С каждым годом интерес бизнеса к искусственному интеллекту растет во всех отраслях — так, в России 33% промышленных предприятий планируют внедрить интеллектуальные решения в свои процессы. Ярослав Ращупкин, менеджер группы продуктов в компании Embedika, рассказал Деловому миру о перспективах развития технологии в промышленном секторе.
Ниже приводим текст оригинальной публикации.
Зачем промышленным предприятиям нужен ИИ
Сегодня промышленный сектор стоит на пороге нового этапа цифровизации — внедрение решений на базе ИИ по всей цепочке создания продукта. Цель — повысить точность принимаемых управленческих решений за счет минимизации человеческого фактора.
Так, применение искусственного интеллекта в промышленном секторе можно разделить на несколько направлений.
1. Автоматизация складов и оптимизация логистики. ИИ позволяет улучшать управление складами и транспортными средствами, координировать перемещение товаров. Например, алгоритмы строят оптимальные по времени и стоимости маршруты.
2. Прогнозирование и принятие решений. Например, в нефтегазовой промышленности ИИ помогает анализировать геологические данные и проводить более точную оценку запасов на этапе разведки месторождений. Это позволяет прогнозировать объемы добычи и оптимизировать процессы бурения.
3. Качество и контроль. Компьютерное зрение на базе ИИ позволяет с высокой точностью определять отклонения от нормы,— достичь таких показателей с помощью традиционных инструментов контроля качества, как правило, невозможно. Так, компания «Уралхим» внедрила ИИ для управления на барабанных грануляторах-сушилках, благодаря чему снизила уровень брака из-за человеческого фактора и увеличила объемы выпуска продукции на 2–6%.
4. Безопасность. Автоматизированные системы мониторинга оборудования помогают вовремя осуществлять профилактическое обслуживание и оперативно реагировать на возникающие проблемы. Более того, предупреждению аварийных ситуаций способствуют цифровые двойники — виртуальные модели реальных систем. С их помощью можно воспроизводить различные ситуации, чтобы разрабатывать наиболее эффективные сценарии реагирования.
5. Управление ресурсами. Модели машинного обучения помогают прогнозировать износ станков, чтобы оптимизировать затраты на амортизацию и избегать простоев производства. Например, с помощью интеллектуальной системы Тверской вагоностроительный завод смог сократить издержки на ремонт оборудования на 30% и уменьшить время простоев на 12%. Другое применение — оценка спроса и наличия ресурсов. ИИ анализирует рыночную ситуацию, историю продаж и сценарии потребления, а после — составляет оптимальный график производства, чтобы минимизировать издержки и снизить риски нехватки или переизбытка продукции.
Технологические тренды промышленного сектора
● Управление данными и упрощение работы с документаций
Первый шаг внедрения искусственного интеллекта — создание базы качественных данных для обучения алгоритмов. Поэтому для дальнейшей цифровизации на всех этапах деятельности промышленного предприятия необходимо создание единой платформы хранения корпоративной информации.
Более того, внедрение ИИ позволяет автоматизировать рутинные процессы работы с документами: их составление, оцифровку, систематизацию и анализ. Например, французская компания использует PRA для автоматизации подготовки документов, которые ранее составляли рабочие, ответственные за монтаж электрических щитков. Благодаря освобождению времени специалистов бизнесу удалось увеличить число обработанных заказов.
В России подобные решения в основном внедряют крупные компании. Так, «Газпром Нефть» смогла на 52% сократить затраты на поиск документов за счет внедрения интеллектуальной системы управления нормативной документацией.
● Внедрение языковых моделей
В 2023 году внедрение языковых моделей стало повсеместным трендом, а ChatGPT — самым быстрорастущим сервисом. В промышленном секторе бизнес также тестирует возможности чат-ботов. Так, ИТМО совместно с компанией «Татнефть» реализовали прототип помощника нефтяника. Алгоритм может давать инструкции специалистам, как действовать в конкретных ситуация. Решение планируют использовать для обучения сотрудников.
● Минимизирование ручного труда
Направление интеллектуальное автоматизации активно развивается в России — к 2030 году на внедрение роботов в производство планируют выделить 300 млрд рублей. «Умные» машины могут помочь не только с документами, но и с физически тяжелой работой. Так, на заводе BMW планируют внедрить роботов-гуманоидов. Им поручат выполнять задачи на опасных и тяжелых участках производства: например, перемешать тяжелый листовой металл.
