В настоящее время в нашей стране активно обсуждаются вопросы, связанные с практическим внедрением «цифровых» технологий, объединенных общей концепцией Индустрия 4.0. Сегодня Правительством Российской Федерации утверждена программа «Цифровая экономика», выделяются бюджетные средства на создание различных видов цифровых платформ, а собственники и топ-менеджеры крупных компаний на страницах изданий отчитываются об успехах «перехода на цифру». Подавляюще большинство экспертов уверены в неизбежности цифровой трансформации и ключевых преимуществах тех компаний, которым удалось быстро и эффективно перейти к новым парадигмам управления производством [1, 2]. Однако наиболее авторитетные аналитики призывают не впадать в эйфорию и взвешенно подходить к внедрению цифровых технологий, трезво сопоставляя затраты и ожидаемый эффект [3–5].
В условиях массового «увлечения» цифровыми технологиями управленцы и собственники большинства промышленных производств также предпринимают попытки внедрения передовых решений Индустрии 4.0 (рис. 1), основанных на больших данных, искусственном интеллекте, дополненной реальности, виртуальных двойниках и пр. В настоящее время большинство отечественных и зарубежных специалистов в области управления производством отдают предпочтение предиктивной аналитике как наиболее востребованному и экономически эффективному инструменту цифровизации в промышленности. По их оценкам, грамотное внедрение предиктивного технического обслуживания и ремонта (ТОиР) производственных активов обеспечивает исключение аварийности, повышение производительности, а также существенно оптимизацию и сокращение затрат на поддержание активов в работоспособном состоянии [6, 7].
По наиболее распространенному определению, предиктивная (предсказательная или прогнозная) аналитика – класс методов анализа данных, используемый для прогнозирования будущего поведения объектов и субъектов с целью принятия оптимальных решений. Предиктивная аналитика использует статистические методы, методы интеллектуального анализа данных, теории игр и оценивает текущие и исторические факты для составления предсказаний о будущих событиях. На сегодняшний день предиктивный анализ на базе современного математического аппарата успешно используется в банковском секторе, страховании, розничной торговле, здравоохранении и других областях, а среди населения большой популярностью пользуются сервисы, основанные на краткосрочном прогнозе явлений или событий (погоды, загруженности дорог и пр.) на базе нейросетевых моделей.