Details

Объект исследования – корпоративный ЦОД нефтегазовой компании; предмет – методы и модели оптимизации совокупной стоимости владения таким объектом на основе ИИ. Цель работы – обосновать экономическую целесообразность применения комплекса ИИ-моделей при создании собственного ЦОД компании. Решены задачи: проведён аналитический обзор ЦОД нефтегазовой отрасли и методов оптимизации; проанализирована ИТ-инфраструктура ПАО «Газпром нефть» и предпроектная оценка собственного ЦОД; разработаны две модели – генетический алгоритм многокритериальной оптимизации архитектуры и мультиагентная система интеллектуального управления инженерной инфраструктурой; выполнена количественная экономическая оценка трёх альтернативных сценариев. Методы: эволюционная оптимизация (NSGA-II с гибридным кодированием), мультиагентная архитектура с двойственной декомпозицией Лагранжа, дисконтированный анализ денежных потоков, анализ чувствительности. Ключевой результат: базовый сценарий без применения ИИ даёт отрицательный NPV (-1 661 млн руб.) и IRR ниже WACC ГПН – то есть проект не проходит инвестиционного отбора. Сценарий с генетическим алгоритмом на этапе проектирования переводит проект в «граничную» положительную область (NPV +539 млн руб.). Полный комплекс ГА + МАС обеспечивает NPV +2 309 млн руб., IRR 16,7 %, дисконтированный срок окупаемости 11,6 года и индекс прибыльности 1,10. Вклад ГА и МАС в общий прирост NPV распределяется примерно 55 / 45 – обе модели нужны. Область применения – корпоративные ЦОД крупных российских компаний нефтегазового сектора, банковского, телекоммуникационного, промышленного сегментов; разработанные модели могут быть тиражированы на смежные объекты Группы «Газпром» и сопоставимые промышленные предприятия. В работе использованы: пакет Microsoft Office (Word, Excel, PowerPoint) для документирования и расчётов финансовой модели; Python (NumPy, pandas, matplotlib) для имитационного моделирования генетического алгоритма и визуализации сходимости; открытые аналитические отчёты iKS-Consulting, Uptime Institute, нормативная документация (ГОСТ Р, СП), внутренние корпоративные источники ГПН (в обезличенной форме).

Object of research – corporate data centre of an oil & gas company; subject – methods and models for AI-based optimization of its total cost of ownership. The goal is to substantiate the economic feasibility of an AI-driven approach for the companys data centre project. The tasks completed: analytical review of data centres in the oil & gas sector and cost optimization methods; analysis of Gazprom Nefts IT infrastructure and pre-design assessment of an own data centre; development of two models – a genetic algorithm for multi-criteria architecture optimization and a multi-agent system for adaptive control of engineering infrastructure; quantitative economic evaluation of three alternative scenarios. Methods used: evolutionary optimization (NSGA-II with hybrid encoding); multi-agent architecture with Lagrangian dual decomposition; discounted cash flow analysis; sensitivity analysis. Key result: the baseline scenario (no AI) yields a negative NPV (-RUB 1,661 mln) and IRR below the corporate WACC – i.e. the project would not pass investment screening. The GA-only scenario moves the project into marginally positive territory (NPV +RUB 539 mln). The full GA + MAS bundle delivers NPV +RUB 2,309 mln, IRR 16.7 %, discounted payback 11.6 years and PI 1.10. The contributions of GA and MAS to the total NPV gain split roughly 55 / 45 – both models are needed. Applicability – corporate data centres of major Russian companies in oil & gas, banking, telecom and industrial segments; the developed models can be replicated to related assets of the Gazprom Group and comparable industrial enterprises. Software and information resources used: Microsoft Office suite for documentation and financial modelling; Python (NumPy, pandas, matplotlib) for simulation of the genetic algorithm and convergence visualization; open analytical reports of iKS-Consulting and Uptime Institute, regulatory documents (GOST R, SP), internal Gazprom Neft sources (in anonymized form).