшать партии, подстраиваться под каждого заказчика и соблюдать сроки, как никогда раньше. Гибкость - наше всё! Но как ее достичь, когда ресурсов в обрез?

2️⃣ Оптимизация запасов vs. Стабильность. Все говорят про “высвобождение оборотных средств”, но как сократить запасы, чтобы производство не встало колом? Найти этот баланс - искусство, а не просто табличка в Excel!

3️⃣ Минимизация потерь vs. Жестокая реальность. Простои, сломанное оборудование, изношенная оснастка… Все это - прямые убытки! Но как выявить и устранить причины этих потерь, когда кажется, что “горит” везде и сразу?

4️⃣ Управляемость vs. Полный хаос. Плановики копошатся в Excel и пытаются хоть что-то “допилить” в 1С. Но ручные методы уже не катят! Как сделать производство управляемым и предсказуемым в этих условиях?

Думали будет решение? Ага, конечно! 🤣
Решения - нет, есть только путь! А если на этом пути вам встретится имитационная модель вашего производства, то будет конечно легче, но работать все равно придется.

Снижение затрат = снижение прибыли? Или почему в e-com дорогая логистика?

Смотрите сами. Укрупненные ставки на перевозку:

Автодоставка: от $1,2 за кг (сборные грузы) или $6500–8500 за фуру.

Железная дорога: $4000–6000 за контейнер (Китай – Москва), что на 30–40% дешевле автотранспорта.

Авиадоставка: $3,2 за кг — в 3–5 раз дороже, чем ж/д.

Выбор очевиден? Почти.. Сколько стоит вам простой? Добавляйте к себестоимости:
Перегрузка из-за разной ширины колеи добавит 1–2 дня.
Таможенное оформление до 3 дней.
Очереди на терминалах до 4 дней.

Что еще портит картину?
- Несовместимость с быстрым обновлением ассортимента (цикл жизни товара — 2–4 месяца).
- Сложности «белого» импорта (документы, сертификация, маркировка).
- Нехватка сборных контейнеров — только 10–12% от общего объема.
- Отсутствие мультифункциональных терминалов для e-com.

⚠️ Реальный кейс:

В сентябре 2024 года Wildberries ждал доставку 22 дня вместо запланированных 14 из-за простоев на границе и в Челябинске.

Сосредоточившись на снижении прямых транспортных расходов, вы рискуете снизить общую рентабельность вашего бизнеса. Важно учитывать совокупную стоимость владения грузом, включая время, риски, оборачиваемость и возможность быстро реагировать на изменения рынка.

Цифровой ЖД-бум 2025: Какие технологии перевернут железные дороги?

Железнодорожная отрасль верим, надеемся переживает масштабную цифровую трансформацию, меняющую каждый аспект работы — от эксплуатации инфраструктуры до взаимодействия с клиентами.

Какие ключевые тренды?

🧠 ИИ-мозг для ЖД: оптимизация и предиктивность
ИИ стал главным инструментом повышения эффективности железных дорог. За счёт AI-алгоритмов оптимизируются расписания, маршруты и логистические схемы, а также прогнозируются поломки и возможные аварии.
• По прогнозам The Business Research Company, рынок цифровых железнодорожных технологий достигнет $59,32 млрд в 2025 году с 8,2% среднегодового роста.
• ИИ позволяет снизить время простоя подвижного состава, улучшая техническое обслуживание через предиктивный анализ данных с сенсоров.
• Пилотные проекты РЖД с машинным зрением уже превзошли человеческую точность в мониторинге инфраструктуры.

📊 Большие данные под колесами: сбор и анализ в реальном времени
Сенсоры IoT, видеокамеры и устройства мониторинга собирают миллионы событий ежедневно, включая параметры подвижного состава, инфраструктуры и внешних условий.
• РЖД обрабатывает множество событий в течение суток, создавая базу для прогноза износа и предотвращения аварий.
• Аналитика больших данных позволила на 30-40% сократить операционные затраты и оптимизировать ремонты.
• Интеграция данных помогает быстрее реагировать на внештатные ситуации и повышать безопасность перевозок.

