Первые шесть стандартов будут готовы в 2026 году, но запуск экспериментально-правового режима сталкивается с большими сложностями
Пожалуй, уже не осталось ни одного предприятия, где бы производственное оборудование не было обвешано датчиками для сбора данных. Эту информацию промышленники собирают, чтобы на ее основе построить некие цифровые модели, позволяющие оптимизировать работу оборудования и предсказывать его дальнейшую эксплуатацию во избежание аварийных остановов.
И что нам с этим делать?
Итак, промышленники научились собирать данные, но используют их крайне неэффективно.
— Тенденции очевидны, это общемировая практика. В химии обычно говорят о 90% невостребованных промышленных данных, в машиностроении – 95-96%. Действительно, на первом этапе все учатся собирать данные и только на втором этапе — пытаются понять, а что конкретно требуется. После вычистки остается от массива данных лишь малая часть, которая может реально приносить пользу, решая разные задачи, — признал директор департамента цифровых технологий Минпромторга РФ Владимир Дождев на прошедшей в июле в Екатеринбурге в рамках выставки «Иннопром-2025» сессии, посвященной обороту промышленных данных.
С ним соглашается вице-президент по ИТ EVRAZ Артем Натрусов, приведя конкретный пример:
— При использовании промышленных данных мы отталкиваемся от идей, а дальше — от гипотез. В моменте проверки гипотез мы используем все возможные данные. Их собираем, анализируем, ищем корреляции, применяем в моделях. Например, датчики, установленные на машине непрерывного литья заготовок, передают данные по более 300 параметрам. А в нашей модели используются только 30 самых значимых параметров, с помощью которых мы можем более точно управлять этой машиной. Но собирать и хранить все данные в надежде на то, что это когда-нибудь пригодится, экономически не очень оправданный подход. Потому что в реальности из этого огромного объема данных будет использовано менее 5%.
Вперед без перегибов
Беда еще и в том, что нередко собственного огромного массива информации предприятиям (особенно средним и малым) не хватает, чтобы выбрать действительно необходимые для построения цифровых моделей и обучения нейросетей. Отсюда возникает потребность внутриотраслевого обмена промышленными данными, либо приобретения уже созданных моделей.
— Но тут встает вопрос легитимности такого обмена. В настоящее время в нашем законодательстве терминология «промышленные данные» вообще отсутствует, нет и соответствующих стандартов, — констатирует Владимир Дождев. — У нас данные не являются объектом гражданских правоотношений. Соответственно их оборот пока никак не отрегулирован. Надо ли его вообще регулировать? С нашей точки зрения, регулирование в этой области конечно нужно — именно для того, чтобы простимулировать и дать возможность компаниям выстраивать отношения между собой, когда промышленность, уже наработав определенные практики, могла бы их тиражировать и извлекать прибыль из созданных моделей. Но перегибать палку здесь не нужно. Идти по стопам регуляторов в сфере персональных данных, с нашей точки зрения, не стоит.
Федеральное государственное автономное учреждение «Цифровые индустриальные технологии» совместно с Минэкономразвития России ведет работу по подготовке введения в стране экспериментально-правового режима (ЭПР) в части оборота промышленных данных.
— ЭПР должен будет показать в первую очередь малым и средним предприятиям, как правильно работать с данными, какие нейросети будут создавать на основе этих данных. Почему мы пока не запускаем ЭПР? Мы прекрасно понимаем огромное количество нюансов и сложностей, — сообщил на сессии в Екатеринбурге директор ФГАУ «Цифровые индустриальные технологии» Эдуард Шантаев. — Основная сложность в подготовке экспериментально-правового режима связана с тем, чтобы понять, какие именно данные нам нужны. Видится целесообразным определить в рамках ЭПР некий атрибутивный состав промышленных данных, который будет собираться. Иначе эту проблему не решить. Здесь надо договариваться. Мы делаем большую ставку на работу с промышленностью. Не надо никому объяснять, что решение на основе искусственного интеллекта будет точнее, если ты его обучить не только на своих данных, но и на данных своих партнеров, коллег, конкурентов. Сейчас нет запрета работать в таком формате, но мы сталкиваемся с тем, что предприятия боятся обмениваться данными без какой-то понятной общей рамки. Введение экспериментально-правового режима должно в этом помочь. Написание самих стандартов у нас планируется в следующем году в количестве шести штук.
Фото: Павел Кобер
Автор: Павел Кобер