Издатель: Агентство «Маркет Гайд» Телефоны редакции: +7 (495) 788-16-96, +7 (495) 945-38-20

Специализированный
научно-практический
журнал

• Главная
• О журнале
  • О журнале
  • Распространение
  • Редакционный совет
  • Редакция
  • Рубрики
  • Список рецензентов статей
  • Правила рецензирования
  • Авторы
  • Russian Logistics Journal
• Новости
  • Календарь мероприятий
  • Размещение пресс-релизов
  • Новости логистики
• Подписка
  • Подписка через агентства
  • Редакционная подписка
  • Электронная рассылка
• Реклама
  • Реклама в журнале
  • Реклама на сайте
• Архив
• Контакты

Рубрика:ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ



О применении методов машинного обучения в управлении цепями поставок в условиях неопределенности

С.А. Хмельницкая, И.И. Мильченко
2 / 2026 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. В статье систематизируются научные подходы к понятию «рыночная неопределенность», представлены принципы функционирования и ограничения традиционных методов прогнозирования. Определяются задачи и проводится классификация методов машинного обучения, рассматриваются этапы процесса интеграции ML-решений в логистические системы и обосновывается значимость прогнозной аналитики с использованием искусственного интеллекта.



Управление проектами внедрения искусственного интеллекта в цепях поставок

В.В. Дыбская, В.И. Сергеев
2 / 2026 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. Рассмотрен проектный подход при внедрении технологии искусственного интеллекта (ИИ) в текущую деятельность фокусной компании цепи поставок, состоящий из пяти этапов. Обозначены приоритеты использования SCOR-модели и интегрированного планирования цепи поставок при реализации проектного подхода. Изучена роль ИИ в улучшении видимости логистических процессов на основе составления карт цепей поставок и матрицы искусственного интеллекта при управлении цепями поставок (УЦП).



Роботизировать или нет: FMR-роботы и их работа на складах

Александра Казунина
2 / 2026 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Скачать статью в формате PDF

На сегодняшний день использование роботов на различных этапах транспортировки товаров – не технология будущего, а привычная и хорошо отрегулированная система, позволяющая предприятию работать эффективнее. 

В центре внимания – склад

С каждым годом все большее количество компаний внедряют умные машины в свои внутренние операции. Особенно это актуально по отношению к организации работы на складах, где так важна скорость и точность. При этом зачастую сегодня роботизированные системы применяются для оптимизации межоперационного перемещения грузов. Но как понять, что это решение действительно выгодно для бизнеса? И как подобрать правильных роботов под задачи склада? На эти и другие вопросы ответил директор по развитию бизнеса «Яндекс Роботикс» Егор Клушин в рамках вебинара «Товар к человеку на FMR-роботах: реальный эффект от роботизации перемещений палет».

FMR-роботы – это автономные вилочные погрузчики, способные самостоятельно перемещаться по складу, поднимать и транспортировать палеты без участия человека. Они подходят для перевозки товаров или материалов между различными участками складского помещения или производства. При этом FMR-роботов можно использовать при выполнении самых разных операций в зоне хранения: размещения грузов, пополнения высотных ярусов, палетного отбора, Pick by Line (PBL), Pick by Order (PBO) и т.д. Егор Клушин отметил способность машин работать даже с крупногабаритным товаром, главное, чтобы вилы подходили под безопасную транспортировку товаров. 

Логичный вопрос: как функционирует склад после внедрения роботов? В проектах по роботизации от «Яндекс Роботикс» управление осуществляется через платформу Yandex RMS, которая берет задания из ИT-системы предприятия, содержащей информацию об остатках груза, его расположении, и распределяет их между свободными и наиболее подходящими роботами. Далее машина забирает палету, перемещает груз и располагает его на заданном месте. Yandex RMS подтверждает статус о выполнении задачи и передает сведения в ИT-систему. 

Для эффективного ввода в работу FMR-роботов необходима интеграция Yandex RMS с ИT-системой предприятия (WMS или ERP). 

Как сделать правильный выбор?

Одна из сложностей компании, собирающейся роботизировать склад, – выбор подходящего оборудования, больше всего подходящего под задачи компании. В настоящий момент на российском рынке представлены разные модели FMR-роботов, однако необходимо помнить, что они отличаются высотой подъема груза и техникой работы с ним. Поэтому ориентироваться нужно на логику самих операций и полезную нагрузку. 

