Благодаря непрерывному развитию технологий и расширению сценариев применения, дроны постепенно проникли из своих ранних военных применений во множество гражданских областей, таких как сельское хозяйство, логистика, геодезия, безопасность и инспекция энергоресурсов. На этом фоне при принятии решений о закупке дронов предприятия или организации больше не сосредотачиваются исключительно на цене самого оборудования, а уделяют больше внимания балансу между затратами и ожидаемыми выгодами на протяжении всего его жизненного цикла. Модель ?затраты-выгода? при закупке дронов стала ключевым инструментом для научной оценки ценности закупок.
При построении модели ?затраты-выгоды? основная задача состоит в четкой классификации и количественной оценке каждого компонента затрат.
Многомерная оценка преимуществ
Преимущества отражаются не только в прямом росте доходов, но и в различных аспектах, таких как повышение эффективности, снижение рисков, экономия трудовых ресурсов и накопление данных.
Механизм межведомственного сотрудничества и интеграции данных
Успешная реализация закупок дронов зависит от механизма межведомственного сотрудничества. Отдел закупок должен участвовать в процессе оценки совместно с отделами технологий, эксплуатации, финансов, юриспруденции и безопасности. Команда разработчиков отвечает за оценку летных характеристик дрона, точности датчиков и совместимости; команда эксплуатации предоставляет информацию о фактических операционных потребностях и предложения по рабочим процессам; финансовый отдел руководит моделированием затрат и выгод и утверждением бюджета; а юридический отдел занимается вопросами конфиденциальности данных, интеллектуальной собственности и ответственности перед третьими лицами. В то же время крайне важно создать единую платформу управления данными. Данные, такие как изображения, видео и географические координаты, собранные дронами, должны храниться стандартизированным образом и интегрироваться с существующими системами ERP, GIS и MES компании для автоматизации потока данных. Например, в приложениях для интеллектуальной добычи полезных ископаемых данные аэрофотосъемки с дронов могут автоматически импортироваться в платформу 3D-моделирования для генерации динамических отчетов об объеме добычи на участке, что помогает корректировать планы добычи. Чем выше степень обработки данных, тем больше ценность, создаваемая на единицу данных, таким образом, формируется замкнутый цикл ?сбор — анализ — применение — добавленная стоимость?.
Пример из практики: проект инспекции с помощью дронов крупной энергетической группы
В качестве примера рассмотрим крупную отечественную энергетическую группу, которая в 2021 году начала создание системы инспекции с помощью дронов, первоначально закупив 12 высокоточных дронов с неподвижным крылом и поддерживающие наземные станции, с общими инвестициями около 9,8 млн юаней. Ранее группа полагалась на ручной подъем на вышки для инспекции, при этом на каждую линию 220 кВ уходило в среднем 12 человеко-дней, что представляло опасность для работы на большой высоте. После внедрения дронов время проверки одной линии сократилось до 2 часов, и в среднем ежегодно можно было выполнять 1800 проверок, что почти в 15 раз больше, чем при ручном труде. По расчетам, это позволяет экономить около 4,6 млн юаней в год на оплате труда, снижает потери от перебоев в электроснабжении из-за неисправностей примерно на 3,2 млн юаней и обеспечивает ежегодную выгоду в размере 7,8 млн юаней. После вычета средних ежегодных затрат на техническое обслуживание в размере 1,2 млн юаней чистая выгода достигает 6,6 млн юаней. Проект окупился на четвертый год, а последующая ежегодная чистая прибыль превысила 5 млн юаней. Этот проект также стимулировал разработку системы ?выявление дефектов с помощью дронов и ИИ?, которая автоматически выявляет такие проблемы, как повреждение изоляторов и ослабление крепежных элементов, с помощью моделей глубокого обучения, что еще больше снижает трудозатраты на ручную проверку и демонстрирует растущую маржинальную выгоду от сочетания технологий.