Использование технологий искусственного интеллекта в российской промышленности обеспечивает экономию в десятки миллионов рублей ежегодно. По оценкам экспертов, более 30% российских производителей используют ИИ, их количество будет только расти. В ближайшие годы общемировой экономический эффект от внедрения искусственного интеллекта будет сопоставим с ВВП нескольких сверхдержав.
По данным исследования компании PWC, к 2030 г. вклад искусственного интеллекта (ИИ) в мировую экономику составит $15,7 трлн — это больше, чем текущий вклад Индии и Китая вместе взятых. Среди наиболее продвинутых в этом отношении стран аналитики выделяют Китай, где к 2030 г. эффект от использования ИИ должен составить 26,1% от ВВП, и Северную Америку, где вклад ИИ достигнет 14,5% от ВВП. По оценке Accenture, дополнительный экономическими эффект от использования ИИ на производстве к 2035 г. составит $3,8 трлн.
Области применения ИИ в промышленности
Всемирный экономический форум выделяет пять направлений, в которых влияние ИИ в промышленности наиболее существенно: безопасность, производительность и эффективность; умная цепочка поставок и производства; ремонт и обслуживание оборудования на основе предиктивной аналитики, автоматический контроль качества продукции и адаптивный промышленный дизайн.
Самый массовый сценарий использования ИИ в производстве — автоматический контроль качества продукции при помощи машинного зрения и видеоаналитики. Компьютерные алгоритмы зачастую имеют преимущества перед человеком, например, они могут одновременно видеть в температурном, инфракрасном и обычном спектре, не устают, работают круглосуточно, в опасных для человека средах. Кроме того, такой контроль почти всегда носит коллаборативный характер, то есть если ИИ видит что-то подозрительное, он уведомляет специалиста-человека, что позволяет обеспечивать двойной контроль.
В свою очередь, генеративный ИИ (тип ИИ, способный создавать новые данные), как ожидают некоторые эксперты, способен произвести в промышленном дизайне такую же революцию как та, что уже произошла в дизайне обычном. С учетом развития технологий трехмерной печати использование ИИ позволяет находить более эффективные решения. Например, компания General Motors в 2019 г. использовала ИИ и трехмерную печать, чтобы создать новый, функционально оптимизированный кронштейн для сидений, изготовленный из одной детали из нержавеющей стали вместо восьми. Дизайн, выбранный компанией с помощью ИИ, оказался на 40% легче и на 20% прочнее, чем предыдущий.
Как ИИ помогает оптимизировать производство
По состоянию на конец 2023 г. около 30% промышленных предприятий в России пользовались искусственным интеллектом, поделился оценкой с ТАСС Владимир Нелюб, проректор по научной работе Санкт-Петербургского политехнического университета Петра Великого и эксперта Национальной технологической инициативы «Технет». В 2021 г. таких предприятий было лишь в 5%. По прогнозу эксперта, к 2030 г. почти все производители в России будут использовать ИИ. Согласно опросу технических директоров 100 крупнейших компаний РФ в 15 индустриях, проведенному «Яков и Партнеры», 46% респондентов внедряют искусственный интеллект в производственные процессы. При этом наибольшая доля таких компаний находится в индустриях: горная добыча и металлургия, сельское хозяйство, нефть и газ, химия и нефтехимия, машиностроение, автомобильная промышленность и медиа.
Использование технологий искусственного интеллекта помогает производителям экономить десятки миллионов рублей ежегодно в расчете на одну компанию и один технологический процесс. Пример экономии от внедрения ИИ в производство — проект металлургической компании НЛМК. На одном из своих комбинатов она внедрила сервис, который помогает максимально точно дозировать ферросплавы при выплавке стали. Чтобы сделать это максимально эффективно, сервис обращается к базе данных предприятия за информацией о количестве имеющихся на складе ферросплавов, их взаимозаменяемости и стоимости. Машинный анализ этой информации помогает рассчитать оптимальный состав и точный объем ферросплавов для получения стали требуемого химического состава. В компании рассчитали, что в перспективе экономический эффект от внедрения технологии составит около 100 млн руб. в год.
Другая область внедрения ИИ на НЛМК — система автоматического распределения слябов (металлических заготовок) и контроля качества смотки. Система оптимизирует темп прокатки стальных слябов на стане горячей прокатки. Раньше оператор рассчитывал темп выдачи слябов вручную на основе интуиции и опыта. Новый сервис определяет этот показатель автоматически. Модель, построенная на принципах машинного обучения, анализирует размеры, состав и нагрев сляба, а также параметры необходимой готовой продукции и техническое состояние стана. На основе этих данных модель прогнозирует, с какой скоростью металл должен пройти путь от печи до линии прокатки и рекомендует оператору, когда из печи выдавать следующий сляб. Благодаря этому решению интервал выдачи слябов сократился на 5% без ущерба качеству продукции. Как следствие, выработка прокатного стана увеличилась в среднем на 3,5 часа в месяц. Что позволило компании выйти на экономию около 30 млн руб. в год.
Другой пример — компания «Уралхим» в 2020 г. завершила реализацию проекта по внедрению системы искусственного управления на барабанных грануляторах-сушилках, установленных в одном из своих филиалов. В результате проведенных работ удалось достичь повышения стабильности производственного процесса, сократить влияние человеческого фактора и увеличить объем выпуска продукции на 2-6%. В цехе производятся три различных продукта поочередно — сульфонитрат, известково-аммиачная селитра и известково-аммиачная селитра с добавлением серы. Из-за высокой инерционности процесса операторы сталкиваются с трудностями в оценке влияния своих действий на технологический процесс и окончательный продукт. Это приводит к нестабильным показателям производительности агрегата и параметрам технологического процесса, которые зависят от опыта каждого оператора. Благодаря внедрению цифровых советчиков была создана эффективная система, позволяющая каждому оператору лучше контролировать процесс.
