Page ID: 84651
Is Industry:
Is Category:
Query IDs: 91961
Field 1:
Field 2:
Field 3:

28-30 сентября 2022 года в Кемерово пройдет 10 международный форум "Россия - спортивная держава"

Следить
Аналитика

Пять сценариев для ИИ в промышленности

Фото: Газпром нефть

Современная промышленность использует искусственный интеллект для поддержки принятия решений, интеллектуального анализа данных, применяет роботов, видеоаналитику. Такие технологии уже используют в «Газпром нефти», «КамАЗе», ММК, Росатоме и на других крупных предприятиях. Эксперты говорят о том, что вскоре сценариев для использования ИИ в индустриальном секторе станет больше.

По оценкам Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ, технологии искусственного интеллекта на конец 2020 года применяли лишь 5,4% российских организаций. Из тех компаний, что внедрили ИИ, 70% использует технологии интеллектуального анализа данных и обработки естественного языка, в том числе виртуальные помощники и чат-боты.

Чаще всего (35,7%) технологии ИИ используют крупные предприятия (с численностью от 10 тыс. человек) и средний бизнес (21,8%; от 5 до 10 тыс. сотрудников). Меньше всего искусственный интеллект применяет малый бизнес (5%).

«Сегодня искусственный интеллект – не футурология, а вполне прикладные решения, с которыми мы сталкиваемся ежедневно. При этом про внедрение ИИ в промышленности в публичном поле говорится не так часто и не так много. Однако Минпромторг и Минцифры ведут ряд мероприятий в рамках федерального проекта, ведомственных программ цифровой трансформации и стратегии цифровой трансформации отрасли промышленности. Также ИИ очень активно внедряется крупными отраслевыми организациями, в том числе на региональном уровне, где формируются центры компетенций».

Алексей Сидорюк, директор по направлению «Цифровая трансформация отраслей» организации «Цифровая экономика»

Как же искусственный интеллект используют индустриальные предприятия?

Газпром нефть

Искусственный интеллект помогает в разработке месторождений

Отрасль нефтедобычи, как правило, консервативна. Но в последнее время предприятия внедряют новые технологии. Например, «Газпром нефть» использует ИИ для оптимизации предварительной обработки данных при разработке месторождений. Обычно на это уходит до 70% от общего срока предварительных исследований территории.

Перед началом добычи на конкретной территории тщательно изучаются перспективность и рентабельность месторождения. И уходит на это от года до двух лет. Но и в таком случае вероятность успеха не превышает 60%.

Исправить ситуацию позволит проект «Когнитивный геолог». Он предполагает создание самообучающейся модели геологического объекта. После математической обработки исходных данных она будет оценивать перспективы месторождения. В случае необходимости модель порекомендует провести дополнительные изыскания. В процессе ИИ извлекает на треть больше полезных данных.

Нефтяники подсчитали: искусственный интеллект дает ответ о перспективности месторождения за два месяца вместо 12 лет. 

Сейчас специалисты «Газпром нефти» для «Когнитивного геолога» создают интеллектуальное озеро данных. В нем агрегатируется и каталогизирует информация из разных регионов по разведке месторождений. Поэтому процесс разработки месторождений с помощью ИИ становится более эффективным.

«Основным принципом внедрения ИИ в нашей компании стало повышение эффективности производства, мы намерены сделать компанию более «зеленой» и повысить безопасность труда. «Газпром нефть» работает над внедрением ИИ уже несколько лет – почти три года в активном режиме. Компания создает цифровые решения по всей цепочке добавленной стоимости. В первую очередь ИИ решает задачи, связанные с разведкой месторождений, оптимизацией работы перерабатывающей части. Компания также применяет искусственный интеллект на части сбытовой цепочки, ведь у нас – широкая сеть заправок».

Анджей Аршавский, руководитель центра разработки и монетизации данных компании «Газпром нефть»

Искусственный интеллект предотвращает простой оборудования

Искусственный интеллект используется и в процессе добычи полезных ископаемых карьерным способом. Так, компьютерное зрение позволяет предотвратить поломку техники. Если при извлечении руды или угля экскаваторами отломятся зубья ковша и они попадут в дробилку, то это может привести к ее поломке. По словам управляющего директора группы компаний «Цифра» Павла Растопшина, подобные инциденты происходят несколько раз в год. Один простой дробилки в час оценивается в $10 тыс. Специальный программно-аппаратный комплекс, разрабатываемый «Цифрой», распознает момент откола, что позволяет оперативно принять меры и предотвратить поломку дробилки.

Представители компании Ctrl2GO Solutions приводят конкретные усредненные данные эффективности работы собственной системы мониторинга и предиктивного анализа состояния промышленного оборудования SmartDiagnostics. Решение, применяемое предприятиями нефтегазовой и горнодобывающей отраслей, энергетики, транспорта и машиностроения, металлургии, позволяет снизить:

  • удельный расход энергии – на 4,4%;
  • время простоев – на 12%;
  • затраты на ремонт – на 30%.

Как следует из материалов «Цифробанка», система мониторинга промышленного оборудования «Диспетчер» компании «Цифра» позволяет повысить продолжительность полезной работы по станкам с ЧПУ на 20–30%. При этом отмечается рост производительности труда до 70%.

Подробности и другие кейсы – в «Цифробанке».

Искусственный интеллект обеспечивает безопасность персонала

Помогают технологии искусственного интеллекта и предприятиям атомной промышленности. Одна из задач ИИ – проверить соблюдение техники безопасности сотрудниками. Такой проект на базе видеоаналитики и компьютерного зрения реализован на Кольской АЭС.