• Если площадь вашего склада ограничена, необходим палетоперевозчик APR –робот для склада, который хорошо работает с основными типами палет и легко маневрирует.

• Когда места на складе достаточно для разъезда машин, подойдет классический палетоперевозчик FMR. Этот робот грузоподъемностью до 3 т – оптимальное решение для автоматизации большинства складских операций, таких как кросс-докинг, консолидация палет, готовых к отгрузке, размещение товаров. 

• Если нужно поднимать палеты до 3 м и есть возможность заехать под место постановки груза, подойдет быстрый и простой в обслуживании роботизированный штабелер. Однако он работает только с открытыми палетами и требует заезда под точку взятия.

• Когда палеты стоят на стеллажах до 6 м и заехать под груз нельзя, лучше выбрать погрузчик с противовесами. Он работает с открытыми и закрытыми палетами, может штабелировать товары и взаимодействовать с конвейером, но стоит такая машина дороже штабелера.

• Если на складе установлены фронтальные стеллажи (до 10 м), подойдет обладающий высокой маневренностью роботизированный ричтрак. Он способен поднимать грузы на высоту до 10 м.

Разумеется, эта классификация дает только поверхностное представление о том, какая модель робота в большей степени подошла бы вашей компании. Для выбора наиболее подходящего решения нужно осуществить следующие шаги: 

• определиться, какие грузы необходимо перевозить и какие палеты использовать: открытые или закрытые. Именно от вида палеты зависит тип и размер вил робота;

• рассчитать параметры стеллажного оборудования – высоту стеллажа и длину балки (для 3-х палет – не менее 2,7 м; для 4-х – 3,6 м, больше – лучше);

• проанализировать характеристики склада, а конкретно – ширину проходов. По словам Егора Клушина, компании часто забывают, что этот показатель не равен радиусу поворота робота, так как машина может развернуться и на месте, а вот подъезд к стеллажу она способна осуществлять только по сложной траектории, для которой необходимо определенное пространство. 

После того, как определились с выбором техники, можно переходить к следующей стадии и обращаться в компании, занимающиеся реализацией подобных проектов. Егор Клушин рассказал о том, как «Яндекс Роботикс» подходит к выполнению таких задач. Вначале – аудита склада, изучение площадки, потоков товаров и планировки. Затем – расчет количества роботов, обсуждение вариантов экономически целесообразных сценариев и уже потом переход к закупке и системной интеграции оборудования. 

Как понять, что без помощника не обойтись?

Как выяснить, что ваш склад подходит для проведения роботизации и вам действительно пора привлекать к работе сторонние предприятия? 

Если у вас стандартизированный грузопоток, то можно смело приступать к роботизации. При этом важно, чтобы грузы преимущественно находились на палетах, хотя система также справится с ролл-кейджами, коробами и контейнерами. Необходимо обеспечить ровный пол и покрытие Wi-Fi, особенно там, где робот получает и завершает задания. Также должны быть предусмотрены напольные буферные зоны. Оптимальная площадь помещения – от 500 м2; чем больше пространство, тем эффективнее будет роботизация.

Для воплощения таких проектов в жизнь «Яндекс Роботикс» использует Yandex RMS – собственную разработку компании. Эта платформа обеспечивает централизованное управление роботами, независимо от их типа и производителя. Она заметно сокращает сроки интеграции нового оборудования с действующими производственными системами и учетными решениями, а также предоставляет наглядные дашборды для удобной эксплуатации и детальной аналитики. 

Благодаря систематизации процесса, заказчик может подобрать роботов, подходящих под нужды компании, и подключить их к Yandex RMS.

Когда окупится? 

Казалось бы, роботизация – это удобно, инновационно, но как быстро она окупится? 

С одной стороны, в скорости роботы явно проигрывают людям на аналогичных машинах: например, скорости в 4–5 км, привычные для человека на рохле, для автономных палетоперевозчиков пока недостижимы, их предел – 2–4 км/ч. Из-за этой существенной разницы в рамках одной смены оператор превзойдет робота по производительности в 1,75 раза. С другой стороны, не стоит забывать, что после окончания рабочего дня человек отправится домой, а робот останется на складе и продолжит функционировать, постепенно выравнивая показатели. Если сделать расчеты затрат небольшого предприятия на трех водителей и на трех FMR-роботов, то можно прийти к выводу,  что даже на маленьком проекте срок окупаемости роботизации может составить до трех лет. При этом чем больше роботов, тем лучше с точки зрения окупаемости. 

