16+
Регистрация
РУС ENG
http://www.eprussia.ru/epr/405-406/1617793.htm
Газета "Энергетика и промышленность России" | № 1-2 (405-406) январь 2021 года

Искусственный интеллект в производстве: время технологий настало

Во многих отраслях пандемия стала испытанием для искусственного интеллекта — алгоритмы просто перестали работать в отсутствие достоверных исторических данных.

Как показало недавнее исследование BCG и Массачусетского технологического института, лишь 10% организаций сегодня добиваются значительных финансовых результатов от использования ИИ. Одной из отраслей, где искусственный интеллект или продвинутая аналитика стали серьезным подспорьем, оказалась промышленность.

Хотя полноценный ИИ, автоматически принимающий решения по всей производственной цепочке, пока не построил никто, именно в промышленности искусственный интеллект активно работает как подсказчик, оптимизатор, он встроен в оборудование и в целом помогает развитию производства.

В ходе сессии INNOPROM ONLINE эксперты и обсудили, какие преграды стоят на пути инноваций.


Алексей Аникин: "Мало внедрить умное решение на практике — важно сделать так, чтобы оно работало."


Алексей Аникин



Стоит ли довольствоваться «лоскутными» пилотами?

Мало внедрить умное решение на практике — важно сделать так, чтобы оно работало. Это, по мнению руководителя индустриального сектора IBM в странах Центральной и Восточной Европы Алексея Аникина, во многом зависит от вовлеченности топ-менеджмента в данный вопрос.

«Анализируя то, как различные компании смотрят на Индустрию 4.0, со стороны мирового вендора, можем сказать, что флагманы российской промышленности, например «Газпром нефть» и «Норникель», создают решения мирового класса.

Нередко можно услышать, что мы отстаем от других стран лет на 20. Поверьте, это не так. Отечественные компании принимают действительно хорошие решения по операционной эффективности и инновационные решения по развитию рынка, которые дают реальный результат.

Вопрос в том, почему они работают пока только для конкретных компаний. Прежде всего, благодаря значительной вовлеченности топ-менеджмента в принятие решений, готовности выстраивать партнерские отношения как с вендорами, так и с интеграторами, и фокусировке внимания на развитии собственных ресурсов.

Часто процесс информатизации, причем не только в России, проходит следующим образом: новый назначенный CDO (Chief Digital Officer, директор по цифровым технологиям. — Прим.авт.) бросает клич по рынку о том, что компания начинает огромный проект, смотрит все кейсы, которые есть в этой индустрии, и заинтересована в запуске пилотов.

CDO активно мониторит рынок и через какое-то время приходит к руководству с предложением нанять 15 студентов, которые напишут нейросети, и все будет отлично работать. В большинстве случаев такой подход приведет к тому, что компания будет довольствоваться «лоскутными» пилотами. Самое грустное, что в результате у руководства теряется вера в Индустрию 4.0.

Представьте себе машину, у которой левое переднее колесо оптимизировано под езду по скользкой дороге — там новая резина, новые шипы, на тестах все отлично. Но будет ли в таком случае машина ехать правильно? — большой вопрос. Теперь представьте машину, левая половина которой едет по грунтовке, а правая — по скользкой дороге, при этом она сама работает с амортизаторами, подсказывает водителю, что ему делать. Это было бы интересно».


Андрей Суворов: "Пилотировать ИИ готовы многие компании, но подключение сложного оборудования без существенного снижения киберрисков — большой риск, сопоставимый с ежегодной прибылью компании."

Андрей Суворов



Совершенно другая природа данных

Следом идут розничная торговля, государственные учреждения, здравоохранение. Ко всему прочему, не исключено, что через четыре года машины будут принимать 28% решений — на 40% больше, чем сейчас. На этом акцентировал внимание генеральный директор НПО «Адаптивные промышленные технологии» Андрей Суворов.

«В этой связи стоит разобраться в специфике промышленности. Речь идет о том, как «накормить» искусственный интеллект данными о пневматике, гидравлике, электрике, газоанализе и, возможно, перемещении сотрудников. Это совершенно другая природа данных. Промышленные данные — уникальная и важная область. Мы готовы доказать, что те данные, которые вы сегодня используете, если они приходят со SCADA, это всего лишь 10% данных, которые вы можете получать непосредственно с оборудования.

