Пять главных трендов 2020 года в области промышленного искусственного интеллекта

В 2020 году глобальные тренды в области искусственного интеллекта по-прежнему будут оказывать влияние на металлургическую, горнодобывающую и нефтегазовую отрасли. В этом году ожидается ускоренный рост рынка ИИ. В связи с этим открываются огромные возможности по сокращению издержек и оптимизации производственного процесса. Прогнозы темпов роста рынков ИИ варьируются от совокупного годового темпа роста (CAGR) на уровне 31% и до 54% на последующие годы.

На предприятии ООО "СУЭК-Хакасия" проходят испытания отечественного комплекса роботизированных перевозок угля на базе карьерных самосвалов БЕЛАЗ-7513R. Технология внедряется компанией "Цифра".​ Компания "Цифра".

На сегодняшний день объем глобального рынка ИИ оценивается в $15 млрд., однако к 2025 году прогнозируется его четырехкратный рост до уровня $72,5 млрд. Цифровизация отраслей промышленности будет продолжена и сегодняшние "технологии будущего" превратятся в коммодити. Применение искусственного интеллекта станет повсеместным стандартом. Машины и системы начнут понимать контекст и формировать ценность самостоятельно. Волна интеграции ИИ охватывает все секторы и требует определенных действий со стороны отдельных отраслей. Для них – это единственный способ сохранить конкурентоспособность.

Изменение тренда потери рабочих мест по причине развития ИИ. Напротив, распространение ИИ способствует созданию новых рабочих мест

За последние годы развитие автоматизации и искусственного интеллекта привело к появлению тенденции роста безработицы на рынке труда. Еще в 2014 году консультанты Gartner Research предсказали, что к 2025 году одна треть людей лишится рабочих мест из-за умных роботов. Они также спрогнозировали, что к 2018 году под руководством систем искусственного интеллекта будут работать более трех миллионов сотрудников.

Сейчас ситуация изменилась и ожидается, что ИИ создаст больше рабочих мест, чем отберёт. К таком единодушному мнению пришли эксперты Всемирного экономического форума, компаний McKinsey и Accenture. На самом деле, будущее рынка труда сейчас туманно. Однако понятно, что для сохранения конкурентоспособности в будущем, потребуется овладеть новой квалификацией и навыками.

Уровень квалификации, необходимой для установки новых умных систем, зачастую отсутствует в большинстве компаний. Промышленности не хватает свободного времени и специалистов по робототехнике для актуализации текущего производственного процесса. Их неспособность использовать последние технологии приводит к отставанию от трендов ИИ. Компаниям также не хватает навыков в интеграции, внедрении и отладке усовершенствованных систем искусственного интеллекта. Таким образом, сдерживающим фактором при автоматизации ИИ является, прежде всего, квалификация рабочих. В особенности обучение нейронных сетей требует наличия обширных знаний у специалистов, для того, чтобы воспользоваться всеми преимуществами ИИ.

В прошлом, нефтегазовая отрасль пропустила волну цифровизации, а сейчас наверстывает упущенное и столкнулась с проблемой необходимости быстрого перехода на новые стандарты. Ожидается, что в последующие несколько лет в этой отрасли будет использоваться больше цифровых технологий и систем с искусственным интеллектом, в основном для сокращения затрат. Эти инвестиции необходимо сосредоточить на повышении квалификации рабочих и накоплении знаний.

Промышленники слабо инвестируют, несмотря на успех первых случаев внедрения ИИ

Ввиду наличия огромного технического долга в тяжелой промышленности, ведущие игроки значительно инвестировали во внедрение передовых технологий ИИ. Успешные стартапы в горнодобывающей, металлургической и нефтегазовой отраслях продемонстрировали настоящий потенциал ИИ. Например, компания Big River Steel из США использовала ИИ для увеличения прибыли в металлургии. Они научились предсказывать спрос, оптимизировать управление снабжением и материально-техническими ресурсами, а также оптимизировали производство для снижения затрат. Алмазный карьер Renard в Квебеке разработал умную систему по сортировке и утилизации отходов, которая улучшает качество процесса добычи алмазов. Достигнутая подтвержденная экономия средств, благодаря внедрению ИИ, продемонстрировала потенциал. Несмотря на эти многообещающие примеры, большинство руководителей всё еще не хотят инвестировать. Мы не наблюдаем демократизацию ИИ и быстрое принятие таких технологий в тяжелой промышленности.

