ИИ от производства будет толк
Как можно применять искусственный интеллект в промышленности
Одной из ключевых на прошедшем «Иннопроме-2024» стала тема внедрения искусственного интеллекта (ИИ) в промышленности. Участники форума обсуждали вызовы, которые ставит ИИ в промышленных отраслях экономики, и будущее применения технологий искусственного интеллекта в промышленности. Собеседники «Ъ-Итоги "Иннопрома"» говорят, что ИИ становится ключевым фактором повышения эффективности современных производств и может не только предотвращать опасные инциденты на производстве, но и повысить производительность труда на 15–20%.
Фото: Марина Молдавская, Коммерсантъ
Фото: Марина Молдавская, Коммерсантъ
Участники рынка искусственного интеллекта в один голос говорят о том, что ИИ на производствах имеет широкую сферу применения и, собственно, уже активно применяется предприятиями. Так, исполнительный директор MTS AI Дмитрий Марков рассказывает, что ИИ в промышленности используется достаточно широко: «от полной автоматизации и роботизации производственного цикла до моделирования различных промышленных условий».
«Применение ИИ наиболее эффективно там, где можно стандартизировать правила решения задач, но при этом задача требует обработки большого объема связанных данных. Например, это задачи прогнозирования в сегменте FMCG (товары, которые покупают частные лица для собственного потребления.— “Ъ”)»,— говорит управляющий партнер системного интегратора для промышленности «Райтек ДТГ» Евгений Вергазов.
Внедрение использования систем ИИ на производствах повышает эффективность производственного процесса всего на пару процентов, но это «выражается в экономии миллионов и сотен миллионов рублей», говорит руководитель рабочей группы «Практика и данные» Альянса в сфере ИИ Алексей Шпильман. «По оценке Минэнерго, накопленный прирост денежного потока нефтегазовой отрасли за счет применения технологий ИИ в 2025–2030 годах может составить 1,01 трлн руб.»,— говорит он.
Применение ИИ может снизить издержки, повысить качество продукции, снизить доли рутинных операций, говорит руководитель направления «Аналитика данных» для банков и ресурсных компаний Axenix Денис Шипулин. При этом ИИ становится ключевым фактором повышения эффективности и безопасности современных производств, объясняет управляющий директор Visitech компании SL Soft Ангелина Зимина. «Здесь ИИ может быть использован для оценки рисков, моделирования вероятности нештатных ситуаций на производстве, автоматизации процессов выдачи нарядов-допусков, контроля выполнения работ, анализа причин инцидентов. По нашему опыту внедрение таких систем может значительно снижать количество аварийных ситуаций и показатели травматизма, то есть буквально спасать жизни».
С ней согласен Дмитрий Марков, который добавляет, что ИИ-решения могут анализировать «значительный объем данных о состоянии оборудования и умеют прогнозировать возможные инциденты». Кроме того, он объясняет, что с помощью предиктивной аналитики можно оптимизировать потребление расходных материалов и ресурсов, а также уменьшить простои оборудования, увеличить производительность предприятия и подобрать оптимальную технологию производства.
«Умное видеонаблюдение помогает контролировать соблюдение сотрудниками правил безопасности. Кроме того, алгоритмы компьютерного зрения позволяют контролировать качество производимой продукции и соблюдение технологического процесса,— добавляет господин Марков.— Также хорошим инструментом можно считать внедрение биометрического СКУД (система контроля и управления доступом.— “Ъ”) с контролем времени прихода/ухода сотрудников на работу».
Что нужно для работы ИИ на предприятии?
«Мощности на разные задачи нужные разные. Обучать большие языковые модели с нуля производственные компании, конечно, не смогут, да и незачем. А вот дообучать их и использовать возможно»,— говорит господин Шпильман.
Чтобы технологии ИИ работали в контуре предприятия, необходимо, чтобы в контуре предприятия имелось достаточное количество серверного оборудования, объясняет Дмитрий Марков. «Какие-то модели ИИ могут работать на CPU (центральных процессорах.— “Ъ”), например голосовые технологии или видеоаналитика, но для больших языковых моделей — LLM — требуются более серьезные вычислительные мощности, и здесь лучше использовать сервера с GPU (графический процессор.— “Ъ”) видеокартами»,— рассказывает господин Марков.
