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».
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 1–2 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».
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:
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%.
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».
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».
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.
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».
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.
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.
