На конвейере: как промышленность учится работать с искусственным интеллектом

Меня зовут Светлана Вронская, я работаю в департаменте аналитических решений «КОРУС Консалтинг», где мы ведем Telegram-канал Analytics Now.

Еще совсем недавно мы говорили о том, что главный тренд в области ИТ промышленного производства – автоматизация. Предприятия внедряли (и продолжают внедрять) ИТ-решения, построенные на мощных средствах вычислительной техники. Эти решения контролируют весь производственный цикл или его части, а плотная интеграция производственных и ИТ-систем обеспечивает гибкость технологических процессов и дает возможность оперативно менять типы выпускаемой продукции. Однако появление систем искусственного интеллекта позволяет решать производственные задачи на новом уровне.

В промышленности системы на базе искусственного интеллекта развиваются стремительно. Meticulous MarketResearch прогнозируют рост этого сегмента на 39% в ближайшие 8 лет, а объем рынка промышленных ИИ-решений дойдет к 2027 году до отметки в $27 миллиардов.

Лидер в использовании этих продуктов – США, за ними – страны Юго-Восточной Азии (большая часть производственных предприятий расположены в Китае). Однако в глобальном объёме цифра достаточно скромная – лишь 6% промышленных организаций в мире, по данным Gartner, используют искусственный интеллект.

В России рынок ИИ-решений для производства пока невелик. Аналитики Technavio говорят о том, что он достигнет объема всего лишь в $500 миллионов к середине 2030-х годов.

Большинство проектов по внедрению искусственного интеллекта в промышленности в России реализуются на предприятиях дискретного производства: в авиа-, машино- и приборостроении. Затем идут проекты в металлургии, химии и нефтехимии, занимающиеся добычей полезных ископаемых и электроэнергетикой.

Что касается функциональных областей работы производств, ИИ используется для повышения эффективности разработки новых продуктов, автоматизации выбора и оценки поставщиков, анализа требований к запчастям и деталям. В самом производственном процессе AI требуется для совершенствования бизнес-процессов и координации различных подсистем. Это и кейсы по минимизации количества ошибок персонала, уменьшению времени простоев, анализу перемещения сотрудников и оборудования для повышения безопасности на предприятии, контроля качества и анализа состояния оборудования.

Следующая область – логистика. В ней искусственный интеллект совершенствует планирование маршрутов транспортировки, уменьшает сроки доставки сырья, отслеживает отправления и доставку на всех этапах.

И, конечно же, как и в других отраслях, искусственный интеллект в производстве используется для продвижения продукции. Эти решения наименее специфичны для отрасли. Сюда попадают прогнозирование объемов услуг поддержки и обслуживания, оптимизация ценообразования и анализ удовлетворенности клиентов качеством продукции.

Специфика работы ИИ в промышленности связана с тем, что при создании моделей надо учитывать особенности предприятий, которые, даже работая с одним и тем же металлом, могут отличаться друг от друга. Но при этих различиях искусственный интеллект помогает всем производственным организациям 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, которые разрабатывают AI-системы, значительно меньше, чем компаний, работающих, например, с ритейлом. На этом рынке есть как международные технологические вендоры: Alphabet, Oracle, SAP, Cisco Systems, Rockwell Automation, AMD, NVIDIA, Intel, IBM, Microsoft, AWS, – так и производственные предприятия, которые на основании собственного опыта предлагают используемые ими же решения, например, GE, Siemens, Mitsubishi Electric и Bosch.

Есть и нишевые локальные игроки с экспертизой в области промышленности – AIBrain в Китае, Ubtech Robotics иDarktrace в Штатах, «Цифра» и MechanicaAI в России. Такие компании можно пересчитать по пальцам.

Вероятно, сложный процесс производства обуславливает и отсутствие большого количества успешных кейсов применения AI в российской промышленности. Несмотря на то, что подобные проекты идут в «Северстали», «КамАЗе», «Русале», мы видим не так много историй успешной реализации.

Пока в обобщенном виде доступны итоги применения ИИ-решений в области охраны труда предприятий: видеоаналитике, составлении тепловых карт, анализе наличия комплектов средств индивидуальной защиты на сотрудниках, контроле опасных зон. Такого рода активности снижают уровень травматизма на предприятии на 50%.

Но большая часть успешных кейсов связана со конкретными 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 родилась задача для ИИ-системы: выявить материалы и детали с наибольшей долей дефектной массы на ранних стадиях производства и, таким образом, повысить производительность прокатного стана.

Еще один известный кейс связан со сквозной оптимизацией маржинальности процесса. Искусственный интеллект должен быть просчитать, как уменьшить время плавки и расхода ферросплава, а также количества этапов добавления этого компонента. Результатом внедрения стало уменьшение времени выплавки на 4-6%, оптимизация заказов и экономия $10 миллионов в год.

Российские предприятия, которые не стесняются объявлять о своих AI-проектах, говорят о том, что они используют ИИ для закупки сырья, оптимизации производственного процесса и уменьшения брака (как, например, НЛМК). Еще один кейс – от «Кировского завода». Для того, чтобы уменьшить простои оборудования, предприятие использовало чат-бота, который фиксировал сбой и присылал уведомления оператору. Сотрудник должен был выбрать причину сбоя, а если он некоторое время не отвечал, то уведомления приходили мастеру, затем менеджеру и могло дойти до генерального директора. За счет такого нехитрого инструмента, завод уменьшил простои оборудования с 24 часов в неделю до одного. А в ОМК научились с помощью машинного зрения определяют сортность и засор покупного лома для производства стали.

Тем не менее, сложных историй с применением искусственного интеллекта мало, и о реальной эффективности использования искусственного интеллекта в промышленности мы сможем судить только через несколько лет.