Цифровые рудники: как искусственный интеллект и интернет вещей меняют тяжелую промышленность

Хотя тяжелая промышленность не так пострадала от пандемии, как менее устойчивые рынки, в конечном счете последствия кризиса проявились и здесь. Минимизировать их влияние лучше всего удается тем компаниям, которые активно используют в своей работе инновации: в производстве основной способ сократить расходы, повысить эффективность и увеличить выручку связан именно с инструментами Индустрии 4.0. И особенно большую роль в этих процессах играют технологии искусственного интеллекта и интернета вещей.

Пандемия дала предприятиям мощный импульс искать новые способы стать более устойчивыми к внешним катаклизмам, и в первую очередь это связано с сокращением расходов на производство. Поскольку для клиентов промышленных компаний цена является одним из ключевых факторов, производителям приходится постоянно разрабатывать меры по снижению себестоимости, чтобы сохранить маржинальность. Такие меры, в частности, требуют оптимизации процессов за счет инновационных технологий. По оценке McKinsey, только в металлургии цифровые разработки позволяют уменьшить себестоимость производства стали на 8–12%, а в целом эффект от цифровизации этого сектора к 2025 году может превысить $100 млрд США. Это заставляет компании инвестировать в инструменты Индустрии 4.0, среди которых важное место занимают технологии искусственного интеллекта и интернета вещей.

Около трети случаев сегодняшнего использования искусственного интеллекта (AI) в промышленности связаны с обслуживанием оборудования и производственных активов. Предприятиям важно постоянно получать информацию о состоянии любого механизма, чтобы вовремя выявлять и устранять неисправности, поскольку внезапная поломка одной детали может обернуться для компании многомиллионными убытками. Отслеживать работу компонентов помогают решения на стыке искусственного интеллекта и технологии интернета вещей (IoT).

В общих чертах принцип их действия выглядит следующим образом: датчики на оборудовании в режиме реального времени собирают данные о различных производственных параметрах. Эти данные анализируются центральной системой, которая выдает соответствующие рекомендации операторам: например, если программа «видит» какие-то неполадки в работе механизма, она сигнализирует об этом до того, как он выйдет из строя.

Впрочем, некоторые системы на основе AI и IoT не нуждаются в исполнителях, выполняющих их предписания, поскольку они сами способны корректировать режимы работы техники. Такое практикуется, в частности, в сетевой энергетике, где датчики постоянно следят за состоянием линий передач: от нагрузки на них до степени провисания — и оптимизируют параметры, чтобы повысить их эффективность и избежать сбоев.

По оценке Schneider Electric, обычная проблема с обслуживанием оборудования в нефтегазовой отрасли приводит как минимум к трем суткам простоя при затратах до $20 тысяч в день — не считая стоимости деталей и оплаты труда. Чтобы помочь компаниям свести поломки к минимуму, специалисты Schneider Electric разработали решение на основе машинного обучения, которое анализирует показания датчиков на насосах, оценивая их исправность — это позволяет компаниям всего за два дня повысить эффективность работы на 10-20%.

Среди российских промышленников умные системы на базе IoT используют такие компании, как «Газпром нефть», ЛУКОЙЛ, «Норникель», «Евраз», «Роснефть», «Росэнергоатом», «Северсталь», КАМАЗ и многие другие. Так, в конце прошлого года «Газпром нефть» внедрила на своих заправочных станциях единую интеллектуальную систему мониторинга, чтобы предупреждать неисправности и контролировать процессы, связанные с качеством топлива и его сохранностью. Это помогло компании сократить количество простоев на 30%, а сроки проведения технического обслуживания — на 21%. А в мае этого года ЛУКОЙЛ в сотрудничестве с «Мегафоном» построили на одном из цехов Пермского края систему удаленного управления и контроля объектов нефтедобычи, работающую на базе технологии NB-IoT. Устройства в стандарте этой сети практически автономны и способны функционировать без подзарядки до десяти лет.

