ЦИФРОВЫЕ ИНСТРУМЕНТЫ НОРМИРОВАНИЯ ТРУДА В РОССИЙСКИХ КОМПАНИЯХ: ОПЫТ ПРИМЕНЕНИЯ И ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ В ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ

DIGITAL LABOUR RATIONING TOOLS IN RUSSIAN COMPANIES: APPLICATION EXPERIENCE AND OPPORTUNITIES FOR USE IN RAILWAY TRANSPORT

Maksimenko Roman Mikhailovich

Student, Russian university of transport (MIIT),

Russia, Moscow

АННОТАЦИЯ

Статья обобщает российский опыт применения цифровых инструментов при нормировании труда и определяет, какие решения применимы к работникам железнодорожного транспорта. Метод - анализ источников по компаниям с документально подтверждённой цифровизацией нормирования и нормативной базы ОАО «РЖД». Рассмотрены система управления мобильными бригадами электросетевой компании, публикация об ИИ в нормировании труда на железнодорожном транспорте и исследование распознавания трудовых движений методами компьютерного зрения. Показано, что ОАО «РЖД» уже закрепило видеонаблюдение как метод изучения затрат времени и использует ЕК АСУТР для расчётов, тогда как автоматизированное распознавание операций остаётся предметом публикаций, а не практикой для локомотивных бригад. Результат - систематизация условий для переноса этих инструментов на нормирование труда локомотивных бригад.

ABSTRACT

The article summarises Russian experience in applying digital tools to labour rationing and identifies solutions applicable to railway workers. Method: analysis of sources on companies with documented digitalisation of labour rationing and of JSC Russian Railways' regulatory framework. The paper examines a mobile crew management system used by an electric grid company, a publication on AI in rail labour rationing, and a study on computer-vision recognition of labour movements. It is shown that JSC Russian Railways has fixed video surveillance as a method of studying working time and uses a unified labour-resource system for calculations, while automated recognition remains a subject of publications rather than practice for train crews. The result is a systematisation of conditions for transferring these tools to train crew labour rationing.

Ключевые слова: нормирование труда, цифровые инструменты, автоматизированный сбор данных, видеонаблюдение, искусственный интеллект, железнодорожный транспорт, локомотивные бригады.

Keywords: labour rationing, digital tools, automated data collection, video surveillance, artificial intelligence, railway transport, train crews.

Хронометраж и фотография рабочего дня требуют присутствия специалиста по организации и нормированию труда на месте и плохо подходят для работы, распределённой по территории или ограниченной требованиями безопасности. Автоматизированный сбор данных - мобильные приложения, корпоративные системы, видеонаблюдение - переносит эту работу на технические средства, а обработка данных методами ИИ потенциально позволяет получать норму расчётным путём без нового наблюдения. Российский опыт таких решений раскрыт неравномерно: часть подтверждена документами компаний, часть описана только в научных публикациях без указания предприятия внедрения. Штехин С.Е., Карачёв Д.К. и Иванова Ю.К. показывают это на алгоритме распознавания движений компьютерным зрением для задачи нормирования рабочего времени [3]: видеозапись обрабатывается не визуальным просмотром, а нейросетевым распознаванием, что смещает трудоёмкость с наблюдения на настройку алгоритма.

ПАО «Россети Московский регион» внедрило систему управления мобильными бригадами (АСУ МБ), фиксирующую геоданные о перемещении бригад и сокращающую трудозатраты на оформление нарядов-допусков через шаблоны [1]. Задача нормирования решалась через объективизацию данных о перемещении: вместо отчёта работника система формирует данные о фактическом месте и времени работ. Как эти данные используются при пересмотре норм, в источниках конкретный механизм не раскрыт - материалы описывают систему как инструмент управления нарядами, а не методику нормирования. Смолин И.Ю., Любченко А.А. и Стадник А.В. описывают обработку данных о затратах времени применительно к нормированию на железнодорожном транспорте [4]: вместо одного канала предлагается видеоряд и распознавание речи, обрабатываемые методами ИИ; публикация не указывает предприятие внедрения и представляет решение как направление развития, а не готовую систему.

Положение о системе нормирования труда в ОАО «РЖД» [2] относит видеонаблюдение к самостоятельным методам изучения затрат времени наравне с хронометражем, а ЕК АСУТР используется для расчётов и нормирования - это ставит ОАО «РЖД» ближе к публикациям о распознавании движений и речи [3; 4], чем к компаниям, где цифровизация касается только управления нарядами [1]. Отличие от локомотивных бригад - в специфике рабочего места: у мобильной бригады есть точки перемещения и стационарные операции, тогда как машинист работает в кабине движущегося локомотива, где установка средств наблюдения ограничена требованиями безопасности. Перенос геоданных о движении локомотива возможен - эта информация уже собирается системами интервального регулирования, - но не заменяет данные о содержании операций внутри кабины; перенос алгоритмов распознавания движений и речи [3],[4] требует проверки точности именно в условиях кабины локомотива - ограниченного пространства, вибрации, разного освещения. Общее условие для всех случаев - специалист, способный интерпретировать автоматически собранные данные как основание для пересмотра нормы, поскольку ни один источник не описывает автоматический расчёт нормы без экспертной проверки.

Российский опыт цифровизации нормирования труда разнороден: у ПАО «Россети Московский регион» [1] инструмент решает задачу управления нарядами, затрагивая нормирование лишь косвенно, а в публикациях о распознавании движений и речи [3; 4] технология разработана именно для нормирования, но не подтверждена как внедрённая практика. ОАО «РЖД» занимает промежуточную позицию: видеонаблюдение и ЕК АСУТР закреплены действующим документом [2], а автоматизированное распознавание операций остаётся направлением развития. Перенос этих инструментов на локомотивные бригады требует проверки точности распознавания в условиях кабины локомотива и сохранения экспертной проверки результата - без этого цифровой сбор данных объективизирует наблюдение, но не заменяет анализ, нужный для актуализации норм.

Список литературы:

1. Автоматизированная система управления мобильными бригадами (АСУ МБ) : презентация / ПАО «Россети Московский регион». - Текст : электронный. - URL: https://rossetimr.ru/client/services/asy/asy-1/doc/presentaciya-asy-mb023.pdf (дата обращения: 25.09.2026).
2. Об утверждении Положения о системе нормирования труда в ОАО «РЖД» : распоряжение ОАО «РЖД» от 15 января 2024 г. № 64/р.
3. Смолин, И. Ю. Нормирование труда с применением искусственного интеллекта / И. Ю. Смолин, А. А. Любченко, А. В. Стадник // Автоматика, связь, информатика. - 2025. - № 10. - С. 27-29. - DOI: 10.62994/AT.2025.10.10.006.
4. Штехин, С. Е. Разработка алгоритма распознавания движений человека методами компьютерного зрения в задаче нормирования рабочего времени / С. Е. Штехин, Д. К. Карачёв, Ю. К. Иванова // Труды Института системного программирования РАН. - 2020. - Т. 32, № 1. - С. 121-136. - DOI: 10.15514/ISPRAS-2020-32(1)-7.