Цифровой рычаг для производства
Материалы выпуска
Цифровой рычаг для производства Инструменты «Цифровизация не должна быть дорогим хобби айтишников» Инструменты
Инструменты
0
Материалы подготовлены редакцией партнерских проектов РБК+.
Материалы выпуска
Материалы выпуска

Цифровой рычаг для производства

Технологии искусственного интеллекта в промышленности повысят качество продукции, снизят ее себестоимость, а также повысят промышленную безопасность. Но готовы к его внедрению не все.
Фото: Александр Кондратюк/РИА Новости

В 2018 году технологии искусственного интеллекта (ИИ) по всему миру использовались в 258 областях, зафиксировали эксперты аналитической компании Tractica (отчет «Случаи использования искусственного интеллекта»). Значительная часть этого рынка сконцентрирована в узкоспециализированных нишах с потребностью в обработке крупных массивов данных. В десятку наиболее популярных областей применения решений ИИ входят видеонаблюдение, системы мониторинга сетей и операций, клиентское обслуживание и маркетинг, распознавание голоса и речи, обнаружение и распознавание объектов техникой и уклонение от столкновения с ними, изучение и анализ патентов, запрос фото и видеоизображений, анализ медицинских снимков, обработка данных пациентов, прогностическое техобслуживание.

Внедрение ИИ к 2030 году обеспечит мировому ВВП прирост 14% (на $15,7 трлн), считает Алексей Окишев, руководитель направления по развитию технологий PwC в России.

Это больше, чем нынешний суммарный объем промышленного производства Китая и Индии. К 2022 году объем глобального рынка технологий ИИ вырастет до $52,5 млрд при ежегодном темпе роста (CAGR) на уровне 31%, считают аналитики международной консалтинговой компании Frost & Sullivan. Лидерами по инвестициям в это направление будут США, Китай и Великобритания. Сегодня на Китай приходится 15% всех стартапов в сфере ИИ (для сравнения: США — 54%). В то же время именно эта страна в перспективе ближайших трех лет будет демонстрировать наиболее активное продвижение технологий ИИ в разных отраслях, с фокусом на сельское хозяйство и промышленность.

В России уже 30% компаний активно внедряют искусственный интеллект, показало исследование Microsoft (Business Leaders in the Age of AI). Этот результат опережает среднемировой (22,3%)  — всего в опросе, проведенном в начале 2019 года, участвовали 800 топ-менеджеров крупных компаний из Франции, Германии, Италии, Нидерландов, России, Швейцарии, Великобритании и США (выборка — 100 респондентов на страну).

По данным PwC, 74% российских компаний планируют инвестировать в ИИ в ближайшие три года в целях автоматизации рутинных процессов. «Спрос российского рынка на проекты, в основе которых лежит искусственный интеллект, достаточно высокий, — подтверждает Алексей Леонтович, заместитель генерального директора SAP CIS. — В прошлом году для наших клиентов мы разработали более 80 сценариев с использованием технологий ИИ, некоторые из них уже вышли в продуктивную эксплуатацию».

Промышленные пионеры

Объем рынка ИИ в российской промышленности достигнет к 2021 году $380 млн, прогнозируют авторы совместного исследования компании «Цифра» и рабочей группы по искусственному интеллекту подкомитета по цифровой экономике Российского союза промышленников и предпринимателей (РСПП). 44% проектов машинного обучения в 2018 году были зафиксированы в дискретном производстве (включает машиностроение, авиастроение и приборостроение), 22% — в процессном (металлургия, химия, нефтехимия, нефтепереработка и нефтедобыча).

«Промышленный сектор — один из передовиков по освоению ИИ-проектов, сильное проникновение машинного обучения в металлургические, горнодобывающие, химические, энергетические и нефтегазовые компании связано, в первую очередь, с тем, что эти компании накопили много данных, которые могут приносить реальную пользу бизнесу», — поясняет Алексей Леонтович.