🌐 Цифровые платформы объединяют транспортные системы
• В 2025 году активно развиваются мультимодальные цифровые платформы, объединяющие железнодорожные, автомобильные и морские перевозки в единую экосистему.
• Такие платформы позволяют повысить прозрачность логистики, автоматизировать документооборот и сократить бюрократию, сокращая время оформления грузов минимум на 30%.
• В России проект «Цифровая трансформация транспортной отрасли» предполагает создание национальных стандартов обмена данными для унификации процессов.

🤖 Роботы на службе: автоматизация операций
• Автоматизированные системы управления грузопотоками, роботизированные комплексы для роспуска и погрузки вагонов уменьшают ошибки и повышают скорость обработки грузов.
• Такие технологии минимизируют человеческий фактор, что значительно повышает безопасность и сокращает операционные риски.

🌱 Зелёные технологии: экологичный транспорт
• Внедрение гибридных локомотивов (совмещающих дизель и электричество) способствует снижению выбросов CO2 и уменьшению затрат на топливо на 15-25%.
• Цифровой контроль энергопотребления и использование цифровых двойников позволяет оптимизировать использование ресурсов и поддерживать устойчивую работу железнодорожной инфраструктуры.
• В сегменте «умных железных дорог» ожидается среднегодовой рост 22,4% к 2035 году, что связано с экологическими и эффективностными требованиями рынка.

👁 IoT — всевидящее око железных дорог
• Массовое внедрение IoT-датчиков в оборудование и инфраструктуру позволяет в режиме реального времени отслеживать состояние составов и путей.
• Такие системы обеспечивают своевременное техническое обслуживание, предотвращая аварии и увеличивая безопасность перевозок.
• По данным РЖД, уровень зрелости цифровых решений уже достигает 89%, что свидетельствует о высокой готовности отрасли к масштабной цифровизации.

Источники для глубокого изучения:
• Тенденции в сфере железнодорожных грузоперевозок на 2025 год
• Как цифровизация меняет железные дороги
• Цифровая трансформация транспортной отрасли
• Ключевые тренды в транспортной логистике
• Новости цифровой трансформации на железнодорожном транспорте

Узкие места рынка сбыта российских угольщиков:
Китай ускоряет шахтное строительство — и это серьёзная проблема

В 2025 году российская угольная отрасль столкнулась с серьёзными вызовами, и главное из них — масштабное наращивание угледобычи в Китае, который остаётся ключевым рынком сбыта для России. Сейчас в Китае в разработке более 450 угольных шахт, из которых почти 40% уже строятся или проходят тестовые пуски. Их суммарная годовая мощность может превысить 1,35 млрд тонн — это больше, чем весь экспорт крупнейших мировых экспортеров, Индонезии и Австралии вместе взятых.

За первые пять месяцев 2025 года добыча угля в КНР выросла на 6% год к году, а это уже риск серьёзного переизбытка угля на мировом рынке, который и без того находится под давлением из-за избытка мощностей и ограниченного спроса.

А нам то что?
Для России это означает серьёзные сложности с сохранением позиций на ключевом рынке, где уже наблюдается снижение импорта угля на 4,5–11% за первое полугодие 2025 года. Одновременно нарастает конкуренция и давление на цены, что усугубляет положение наших угольщиков.

Российская отрасль переживает не только влияние внешних факторов, но и внутренние структурные проблемы. Закредитованность компаний достигла критического уровня: многие мелкие и средние предприятия работают в убыток и рискуют не выдержать текущий кризис. Ждем ставку 15% к концу года? - 🙏

Выживают лишь те, у кого есть дотации собственные портовые и логистические мощности — это позволяет им хоть как-то снизить издержки и удержаться на нуле или в небольшом плюсе. Остальные вынуждены с трудом покрывать расходы, совмещая падение доходности с ростом долгов.

