Российские аналитики предрекают искусственному интеллекту большое будущее в промышленном секторе
Согласно мнению специалистов, 65% опрошенных используют искусственный интеллект в тестовом режиме. В половине таких случаев речь идет о различных типах промышленного программного обеспечения, включая системы автоматизированного проектирования, управления процессами и другие.
Государство активно поддерживает развитие технологий искусственного интеллекта. Вице-премьер Дмитрий Чернышенко заявил, что к 2024 году компании, внедрившие технологии искусственного интеллекта на своих площадках, могут рассчитывать на дополнительные меры государственной поддержки.
К 2030 году стоит задача достичь технологической независимости от других государств и стать лидерами по внедрению ИИ-технологий в экономику страны. Выделяются три основных направления: создание механизмов для воспроизводства новейших технологий, обеспечение экономического роста через внедрение инноваций и обновление устаревшего и установка нового технологического оборудования.
«Промышленники, как люди ответственные, не хотят вкладываться в пустышки, а намерены брать технологии, где видят понятный эффект и понятные деньги», — руководитель программы сквозных цифровых технологий «Росатома»
Александр Головицин.
Производственные предприятия генерируют большие объемы данных, обработка которых человеком затруднительна. Благодаря использованию искусственного интеллекта становится возможным обрабатывать эти данные в реальном времени. Искусственный интеллект включает в себя большой спектр технологий: нейросети, компьютерное зрение, анализ данных, интернет вещей. Технологии можно условно классифицировать по выполняемым функциям:
- восприятие;
- прогнозирование;
- предписание.
Восприятие. Технологии искусственного интеллекта используют для распознавания зрительных образов, проведения мониторингов, анализа и обработки изображений. Это технологическая основа для контроля качества продукции, сбора данных о состоянии оборудования, технологических процессов и соблюдения регламентов и требований безопасности.
Прогнозирование. Технологии искусственного интеллекта лежат в основе составления прогнозных моделей, предсказывающих выходы оборудования из строя, анализ различных сценариев развития событий. Цифровые двойники используются для повышения эффективности и точности прогнозирования.
Предписание. Искусственный интеллект с возможностями предсказательной аналитики способствует предотвращению критических рисков производителями, определяет источники проблем и оптимальные методы их решения, а также автоматизирует управление производственными процессами и оборудованием.
Современные промышленные предприятия внедряют разнообразные решения, основанные на ИИ.
Их можно условно разделить на несколько направлений.
1. Управление логистикой и цепочками поставок.
Решения, основанные на ИИ, используются для координации перемещения товаров, построения оптимальных маршрутов, улучшения управления складскими помещениями и транспортными средствами. ИИ-технологии помогают оптимизировать дистанцию и траекторию путей доставки, лучше координировать время доставки, уменьшая его вместе с издержками на топливо.
Автоматизированные системы управления складами, транспортом, закупками, персоналом, RFID-метки (для маркировки транспортных средств, складской техники, продукции, чтобы «оцифровать» товародвижения), маршрутизация грузовых потоков — все это используется в качестве источников данных.
Эксперты утверждают, что планирование на складах с помощью ИИ, когда учитываются исторические данные, сезонность и другие факторы, снижает расходы на 10%, а объем запасов — на 35%. При этом машинный анализ и рекомендации по количеству комплектующих, которое необходимо держать в наличии, увеличивают производительность на 5%.
2. Прогнозирование и принятие решений.
Использование искусственного интеллекта в планировании производства позволяет оптимизировать процессы, эффективно распределять ресурсы, обеспечивать стабильную работу производственных подразделений и своевременный выпуск продукции. В отличие от ручного планирования ИИ обрабатывает большие объемы данных, делает быстрые и точные расчеты, способен определить наилучшие варианты организации производственного процесса, минимизирует простои. Прогнозирование позволяет оперативно принимать взвешенные решения.
