20
5.
Data science (
искусственный интеллект
);
6.
Робототехника;
7.
VR/AR.
В связи с тем, что компания ПАО «Газпром
-
нефть» поставила цель к
2020
году вступить в так называемый «Клуб за 100» (условный рейтинг мировых
нефтяных компаний, добывающих более 100 млн. тонн нефти в год), то для ее
достижения необходимо выполнить ряд мероприятий по совершенствованию
стратегии развития компании.
Конкретно для компании ООО «Газпромнефть
-
Снабжение», необходимо
будет усовершенствовать методы закупочной деятельности, являющиеся ее
основной функцией. Для этого следует активно внедрять инновационные
технологии в операционную деятельность. Наиболее важным направлением
развития конкурентных
преимуществ компании, является внедрение
Data
Science
, это метод интеллектуального анализа больших массивов данных (
Big
Data
) и приложения искусственного интеллекта для работы с ними. Его
применение позволит существенно сократить время на проведение полного
цикла закупочной операции за счёт детального анализа возможных подрядчиков
во все возможных базах данных и в сети интернет, а также предлагать наиболее
выгодные варианты для компании и заказчиков. В дополнение к
Data Science,
следует добавить алгоритмы оптимизации, направленные в первую очередь на
оптимизацию затрат на закупку материально
-
технических ресурсов.
Связка системы
Blockchain
и интернета вещей (ИВ), наиболее
востребованный на данный момент метод в мировых компаниях. ИВ при помощи
радиочастотных меток и датчиков
GPS
позволит отслеживать перемещение
грузов на всём маршруте движения (скорость
перемещения, количество и
продолжительность остановок) и объем материально
-
технических ресурсов на
складах. Система
Blockchain
позволит структурировать все данные для быстрого
доступа к ним.
Также важным направлением для компании ООО «Газпромнефть
-
Снабжение», является использование робототехники в логистике. Наиболее
интересными технологиями являются антропоморфные роботы и экзоскелеты,
их применение может существенно повысить эффективность использования
складов. Применение беспилотной техники (дронов) позволит проводить
мониторинг объектов и инфраструктуры при минимальных материальных и
временных затратах, что позволит использовать актуализированные данные для
повышения качества решения логистических задач. Использование
21
автопилотируемой колёсной техники, существенно
сократит затраты на
персонал и время в дороге, за счёт отсутствия необходимости остановок.
В тренде технологий находятся виртуальная (
VR
) и дополненная (
AR)
реальность. Благодаря
VR
или
AR
через специальные очки или шлем, возможно
просматривать каталоги поставщиков товаров, моделировать куст скважин, для
наиболее полной проработки заявки на закупку материально
-
технических
ресурсов и просматривать нормативные документы.
Ниже приведён вариант структуры цепочки закупок с применением
инновационных технологий.
Рисунок 1 - Структура использования инновационных технологий в закупочной
деятельности
Стоит отметить, что в настоящее время компания ООО «Газпромнефть
-
Снабжение» начинает испытывать некоторые технологии:
Blockchain + IoT
и
беспилотный транспорт.
Только взяв вектор на развитие и внедрение инновационных технологий в
свою деятельность, компания ООО «Газпромнефть
-
Снабжение», сможет стать
проактивной компанией и занять достойное место на рынке России и мира.
Источники:
1.
Электронный ресурс
- www.gazprom-neft.ru;
2.
Гринев А.В., Новикова О.В., Лозовский С.В. Повышение
эффективности нормирования потребления энергоресурсов на
Планирование
• Data Scince
• IoT +
Blockchain
• VR/AR
Закупка
• Data Scince
•
Роботы +
Blockchain
•
Алгоритмы оптимизации
Логистика
•
Экзоскелеты
•
Беспилотный транспорт
•
Роботы
Внедрение
• Data Scince
• IoT + Blockchain
22
промышленных предприятиях // Научно
-
технические ведомости Санкт
-
Петербургского государственного политехнического университета.
Экономические науки. 2013. № 5 (180). С. 54
-59;
3.
Ерастов А.Е., Новикова О.В. К вопросу о единой терминологии в
системе регионального управления энергосбережением // Научно
-
технические ведомости Санкт
-
Петербургского
государственного
политехнического университета. Экономические науки. 2015. № 2
(216). С. 68
-75;
4.
Ерастов А.Е., Новикова О.В. Методика расчета интегрального
показателя эффективности реализации региональных программ
энергосбережения // Вестник Ивановского государственного
университета. Серия: Гуманитарные науки. 2015. № 3. С. 73;
5.
Назарян Р.В., Новикова О.В. Энергетический сервис как механизм
развития малой генерации в регионах // В сборнике: Неделя науки
СПбПУ материалы научно
-
практической конференции.
Инженерно
-
экономический институт СПбПУ. С.В. Широкова (отв. ред.), А.А.
Коваленко (отв. ред.). 2015. С. 24
-27;
6.
Погребова О.А., Конников Е.А., Юлдашева О.У. Нечетко
-
множественная модель оценки индекса развития устойчивого
маркетинга компании // Международная конференция по мягким
вычислениям и измерениям. 2017. Т. 2. С. 522
-525;
7.
Белостоцкая А.А., Забелин Б.Ф., Конников Е.А., Мокейчев Е.В.
Содержательный аспект тенденции к отражению действительного
результата управления // Экономические науки. 2016. № 136. С. 42
-46;
8.
Конников Е.А. Инвестиционная привлекательность энергетических
проектов макроуровня на примере концепции энергетического
поворота Германии // В сборнике:
Эффективная энергетика
-2015
Материалы научно
-
практической конференции с международным
участием. 2015. С. 56
-66;
9.
Лукашевич Н.С. Сравнение нейросетевых и статистических методов
оценки кредитного риска // Финансы и кредит. 2011. № 1 (433). С. 32
-
41;
10.
Чачина Е.Г., Лукашевич Н.С., Гаранин Д.А. Исследование
применимости моделей прогнозирования банкротства для субъектов
малого предпринимательства // Экономика и предпринимательство.
2015. № 10
-1 (63-
1). С. 904
-908.