Как бы там ни было, сейчас на складах с каждым годом появляется все больше и больше автономных машин, способных выполнять те же объемы работы, что и люди, но более стабильно, с меньшим количеством ошибок и затрат. На фоне дефицита кадров такое решение кажется наиболее подходящим. Роботы – уже не роскошь, не инновация, а часть нашей действительности. 



Цифровой двойник внутрипроизводственной цепочки авиастроения с использованием алгоритмов «план-факт» и моделями ИИ/ML

Я.Ю. Павлова, Р.Р. Гайнемова, Е.В. Глушкова, К.П. Ильина, А.И. Кайбушева
12 / 2025 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. В статье рассматриваются группы моделей, функциональная структура, структурная схема, информационный обмен цифрового двойника внутрипроизводственной цепочки поставок в авиастроении на примере Казанского авиационного завода; спецификация математических моделей подсистем производства, сборки, склада, внутризаводской логистики. Описываются производственные, логистические, складские, экономические и стратегические метрики, качество данных и аналитическая зрелость. Оцениваются размеры рынка расширения внедрения цифрового двойника в авиастроении и экономический эффект от внедрения.



Разработка и особенности внедрения концепции и архитектуры цифровой платформы управления цепочками поставок кооперации в авиастроении

Я.Ю. Павлова, Д.Д. Сафаргалиева, Ф.Т. Раимов, Д.С. Зайнуллина, Г.З. Сагдиева, Б.Р. Набиуллин
11 / 2025 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. В статье представлена архитектура и главный интерфейс цифровой платформы производственно-логистических процессов кооперации авиастроения, рассчитан цикл реализации с ключевыми метриками перехода стадий, представлена четырехфазная дорожная карта по внедрению цифровой платформы в ОАК, описаны риски и долгосрочные социальные эффекты от внедрения.
Ключевые слова. Цифровая экосистема, цифровизация в авиастроении, ОАК, производственная кооперация, AI/BI-модули.



Технологии машинного обучения – помощники современных логистических цепочек

М.Ю. Учирова, М.С. Киюцевский
10 / 2025 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. В статье проанализированы кейсы успешного внедрения технологий машинного обучения в логистические процессы российских и зарубежных компаний. Приведена статистика улучшения показателей, позволяющая сделать выводы о рентабельности применения машинного обучения в процессах организации. Разобраны барьеры, ограничивающие повсеместное применение информационных технологий.
Ключевые слова. Машинное обучение, логистика, искусственный интеллект, предиктивная аналитика.



Анализ эффектов внедрения искусственного интеллекта в бизнес-процессы транспортно-логистических систем

Я.М. Благоразумова, С.П. Галкина, И.В. Шарова
10 / 2025 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. В статье исследуются эффекты от применения технологий искусственного интеллекта. Рассмотрены основные направления его интеграции, такие как логистическое планирование и автоматизация маршрутов. Особое внимание уделяется анализу экономических и технологических преимуществ, а также потенциальным вызовам, связанным с внедрением, включая необходимость цифровой трансформации и адаптацию персонала. На основе реальных кейсов демонстрируется практическая ценность искусственного интеллекта для логистических компаний.



Компании выбирают роботизацию

Егор Клушин
10 / 2025 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Скачать статью в формате PDF

Российские транспортные и логистические компании не первый год изучают возможности робототехники и экспериментируют с различными решениями. «Яндекс Роботикс» вместе с компанией «Промышленная робототехника» (ex. KUKA) изучили, какое место роботизация занимает в отрасли сейчас и в каких направлениях будет развиваться. Результаты исследования прокомментировал Егор Клушин, директор по развитию бизнеса «Яндекс Роботикс».

В  опросе приняли участие 112 специалистов из 51 компании федерального уровня. Все респонденты – руководители подразделений, отвечающих за логистику и складское хозяйство на крупных российских предприятиях. 