Широкое применение в промышленности находит еще одна технология интернета вещей — компьютерное зрение, которое позволяет системам анализировать изображение с видеокамер, чтобы получать данные о работе оборудования. Особенно часто компьютерное зрение используют автомобильные корпорации, выявляя с его помощью бракованные детали. Так, в частности, делает Audi, которая установила систему визуального распознавания на своем цехе в Ингоштальдте: AI-программа обрабатывает картинку с видеокамер, установленных в прессах, помогая находить в металле мельчайшие трещины. Еще один пример — корпорация General Motors, которая экономит до $20 тысяч в минуту с помощью решения, отслеживающего проблемы в работе сборочной техники.

В России технологии машинного зрения особенно активно применяются на производстве «Норникеля»: так, в прошлом году компания взяла «золото» Minex Russia за программу, которая выявляет инородные элементы в потоке руды на конвейере — это позволило минимизировать риск поломки оборудования из-за попавшего в него мусора, поскольку машина, в отличие оператора, не может отвлечься или устать. Кроме того, умные программы помогают «Норникелю» следить за соблюдением техники безопасности: анализируя видеопоток из цеха, они определяют, все ли сотрудники находятся в касках, очках и защитной спецодежде.

Компьютерное зрение позволяет российским производителям предупреждать возможные поломки и в других стратегически важных отраслях – например, в авиации. Так, искусственный интеллект уже выявляет дефекты при производстве стали, которая применяется для изготовления деталей самолетов и вертолетов. Сейчас «РТ-Техприемка» «обкатывает» технологию на стальных листах, из которых производят компоненты несущей системы российских вертолетов на предприятиях Ростеха.

Следующий этап в развитии промышленного интернета вещей — создание цифровых двойников предприятий. Цифровой двойник представляет собой виртуальный прототип завода или цеха, который моделирует его работу за счет постоянно обновляемой информации о происходящих на нем процессах. Так, компания Shell на основе этой технологии создает «умные» скважины, системы которых анализируют данные с датчиков на оборудовании и самостоятельно принимают решения по оптимизации хода работ. Сведения, которые они передают, также позволяют оценить продуктивность и точное расположение скважины, чтобы выбрать подходящий способ бурения.

“Благодаря внедрению цифровых двойников затраты на обслуживание оборудования могут сократиться в среднем на 12 – 17%. Это происходит за счет того, что компьютерная модель позволяет спрогнозировать износ и сервисное обслуживание машин. Учитывая высокую стоимость создания модели, внедрение цифровых двойников будет эффективно не для всех производственных процессов. Но в компаниях, эксплуатирующих большой парк сложного оборудования, спрос на технологию, безусловно, будет расти”, - отмечает Директор по R&D Национального Центра Информатизации (НЦИ) Госкорпорации Ростех Александр Ануфриенко.

Эксперты прогнозируют, что за шесть лет объем рынка цифровых двойников может вырасти почти в 10 раз: с $3,8 млрд в 2019 до $35,8 млрд в 2025. Такие смелые расчеты связаны с возможностями этой технологии, которая в перспективе сможет обеспечить полностью безлюдное производство — рудники и скважины, все работы на которых будут управляться удаленно. Но такие предприятия придется изначально создавать под автономный формат, поскольку адаптировать существующую инфраструктуру под новые принципы слишком дорого и сложно.

На сегодняшний день безлюдные решения пока находятся на этапе разработки, но многие промышленники уже используют отдельные их элементы на своих предприятиях. В России в технологии цифровых двойников инвестируют, в частности, такие компании, как СИБУР, «Газпром нефть» и «Норникель». Так, «Норникель» за последний год открыл на двух своих рудниках центры планирования и контроля горных работ — это диспетчерские центры, куда в режиме реального времени поступает информация обо всех процессах на предприятии. Видеокамеры и датчики, установленные на горизонтах, оборудовании и экипировке рабочих, передают данные в систему, а операторы дистанционно отслеживают происходящее в шахте и управляют ходом работ.

#iot #AI