Сниженная доходность перевозок также становится серьёзным узким местом. Ставки аренды наиболее востребованных полувагонов, обеспечивающих транспортировку угля, упали в 2–2,5 раза по сравнению с началом 2024 года. Это напрямую отражает ухудшение конъюнктуры рынка и снижает привлекательность перевозок как для компаний, так и для инфраструктурных операторов.

Кроме того, сохраняются валютные и санкционные риски.🥱 Минэнерго активно тестирует механизм расчётов в национальных валютах для обхода долларовых ограничений на экспорт и минимизации санкционных рисков, однако это скорее временное решение, которое не снимет коренные проблемы финансовой устойчивости отрасли.😭

Не стоит забывать и о логистических ограничениях: высокие транспортные расходы и дефицит собственных портовых мощностей у многих компаний затрудняют оперативное наращивание поставок и снижает конкурентоспособность на внешних рынках.

В итоге, усиленное наращивание добычи угля в Китае создаёт серьёзное давление на российский экспорт, выявляя уязвимости отрасли и подчеркивая необходимость срочного поиска новых рынков (это не только география, но и новые форматы сделок, трейдинг, экологические и технологические решения), повышения эффективности производства, диверсификации и укрепления собственной логистики. Ситуация требует комплексных решений как со стороны бизнеса, так и с государственной поддержки.

💡 Тест новой фичи: Визуализация загрузки и причин простоев

Все мы знаем, как сложно анализировать десятки громоздких таблиц и вычленять из них самый сок.

Как свести большие массивы данных (технологических, нормативных и оперативных) в единый динамичный отчёт, который:
• Интегрирует разные источники и отображает точную картину загрузки;
• Автоматически выявляет и количественно оценивает узкие места;
• Поддерживает сценарный анализ и помогает принимать оптимальные решения по развитию.

Сегодня хочу показать свежую фичу — анимированную гистограмму загрузки ключевых сегментов инфраструктуры с подсветкой важных инцидентов.

▶️ На видео почувствуете динамику нагрузки, увидите критические моменты, которые собираются автоматически.

📊 Такая визуализация помогает значительно быстрее и точнее определять, где именно возникли проблемы, и принимать решения.

Удобен, полезен ли такой формат отчёта для вашей работы и мониторинга?
Буду благодарен за ваши отзывы и идеи! 🙏

#бизнес_аналитика #отчетность #мониторинг

85 миллиардов на ветер? Железнодорожное слияние века — крупная сделка или провал? 🧐

Union Pacific покупает Norfolk Southern за 3,5 ВСМ МСК-СПб 85 миллиардов долларов, создавая первую в США трансконтинентальную сеть грузовых железных дорог протяжённостью более 80 000 км, охватывающую 43 штата и около сотни портов. Ожидается, что крупнейшая ж.-д. сделка завершится к началу 2027 года.

Звучит громко и хлестко, но за громкими заголовками скрываются реальные проблемы, которые могут послужить уроком и для российских владельцев транспортной инфраструктуры.

Union Pacific — компания с одним из худших показателей безопасности в отрасли: приоритетом часто становится агрессивное повышение операционной эффективности, а не защита здоровья работников и качество обслуживания.

Norfolk Southern, напротив, постепенно улучшала эти показатели, но теперь окажется в одной «лодке» с UP. Объединение такого масштаба — это всегда проверка на прочность систем управления, ИТ-инфраструктуры и операционных процессов. Заоблачные обещания «ускорения» и «оптимизации» легко оборачиваются сбоями в логистике, срывом сроков и ростом тарифов (особенно при низкой конкуренции - что-то напоминает?).

Опыт предыдущих слияний Union Pacific (с Southern Pacific в 1996 году) показывает, что ожидать плавного перехода не приходится. Инфраструктурные узкие места остались - начались массовые простои, задержки (есть кстати здесь, те кому не нравится этот термин? Движенцы дайте о себе знать😅) и снижение качества сервиса на целых юго-западных коридорах. Проблемы с профсоюзами не трогаем, у нас все иначе.

Какие выводы можно сделать для России?
Когда речь идёт о железнодорожной инфраструктуре, масштабные изменения выявляют слабые места не только в технике, но и в информационных потоках, коммуникациях и процессах.