Говоря о полноценном искусственном интеллекте, надо понимать, что данные с оборудования — та самая пневматика, гидравлика и так далее поступают практически в полном объеме. Однако стоит учитывать, что сбои либо какие-то позитивные отклонения в процессах, как правило, не возникают мгновенно. Для возможного раннего обнаружения отклонений или принятия тех самых положительных решений нам необходимы данные с частотой не менее чем в 10 раз чаще, чем характерные интервалы развития и сбора информации. Это важно понимать, тогда тренд принятия решений будет происходить благодаря ИИ.

Раз есть тренд принятия решений, значит, есть и риски. Риски здесь возникают в том, что мы подключаемся к дорогому оборудованию, собираем большое количество информационных активов и должны предъявлять к этому оборудованию самые высочайшие требования. Физик-теоретик Стивен Хокинг говорил, что прорыв в области реализации возможностей искусственного интеллекта мог бы быть величайшим событием в истории человечества. К сожалению, он также может быть и последним событием, если мы не научимся избегать связанных с ним рисков.



Если верить недавнему исследованию Всемирного производственного фонда, глобальные доходы от искусственного интеллекта для корпоративных приложений вырастут примерно в 20 раз к 2025 году. Среди лидеров по внедрению оказались именно промышленники. Согласно тому же исследованию, ИИ в промышленности занимает второе место по объему инвестиций после банкинга.



Можно выделить две основные проблемы, сдерживающие развитие ИИ в промышленности. Первая касается специфики промышленных протоколов — пока вендоры всего мира не договорились о том, чтобы данные с источников передавались в одном формате.

Вторая — как только встает вопрос о том, что вы подключаете насос, привод, турбину, элементы конвейера к аналитике, которая, как правило, находится не внутри производственной площадки, в разы возрастают риски доступа посторонних к оборудованию и его нелегитимного использования.

Именно поэтому зачастую количество вертикальных решений очень мало. Пилотировать ИИ готовы многие компании, но подключение сложного оборудования без существенного снижения киберрисков — большой риск, сопоставимый с ежегодной прибылью компании».


Ярослав Кононов: "Заслуживает внимания и потенциал применения технологий искусственного интеллекта в нефтегазодобывающей отрасли."

Ярослав Кононов



ИИ помогает строить нефтяную компанию нового поколения

Заслуживает внимания и потенциал применения технологий искусственного интеллекта в нефтегазодобывающей отрасли. Практическим опытом поделился начальник отдела стратегических инициатив в Центре разработки и монетизации данных «Газпром нефти» Ярослав Кононов:

«При помощи искусственного интеллекта мы строим цифровую нефтяную компанию, управляемую на основе данных и цифровых двойников. Ежедневно у нас генерируются петабайты данных с различных насосов, нефтеперерабатывающих заводов, логистического контура, АЗС и так далее. Все эти данные можно использовать для так называемой монетизации данных, под которой мы понимаем косвенную монетизацию — извлечение дополнительной ценности из косвенных данных.

Цифровые технологии мы внедряем комплексно и по всей цепочке создания стоимости, то есть у нас нет какого-то явно выделенного отдельного процесса, в котором мы внедряем ИИ. На текущий момент в компании имеется порядка 30 цифровых программ под различные бизнес-процессы, блоки и дирекции, начиная от разведки и добычи, заканчивая юрис-пруденцией.

Зачем нам искусственный интеллект? Как правило, бизнес вертикально интегрированных нефтяных компаний (ВИНК) связан с решением сложных комплексных задач. Многие из них на сегодня решаются либо плохо, либо вообще не решаются, либо решаются с недостаточным качеством.

Примеры сложных задач ВИНК в части разведки: оценка лицензионного участка, планирование геологоразведочных работ (ГРР), анализ их результатов. В части разработки месторождений: принятие решения о разработке месторождения, проектирование схемы разработки и инфраструктуры актива. В части бурения: управление бурением, оптимальная диспетчеризация буровых бригад и так далее.

