ИИ в промышленности: настоящее и будущее российского производства

В последние годы все больше заметен тренд внедрения технологий искусственного интеллекта в промышленность. По мнению представителей бизнеса, экспертов и аналитиков, ИИ в производстве находит все большее применение и сейчас широко используется в сфере автоматизации, роботизации, а также в моделировании условий промышленного цикла.

О том, как технологии ИИ применяются в российской промышленности, какие показатели демонстрируют предприятия, а также о перспективах ближайшего будущего рассказывает в интервью Александр Пестряков, руководитель ИИ-департамента ARGO.TECH.

— Когда Россия включилась в международную гонку по внедрению искусственного интеллекта в промышленность?

Сложно точно определить момент, когда в нашей стране бизнес и государство осознали стратегическую необходимость использования ИИ в производстве. Упоминания о первых наработках в этом направлении, прежде всего в процессе автоматизации рабочих процессов, появляются с 2017 года. Однако это были скорее точечные попытки усовершенствования оборудования и технологий производственного цикла, предпринятые отдельными компаниями и предприятиями.

Системная работа началась с утверждения президентом РФ в 2019 году «Национальной стратегии по развитию ИИ». Одна из задач этой рассчитанной до 2030 года федеральной программы заключается в содействии пилотному внедрению отечественных ИИ-решений в приоритетных отраслях экономики, в том числе и в промышленности. Так, с 2021 года в рамках нацпроекта выделяются гранты в размере от 20 до 100 млн руб. на реализацию инновационных ИИ-продуктов в промышленности.

С 2021 года работает Автономная некоммерческая организация (АНО) «Цифровая экономика» — основная платформа в России, с помощью которой общаются между собой представители государства, науки и бизнеса в сфере ИИ. По оценкам экспертов, использование некоторых решений в рамках этой платформы только за первый год совместной работы позволило некоторым предприятиям повысить рентабельность на 5%.

Все это лишь часть общей стратегии внедрения ИИ в промышленность, которая связана непосредственно с государственными программами и инициативами. Сейчас практически у каждого крупного российского предприятия есть собственная локальная программа, которая помогает использовать AI-технологии в производственном цикле.

— На что направлены стратегии развития искусственного интеллекта в работе предприятий? И как они в целом помогают при их реализации?

Многое зависит от специфики той или иной сферы, в которой работают компании. Если говорить в целом, то задействование ИИ в анализе огромного объема данных помогает решать ряд задач по самым разным направлениям.

Например, при оптимизации производственных процессов ИИ позволяет анализировать данные в реальном времени, автоматически регулируя параметры процессов. При использовании предиктивной аналитики искусственный интеллект, диагностируя состояние оборудования, способен «предсказывать» возможные сбои и поломки.

В сфере управления энергопотреблением ИИ также эффективно оптимизирует процессы использования энергии, что, в свою очередь, снижает затраты и уменьшает негативное воздействие на окружающую среду. Технологии AI также задействуют с разной степенью эффективности для налаживания цепочек поставок, доставки и хранения компонентов производственного цикла или готовых продуктов.

— Если оценивать эффективность использования ИИ на предприятиях в цифрах, насколько успешны кейсы внедрения?

Наиболее показательные примеры можно найти в отраслевых практиках российских производственных компаний, уже реализовавших масштабные ИИ-проекты.

Общее количество ИИ-проектов в портфеле одной из таких компаний превышает 60 решений, а экономический эффект от их использования позволил увеличить прибыльность на 1 млрд руб. В частности, с помощью ИИ на самом большом стане горячей прокатки в России — 2000 ЧерМК — при прокатке среднюю паузу снизили на 1 секунду на сляб, что позволило дополнительно заработать 180 млн руб.

Система ИИ-управления агрегатом непрерывного горячего цинкования автоматизирует процессы нанесения покрытия, контроля за мощностью огня в печи и за скоростью линий (с учетом технологических ограничений). Внедрение этих технологий позволило предприятию снизить расходы цинка на 1,5% при общем повышении производительности агрегата на 3,4%. Общее снижение потребления электроэнергии за счет управления парком компрессоров на предприятии составило 2%.

Пилотная программа использования инструментов генеративного искусственного интеллекта на другом крупном предприятии России помогла повысить производительность по отдельным видам работ в цехах на 53%, при этом выполнение запросов на изменения ускорилось на 34%.

— У вашей компании в портфеле есть собственные разработки, позволяющие с помощью ИИ оптимизировать промышленное производство? В чем отличие AI-решений со стороны от тех инновационных проектов, которые в сфере машинного интеллекта разрабатывают и внедряют сами предприятия?

Наша компания занимается разработкой программных комплексов хранения данных и искусственного интеллекта с 2016 года. И сейчас мы представлены на рынке рядом самых разных систем автоматизации, логистического мониторинга и ПО для обработки данных, создания пространственно-временных промышленных моделей, оптимизации производственного процесса и т. д.

В качестве примера можно взять собственное решение в сфере интеллектуального промышленного контроля. Это AI-сервис, использующий технологии компьютерного зрения и видеоаналитики для автоматизированного анализа происходящего на производственных объектах. Специфика сервиса заключается в создании актуальной, динамически обновляемой модели поведения персонала.