Система предиктивной аналитики «АтомМайнд» предназначена для прогнозирования качества изделий и состояния оборудования на промышленных предприятиях. Сегодня она успешно действует уже на четырех предприятиях «Росатома». Технологически «АтомМайнд» представляет собой low-code платформу с единым интерфейсом и набором интеграционных инструментов, позволяющих встраивать систему в ИТ-ландшафт предприятия и обеспечивать быструю разработку сервисов и приложений. Здесь используется широкий спектр инструментов предиктивной аналитики: современный стек библиотек машинного обучения, встраиваемые предиктивные и рекомендательные модели, большие данные.
Одним из эффектов внедрения системы стал переход от внеплановых ремонтов к предиктивному обслуживанию оборудования. Благодаря непрерывному мониторингу «АтомМайнд» прогнозирует и помогает предотвращать отказы оборудования, определяя зарождающиеся аномалии еще до того, как они повлияют на ход производства. В свою очередь, качество продукции помогают контролировать предиктивные модели, которые на каждом из этапов технологического процесса предупреждают технологов о качестве материалов на входе, рекомендуя оптимальные параметры производства.
3. Качество и контроль.
Компьютерное зрение позволяет точно определить отклонения от нормы. Эти процессы сложно реализовать с помощью традиционных методов контроля качества. Технологии машинного зрения позволяют компьютерам обрабатывать изображения не просто как массив данных, но и интерпретировать их подобно тому, как это делает человек. Этот подход набирает популярность в промышленности, поскольку он помогает автоматизировать и улучшать процессы, требующие визуального контроля.
При конвейерной работе важно быстро и точно обнаруживать визуальные дефекты для контроля качества продукции. Необходимо определить местоположения и классификацию дефектов с использованием определенных алгоритмов. Одной из ключевых методик в этом случае является глубокое обучение. Для обучения «глубоких» сетей требуется большое количество правильно сформированных обучающих выборок высокого качества, которые должны быть полными и непротиворечивыми. Это позволяет реализовать воспроизводимый процесс, который на основе общих представлений о качестве продукции генерирует стабильные результаты, пригодные для принятия решений о наличии дефектов.
Системы машинного зрения, применяемые в производстве, помогают контролировать качество выпускаемой продукции, что приближает к идеальному результату без дефектов. Эти системы в сочетании с инфракрасными датчиками также позволяют мониторить состояние оборудования, своевременно обнаруживая аномальные перегревы на его узлах и агрегатах.
Благодаря компьютерному зрению возможно оперативное реагирование и даже принятие превентивных мер для предотвращения выхода оборудования из строя. Экономическая выгода от этого проявляется не только в экономии на запасных частях, инструментах и принадлежностях, но и в минимизации времени простоя в процессе производства.
4. Безопасность.
Промышленное производство и эксплуатация содержат огромное количество переменных, поэтому становится необходимо создавать интеллектуальные системы, которые способны предотвращать сбои и аварии с учетом различных факторов и на основе нечетких параметров. Автоматизированные системы мониторинга оборудования помогают своевременно реагировать на возникающие проблемы. Цифровые двойники, виртуальные модели реальных систем, также используются для разработки наиболее эффективных сценариев реагирования на возможные инциденты.
Цифровой двойник — это комплексная динамическая модель, которая в реальном времени и с высокой точностью воспроизводит состояние и параметры работы оборудования и технологического процесса при существующих условиях. Для создания цифровых двойников объединяются такие технологии, как системное моделирование на основе физических процессов и машинное обучение.
Решения на базе искусственного интеллекта, интегрированные с интернетом вещей, способны автоматически определять нарушения правил безопасности на производстве, контролировать соблюдение технологических процессов и наличие средств индивидуальной защиты у работников. Это позволяет прогнозировать, точно выявлять, документировать и оперативно устранять потенциальные угрозы. Повышению уровня безопасности на производстве способствуют современные носимые устройства с датчиками, отслеживающими состояние здоровья человека и условия окружающей среды.