Расскажу о нескольких проектах, которые мы реализуем. Взять, допустим, «Капитан» — глобальный проект по оптимизации морской логистики, по которому происходит планирование графикования движения судов, оптимизируются маршруты движения нефтяных танкеров.

Еще один пример — проект «Цифровой керн», направленный, в первую очередь, не на экономический эффект, а на сокращение трудозатрат, на оптимизацию цикла геологоразведочных работ.



Заслуживает внимания и потенциал применения технологий искусственного интеллекта в нефтегазодобывающей отрасли.



Керн — это образец горной породы, который вынимается из тестовой скважины и везется в кернохранилище, где делаются фотографии в дневном и ультрафиолетовом свете. Специальные эксперты — литологи отсматривают фотографии керна, определяют, на каких глубинах есть нефтенасыщенные пласты, разрушенность и так далее. Обычно процесс интерпретации керна на одну скважину занимает порядка двух недель, это примерно 400 метров керна.

Мы же разработали свое решение, которое полностью автоматически анализирует датасеты с фотографией за буквально секунды-минуты. Весь цикл лабораторной оценки керна, включая этап согласования документации, сократился до одного рабочего дня.

В 2020 году мы закончили разработку когнитивной системы по определению скважин — кандидатов на обработку призабойной зоны скважин. Это операции, которые, по сути, помогают добывать дополнительную нефть из скважин «не первой молодости». Мы разработали систему, которая на основе накопленного опыта помогает подбирать скважину под обработки.

Потенциально эта система должна принести нам 100 миллионов в год, с 2021 года запускаем ее в промышленную эксплуатацию. Одним из интересных эффектов здесь стало то, что эксперты считали, что в некоторых зонах проводить обработку неэффективно. А система показала, что смысл есть, и порядка 40% обработок, ранее считавшихся неэффективными, попали в категорию эффективных».


Алексей Борисов: "Применение искусственного интеллекта на промышленных предприятиях повысит качество работы сотрудников и их ответственность."

Алексей Борисов



Формальный подход с ИИ не пройдет

Применение искусственного интеллекта на промышленных предприятиях повысит качество работы сотрудников и их ответственность. В этом убежден директор по акселерации направления ТЭК и промышленность Фонда «Сколково» Алексей Борисов.

«Сегодня в нашем ИТ-кластере более одной тысячи участников, среди них 49% компаний применяют технологии искусственного интеллекта. Мы убеждены: через некоторое время ИИ станет де-факто стандартом любой системы автоматизации и будет применяться в тех или иных областях.

ИИ может быть самым разным, начиная от потоковой аналитики, которую собирают десятки, а порой и сотни тысяч датчиков, анализируют и тут же выдают какое-то решение. До систем видеоаналитики, контролирующей соблюдение, например, норм промышленной безопасности и охраны труда, — если люди нарушают их, ИИ оперативно предупреждает об этом.

В то же время есть симбиозы, позволяющие контролировать как видеоаналитику, то есть движение непосредственно продукции по конвейерной линии. И соответственно, сразу же эти данные попадают в определенные учетные системы, интегрируемые между MES и ERP, контролирующие это исполнение.

Можно отслеживать не только сам процесс, но и за счет установки датчиков на оборудовании, прогнозировать его условно не очень оптимальные параметры работы. А в случае необходимости, провести профилактические работы по ремонту или замене каких-либо частей этого оборудования, уменьшая простой и повышая качество выпускаемой продукции, которая может быть реализована.

Находят применение в промышленности и обычные диалоговые системы. Так, робот может проводить инструктаж, причем сотрудник не догадается, что с ним говорит робот. Ведь тот использует не машинный голос, а реальную человеческую речь, и может делать некоторые огрехи, как обычный человек. Однако ИИ способен идентифицировать, с кем он общается, понимать ответы. Следовательно, он может проводить инструктажи и тестирование специалистов перед выходом на опасные работы.

Для многих компаний, особенно занятых в нефтегазовой сфере, это одна из главных проблем. В течение дня проходят десятки, сотни проверок, к которым люди зачастую относятся формально, что приводит к несчастным, а порой и смертельным случаям. Робот не позволит провести проверку формально, и это большой плюс.

