Еще недавно основной тенденцией в развитии промышленного производства было применение систем автоматизации. Крупные предприятия внедряли (и в общем продолжают внедрять) решения, базирующиеся на мощных средствах вычислительной техники. Эти решения контролируют весь производственный цикл, а тесная интеграция производственных и вычислительных систем обеспечивает гибкость технологических процессов и возможность оперативной смены типов выпускаемой продукции. Но развитие систем искусственного интеллекта теперь предоставляет возможность создания систем автоматизации совершенно нового уровня.

Как и все сегменты рынка AI развиваются системы искусственного интеллекта в промышленности стремительным образом. Аналитики из Meticulous Market Research предрекают этого сектора рост в 39% в ближайшие 8 лет и обещают, что к 2027 году объем рынка промышленных ИИ-решений составит 27 млрд долларов США.

При том, что лидерами в использовании этих продуктов являются предприятия США, за ними идет промышленность Юго-Восточной Азии. Что логично, так как подавляющее количество производств расположены в Китае. Однако по оценкам Gartner только 6% промышленных организаций в мире используют искусственный интеллект.

Оценки этого рынка в России тоже говорят о том, что рынок пока невелик. Аналитическое исследование Technavio прогнозирует объем в 500 млн долларов США к середине 2030-х годов. Согласитесь, что это не очень много.

Где же сейчас идут проекты по внедрению AI в промышленности в России? В первую очередь, это предприятия дискретного производства – авиастроение, машиностроение и приборостроение. Затем идут металлургия, химия и нефтехимия и добыча полезных ископаемых. На последнем, заметном, месте – электроэнергетика.

Есть несколько функциональных областей работы производств, где в данный момент применяется искусственный интеллект. На уровне проектирования ИИ может использоваться для повышения эффективности разработки новых продуктов, автоматизации выбора и оценки поставщиков, анализа требований к запчастям и деталям.

На уровне самого производства AI нужен для совершенствования бизнес-процессов и координации различных подсистем. Это могут быть кейсы по минимизации количества ошибок сотрудников, уменьшению времени простоев, анализу перемещения сотрудников и оборудования для повышения безопасности на предприятии, контроля качества и анализа состояния оборудования.

Следующий блок – логистика, где искусственный интеллект помогает совершенствовать планирование маршрутов транспортировки, уменьшать сроки доставки сырья, отслеживать отправления и доставку на всех этапах.

И последний – понятный блок продвижения продукции, наверно, наименее специфичный для конкретной отрасли - прогнозирование объемов услуг поддержки и обслуживания, оптимизация ценообразования и анализ удовлетворенности клиентов качеством продукции.

Несмотря на то, что при создании ИИ-моделей необходимо учитывать специфику предприятий, которые, даже работая с одним и тем же металлом, порой сильно отличаются друг от друга, существует один базовый фактор – искусственный интеллект помогает там, где прямой алгоритмический расчет невозможен или затруднен, где много переменных факторов и неизвестных, где инженер оценивает необходимые действия на основе собственного экспертного опыта.

Количество игроков рынка, которые разрабатывают сложные AI-системы, значительно меньше, чем тех, кто работает, к примеру, с ритейлом. На этом рынке есть международные технологические компании - Alphabet, Oracle, SAP, Cisco Systems, Rockwell Automation, AMD, NVIDIA, Intel, IBM, Microsoft, AWS, - а также производственные предприятия, которые на основе своего опыта начинают предлагать используемые ими же решения. Среди таких предприятий - GE, Siemens, Mitsubishi Electric. Robert Bosch.

Конечно, на каждом российском рынке существуют и нишевые игроки с экспертизой в области промышленности – такие как AIBrain в Китае, Ubtech Robotics и Darktrace в Штатах, «Цифра» и MechanicaAI в России. Тем не менее, такие компании можно пересчитать по пальцам.

Вероятно, сложный процесс производства обуславливает и отсутствие пока большого количества успешных кейсов применения AI в российской промышленности. Несмотря на то, что мы слышим, про то, что подобные проекты идут – в Северстали, Камазе, Русале, не так много деталей появляется в открытых источниках, чтобы судить об их масштабе и эффективности.

Тем не менее, в обобщенном виде уже доступны итоге применения ИИ-решений в области охраны труда – видеоаналитика, составление тепловых карт, анализ наличия комплектов средств индивидуальной защиты на сотрудниках, контроль опасных зон –такого рода инициативы могут снизить уровень травматизма на предприятии на 50%.

Однако большая часть успешных кейсов связаны со специфическими задачами производственных компаний. Например, очевидно, что предсказание дефектов проката на ранних этапах производственного цикла позволяет сократить издержки и увеличить объем готовой продукции без брака. Отсюда вытекает задача для ИИ-системы: выявить материалы и детали с наибольшей долей дефектной массы на ранних стадиях производства и таким образом повысить производительность прокатного стана.

Или же кейс про сквозную оптимизацию маржинальности процесса: искусственный интеллект должен быть просчитать, как можно уменьшить время плавки и расхода ферросплава и количества этапов добавления ферросплавов. За счет этого оптимизировались заказы и предсказывалась будущее обслуживание заказчиков, а результатом внедрения в цифрах стало уменьшение времени выплавки на 4-6% и экономия 10 млн долларов в год.

Российские предприятия, которые не стесняются говорить о своих AI-проектах, говорят о том, что они используют ИИ для закупки сырья, оптимизации производственного процесса и уменьшения брака (как НЛМК).

Любопытный кейс недавно пришел от «Кировского завода». Для того, чтобы уменьшить простои оборудования, предприятие использовало чатбот, который фиксировал сбой и присылал уведомление оператору. Оператор должен был выбрать причину сбоя, а если он некоторое время не отвечал, но уведомление приходило мастеру, затем менеджеру и могло дойти до генерального директора. За счет такого нехитрого, казалось бы, инструмента, завод уменьшил простои оборудования с 24 часов в неделю до 1.

Еще один кейс – от ОМК, которые с помощью технологии машинного зрения определяют сортность и засор покупного лома для производства стали.

Однако еще раз повторюсь, что сложных историй с применением искусственного интеллекта мало и об эффективности использования AI в промышленности мы сможем судить только через несколько лет.

Источник: TAdviser