«Основной актив для ИИ-решений — данные, а они, в большинстве своем, уже имеются, просто их нужно «правильно приготовить», — согласен Александр Овчинников, ведущий бизнес-архитектор компании Datana (входит в группу компаний ЛАНИТ). По его словам, именно поэтому внедрение ИИ — более дешевый путь к эффективности, чем, например, модернизация с закупкой нового дорогостоящего оборудования. «Решения ИИ снижают удельные расходы материально-энергетических ресурсов или процент брака, повышают качество готовой продукции, и таких результатов можно достичь уже в течение года», — считает Овчинников.

По словам Владислава Шершульского, директора по перспективным технологиям Microsoft в России, большинство практически востребованных приложений ИИ включают когнитивные сервисы для решения отдельных производственных задач (к примеру, анализ изображений для контроля регламентных процедур в пищевой промышленности), оптимизацию режимов работы оборудования (особенно в химической и пищевой промышленности) или управление промышленными роботами (как в части производительности, так и в части безопасности работы в общем с людьми пространстве).

Эффективные прогнозы 

По данным PwC, производственные компании, как правило, используют технологии ИИ для улучшения контроля за качеством продукции, сокращения производственных простоев, а также повышения скорости и эффективности процессов производства. Можно полностью или частично роботизировать различные процессы, включая визуальный контроль оборудования в сложных и опасных зонах производства или профилактическое обслуживание техники, для снижения затрат на ремонты, увеличения срока службы и повышения производственной безопасности.

Как поясняет Александр Ефимов, директор дирекции аналитических и индустриальных решений компании SAS Россия/СНГ, технологии ИИ помогают продлить срок службы оборудования за счет того, что прогнозная аналитика помогает увидеть слабые места, предсказать, где в ближайшее время с большой долей вероятности может возникнуть сбой, вовремя подать сигнал человеку или же автоматически сформировать заявку на профилактику, ремонтные работы или поставку запчастей. Устраняя уязвимости заблаговременно, предприятия избегают серьезных аварий с длительными простоями.

В компании «Сибур» уже используют предиктивную аналитику, чтобы выявлять дефекты оборудования на ранней стадии, выстраивать оптимальный график ремонтов. А на ОМК, одном из крупнейших российских металлургических предприятий, проект по «умным» ремонтам помог сократить простои оборудования и повысить эффективность наладочных работ. По итогам внедрения компания планировала сэкономить до 65 млн руб. в 2018 году.

В «Уралхиме» выстраивают предиктивную модель производства удобрений — система даст рекомендации, какие параметры работы оборудования и как нужно изменить, основываясь на данных о текущих показателях процесса, сырья на входе и др. Полностью оцифрованный завод, использующий ИИ, построила группа «Черкизово».

Однако в целом по отраслям масштабные цифровые проекты реализуют пока не более 5% игроков — держателей крупнейших ИТ-бюджетов. «Часто ИТ-инфраструктура, и особенно аналитическая инфраструктура компаний, не готова к развертыванию ИИ. Это значит, что проект внедрения потребует тотальной перестройки рабочих процессов», — констатирует Александр Ефимов. Что подразумевает не только дополнительное время и деньги, но еще и риск остановок в работе и сопротивление персонала.

Нагрузка на инфраструктуру под ИИ, действительно, может быть существенной — необходимы вычислительные мощности, а также платформы для организации и интеграции своих данных, поясняет Алексей Окишев. Но в отсутствие накопленного опыта и соответствующих компетенций на стороне заказчика сложно предвидеть результат, новые и неиспытанные по большей мере технологии всегда связаны с определенными рисками. Именно поэтому при внедрении решений ИИ, да и цифровых технологий в целом пилотные проекты просто необходимы.

Избежать большей части капитальных затрат позволят облачные решения, считает Владислав Шершульский. В такой среде можно потреблять вычислительные мощности только в необходимом объеме, по сервисной модели, без закупок «железа». Например, в облаке Microsoft Azure доступны необходимые компоненты для сборки и тестирования пилотируемого решения, советует эксперт.

По его мнению, для российского бизнеса осознание ценности наборов данных и квалифицированных специалистов в сравнении с материальными активами — самый важный результат большинства ИИ-пилотов.