Детальная информация

Объект исследования - ПАО «Техприбор» (авиаприборостроение); предмет - бизнес-процессы предприятия и возможности их оптимизации средствами искусственного интеллекта. Цель - разработка предложений по повышению операционной эффективности ПАО «Техприбор» на основе ИИ Методы исследования: анализ бухгалтерской отчетности, коэффициентный анализ финансовой устойчивости и ликвидности, структурный анализ затрат, инвестиционный анализ (NPV, IRR, PI, DPP, ARR), сценарный анализ. По итогам анализа ПАО «Техприбор» за 2023–2025 годы выявлены два приоритетных объекта оптимизации: реактивная модель ТОиР и фрагментарная система обработки заявок. Разработаны три ИИ-решения: система предиктивного ТОиР на базе алгоритмов машинного обучения с интеграцией в 1С ERP, единая платформа электронных заявок с автоматической маршрутизацией, нейро-ассистент для работы с технической документацией. Инвестиционный анализ проведен на трехлетнем горизонте при капитальных вложениях 56 500 000 рублей и ставке дисконтирования 24,5%. В реалистичном сценарии: NPV - 80 264 392 рублей, IRR - 105,3%, PI - 2,421, DPP - 13,7 месяца. В пессимистичном сценарии NPV положительный (7 052 332 рублей), IRR (32,4%) превышает ставку дисконтирования. Результаты рекомендованы к практическому применению в ПАО «Техприбор», методика применима для аналогичных проектов цифровой трансформации в авиаприборостроении.

The object of the study is PJSC "Techpribor" (aviation instrument manufacturing); the subject is the companys business processes and the potential for their optimization through artificial intelligence. The aim is to develop proposals for improving the operational efficiency of PJSC "Techpribor" based on AI. Research methods: accounting statement analysis, ratio analysis of financial stability and liquidity, cost structure analysis, investment analysis (NPV, IRR, PI, DPP, ARR), scenario analysis. Based on the analysis of PJSC "Techpribor" for 2023–2025, two priority optimization targets were identified: a reactive maintenance model and a fragmented work order processing system. Three AI-based solutions were developed: a predictive maintenance system using machine learning algorithms integrated with 1C ERP, a unified electronic work order platform with automatic routing, and a neural assistant for technical documentation management. Investment analysis was conducted over a three-year horizon with capital expenditures of RUB 56,500,000 and a discount rate of 24.5%. Under the base-case scenario: NPV — RUB 80,264,392; IRR — 105.3%; PI — 2.421; DPP — 13.7 months. Under the pessimistic scenario, NPV remains positive (RUB 7,052,332) and IRR (32.4%) exceeds the discount rate. The findings are recommended for practical implementation at PJSC "Techpribor", the methodology is applicable to similar digital transformation projects in aviation instrument manufacturing.