версия для слабовидящих 21-23 октября в Тольяттинской академии управления прошла вторая проектно-аналитическая сессия (ПАС-2) в рамках цикла работ «Мировой опыт роботизации и автоматизации производства транспортных средств». Студенты-первокурсники продолжили работу по запросу института ФГУП «НАМИ», однако фокус исследования сместился: от поиска технологий и отдельных мировых кейсов — к пониманию стратегий, механизмов их внедрения и связей между участниками отрасли.
 |
 |
Точность понятий как основа исследования
ПАС-2 началась с анализа отчетов предыдущей сессии. Представитель НАМИ Светлана Ревенок подчеркнула необходимость четко разделять фактические данные, собственные выводы группы и предложения. Особым требованием стала строгая проверка достоверности источников и корректное сопоставление зарубежных практик с условиями российского автомобилестроения.
Проректор ТАУ София Ишкильдина и тьюторы задали новую логику работы: исследование не должно превращаться в «каталог компаний и технологий». Перед групповой работой студентам помогли разграничить понятия автоматизации, роботизации и «дизайн-барьера», чтобы они могли рассматривать не изолированные элементы, а связанные технологические и институциональные процессы.
От перечисления — к механизмам работы: как развивались исследования групп
Получив установки, студенты продолжили работу в составе восьми групп по четырем направлениям.
1. «Искусственный интеллект в автоматизации» (3 группы)
Первая группа начала со стратегических приоритетов корпораций и перечня технологий (цифровые двойники, роботизация, ИИ-аналитика). В ходе ПАС их фокус сместился: от простого списка решений студенты перешли к объяснению того, почему компании выбирают определенные способы применения ИИ.
Вторая группа разбирала конкретные практики: систему AIQX от BMW, компьютерное зрение, акустический контроль и экосистему MO360 Mercedes-Benz. Их задачей стал переход от вопроса «где используется ИИ?» к пониманию того, за счет чего он реально работает на заводе (анализ дефектов, управление процессами).
Третья группа, изначально собравшая огромный массив данных по мировым гигантам (от BMW и Tesla до «КАМАЗа» и «Москвича»), в итоге сузила исследование. Они детально разобрали цифровые двойники предприятий и роботизированную сварку. Организаторы подчеркнули: важно не просто назвать термин, а уметь технически точно объяснить устройство процесса специалисту автозавода.
2. «Институциональные и лидерские стратегии продвижения роботизации» (2 группы)
Первая группа исследовала опыт Германии. Студенты выстроили экосистему продвижения автоматизации через связь государства, бизнеса и образования. Они выделили такие механизмы, как практическое обучение, безопасность, межотраслевая кооперация и промышленные выставки (Hannover Messe, Automatica) на примерах KUKA и Siemens.
Вторая группа анализировала господдержку в Китае (проекты FAW-Volkswagen, Changan, взаимодействие Geely и Huawei), параллельно проецируя этот опыт на Россию. Среди потенциальных отечественных стейкхолдеров они выделили органы власти, автоконцерны, производителей робототехники и образовательные учреждения.
 |
 |
3. «Промышленный дизайн в эпоху 4.0» (2 группы)
Первая группа сфокусировалась на факторах, формирующих «дизайн-барьер» (разрыв между проектированием и производством). Ими стали технические ограничения, цифровая несовместимость и дефицит междисциплинарных специалистов. В модель экосистемы дизайна участники включили не только заводы, но и дизайн-студии, инвесторов и институты развития.
Вторая группа выстроила работу на разграничении понятий: автоматизация (передача функций управления алгоритмам) и роботизация (физическое выполнение операций). Изучая опыт мировых брендов, они выделили и российские тенденции: импортозамещение ПО, создание собственных дизайн-центров и переход к сквозному инжинирингу.
4. «Глобальные тренды и стратегии роботизации» (1 группа)
Изначально студенты взяли в проработку коллаборативных роботов, экзоскелеты, машинное зрение и гуманоидные платформы. Однако организаторы отметили: активное использование технологии еще не делает её «новым трендом». После корректировки в финальном докладе группа сосредоточилась на самых передовых векторах — цифровых двойниках, ИИ в управлении производством и внедрении гуманоидных роботов на примерах Mercedes-Benz, BMW и Tesla.
Не просто знать — понимать и объяснять
Главным итогом второй сессии стал переход от описания объекта к раскрытию механизма. Практически каждый доклад возвращался к четырем вопросам:
1. Зачем это используется?
2. Как это работает?
3. Кто участвует в процессе?
4. Для кого предназначен результат?
Участникам неоднократно напоминали: найденная в интернете формулировка — это еще не результат. Информацию нужно сопоставить с другими источниками, проверить применимость к задаче и сформулировать собственный вывод. «Аналитика начинается там, где найденную информацию можно не только показать, но и объяснить, обосновать и связать с реальной задачей», — подчеркнула София Ишкильдина в ходе финальной рефлексии.
Итогом межсессионного этапа станет новый сборочный отчет, в котором группы должны учесть все комментарии заказчика, подтвердить выводы источниками и дополнить тексты структурными схемами и таблицами.
Третья проектно-аналитическая сессия (ПАС-3) пройдет 2-4 декабря.
Материал подготовили студенты Мастерской медиатехнологий ТАУ: Ксения Литвинова, Полина Демидова, Анжелина Гауэр, Екатерина Шестопалова, Кирилл Иглин, Яна Семашкова, Сергей Равкин, Гендеф Мамедова, Виктория Итякина.
 |
 |