Система из 40 промышленных телевизионных камер высокого разрешения в первую очередь наблюдает за помещениями комплектных распределительных устройств. Здесь сотрудники станции обслуживают высоковольтное оборудование. Машинное зрение определяет, насколько правильно сотрудники используют каски с опущенным защитным щитком и застегнутым подбородным ремнем, выполняют ли работу в необходимых защитных перчатках, спецодежде и спецобуви.

Изображения с видеокамер анализируются системой искусственного интеллекта. Если сотрудник допустит нарушение техники безопасности, то система тотчас оповестит диспетчеров и начальника смены, а тот по линии связи получит распоряжение вплоть до приостановки работы.

Следующим шагом станет подключение к системе машинного зрения дополнительных камер в других помещениях, расширение ее функционала например, в оповещении о начальных признаках возгорания и задымления.

Подобные решения идентифицируют нарушения с точностью в 95%, отмечают в компании VizorLabs. Так, система видеоаналитики VizorLabs состоит из технологий компьютерного зрения и ИИ. Она анализирует видеопоток с камер наблюдения в режиме реального времени. При этом эффективность контроля правильности ношения средств индивидуальной защиты вырастает до 10 раз, следует из материалов «Цифробанка».

Подробности и другие кейсы – в «Цифробанке».

Искусственный интеллект проверяет качество процессов

Кроме проверки качества работы сотрудников и исполнения ими техники безопасности, ИИ способен проверять и качество производственных процессов. В этом убедились специалисты «КамАЗа». На заводе двигателей внедряется проект по фиксации дефектов сборки кронштейнов *124/*125 на линии стыковки при поддержке нейросети. Новый подход заменит традиционный процесс осмотра деталей сотрудниками.

Нейросеть обрабатывает видео с камер, распознает деталь по внешнему виду и фиксирует правильность сборки. Дефекты стыковки распознаются на ранней стадии возникновения. В «КамАЗе» не исключают скорого масштабирования проекта посредством его внедрения и на других участках сборки и стыковки. Однако это не единственный ИИ-проект предприятия.

«Мы сейчас находимся в стадии завершения нескольких проектов, связанных с ИИ. Один из них связан с покраской деталей. «КамАЗ» внедрил на базе компьютерного зрения решение, которое позволило отслеживать, когда, сколько, в каком месте, какого качества прошло деталей».

Евгений Чухонцев, руководитель направления «Внутренние инновации» компании «КамАЗ»

Кроме того, «КамАЗ» внедрил систему качества грунта на окрасочной линии. Она позволяет детектировать тип изделия, подсчитать количество уникальных изделий на оснастке и выявить дефекты грунта перед операциями окраски. Входные данные – это видеопоток с камер видеонаблюдения. Сокращение брака лакокрасочных покрытий составляет 30%.

Машинное обучение для контроля погрузки горной породы в думпкары и самосвалы задействовала компания Redmadrobot. Ее решение использует данные видеопотока от стационарного видеооборудования и историческую информацию заказчиков. Как следует из материалов «Цифробанка», предприятия при помощи решения сокращают общие затраты на железнодорожную логистику на 20%, а максимальное сокращение простоев электровозов при аварии снижается до 15 часов в год.

Подробности и другие кейсы – в «Цифробанке».

ИИ расширит присутствие в промышленности

По мнению старшего управляющего директора – начальника управления национального развития AI ПАО «Сбер» Владимира Авербаха, трендами по использованию ИИ в промышленности в ближайшем времени останутся автоматизация заводов, контроль качества, контроль безопасности, планирование производства и предиктивный ремонт.

«Однако в ближайшие пять лет планируется расширять искусственный интеллект на направления, которые пока поддаются только человеку: разработка и дизайн продукта, маркетинговые активности, кастомизация клиентского опыта, управление оборудованием, контроль качества».

Владимир Авербах, начальник управления национального развития AI ПАО «Сбер»

Но для полномасштабного внедрения ИИ в российскую промышленность есть несколько барьеров. По словам Павла Растопшина, ключевая проблема – дефицит кадров. «Именно в кадрах, которые сейчас управляют процессами. Имеются в виду люди с большим опытом, большие специалисты, которым тяжело объяснить, что ИИ будет помогать специалистам, но не замещать», – отметил эксперт.

Также Павел Растопшин считает, что еще одно препятствие для развития ИИ в российской промышленности – разнообразность схожих технологических процессов из-за использования различного оборудования. В итоге для каждого ИИ-проекта в промышленности приходится внедрять разные решения для идентичных процессов. Решить проблему могут платформенные решения, которые сейчас учитывают эти факторы, а значит делают внедрение ИИ быстрым. 

Искусственный интеллект оценит качество продукции

ИИ внедряется и для проверки и повышения качества продукции металлургическими предприятиями. Например, в кислородно-конвертерном цехе предприятия разработан комплекс цифровых решений, которые используются на агрегатах внепечной обработки и непрерывной разливки стали. Тестирование технологий подтвердило их эффективность.

На агрегате печь-ковш установлен программно-аппаратный комплекс для контроля продувки металла аргоном. Элементы комплекса – роботизированный манипулятор, камеры в защитном кожухе для сбора потоковых видеоданных при высоких температурах, ансамбль математических моделей на основе нейронных сетей.

В режиме реального времени комплекс ведет съемку и анализ видео, оценивает и выдает рекомендации для сталевара. Такое всестороннее наблюдение за производственным процессом позволяет повышать качество продукции.