По его словам, альтернативой может быть использование облачных технологий — когда модели ИИ работают в контуре облачного провайдера. «Но в этом случае придется данные предприятия передавать в контур облачного провайдера, что не всегда возможно по соображениям информационной безопасности или даже с точки зрения законодательства»,— говорит Дмитрий Марков.
Интерес предприятий к облачной инфраструктуре подтверждает и Денис Шипулин. «Это связано со снижением затрат на приобретение собственных мощностей. Также для полноценного использования ИИ необходимо построение дата-платформы, что позволит в два-три раза сократить продолжительность разработки и внедрения ИИ-сервиса»,— добавляет он. «У компаний, которые используют внешние сервисы, требования к собственным мощностям минимальны. С другой стороны, крупные промышленные группы разворачивают собственные ИИ-сервисы на базе своих дата-центров»,— говорит Евгений Вергазов.
«Некоторые промышленные заказчики разрабатывают собственные кастомизированные решения, но поддерживать их в актуальном состоянии достаточно затратно даже в масштабах сверхкрупных холдингов. Поэтому многие предприятия успешно используют готовые платформы»,— рассказывает Ангелина Зимина.
В каких отраслях промышленности наиболее эффективно использовать ИИ?
«ИИ наиболее эффективно может использоваться там, где есть большие объемы данных и сложные производственные процессы. Это нефтегазовый сектор, машиностроение, электроэнергетика, металлургия»,— объясняет госпожа Зимина. Денис Шипулин добавляет, что краткосрочные эффекты быстрее наблюдаются в областях ритейла, FMCG. «А в производстве срок окупаемости инициативы может достигать одного-трех лет, однако являться более тиражируемым и долгосрочным»,— говорит он.
Чем выше неопределенность процесса и чем сложнее его оптимизировать специалисту, тем более интересен ИИ, рассказывает Алексей Шпильман. «Хороший пример — агропромышленность. Как в растениеводстве, так и в животноводстве очень много факторов, которые влияют на процесс, и которые почти невозможно учесть вручную. В добывающей промышленности ИИ тоже может принести большую пользу. Ведь мы лишь приблизительно понимаем, что происходит в пласте на глубине нескольких километров, и фактор неопределенности крайне высок».
Также ИИ возможно использовать и промышленном интернете вещей, говорит Ангелина Зимина: «В контексте IIoT ИИ играет ключевую роль в анализе данных в реальном времени, позволяя обрабатывать огромные потоки данных с датчиков, предсказывать возможные неисправности оборудования и оптимизировать производственные процессы».
Какие главные тренды использования ИИ в производстве?
«Основных тренда два. Первый — это повышение покрытия системами ИИ процессов компаний. Второй, более новый — это большие языковые модели, на которые производство смотрит не только как на продвинутые чат-боты, но и как на системы, способные работать с разнообразными техническими данными и решать инженерные задачи»,— говорит Алексей Шпильман.
«Использование генеративного ИИ, например для проверки и анализа документации, или чат-ботов, совмещенных с рекомендательной системой. В математической оптимизации это может быть оптимизация расхода материалов или логистики, планирование спроса. В компьютерном зрении — автоматический контроль качества продукции или система обнаружения нарушений техники безопасности»,— перечисляет Денис Шипулин.
Дмитрий Марков говорит, что одним из трендов являются ИИ-ассистенты, которые упрощают работу сотрудникам при выполнении рутинных задач, таких как поиск и суммаризация нужной информации в служебных документах или составление нового документа на основе имеющихся примеров.
Алексей Шпильман рассказывает, что использование ИИ на производствах может радикально повысить производительность труда, «как в свое время компьютеры повысили эффективность по сравнению с печатными машинками». Очень много рутинных задач ИИ может решать быстрее и эффективнее человека, оставляя специалисту время и силы для творчества и постановки новых задач все более совершенным системам ИИ.
Ангелина Зимина оценивает повышение производительности труда при использовании систем искусственного интеллекта на производстве примерно на четверть. «По нашей практике грамотное внедрение ИИ-решений может повысить производительность труда на 15–20% за счет автоматизации рутинных операций, оптимизации производственных процессов, предотвращения отказов оборудования, улучшения качества продукции и сокращения времени наладки оборудования». Кроме того, по ее оценке, применение ИИ на предприятиях способно снизить количество инцидентов на 30–40%.
«Но главное — это возможность предотвратить человеческие жертвы и серьезный ущерб окружающей среде, что критически важно для любого ответственного бизнеса»,— считает она.