Часто при автоматизации люди боятся потерять место работы, но в данном случае, на мой взгляд, речь больше идет о том, чтобы специалисты не только сохранили, но и улучшили качество своего присутствия в компании.

К тому же искусственный интеллект может применяться в том числе для развития персонала, построения индивидуальных трекингов его развития и дальнейшего отслеживания возможностей мотивации сотрудников на достижение тех или иных целей компании».


Борис Воскресенский: "Даже если ИИ заберет у человека часть функций, это не повод бить тревогу. "

Борис Воскресенский



Вопрос доверия

Даже если ИИ заберет у человека часть функций, это не повод бить тревогу. К примеру, не так давно ПАО «Северсталь» отдало часть функций оператора искусственному интеллекту. При этом роль самого оператора на производстве не уменьшилась — более того, его функции расширились, и он стал своего рода пилотом. Об этом рассказал директор по развитию цифровых технологий ПАО «Северсталь» Борис Воскресенский:

«Мы осуществляем автоматизацию следующим образом: выбираем некую точку — процесс, операцию, функцию, где можно получить максимальный эффект, заменив человека машиной. Допустим, на прокатных станах это чаще всего управление скоростью агрегата, где замена специалиста искусственным интеллектом позволяет увеличить производительность на пять и более процентов.

Сам сотрудник в этот момент, во-первых, мониторит, как вообще идет производственный процесс, смотрит за качеством и управляет множеством других параметров. Он всегда может отключить машину и перехватить управление.

Однако здесь есть обратная сторона: если он может отключить машину, как заставить его не делать этого? Как сделать так, чтобы он доверял управление искусственному интеллекту? Нередко специалисты рассуждают следующим образом: «Я 10 лет управлял данным агрегатом и знаю его лучше, чем какая-то машина». Мы понимаем опасения операторов, поэтому рассказываем им, как работает ИИ, проводим тестовые пуски, а также проявляем некоторый креатив.

Например, в одном цеху мы устроили конкурс между бригадами с денежными призами. Его суть заключалась в том, чтобы выявить бригаду, которая больше и правильнее использует машинное обучение. В результате даже те бригады, которые прежде скептически относились к ИИ и включали модель только в 50% случаев, поняв, что их могут за это дополнительно поощрить. Они вступили в соревнование, в ходе которого убедились, что данной моделью можно и нужно пользоваться. После окончания конкурса у нас сохраняется высокий уровень использования модели.

Можно допустить, что искусственный интеллект может быть хуже каких-то лучших операторов, когда они на пике своих возможностей. Но если взять среднего оператора и определить эффективность его работы, он проиграет в сравнении с ИИ, который может стабильно работать 24 часа 7 дней в неделю.

В таком случае средний прирост производительности составит 5%, а в некоторых случаях вы вообще не сможете без искусственного интеллекта, поскольку ни один оператор не сможет конкурировать с ним, допустим, в контроле дефектов поверхности листа.

Ни один специалист не в состоянии отсмотреть 3 миллиона картинок за короткий срок, а ИИ способен это сделать. И мы, таким образом, можем существенно повысить информированность о качестве нашей продукции и обеспечить клиенту более хороший и надежный лист.

Наш текущий фокус относительно искусственного интеллекта заключается в его внедрении в ключевые точки принятия решений, где более-менее понятно, что происходит, и есть данные. А вот объединение всего завода под управлением ИИ — это явно не ближайшая перспектива».


Инновации, Информационные технологии, Цифровизация, Автоматизация в энергетике, Роботизация,

Искусственный интеллект в производстве: время технологий насталоКод PHP" data-description="Во многих отраслях пандемия стала испытанием для искусственного интеллекта — алгоритмы просто перестали работать в отсутствие достоверных исторических данных. <br>" data-url="https://www.eprussia.ru/epr/405-406/1617793.htm"" data-image="https://www.eprussia.ru/upload/iblock/7f0/7f0bc4e2ff7f71a223bcb0c501f9536c.jpg" >

Отправить на Email


Похожие Свежие Популярные

Войти или Зарегистрироваться, чтобы оставить комментарий.