Бизнесу уже давно не нужно объяснять, как автоматизация и цифровизация влияют на результаты работы. В последние годы компании вынуждены были оперативно реагировать на ускорение инфляции, рост себе стоимости доставки товаров, падение прибыли, дефицит кадров, изменение транспортных коридоров. Исследование «Яндекс Роботикс» доказало, что роботизация, по мнению опрошенных, способна повысить производительность труда и решить проблему с нехваткой людей. Более того, техника позволяет снять с сотрудников тяжелые физические нагрузки и перенаправить ресурсы на решение более сложных задач. Около трети экспертов отметили, что именно эти факты мотивируют их компании развивать проекты в этой сфере (рис. 1).

Помимо этого, бизнесу не хватает складских площадей, при том что арендная плата за использование помещений растет. Таким образим, финансовая нагрузка на логистическую отрасль увеличивается, и участники опроса хотели бы с помощью роботов оптимизировать рабочие процессы с максимально низкими затратами. 

Специалисты считают, что будущее за мобильными роботами AMR1*, CTU2** и др. По крайней мере, в настоящее время почти 40% компаний выбирают подобные решения (рис. 2). 

Второе место по популярности занимают шаттловые и конвейерные механизмы: 22,2% респондентов указали, что планируют использовать их для перемещения грузов, а 18,1% компаний рассматривают роботов для палетирования. 13,9% специалистов отметили, что в работе нужны форклифты – автономные вилочные погрузчики, которые поднимают и перемещают  грузы на короткие расстояния. Оставшиеся, согласно результатам опроса, ориентируются на другие технологии. 

Лишь 12,5% опрошенных не собираются использовать мобильных роботов на своих предприятиях (рис. 3).

Основная же часть респондентов планирует внедрять их в свои процессы, так как они не нуждаются в постоянном контроле и берут на себя значимую часть операций на складах. 71,4% экспертов рассказали, что планируют запустить в работу как минимум 10 мобильных роботов, в то время как 10,7% предприятий готовы привлечь от трех до шести или девяти машин (рис. 4), 7,1% специалистов рассчитывают обойтись одним мобильным роботом.

Сегодня роботы – неотъемлемая часть транспортно-логистической отрасли: в числе компаний, чьи сотрудники участвовали в исследовании, не оказалось ни одного предприятия, где нет бюджета на проекты по роботизации. Причем подавляющее большинство организаций прорабатывают от двух до пяти проектов (42,9%), 39,2% компаний сосредоточили свои силы на одном проекте, а 17,9% реализуют порядка десяти (рис. 5). И это планы только на 2025 г. На большинстве предприятий уже собраны команды специалистов, занимающиеся внед рением роботов в производство. Чуть больше 10% планируют создать такую команду в ближайшее время, и только небольшая часть респондентов считает, что этого не требуется. 

Главные инсайты исследования компаний «Яндекс Роботикс» и «Промышленная робототехника»:

• транспортно-логистическая отрасль России рассчитывает, что роботизация и автоматизация повысит производительность и решит проблему с нехваткой рабочей силы;
• ключевые игроки отечественного рынка считают мобильных роботов самым перспективным ресурсом. Большинство компаний либо уже использует их, либо планирует начать в ближайшее время;
• все компании так или иначе пытаются запустить проекты с использованием роботов, где-то этим занимаются отдельные команды специалистов.  

---

*AMR – автономные роботы для перемещения, комплектации и отправки грузов. 

**CTU – роботизированная система, которая перемещает и распределяет ящики и короба.



Анализ значимости источников информации по вопросам автоматизации и цифровизации логистики

С.П. Галкина, Я.М. Благоразумова
6 / 2025 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. Статья посвящена рассмотрению значимости информационных источников в области логистики. Описаны их классификация и характеристики, основные виды и особенности, а также даны результаты опроса среди нескольких категорий населения для анализа степени распространенности информационных источников.
Ключевые слова. Информация, информационные источники, автоматизация логистических процессов, логистика, цифровизация.



Построение архитектуры логистической системы мониторинга информации о качестве строительных материалов в цепях поставок

М.Е. Макаров
4 / 2025 | ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Аннотация. В статье представлена архитектура логистической системы мониторинга информации о качестве строительных материалов в цепях поставок, включающая управляющую и управляемую подсистемы, паспорт качества объекта строительства, пользователей информации. Информационная платформа логистической системы базируется на технологии блокчейна с инструментарием смарт-контракта.
Ключевые слова. Архитектура логистической системы, смарт-контракт, блокчейн, паспорт качества.