Такой подход формирует новую концепцию охраны труда. Речь идет уже не о конкретных средствах, оборудовании и правилах безопасного поведения, а о создании в целом безопасных рабочих пространств.
В будущем машинное зрение может эффективно использоваться для обеспечения безопасности персонала. К примеру, оно может автоматически отключать станок, если сотрудник пересекает защитный барьер без разрешения, тем самым предотвращая возможное получение им травмы или даже его гибель. Это предоставит возможность провести дополнительный инструктаж сотруднику о потенциальной опасности в зоне производства и важности соблюдения правил поведения на промышленной площадке.
Система видеонаблюдения с нейросетевой аналитикой сможет оперативно среагировать на потенциально опасные ситуации. Если нейросеть настроена на определение посторонних предметов в запретных зонах, обнаружение дыма или огня на территории, разлив или просыпь химических веществ, то система видеонаблюдения сможет обнаружить опасности. Соответственно, увеличивается уровень ответственности у сотрудников, создаются новые меры безопасности и проводится дополнительная работа с персоналом.
5. Управление ресурсами.
Модели машинного обучения способны прогнозировать износ оборудования, благодаря чему оптимизируются затраты на амортизацию и ликвидируются простои производства. Они также используются для оценки спроса и наличия ресурсов, что приводит к минимизации издержек и снижению риска нехватки или переизбытка продукции.
Модели прогнозирования активно применяют в сфере технического обслуживания оборудования. Точная информация об износе агрегатов, прогноз остаточного ресурса позволяет сформировать рекомендации по обслуживанию и ремонту, спланировать своевременные закупки и поставки запасных частей.
Переход к обслуживанию оборудования на основе его текущего состояния способствует увеличению срока его службы и интервала между ремонтами. Такой подход позволяет оперативно выявлять неполадки благодаря использованию данных, получаемых в реальном времени. Это дает возможность заранее определить приближающуюся неисправность и предпринять превентивные меры по ее устранению.
Как меняется специфика работы в промышленности
Изменения в промышленной сфере происходят очень быстро, поэтому важно следить за тенденциями и внедрять новые технологии в производство. Одна из главных задач — это обучение сотрудников новым навыкам, которые позволят им эффективно работать на современном оборудовании. Рынок труда в промышленности крайне нестабилен. Катастрофически не хватает высококвалифицированных специалистов, которые могут работать с новым оборудованием, именно поэтому большинство предприятий взяли активный курс на роботизацию и цифровизацию производства.
В связи с этим работа на промышленных предприятиях перестает быть связанной только с физической силой. Производственным рабочим требуется постоянное повышение квалификации (upskilling), чтобы получать новые навыки для выполнения своих текущих задач. Для большого числа производственного персонала потребуется дополнительная переподготовка (reskilling) — приобретение новых компетенций, чтобы выполнять совершенно новые роли.
«Предприятия становятся цифровыми, и профессии все больше требуют ИТ-компетенций. Например, вчерашний токарь превращается в программиста станков с ЧПУ, а экономист или HR — в датасайнтиста и специалиста по автоматизации бизнес-процессов», — отмечает заместитель генерального директора по управлению персоналом ТМК Елена Позолотина, которая также возглавляет Корпоративный университет ТМК2U.
Долгое время рабочие на производстве выполняли повторяющиеся операции, связанные с физическим трудом: задачи были предсказуемыми. Сейчас требуются специалисты с ИТ-навыками. Необходимо не просто управлять современным оборудованием, но и программировать его на выполнение определенных операций, поэтому независимо от возраста и уровня образования сотрудникам необходимо будет приобретать цифровые компетенции. В зависимости от используемых инструментов можно условно выделить три основных направления развития цифровых компетенций:
- работа с оборудованием, требующим ИТ-навыков;
- работа в области управления данными и принятием решений;
- работа по визуализации данных.