Также у нас есть особая система поведенческой видеоаналитики на базе ИИ. Это комплексное решение, которое анализирует видеопоток в режиме реального времени и распознает с помощью искусственного интеллекта заданные сценарии поведения и нарушений.

Наша система видеоаналитики позволяет контролировать соблюдение санитарных норм, наличие спецодежды у персонала, а также следить за рабочим временем сотрудников. Функциональность сервиса обеспечивается за счет проработанного алгоритма уведомлений с мгновенной отправкой начальству в случае фиксации нарушений.

Внедрение системы в производство крупного пищевого предприятия позволило за три месяца снизить количество санитарных нарушений на 23% и улучшить операционную дисциплину на 17%. Вместе с тем комплекс ИИ-видеоаналитики сократил время на разбор инцидентов в среднем на 2,5 часа в неделю.

Если говорить об отличиях независимых разработчиков промышленных ИИ-систем от непосредственно производственных, то большую роль играет универсальность решений. Частные компании, работающие на нужды производства, вынуждены сразу проектировать машинное ПО, которое можно использовать в разных сегментах промышленности.

Например, упомянутая система видеоаналитики изначально и создавалась для мониторинга соблюдения санитарных и технологических регламентов в пищевом производстве. Позже она была дополнена модулями, позволяющими адаптировать систему под задачи охраны труда, контроля допуска на опасных объектах, обеспечения технологической дисциплины и анализа инцидентов в логистике и корректности работы персонала с оборудованием.

Постоянное усовершенствование собственных разработок, связанных с искусственным интеллектом в промышленности, позволяет расширять сферы использования за пределы производственных нужд предприятий. Если при этом работать в тесном партнерстве с компаниями-заказчиками, то можно сразу тестировать новое ПО или оборудование, получая наглядную статистику эффективности.

— Насколько высоки показатели внедрения ИИ в российскую промышленность?

Цифры объективной статистики сложно получить хотя бы потому, что в этой сфере все находится в постоянной динамике: предприятия в России в последние два года активно цифровизируются.

Тем не менее, кое-какие данные в общественном доступе есть. К примеру, исследование Национального центра искусственного интеллекта при правительстве РФ (НЦРИИ) показывает, что по состоянию на конец 2024 года технологии ИИ в нашей стране использует уже не менее трети связанных с производством организаций.

При этом в обрабатывающей промышленности показатель чуть ниже — здесь технологии искусственного интеллекта используют 25,8% компаний. В топливно-энергетическом комплексе ИИ внедрили 40,6% организаций, в строительстве — 27,6%.

Если смотреть на общую картину в целом, то нетрудно заметить: активнее AI-решения применяют в тех отраслях, в которых у компаний есть финансовые возможности для их тестирования и использования. Еще одно важное условие состоит в необходимости тиражирования используемых технологий и масштабирования.

С этим нередко помогают как раз независимые от предприятий разработчики, у которых к тому же есть компетенции усовершенствования промышленных систем и ПО. Но парадокс в том, что сами предприятия не спешат обращаться к сторонним разработчикам: в их логике собственные лаборатории и ИИ-площадки позволяют сэкономить. А это далеко не всегда так: сторонний взгляд специалистов с расширенными компетенциями дает возможность выработать универсальные решения, выходящие за пределы узкой промышленной специализации.

— Какие перспективы использования ИИ в российской промышленности?

В последние годы тренд на цифровизацию предприятий только усиливается — во многом благодаря господдержке через нацпроекты и федеральные программы. По оценке экспертов Минэкономразвития (МЭР) РФ, к 2030 году ИИ будет внедрен в 95% отраслей.

Согласно данным НЦРИИ, средний уровень использования технологий искусственного интеллекта в промышленности вырос с 2021 года в 1,5 раза — сейчас в приоритетных отраслях показатель его применения составляет 32%.

Среди проблем и барьеров, препятствующих быстрому развитию ИИ в промышленности, можно отметить высокую стоимость разработок и дефицит квалифицированных специалистов, особенно в структурах самих предприятий. Приток профессионалов в промышленной сфере ИИ обеспечен менее, чем на треть от необходимого уровня — образовательные учреждения просто не справляются с подготовкой достаточного количества кадров.

Еще одна немаловажная проблема заключается в недостатке структурированных данных для обучения ИИ и обновления баз. Получаемые на предприятиях данные зачастую не структурированы и неполны, в них отсутствует разметка для задач контролируемого обучения.

Трудности возникают и в процессе интеграции машинных алгоритмов в сложившихся на предприятиях системах. Внутренние промышленные комплексы нередко работают на устаревшем ПО и оборудовании, несовместимом с актуальными ИИ-разработками.

Таким образом, полная автоматизация российских предприятий с помощью ИИ в ближайшие годы вряд ли осуществима. Тем не менее, цифровизация в производстве остается в приоритете для бизнеса российских промышленных компаний.

Успех внедрения различных решений искусственного интеллекта зависит от долгосрочных стратегий внедрения ИИ — краткосрочные цели достичь намеченных государством ориентиров не позволяют. Бизнес и промышленность ориентируются на заложенные Минэкономразвития показатели с перспективой ускорения развития в ближайшую пятилетку. На это и рассчитаны локальные программы каждого конкретного предприятия.