В России разрабатываются и внедряются комплексные программы, направленные на стимулирование исследований и разработок в области ИИ, создание кадрового потенциала и формирование законодательной базы, которая будет способствовать интеграции искусственного интеллекта в ключевые отрасли экономики. Но не всегда это находит отражение в практическом применении в производстве. Один из факторов — низкий уровень осведомленности о возможностях ИИ-технологий.
Дмитрий Козлов, директор по продажам Embedika, рассказал, о текущем уровне внедрения решений на основе искусственного интеллекта в промышленной сфере, о практических случаях применения ИИ в разных направлениях работы и основных преимуществах внедрения. А также, о том как именно ИИ позволяет улучшать показатели промышленных предприятий и повышать их экономическую эффективность.
Ниже приводим текст оригинальной публикации.
Цифровая трансформация и внедрение искусственного интеллекта в современной промышленности становятся ключевыми факторами, определяющими успех предприятий на глобальном рынке. В условиях острой конкуренции и постоянно изменяющихся требований к производительности и устойчивости, промышленным организациям необходимы инновации, которые могут радикально повысить их операционную эффективность и адаптивность. Искусственный интеллект, в частности, предлагает широкий спектр возможностей для оптимизации производственных процессов, улучшения качества продукции и снижения издержек, позволяя предприятиям оставаться на передовой техологического прогресса.
Государство активно поддерживает развитие цифровых инноваций, а искусственный интеллект на общенациональном уровне рассматривается в контексте государственного суверенитета. Это подчеркивает стратегическое значение ИИ-технологий как инструмента укрепления национальной безопасности и экономической независимости.
ИИ-трансформация промышленности: цифры и проблемы
По последним данным, ИИ используют 25,8% предприятий обрабатывающей промышленности, в агропромышленном комплексе — 20,6%, в топливно-энергетическом — 40%. Планируют такие интеграции в будущем 33% промышленных предприятий России. Стимулируют отрасль не только возможности технологий. Так, в 2024 году компании, интегрировавшие ИИ-технологии, получат дополнительную господдержку, а в будущем их применение станет обязательным условием для получения 13 видов такой помощи средним и крупным бизнесом.
Однако эксперты отмечают, что даже предприятия, уже внедрившие ИИ, сталкиваются со сложностями в его использовании. В основном они связаны с непониманием руководителями бизнес-ценности и того, как сильно технологии могут изменить производственные процессы. Кроме того, сотрудники многих организаций недостаточно обучены новым процессам и продолжают работать как раньше. То есть реальной трансформации зачастую не происходит.
Задачи, которые ИИ может решать на промышленном предприятии
Внедрение ИИ позволяет автоматизировать монотонные и трудоемкие процессы, освобождая ресурсы для более сложных задач. Также важно улучшать управленческие решения и сводить потенциальные потери и риски к минимуму. То есть искусственный интеллект делает предприятия более умными и эффективными. Рассмотрим, какие направления он может улучшить и как именно.
Автоматизация складов и оптимизация логистики
Искусственный интеллект используется:
- для управления автономными по-грузчиками и дронами, которые выполняют погрузку и разгрузку товаров;
- для оптимизации складского пространства за счет анализа данных о раз-мерах, весе и частоте использования товаров для оптимального размещения на складе;
- для оптимизации логистических маршрутов: анализирует трафик, погодные условия и время доставки.
К концу 2023 года на российских предприятиях использовалось около 11 тысяч роботов. В мае 2024 пермская компания «Промобот» запустила производство промышленных роботов-манипуляторов. Их могут использовать металлургические, пищевые, фармакологические и другие предприятия для упаковки, сварки, сборки, подъема, перемещения деталей весом до 13 кг и других операций.
У Яндекса тоже появился свой робот: он работает на складе и заменяет сотрудников в поиске и перемещении товаров. ИИ-помощник поднимает до 35 кг и перевозит максимум 9 коробок за раз. Это значительно облегчает работу персонала, и они могут сосредоточиться на комплектации заказов.
Чтобы автоматизировать инвентаризацию, компания LOréal внедрила беспилотную систему на основе ИИ. Дрон с бортовой камерой отслеживает позиции на стеллажах, а компьютерное зрение помогает фиксировать штрих-коды, пустые места и другие необходимые параметры. Роботы ускоряют процесс и помогают поддерживать базу данных о товарах в актуальном состоянии каждые несколько часов.
