Цифровая трансформация промышленности и железнодорожного транспорта

Автоматика, связь, информатика. 2026. № 4. С. 21–25

Automation, communications, informatics. 2026. № 4. Р. 21–25

ЦИФРОВЫЕ ТЕХНОЛОГИИ

Научная статья

УДК 004, 65.011.56

DOI: 10.62994/AT.2026.4.4.005

Цифровая трансформация промышленности и железнодорожного транспорта

ЧЕСАЛОВ Александр Юрьевич

МГТУ им. Н.Э. Баумана, эксперт по стратегии, канд. техн. наук, г. Тверь, Россия, achesalov@mail.ru

Аннотация. В статье проводится анализ ключевых трендов, определяющих траекторию цифровой трансформации на ближайшее десятилетие. Выявлены три взаимосвязанных вектора развития: технологическая конвергенция, фундаментальная перестройка производственных моделей и ответ на макровызовы. Выделены и проанализированы пять фундаментальных технологических направлений развития цифровой трансформации промышленного комплекса РФ до 2035 г. Обоснована ключевая роль промышленного искусственного интеллекта, формируемая необходимостью обеспечения технологического суверенитета и трансформации кадрового потенциала. Проанализирован опыт и данные ОАО «РЖД», которое является масштабным драйвером развития цифровой трансформации промышленности страны и демонстрирует путь эффективной и комплексной технологической модернизации в сфере железнодорожных перевозок.

Ключевые слова: цифровая трансформация, искусственный интеллект, промышленный интернет вещей, прогнозируемое обслуживание

Для цитирования: Чесалов А.Ю. Цифровая трансформация промышленности и железнодорожного транспорта // Автоматика, связь, информатика. 2026. № 4. С. 21–25. DOI: 10.62994/AT.2026.4.4.005

DIGITAL TECHNOLOGY

Original article

Key directions for digital transformation of industry and rail transport

Alexander U. CHESALOV

Strategy Expert, Bauman Moscow State Technical University, Candidate of Sciences in Technology, Moscow, Russia, achesalov@mail.ru

Abstract. This article provides a comprehensive analysis of key global trends shaping the trajectory of digital transformation in industry and rail transport over the next decade. Three interrelated development vectors are identified: technological convergence (artificial intelligence, the Internet of Things, digital twins), a fundamental restructuring of production models (the transition to hyperautomated and human-centric systems), and a response to macro-challenges (technological sovereignty, cybersecurity, labor market transformation). Five fundamental technological trends are analyzed. The key role of industrial artificial intelligence, shaped by the need to ensure the technological sovereignty of the Russian Federation, is substantiated. The experience and data of Russian Railways, a major driver of the digital transformation of the country’s industry, are analyzed. Russian Railways is a leading provider of effective and comprehensive technological modernization in rail transportation.

Keywords: digital transformation, artificial intelligence, industrial internet of things, predictive maintenance

For citation: Chesalov A.U. Key directions for digital transformation of industry and rail transport // Automation, communications, Informatics. 2026. № 4. Р. 21–25. DOI: 10.62994/AT.2026.4.4.005

Список источников

1. Кочина С.К. Диагностика уровня технологического суверенитета отраслей российской промышленности // Экономическое развитие России. 2023. Т. 30, № 10. С. 32–40. EDN: ZDZSRO.

2. Палюх Б.В., Чесалов А.Ю. Роль современных технологий искусственного интеллекта в создании и развитии автоматизированных систем прогнозируемого и предписывающего обслуживания в промышленности // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2025. № 5. С. 147–155. DOI: 10.37882/2223-2966.2025.05.29. EDN:ETKPYA.

3. Чесалов А.Ю. Анализ возможности применения модели OpenThinker2-32B в автоматизированных системах прогнозируемого обслуживания для малых и средних промышленных предприятий // Нейрокомпьютеры : разработка, применение. 2025. Т. 27, № 5. С. 56–70. DOI: https://doi.org/10.18127/j19998554-202505-07. EDN: TRJQUR.

4. Чесалов А.Ю. Тенденции развития периферийного искусственного интеллекта в автоматизации технологических процессов // Автоматизация в промышленности. 2025. № 7. С. 9–14. EDN: VPXFYE.

5. Чесалов А.Ю. Математическая модель снижения неопределенности на основе теории свидетельств Демпстера–Шафера на уровне сбора данных в автоматизированных системах прогнозируемого обслуживания // Динамика сложных систем. 2025. Т. 19, № 4. С. 62–74. DOI: 10.18127/j19997493-202504-07. EDN: BNQZRC.

6. Digital transformation in manufacturing market size & share analysis – growth trends and forecast (2025–2030) // Mordor Inteligent: site. 2025. URL: https://www.mordorintelligence.com/industry-reports/digital-transformation-market-in-manufacturing (дата обращения: 14.12.2025).

7. Hyperautomation market size & share analysis - growth trends and forecast (2025–2030) // Mordor Inteligent: site. 2025. URL: https://www.mordorintelligence.com/industry-reports/hyperautomation-market (дата обращения: 14.12.2025).

8. Cybersecurity market size & share analysis – growth trends and forecast (2025–2030) // Mordor Inteligent: site. 2025. URL: https://www.mordorintelligence.com/industry-reports/cyber-security-market (дата обращения: 14.12.2025).

9. Чесалов А.Ю. Применение искусственного интеллекта для реализации алгоритмов потенциала негативности рассогласования в промышленных автоматизированных системах прогнозируемого обслуживания // Открытое образование. 2025; 29(3): 11–21. https://doi.org/10.21686/1818-4243-2025-3-11-21

© Москва «Автоматика, связь, информатика» 2026