● Развитие «Интернета вещей»
Internet of Things — это концепция глобальной сети устройств, которые обмениваются информацией между собой посредством интернета или другой сети. По прогнозам экспертов, технология может повысить производительность промышленного сектора на 30–50%. IoT помогает спрогнозировать неисправности и вовремя заменить элементы оборудования, которые скоро выйдут из строя. Например, производитель нефтегазового оборудования GE Oil&Gas использует IoT для сбора данных о состоянии своих продуктов в период эксплуатации на предприятиях. Решение помогло одной из Кувейтских нефтяных компаний увеличить добычу газа более чем на 5%, а компании из Малайзии — снизить затраты на техническое обслуживание на 10%.
● Рост доступности технологии
Искусственный интеллект как услуга (AIaaS) — вариант использования технологии, при котором компании-разработчики предоставляют облачную версию своих продуктов на базе ИИ. Благодаря распространению такого подхода компании могут сократить затраты на производство и повысить качество выпускаемой продукции без долгого внедрения ИИ в собственную ИТ-структуру. Немецкий производитель Bosch применяет AIaaS для отслеживания качества продукции на каждом из этапов производства. Система собирает данные о работе оборудования, находит изъяны и предлагает наиболее подходящие варианты их устранения.
● Развитие машинного зрения
Ожидается, что в 2024 году объем российского рынка машинного зрения может достичь 38 млрд рублей. Технология компьютерного зрения применяется для контроля техники безопасности на производстве. Например, магнитогорский металлургический комбинат внедрил технологию, чтобы следить за открытием желобов на литейных дворах доменных печей. Каждый из дворов контролируют две камеры, кадры загружаются в нейросеть, которая следит за укрытием желобов. При изменения система самостоятельно вносит в базу данных дату и время событий, процент закрытия, прикрепляет фото желоба и при необходимости отправляет сообщения по e-mail ответственным специалистам.
Вызовы и перспективы интеллектуальных технологий
Несмотря на стремительное развитие технологий искусственного интеллекта, существует ряд проблем и вызовов, с которыми сталкиваются промышленные предприятия.
● Отсутствие готовых решений
Создать готовую интеллектуальную систему, которая будет эффективна на любом предприятии, технически невозможно, так как каждое производство имеет свою уникальную специфику. Поэтому внедрение ИИ требует разработки индивидуальных моделей и их интеграции в процессы конкретного бизнеса.
● Недостаток данных
Для обучения моделей необходимы большие объемы эталонных данных, которые будут использоваться системой для определения отклонений. В долгое время консервативном промышленном секторе процесс хранения документов был недостаточно оцифрован. Более того, наличие конфиденциальной и чувствительной информации может также усложнить процесс внедрения ИИ. Так, перед тем, как вендор начнет разрабатывать интеллектуальную систему, компания должна будет обезличить предоставленные ему данные.
● Сложный процесс внедрения
Создание ИИ-решений требует разметки данных и интерпретации информации, а для обучения модели может потребоваться специальное оборудование с большими вычислительными мощностями. Для достижения первых видимых результатов, как правило, требуется около года. Увеличить скорость реализации позволяет привлечение сторонней команды, специализирующейся на внедрении и развитии ИИ.
● Страх сокращения рабочих мест
На протяжении всей истории человечества новые открытия, так или иначе, приводили к отказу от привычных процессов и решений. Так, по прогнозам экспертов, к 2030 году передовые технологии помогут оптимизировать работу около 800 млн сотрудников в промышленном секторе по всему миру. Речь идет именно об упрощении простых процессов, в которых не требуются профессиональные навыки, поэтому время специалистов будет освобождаться для решения более важных задач. Таким образом, фокус будет все больше смещаться с рутинного ручного труда на ценность экспертизы сотрудников.
Сегодня искусственный интеллект имеет большие перспективы в промышленном секторе. Отечественные организации рассчитывают, что технология сможет на 5% увеличить рентабельность продукции компаний в области машиностроения, металлургии, химической и нефтехимической промышленности. Это будет достигнуто с помощью повышения гибкости бизнеса и снижения затрат на самых разных этапах производства: от экономии топлива при создании продукта до сокращения количества отходов, переработка которых требует финансовых вложений.