Прогнозирование и принятие решений
Искусственный интеллект помогает промышленным предприятиям анализировать большие объемы данных для точного прогнозирования тенденций, оптимизации производственных процессов и снижения рисков, что улучшает принятие обоснованных решений здесь и сейчас. Для этого могут применяться сенсоры и loT устройства, аналитическое ПО, платформы для работы с большими данными и интеграции ИИ с ERP (системами управления предприятием).
Например, в Сибуре используют ИИ для анализа экономического эффекта действий операторов на производстве в реальном времени. Искусственный интеллект предлагает сотрудникам оптимальные стратегии поведения. Также компания применяет совокупность технологических и математических моделей для выявления наиболее эффективных способов эксплуатации оборудования. В компании отмечают, ИИ - хороший помощник человеку принятии верных решений. Благодаря способности быстро обрабатывать большие массивы данных, технологии предоставляют исчерпывающую информацию в разных ситуациях, дают релевантные рекомендации сотрудникам о том, как лучше действовать, чтобы реализовать проект, и при этом не нарушить нормы безопасности.
Умный мониторинг качества
Системы ИИ анализируют данные с сенсоров в реальном времени, быстро выявляя любые отклонения от принятых стандартов продукции предприятия. Это позволяет предотвращать дефекты на ранних стадиях производства. Кроме того, ИИ способен учиться, постоянно улучшая процессы контроля качества и предсказывая потенциальные проблемы, прежде чем они станут заметны сотрудникам. Все это также существенно снижает затраты на исправление ошибок и отходы, повышая общую эффективность компании.
Если говорить об интересных решениях на рынке, стоит упомянуть анализ качества углеродного волокна с помощью нейросетей на предприятии Росатома. При производстве в них могут появляться обрывы, ворс, узлы или отклонения от размеров более чем на 2 мм. Такое волокно нельзя использовать для углеродной ткани, а человеческому глазу физически очень сложно следить за этим. Команда NordClan автоматизировала процесс с помощью машинного зрения: теперь оперативно выявляют не менее 97% дефектов, а система сразу оповещает сотрудников.
В «КамА3» подобную систему используют для обнаружения дефектов сборки кронштейнов. Нейросеть захватывает видео из цеха, распознает деталь по внешнему виду и фиксирует правильность сборки. Так ИИ заменил традиционный осмотр готовых изделий сотрудниками, позволяя сократить объем брака и время, затрачиваемое персоналом на выполнение этих задач.
Контроль безопасности
Искусственный интеллект выполняет моментальный мониторинг процессов через сенсоры и камеры, предсказывая риски несчастных случаев и автоматически реагируя на угрозы, такие как остановка машин или активация сигналов тревоги. Также ИИ можно использовать в обучении сотрудников через VR-инструменты. Это повышает безопасность и предотвращает аварии, делая производство эффективнее и защищеннее.
В институте искусственного интеллекта Университета Иннополис с помощью робота персонал убрали с травмоопасного участка производстве, на котором происходили инциденты.
Решения Сбера для геологических исследований позволяет создать умную скважину. Благодаря ИИ информация с камер анализируется автоматически и сокращает выезды специалистов по безопасности на объекты в 7 раз.
На Быстринском горно-обогатительном комбинате в Забайкальском крае автоматизированная система на основе ИИ контролирует наличие спецодежды, масок, защитных касок и очков на сотрудниках. Наблюдение ведется круглосуточно через камеры во всех рабочих зонах. Система фиксирует нарушения и отправляет информацию в карточку сотрудника.
Управление ресурсами
ИИ использует алгоритмы машинного обучения для анализа данных о потреблении материалов, энергии и времени, автоматически адаптируя производственные процессы для минимизации отходов и затрат. Системы вроде ERP интегрируют сведения с разных участков производства и снабжают ИИ необходимой информацией для принятия решений.
«Северсталь» с помощью ИИ управляет темпом прокатки и выдачи слябов, толстых прямоугольных стальных заготовок для производства. Предприятие использует технологию машинного обучения, которая помогает производить на 24 000 тонны металлопроката больше.
Автоматизация процессов
Промышленные предприятия могут внедрять системы на основе ИИ, которые управляют проектированием, планированием и работой с документами. Так, компания Embedika оптимизировала систему управления нормативной документацией для «Газпром Нефти». Был создан единый информационный портал «Цифровые нормативно-методические документы», который обеспечивает их централизованное хранение, умный поиск, аналитику и возможность создавать пакеты документов. Система позволила сократить сроки на принятие управленческих решений и снизила из-держки на поиск информации на 52%.
