Искусственный интеллект в промышленности 1

Экономические характеристики рынка искусственного интеллекта в российской промышленности

Рисунок 1. Компании, специализирующиеся на промышленном ИИ. Автор24 — интернет-биржа студенческих работ

В мире к промышленному интернету подключено более 2 миллиардов единиц оборудования. Применение искусственного интеллекта (ИИ) становится фактором новой промышленной революции. Россия активно включена в процесс глобальной производственной информатизации, хотя внедрение новых технологий, в том числе ИИ, проходит здесь с некоторыми особенностями. Тем не менее, по прогнозам к середине 2030-х гг. стоимость рынка ИИ в российской промышленности может достичь порядка 500 млн. долларов.

Наибольшее количество проектов (44%), связанных с ИИ, развивается в таких отраслях, как авиастроение, машиностроение, приборостроение (т.н. дискретные отрасли). На предприятиях этой сферы экономики ИИ способствует продлению срока эксплуатации оборудования, повышению его эффективности.

В отраслях, связанных с процессным производством (металлургия, химия и нефтехимия, добыча полезных ископаемых) внедряется 22% проектов, связанных с ИИ и еще 11% в электроэнергетике.

Наконец, около четверти российских проектов, связанных с ИИ, представляют собой стартапы, т.е. университетские, научные разработки, новаторские начинания малого и среднего бизнеса.

Традиционно слабым звеном российского реального сектора экономики остается, к сожалению, роботизация. В мире работает около 2 миллиардов промышленных роботов, и ИИ дает этому парку техники дополнительный потенциал. Например, японская компания FANUC строит завод с использованием компьютерных технологий NVIDIA - компании-производителя графических процессоров (GPU), которая в последнее время стремится переориентировать свои мощности на производство чипов для использования в системах ИИ и нейронных сетях. К сожалению, на российском рынке мы не видим не только инновационных решений подобного масштаба, но и готовности внедрять уже испытанные зарубежными компаниями более традиционные подходы.

Методики использования ИИ в промышленности

Существует несколько направлений оптимизации производства, где ИИ способен дать быстрый и ощутимый экономический эффект.

Оптимизация производства в рамках модели статистического управления процессами

Методика статистического управления процессами (SPC, Statistical Process Control) хорошо поддается алгоритмизации методами ИИ. SPC позволяет получать гарантированный результат производства с учетом влияющих друг на друга факторов стоимости и качества. Зарубежные предприятия используют такие методики с середины прошлого века. В нашей стране этот подход еще недостаточно популярен, хотя уже закреплен в ГОСТах и российских отраслевых стандартах.

SPC позволяет эффективно отслеживать отклонения от запланированного производственного процесса, и оптимизировать его в рамках существующих ограничений. Наиболее известный традиционный инструмент, реализующий SPC - карты Шухарта.

Рисунок 2. Пример карты Шухарта. Автор24 — интернет-биржа студенческих работ

Планово-предупредительный ремонт оборудования

ИИ может быть использован в рамках систем планово-предупредительного ремонта (ППР) оборудования, позволяющих продлить ресурс эксплуатации станков, машин, промышленных установок, механизмов путем профилактического устранения потенциальных поломок на протяжении всего жизненного цикла.

Так же, как и в предыдущем случае, здесь важен сбор статистических данных. Следует собрать и подготовить к обработке сведения об износе и режимах эксплуатации станков, машин, механизмов, зданий и сооружений. ИИ используется для построения компьютерной модели каждой единицы учета, а после ввода данных - для предсказания времени возможного отказа.

Методика решения таких задач предполагает расчёт коэффициента общей эффективности (OEE, Overall Equipment Efficiency). Как правило, для большинства отечественных предприятий он отражает высокий уровень потерь, что и служит резервом для оптимизации. Рост эффективности производства в результате внедрения сочетания ППР и ИИ может достигать десятков процентов, а затраты на ремонт могут быть уменьшены на треть.

Примеры успешного использования ИИ на российских предприятиях

На предприятиях процессных отраслей российской экономики, преобладающей в структуре российского ВВП, накоплен большой объем данных, позволяющий получить существенный экономический эффект от обработки их с помощью ИИ. Однако расширение сферы применения таких технологий сдерживается факторами сложности и новизны, традиционно препятствующими внедрению новшеств в российской промышленности. Тем не менее, есть немало положительных примеров, позволяющих смотреть в будущее с оптимизмом.

В 2017 г. компания «ОМК-ИТ» внедрила у себя технологию единой службы техподдержки. Она консультирует порядка 50 тыс. сотрудников ежедневно. Запросы поступают по разным каналам: по телефону, через Интернет. На корпоративном портале работают сервисы обратной связи. Цель разработки - повысить скорость отклика техподдержки. Это достигается оптимизацией маршрутов, по которым запрос попадает к профильным специалистам. Внедренная компьютерная система с использованием ИИ успешно справилась с задачей. Она анализирует тексты запросов, используя подобные обращения, поступавшие ранее. Таким образом происходит самообучение. Ошибочно классифицированными за квартал работы оказалось лишь 8% обращений в техподдержку. Компания планирует внедрить еще одну систему на основе ИИ - для сортировки металлургического сырья.

Другим примером применения ИИ в технологиях процессных отраслей может служить опыт компании НЛМК. Здесь ИИ используется для повышения эффективности плавильного и прокатного производств. Можно назвать также компанию «Русал», применяющую компьютерное моделирование в R&D-проектах, сокращая время разработки программного обеспечения.

Рисунок 3. Высокотехнологичное производство компании "Русал". Автор24 — интернет-биржа студенческих работ