Только интегрированные ИТ-решения, поддерживающие цифровых двойников, имитационное моделирование и гибкую аналитику, способны обеспечить адаптивность и устойчивость. Без такого технологического базиса возрастают риски срыва операций и экономических потерь.

Вопрос не в том, чтобы «ждать слияния», а в том, как учиться на таких кейсах и укреплять свои системы уже сегодня. Что вы думаете? Какие IT-инструменты и подходы в России могли бы помочь избежать проблем, которые уже ставят под сомнение эффективность крупнейшего слияния железнодорожных компаний в США?

Как ИИ принимает решения? Что у него за "душой"?

Можно ли создать AI-агента без внутренней модели мира?

AI-агент — это программа, которая самостоятельно решает задачи, принимает решения и учится на опыте. Она ориентируется в окружающей среде, анализирует ситуацию и выбирает действия, чтобы достигать своих целей.

Недавние исследования Google DeepMind дали чёткий ответ — нет).

🎯Любой агент, способный решать сложные многошаговые задачи и обобщать опыт, обязательно формирует внутри себя модель окружающей среды, даже если её не заложили специально. Чем сложнее задачи, тем детальнее должен быть «внутренний симулятор реальности».

Модель мира AI-агента можно извлечь прямо из его стратегии выбора действий. Умные головы разработали алгоритмы, позволяющие восстанавливать эту модель мира по поведению агента — даже если он для нас «чёрный ящик».

И что получается?

1. Model-free не существуют. Model-based - ❤️.
2. Эмерджентные способности - это норма 😱.

Это открывает новые возможности:

Глубже понимать, как ИИ видит и интерпретирует мир;
Повышать безопасность и прозрачность принятых решений;
Создавать более контролируемые и объяснимые системы.

📢 Свое или Готовое?

Недавно на одной из логистических конференций меня особенно зацепили два доклада, которые ярко подсветили одну из главных дилемм современного IT‑рынка.

Первый доклад прозвучал как тревожный звонок:
🗣 «Создавать свой ИИ-продукт очень рискованно. Технологии устаревают быстрее, чем ты успеваешь их запустить, и быстро становятся коммодити. Единственное, что держит — это большая пользовательская база.»
💥 Пример: Пока команда самозабвенно делала автоматический поиск данных по СНиПам, ChatGPT уже выполнял эту задачу «из коробки». Занавес.

Второй доклад (от одной из компаний бывшей большой 4) — ода собственным достижениям:
🗣 «Мы сделали классный IT продукт! Он умеет транскрибировать аудио и видео, создавать краткие содержания, анализировать прикреплённые файлы и конечно, поддерживает чат с нейросетью.»

Ну и кто выигрывает в этой гонке вооружений?
Делайте ставки, господа:

🤔 Одна команда, осознав жёсткие реалии, говорит о рисках и бессмысленности погони за технологиями, которые завтра станут общедоступными. Другая — гордится, что завтра такой продукт может сделать любой студент, просто подключив API.

😱 Пока одни рассуждают о теоретических опасностях и сложности ИИ, устаревания технологий, рискуют так и остаться в стороне, другие, не боятся рисковать и создавать передовые продукты, используя последние достижения, предлагая пользователям реальную пользу здесь и сейчас. Первые упускают возможности, вторые их реализуют.

Проблема не в том, что моделирование дорогое. Проблема в том, что оно «штучное» и медленное. Создание отдельной модели под каждую задачу — все равно что проектировать новый станок для каждой детали. Пока вы ждете отчет, реальные убытки от простоев уже превышают стоимость самого исследования.

Решение — смена парадигмы: вам нужен не очередной «проект», а постоянно действующий продукт — «живой» цифровой двойник вашей инфраструктуры.

Да, последнее словосочетание сейчас все трактуют по-разному. Но концептуально суть именно в этом: единая, постоянно актуальная модель, которая становится частью операционного контура управления.