Форматы производства будущего
Промышленные предприятия значительно меняют и свой облик. Если раньше промышленное предприятие располагалось на большой территории с огромной инфраструктурой, то сейчас можно организовать совершенно другие форматы производств: полностью автоматизированные и роботизированные с минимальным уровнем воздействия на окружающую среду. Конечно же, появление таких форматов определяет новые кадровые потребности.
Удаленное производство
Все чаще появляются предприятия с полным удаленным управлением, в котором задействованы всего несколько человек, а основная работа происходит автономно. Диагностика оборудования проводится также удаленно: для выполнения подобных работ требуются компетенции в области механики и вибродиагностики, машинного обучения, data science и понимание технологических процессов.
В «Сибуре» работает центр мониторинга и диагностики, который расположен в Москве, а его специалисты следят за 120 производственными установками на семи ключевых предприятиях группы — контролируют состояние оборудования, выявляют дефекты на ранней стадии развития, отслеживают динамику нефтехимических процессов.
«Завод будущего» на Дальнем Востоке — Амурский газохимический комплекс предполагает удаленное управление из Тюменской области. Потребность в сотрудниках будет гораздо меньше, чем на заводе, запущенном несколько лет назад на другой площадке.
T-shaping: специалисты нового времени
Сотрудники производства будут обладать большим перечнем профессиональных компетенций. Они будут владеть глубокими знаниями по своей специализации, но постоянно осваивать смежные направления работы. Со временем процесс приобретения новых компетенций будет только ускоряться.
T-shaping специалисты умеют сотрудничать и стремятся к взаимодействию. В профессиональной среде опыт и навыки — это важные составляющие эффективности сотрудника. Экспертность в смежных областях делает специалиста более универсальным и полезным организации. Важная черта таких специалистов — это наличие энтузиазма, который проявляется в стремлении к росту в собственном деле, смежных дисциплинах, самосовершенствованию до такой степени, чтобы новые навыки не просто изучать и осваивать, а внедрять в дело.
Т. е. практические навыки у таких людей направлены и в глубину, и в ширину.
Постоянные эксперименты на производстве
Чтобы внедрить новые цифровые технологи, производствам нужно будет постоянно экспериментировать, изменять бизнес-процессы. Новые производственные площадки ближайшее время не будут теми стабильными промышленными предприятиями, к которым люди привыкли за последние десятки лет. Постоянно будут происходить преобразования, и персоналу нужно быть к этому готовым. Не все сотрудники готовы к постоянным экспериментам, поэтому некоторое время следует ожидать высокий уровень текучести персонала.
Несомненно, новые цифровые технологии, такие как виртуальное моделирование и «цифровые двойники», помогут смягчить негативный эффект от частых изменений производственных процессов, позволят внедрить преобразования максимально быстро и с минимальными затратами.
Действующим работникам придется освоить новые технологии, включаясь в преобразования. Инженеру-конструктору необходимо будет развивать компетенции в области 3D-моделирования, программирования и быстрого прототипирования. А оператору ЧПУ нужно будет освоить управление роботами, их настройкой и отладкой.
С уверенностью можно сказать, что рабочие профессии, связанные с рутинными операциями и физической силой, постепенно будут трансформироваться в инженерные должности. Для обслуживания линий потребуется некоторое количество инженеров, программистов и несколько рабочих, контролирующих процессы на ключевых этапах и участках. Но узкопрофильные профессии будут востребованными еще довольно долго, хотя и таким специалистам потребуется получение дополнительных навыков для работы с современным технологичным оборудованием.
📌 Внедрение искусственного интеллекта в промышленность, особенно в высокотехнологичные производства, играет ключевую роль в улучшении эффективности и конкурентоспособности предприятий. Автоматизация производственных процессов, оптимизация производственных цепочек и прогнозирование спроса становятся более точными и эффективными благодаря алгоритмам машинного обучения и анализу данных. Это позволяет компаниям снизить издержки, повысить качество продукции и оперативно реагировать на изменения в рыночной среде. В результате, искусственный интеллект становится неотъемлемой частью современного промышленного производства, обеспечивая его эффективность и устойчивость.