Производственные компании традиционно отстают от более “легких” представителей бизнеса в вопросах внедрения ИИ. К тому же кризис, вызванный пандемией Covid-19 дополнительно спутал карты многим промышленным гигантам, готовившимся к трансформации. Однако спектр потенциальных возможностей для использования нейросетей в промышленности действительно обширный. И это доказывает ряд уже реализованных проектов в ведущих компаниях.
Почему же промышленность отстает в вопросах внедрения ИИ? Ответ на этот вопрос оказывается неоднозначным. С одной стороны, для успешной работы нейросетей нужны большие наборы проверенных данных, но в промышленных компаниях часто используется проверенное временем оборудование, не оснащенное датчиками. Поэтому данных о производственных процессах не хватает. С другой стороны, стоимость каждого из этапов производственного процесса в промышленности намного выше, чем, например, в торговле. Поэтому решения о модернизации принимаются дольше и требуют анализа целого спектра факторов в области финансов, нормативов, рисков и безопасности.
Большинство проектов использования ИИ в промышленности, о которых сегодня открыто говорят в прессе, готовились еще несколько лет назад, и поэтому сегодня уже приносят результаты.
Автоматизация производственных линий
Мониторинг в режиме реального времени оказывается намного эффективнее, если его выполняет не диспетчер, а искусственный интеллект. Постоянный анализ данных, поступающих с сенсоров и камер открывает возможности для отслеживания брака, контроля сроков поставки продукции заказчикам.
Алгоритмы машинного обучения способны сопоставлять данные от множества производственных смен и площадок, выявлять неочевидные закономерности и обнаруживать “узкие места” на производстве. Например, группа компаний BMW уже несколько лет применяет ИИ для оценки компонентов на технологической линии в ходе производственного процесса. Это позволяет автопроизводителю обнаруживать отклонения от стандарта еще до начала сборки, экономить время и деньги.
Повышенная безопасность
Искусственный интеллект может следить не только за производственными процессами, но также анализировать поведение людей на площадке. Системы видеонаблюдения, присутствующие на любом заводе, могут легко превратиться в средства видеоаналитики с автоматическим оповещением об инцидентах.
Кроме этого компьютерное зрение способно помочь операторам различных машин. Например, в РЖД нейросеть уже используется как дополнительный инструмент для работы маневрового машиниста, подсказывая ему оптимальные схемы перемещения вагонов на сортировочных станциях. Дополнительные “глаза” позволяют избежать столкновений и инцидентов, а также на 20% повышают эффективность сортировки.
Оптимизация работы техники и транспорта
Само движение техники тоже можно контролировать с помощью нейросетей. Например, компания Caterpillar использует технологии ИИ для оборудования, работающего в опасных условиях — в шахтах и карьерах. Нейросеть анализирует данные с датчиков и сенсоров, поступающие в реальном времени, чтобы распознавать препятствия, а значит — избегать столкновения с людьми и другой техникой.
Российская медная компания (РМК) также применяет ИИ, но уже для оптимизации движения транспорта. Многочисленные датчики позволяют проводить анализ качества дорог, расхода топлива, маршрутов, получать информацию о реальном весе каждой машины, вывозящей породу. В таких ситуациях речь идет не о тоннах, а о сотнях тонн, так что компании важно знать о каждой машине все подробности, чтобы вовремя отремонтировать ее, заменить детали, заправить. Простой продолжительностью в полчаса означает значительные потери на перевозке и приводит к снижению прибыли.
Сборка и производство
Еще один путь — полная замена сотрудников роботизированными установками. Кстати, многие компании стали рассматривать такую возможность в условиях пандемии, ведь работа с роботами, в том числе удаленная, помогает соблюдать социальную дистанцию.
Так, завод кухонной техники LG, в который было вложено $525 млн, полностью управляется нейросетью. Все стадии изготовления и закупки комплектующих, а также контроль качества готовых изделий находятся в компетенции ИИ. За счет этого производство отличается высокой эффективностью, а самообучающиеся алгоритмы постоянно работают над оптимизацией процессов. Ожидается, что к 2023 году этот завод будет выпускать до 3 млн единиц продукции в год.
Производство материалов
Металлургия — еще более сложная для оптимизации отрасль. Но выигрыш от использования ИИ здесь оказывается еще выше. Так, в кислородно-конвертерном цехе Магнитогорского металлургического комбината применяется ИИ, подбирающий оптимальное количество ферросплавов. Их добавление в прокат необходимо для достижения нужного стандарта материала.
Благодаря использованию ИИ оператор в режиме реального времени получает рекомендации по использованию добавок. В результате комбинату удалось сократить расход дорогостоящих ферросплавов на 5%. Таким образом, металлурги планируют экономить до 23 млн рублей в месяц за счет ИИ.
Оптимизация добычи нефти
Наукоемкие производства, такие как нефте и газодобыча используют искусственный интеллект, чтобы оптимизировать дорогостоящую добычу полезных ископаемых. Например,
в «Газпром нефти» работает «Когнитивный геолог». На базе нейросети компания развивает самообучающейся модели геологических объектов. Это позволяет принимать более взвешенные ключевые решения по освоению месторождений и ответить на главный вопрос: насколько рентабельной окажется добыча?
В ручном режиме такая оценка занимает до двух лет, а точность прогноза не превышает 60%. «Когнитивный геолог» подразумевает ускорить время интерпретации геологических данных в шесть раз. При этом специалисты планируют добиться увеличения количества полезной информации возрастет на 30%.
Сопутствующие процессы
Впрочем, нельзя забывать и о том, что в промышленных компаниях существует множество процессов, лишь опосредованно связанных с производством. В их число входит бухгалтерия, кадровый учет, логистика и многое другое.
Например, в РЖД используется система работы с претензиями на базе искусственного интеллекта. Так называемый “Электронный претензионист” автоматически анализирует запросы, поступающие от клиентов естественной монополии и помогает в разы быстрее разбираться с тысячами обращений, причем без лишних контактов и посещений офисов.
Где взять деньги для ИИ в промышленности?
На форуме Открытые Инновации, который проводился в 2020 году в дистанционном формате, были озвучены разные мнения по поводу ИИ в промышленности. В частности, некоторые компании вовсе отказались от развития этой экспертизы, потому что для ряда заказчиков рынок находится в состоянии рецессии, наблюдается падение спроса и снижение финансовых ресурсов. И поэтому, даже продолжая текущую цифровизацию производства, многие производственные компании пока оставляют эксперименты с прорывными технологиями за рамками бюджетов на 2021 год.
Мы в Smartcoders придерживаемся другой позиции и предлагаем заказчикам развивать экспертизу вместе с нами. Для внедрения ИИ, в том числе в промышленности, совершенно не обязательно вкладывать миллионы в эксперименты с неизвестными результатами. Вместо этого можно выбрать надежное и долгосрочное сотрудничество, когда внедрение нейросетей берет на себя специализированная компания. В этом случае заказчик может получить преимущества от использования ИИ, вообще не вкладываясь в новые технологии на начальном этапе.