Использовать ИИ можно и в инженерных процессах. Например, в системах управления инженерными данными (СУИД) для формирования цифровой информационной модели актива (ЦИМ), используемой для принятия решений на всех стадиях жизненного цикла строительного объекта. ИИ помогает систематизировать информацию по каждой единице оборудования классифицировать входящую документацию от различных поставщиков. Это позволяет в любой момент времени быстро и качественно решать такие задачи, как внесение изменений в проектную документацию, что позволяет быстрее проходить экспертизу; находить полные и актуальные пакеты документов для проведения технического обслуживания и ремонтов оборудования, а также привязывать всю документацию к ВІМ модели (при наличии).
Повышение эффективности работы с инженерными данными
Это происходит за счет анализа и интерпретации больших объемов данных с помощью ИИ. Он может автоматически распознавать содержимое документов, что помогает в разы сократить время на поиск нужной информации, улучшить производственные процессы и повысить качество работы проектных отделов.
Выполнение большинства перечисленных задач возможно благодаря использованию технологий машинного обучения, что позволяет инженерам быстрее ориентироваться в большом объеме данных, предсказывать возможные проблемы и автоматизировать рутинные аналитические задачи, значительно ускоряя процесс принятия технических решений.
Будущее ИИ в промышленности: тренды и барьеры
Искусственный интеллект в промыш-ленности развивается в нескольких ключевых направлениях.
- Более эффективное управление данными и документацией. Чтобы обучать алгоритмы, необходимо создание централизованных систем хранения и обработки информации. ИИ позволяет автоматизировать работу с внутренними документами, сокращая затраты и высвобождая время специалистов на более приоритетные задачи.
- Внедрение больших языковых моделей. В частности, это использование чат-ботов для улучшения внутренних процессов обучения и онбординга.
- ИИ также ведет промышленность по пути сокращения ручного труда. Физическая работа при интеграции технологий становится все менее востребованной.
- Это дает экономические преимущества предприятиям и делает работу на заводах более безопасной для людей. Активно развиваются технологии компьютерного зрения. Они повышают производительность организаций до 50% и доходы от их деятельности.
Хотя ИИ-технологии быстро развиваются и необходимы промышленному сектору по разным причинам, предприятия могут столкнуться с определенными трудностями.
Одна из главных проблем — это не-хватка данных. Алгоритмы искусственно-го интеллекта требуют большого объема данных для обучения, которые компании могут не собирать или не оцифровывать. К тому же, управление конфиденциальной и чувствительной информацией может значительно усложнить интеграцию ИИ. В частности, при работе с внешними экспертами компаниям приходится анонимизировать все данные, чтобы обеспечить их безопасность.
С другой стороны, промышленные сферы очень разнообразны, а каждое предприятие обладает уникальными особенностями в процессах. Поэтому разработать универсальные ИИ-решения невозможно. Создание под конкретный случай и запрос требует и финансовых ресурсов, и временных, и специфических знаний. Первые стабильные результаты становятся заметны в течение года. Поэтому предприятиям стоит обратить внимание на внешние решения и экспертизу.
Третье ограничение — сопротивление среди коллектива из-за страха потери рабочих мест. К 2030 году передовые технологии могут оптимизировать работу около 800 млн сотрудников в промышленном секторе по всему миру. Поэтому требуется работа над изменением процессов и предоставлением сотрудникам возможности повышения квалификации для более эффективной и требуемой предприятию деятельности в новых условиях.
Заключение
Согласно исследованию MCKinsey, рентабельность компаний, использующих ИИ, увеличивается в среднем на 5%. Искусственный интеллект становится неотъемлемым элементом современ-ного промышленного кластера, внося значительные изменения в производственные процессы. Он не только повышает эффективность и безопасность на производствах, но и открывает новые возможности для инноваций и развития продуктов. Однако для полноценного внедрения ИИ компаниям необходимо преодолеть ряд вызовов, включая обеспечение достаточного объема данных и защиту конфиденциальной информа-ции. Успешная интеграция ИИ обещает промышленным предприятиям сущест-венное улучшение производительности и конкурентоспособности на глобаль-ном рынке, что отражает и национальные цели.