Промышленные компании работают в тесном контакте с технологическими гигантами для внедрения решений ИИ

По причине отсутствия собственной квалификации, промышленные компании стремятся к сотрудничеству с лидерами ИТ-отрасли. Около 40 крупнейших нефтегазовых компаний использовали облако Microsoft Azure для своих ИИ-проектов. Крупные энергетические корпорации ищут содействия со стороны технологических компаний. Exxon Mobil обратилась за помощью в IBM для разработки симуляционного моделирования с помощью искусственного интеллекта. Schneider Electric использует средства машинного обучения для удаленного управления насосами в нефтегазовой отрасли при поддержке Microsoft. Total Oil заключила договор с Google Cloud для создания системы анализа данных о строении земли, улучшающей процессы разведки и добычи. Royal Dutch Shell использует ИИ для управления беспилотными автомобилями и робототехникой при выполнении работ. Shell заручилась поддержкой Microsoft при масштабировании ИИ и машинном обучении во время работ по разведке, добыче, переработке и сбыту и в целях совершенствования операционных показателей.

Основная цель – сокращение затрат

В силу того, что основной целью искусственного интеллекта является сокращение затрат, ИИ оценивается с точки зрения данного предварительного условия. Согласно прогнозу McKinsey, на протяжении следующего десятилетия экономия в нефтегазовой отрасли составит $50 млрд. Машинное обучение и приложения ИИ создают предпосылки для такого прогноза.

Для нефтегазовой отрасли, низкая цена на нефть в 2020 году является драйвером изменений. Поэтому снижение производственных расходов предоставляет любой компании конкурентное преимущество. Сокращение выбросов и снижение расходов на бурение обеспечивает получение более дешевого барреля нефти. Прогнозирование необходимости технического обслуживания и раннее выявление поломок насоса помогает избежать простоя оборудования в течение нескольких недель. Затраты на незапланированный ремонт и устранение поломок могут вылиться в миллионы долларов.

В горнодобывающей отрасли актуальной темой остается концепция цифрового месторождения. Обновление ИТ-инфраструктуры позволит внедрить новые стратегии оптимизации. По прогнозу Accenture, 82% руководителей в горнодобывающей отрасли по всему миру планируют увеличение инвестиций в цифровые технологии в течение следующих трех лет. Неотъемлемой частью процесса цифровизации шахт являются умные дроны и автономные машины. Суровые условия работы в шахтах открывают новые возможности использования автономных машин. Эти машины могут получить доступ во многие места, в которые люди просто не могут физически попасть. Они способны работать круглосуточно, и необходимость в неотложных мерах в случае их поломки или аварии отсутствует.

Автономные самосвалы БЕЛАЗ грузоподъемностью 130 тонн работают на угольном разрезе "Черногорский" в Хакасии в паре с экскаватором ЭКГ-8У. Беспилотные машины двигаются по выделенному участку разреза, протяженностью 1350 метров и перевозят вскрышную породу.​ Компания "Цифра".

Цепочки поставок будут усовершенствованы с помощью искусственного интеллекта, так как в основном процесс состоит из трудоёмких и повторяющихся задач. Проверка поставщиков или предварительную квалификацию заказа можно автоматизировать. Это приведёт к экономии времени и трудозатрат сотрудников компании. В дополнение к этому, можно привлечь виртуальных консультантов по закупкам, которые могут предоставлять отчёты по аудиту и проверять рекомендации. Всё это может происходить в режиме реального времени и объединяться со всеми данными за прошлые периоды в масштабе всей компании.