К этому подходу много вопросов. В следующих постах я максимально формализую этот тезис и покажу, как это работает для мультимодальной транспортной инфраструктуры.

Реальный кейс. Почему краны простаивают более половины дня?

Ж.-д. инфраструктура. Порт. Перегрузочный терминал. И краны точно, которые точно «узкое место». Или система управления их жизненным циклом?

Плановые ремонты срываются из-за конфликта приоритетов: технологи не пускают слесарей, чтобы выполнить план отгрузки.

Потом краны простаивают пока ищут груз на складе из-за отсутствия адресного хранения. И это еще не фиксируются системой учета.

+ Простой на ожидании окончания маневровых работ.

+ Простой на ожидании швартовки судна.

+ Простой когда нет машиниста (больничный!!), при этом практики перемещения операторов между кранами нет.

🍒Нет метрик для анализа: мы не знаем ни точного времени обработки единицы груза, ни реального коэффициента использования кранов.

Справится ли моделирование? Да, НО:

1️⃣ Нужна модель, объединяющая:
Технологические процессы (краны, маневровые работы).
Оперативное управление (графики ремонтов, приоритеты отгрузки).
Человеческий фактор (логистика персонала).
Системы учета (и их «слепые зоны»).

2️⃣ Без предварительного анализа для определения границ и наполнения модели конечно ни куда! Но само ИМ должно быть не разовым «проектом», а постоянно действующим «продуктом», интегрированным в производство.

Такая модель не просто найдет «узкое место». Она покажет, как план отгрузки парализует ремонтный фонд. Соберет разрозненные данные в картину целиком. Станет инструментом для оценки любых изменений.

Кстати, на каком этапе это перестает быть "просто моделью" и становится тем самым "цифровым двойником"?

Почему точечная оптимизация бессмысленна?

Что, если я скажу, что моделирование не решает проблему, а усугубляет ее?

Ко мне нередко обращаются примерно с таким запросом: «А давайте промоделируем взаимодействие двух железнодорожных парков». Резонный вопрос: чем такой подход принципиально лучше аналитических формул? Он так же слеп к каскадным последствиям.

"Точечный" подход часто повторяет ошибку аналитических расчетов: оно изолированно рассматривает элементы системы, игнорируя системные эффекты на стыках. Именно на этих стыках типа «ж/д - склад - порт» — возникают самые дорогостоящие ошибки и потери.

Речь конечно не о моделировании всей сети, а о создании «замкнутого контура» — цифрового двойника ключевого технологического участка, где решения взаимозависимы.

Главная ценность — не просто посмотреть на проблему, а увидеть причины и следствия.

«Коробочного» решения нет.

Докрутить до практического применения так или иначе можно, но и не об этом сейчас.
Немного усиливаю предыдущие тезис_ы

Причины: уникальность каждого хаба, сложность стыковки регламентов, высочайшие требования к бесперебойности.

И именно в этом и кроется самый сок, здесь скрыт самый большой потенциал.

Оптимизация на 5% в мультимодальной цепочке дает не 5%, а 20-30% итогового экономического эффекта за счет устранения каскадных задержек и простоев.

Принять решение

Хотите подставляйте контекст жизненный, хотите - транспортный.
Принимая какое-то решение, мы всегда выбираем между двумя вариантами:

Вариант А — взять на себя ответственность, учитывая риски и все возможные последствия для безопасности, надежности и сроков эксплуатации.

Вариант Б — продолжать работать по привычным схемам, избегая ответственности, но подвергая инфраструктуру и процессы неявным, накапливающимся рискам и страдать от созерцания последствий.

И то, и то – не весело и не приятно.

Порой кажется, что нет решения «win-win», которое можно было бы принять быстро и без сомнений. Именно поэтому многие решения в эксплуатационной практике откладывают, что увеличивает риски аварий, простоев и финансовых потерь.

Именно поэтому никто принимать решения не любит, и если можно его отложить – то обязательно отложат.

К чему я это? К тому что система поддержки принятия решений жизненно необходима?
Нет. Снимайте ответственность.