Гиперавтоматизация охватывает абсолютно все процессы в компании

Крупнейший тренд 2020 года в области стратегической технологии, который содержится в отчёте Gartner, окажет особое внимание на промышленный сектор. Некоторые из этих перспектив кажутся отдаленными, остальные же более реалистичны. В данный момент в промышленном секторе наблюдается очень жёсткая конкуренция и каждый рывок должен быть проанализирован тщательным образом. Игнорирование трендов может привести к большим проблемам для компании. В силу того, что распространение культуры работы с данными занимает достаточно времени, промедление в вопросе начала инициатив в 2020 году требует внимательной оценки.

В то время, как автоматизация уже стала практически классикой, гиперавтоматизация выводит компанию на следующий уровень благодаря применению искусственного интеллекта. Гиперавтоматизация включает в себя детальную автоматизацию процессов и расширение аугментацию деятельности человека. В этом случае работа человека или надзор со стороны человека морально устаревает. Данный набор инструментов автоматизации более глубоко вникает в детали функционирования компании, которые раньше и не думали автоматизироваться. Кроме того, он содействует лучшему взаимодействию инструментов. Эти взаимодействующие инструменты выявляют проблемы, анализируют свое состояние, разрабатывают новые решения, автоматизируют коммуникацию, проводят самостоятельный мониторинг и мониторинг других расположенных рядом устройств, а также повторно оценивают эффективность своей работы.

Новые применения технологий ИИ уже на подходе и готовы к внедрению. Под солнцем появится место новым предпринимателям в сфере промышленных технологий. Рынок искусственного интеллекта остается открытым и имеет множество неосвоенных сегментов. Новые игроки смогут найти свои ниши.

Промышленные компании не должны распыляться на многочисленные модные слова и "хайп" вокруг ИИ в сообществе промышленного интернета вещей. Основное внимание должно уделяться разработке базовых систем (например, сетевых соединений) и внедрению сенсоров, что является пререквизитом перед внедрением решений с элементами ИИ. Промышленный интернет вещей и искусственный интеллект представляют собой развивающийся рынок, есть несколько методик внедрения и технологии, которые делают выбор технологии затруднительным. Возможно, есть смысл обратиться к существующим вендорам в области промышленного интернета вещей и искусственного интеллекта и создавать новое с надёжным партнером.

0
16 комментариев
Написать комментарий...
Alexander Kalinnikov

Интересно было бы узнать, решения о внедрении элементов технологии 4.0 применяются на основе инвестиционных показателей или с другими  причинами и основаниями. То есть, какая окупаемость и IRR были у решения сделать автономными самосвалы БЕЛАЗ грузоподъемностью 130 тонн на угольном разрезе "Черногорский" в Хакасии в паре с экскаватором ЭКГ-8У.

Причины могут быть не только инвестиционные, например - снижение аварийности, решение проблемы отсутствия обученного персонала, повышение стабильности перевозок и как следствие - тонно-километров, PR-цели (в том числе, маркетинг и политика) и прочее, но экономику все равно нужно просчитать.

Ответить
Развернуть ветку
Цифра
Автор

Сделаем. Идея интересная.

Ответить
Развернуть ветку
тима махотлов

А чем отличается ИИ от программы автоматизации и оптимизации производственных процессов?

Ответить
Развернуть ветку
Цифра
Автор

Попросили ответить на этот вопрос наших сотрудников. Вот, что они сказали. В широком смысле, ИИ — это область науки и инжиниринга, занимающаяся созданием машин и компьютерных программ и систем обладающих свойством выполнять творческие функции, которые традиционно считаются прерогативой человека.

Одной их таковых является способность приходить к решению при помощи вычислений.

Программы автоматизации, оптимизации и прочее, конечно, входят в огромную область ИИ и являются их частью, но уже после имплементации являются конкретными областями Computer Science, готовыми алгоритмами и работающими решениями, тогда как ИИ остается чем-то эфемерным.

Об этой тонкой грани сказал однажды Родни Брукс (Директор ИИ-лаборатории в MIT): “We used to joke that AI means 'almost implemented”. Мы обычно шутим, что если это написано в Power Point то это AI, а если на Python (можно подставить любой язык), то это оптимизация, машинное обучение, автоматизация и многое другое.

Ответить
Развернуть ветку
тима махотлов

"Способность приходить к решению при помощи вычислений" - ОК. А являются ли эти решения частью заданного алгоритма действий, или ИИ принимает их самостоятельно?

Ответить
Развернуть ветку
Цифра
Автор

“В начале было слово”. В нашем случае - человек. (Алгоритм). Без человека ИИ пока вообще ничего не может — ни обучиться, ни сориентироваться в переменных факторах, поскольку много лет индустрия создавалась человеком и для человека. Так что заменить человека ИИ сможет разве что в очень далеком будущем.

Может ли ИИ учиться, наблюдая за работой человека, собирая данные о том, как технолог принимает решения в зависимости от внешних факторов? Да, может и даже должен. Однако решения, которые он будет принимать в процессе работы, будут ограничены этими выученными схемами. Если на производстве ИИ столкнется с незнакомой ситуацией, которой он еще не видел, то встанет в ступор и будет вынужден передать управление технологу.

Вот как это происходит.

Обучение с учителем - Алгоритмы учатся решать задачу на размеченных данных.

Обучение без учителя - Алгоритм учится находить паттерны в неструктурированных данных.

Обучение с подкреплением - Алгоритм учится, получая обратную связь от окружающей среды.

Ответить
Развернуть ветку
тима махотлов

Я это все к тому, что на данном этапе нет никакого работающего ИИ

Ответить
Развернуть ветку
Цифра
Автор

Есть. Мы обязательно расскажем об этом и объясним, почему многие считают, что ИИ в смысле реального интеллекта ещё пока не существует, и соответствует ли это действительности. Спасибо вам за комментарии.

Ответить
Развернуть ветку
Цифра
Автор

“В силу того, что основной целью искусственного интеллекта является сокращение затрат, ИИ оценивается с точки зрения данного предварительного условия". В контексте этого ИИ - часть программы автоматизации и оптимизации. То есть речь идёт об интеграции ИИ в продукт (платформа, решение). Если коротко, то программа автоматизации - это скорее способ, а ИИ – средство достижения цели.

В целом – отличие состоит в том, что программы автоматизации просто берут на себя повторяющиеся типичные процессы, чтобы освободить время работникам, а ИИ занимается анализом.

ИИ в том смысле, в котором он существует сейчас, предполагает построение системы принятия решений на основе самостоятельно выделенных признаков из данных, а классические системы автоматизации производства работают по правилам, заданным человеком.

Ответить
Развернуть ветку
Ильдаp Хафизoв

Если хотите, чтобы как можно больше компаний в реальном секторе полезли к услугам айти, ии, или ещё чего (среди которых вы), тогда начните простым понятным языком на конкретных примерах рассказывать -  где, на сколько, и за счёт чего получилось полететь. 

Я бы вам лучше написал, но очень занят на самоизоляции. 

Ответить
Развернуть ветку
Цифра
Автор

Спасибо за ваш комментарий. Будем обязательно писать простым понятным языком о конкретных внедрениях. Если вы все-таки будете готовы написать лучше, мы открыты к сотрудничеству.

Ответить
Развернуть ветку
Muzafar Ametov

Классный обзор. Но прогнозы слишком уверенные.

Ответить
Развернуть ветку
Цифра
Автор

Спасибо. Что именно смутило?

Ответить
Развернуть ветку
Andrey Alfresco

Меня беспокоит этическое применение ИИ, как методов машинного обучения. 
Школа Поспелова и иже с ними как я пониманию отвергнута и нейросети правят бал в ИИ бераздельно ?

Ответить
Развернуть ветку
Цифра
Автор

В области нейросетей действительно недавно произошел прорыв (особенно в области компьютерного зрения и анализа естественного языка), но мир не ограничивается только ими. Область еще на этапе становления, мы увидим много нового. А новое, как известно - это хорошо забытое старое.

Что касается этики, конкретно к нам это применимо слабо, так как мы в основном работаем с машинно-генерируемыми данными - это скорее влияет на техпроцесс.

Ответить
Развернуть ветку
Аккаунт удален

Комментарий недоступен

Ответить
Развернуть ветку
13 комментариев
Раскрывать всегда