В свою очередь, компания «Северсталь» реализует крупный проект по автоматизации контроля качества продукции с использованием нейросетей и машинного зрения. С помощью решения, основанного на ИИ, уже контролируется выпуск порядка половины объема производимой металлопродукции в год, в результате чего обеспечено снижение среднего уровня претензий на 55%. Проект автоматизации длится уже 7 лет, его завершение ожидается в 2026-2028 гг. Сделаны инвестиции в объеме 1,3 млрд руб., в будущем в развитие проекта планируется вложить не менее 2 млрд руб. Компания также использует машинное обучение для повышения производительности. Так, одна из реализованных ИИ-систем автоматически управляет скоростью вращения окомкователя и дозировкой бентонита и выдает рекомендации по дозировке железорудного концентрата. В результате производительность линии окомкования повысилась на 11% с сохранением качества продукции.
В апреле 2023 г. проект по внедрению технологий искусственного интеллекта завершила «Объединенная двигателестроительная корпорация» (дочерняя структура «Ростеха»). Компания разработала новый способ люминесцентного контроля качества деталей авиационных двигателей с применением машинного зрения и нейросетей. Это решение автоматизировало процесс оценки качества лопаток силовых установок, обеспечив съемку всех поверхностей, поиск дефектов, расчет их параметров, классификацию и определение соответствия стандартам. «Применение технологии машинного зрения кратно увеличивает пропускную способность участка контроля и снижает требования к персоналу», — отметил директор по информационным технологиям «ОДК-Сатурн» Евгений Алексеев.
В свою очередь, компания «Евраз» внедрила на Западно-Сибирском металлургическом комбинате интеллектуальную видеоаналитику для автоматизации контроля качества. Производственный процесс выстроен следующим образом. Заготовка следует по загрузочному рольгангу стана. Перед взвешиванием она проходит точку контроля поверхностных дефектов, где установлены видеокамеры для фиксации состояния поверхности заготовки с каждой из четырех сторон. При попадании заготовки в поле зрения камер нейронные сети детектируют ее и проверяют на наличие дефектов. При обнаружении дефекта в режиме реального времени оператору подается звуковой сигнал, на экран выводятся изображение и порядковый номер дефектной заготовки. Это дает возможность вовремя отбраковать их и отправлять не в прокат, а на обработку дефектной области. Помимо этого, система классифицирует выявленные дефекты для дальнейшего анализа и ведет подсчет количества принятых заготовок. За год работы пилотного проекта видеоаналитика помогла сэкономить более 20 млн руб. на одном прокатном стане. Внедрение компанией «Евраз» машинного зрения еще в одном техпроцессе, для детекции объема ванадиевого шлака на поверхности металла, способно обеспечить экономический эффект в 89 млн руб. в год.
Перспективы для топливно-энергетического комплекса
Технологии искусственного интеллекта также успешно применяются на предприятиях топливно-энергетического комплекса, в частности, в «Роснефти» и «Газпром нефти». В 2023 г. «Газпромнефть — смазочные материалы» (оператор бизнеса масел «Газпром нефти») запустил, как утверждают в компании, первую в России цифровую систему создания многокомпонентных рецептур моторных масел с помощью искусственного интеллекта. Получившая название «Алхимик» она позволяет сократить временной интервал от разработки до запуска нового продукта в производство с полугода до 1-2 месяцев. «Для создания новой рецептуры моторного масла пользователь вносит в систему основные параметры будущего продукта — вязкость, плотность, щелочное число и прочее. Также в системе указываются спецификации автомобильного оборудования, на котором будут использованы смазочные материалы», — пояснили в компании. С помощью цифровой платформы специалисты «Газпром нефти» усовершенствовали уже более 200 рецептур моторных, трансмиссионных и гидравлических масел.
В свою очередь, в 2023 г. специалисты «РН-КрасноярскНИПИнефть» (входит в научно-проектный блок «Роснефти») на основе нейронной сети разработали программный алгоритм, который в 10 раз сокращает время одного из начальных этапов обработки сейсмических данных. «Объем одного проекта, с которым работает специалист при интерпретации сейсморазведочной информации, составляет 300 кв. км, или около 30 тыс. сейсмограмм. Обработка такого объема данных вручную может занимать до 80 рабочих часов, в то время как созданный алгоритм позволяет выполнить аналогичную работу в течение 7 часов без непосредственного участия специалиста», — рассказали в компании. Выгода от внедрения — не только существенное сокращение трудозатрат, но и исключение фактора субъективной оценки интерпретатора, поскольку работа программы основывается на математических моделях, а не на визуальном восприятии информации.
«Сегодня российские нефтегазовые компании активно используют традиционный ИИ для работы с большими структурированными числовыми данными на всем жизненном цикле продукции: от моделирования геологоразведочных работ и диагностики состояния трубопроводов до создания многокомпонентных рецептур моторных масел», — комментируют аналитики компании «Выгон Консалтинг».
«При этом промышленные решения на базе генеративных моделей в отечественном нефтегазе сегодня отсутствуют. Эти технологии пока только «пилотируются» ограниченным кругом российских вертикально-интегрированных нефтяных компаний», — говорят эксперты. По оценке аналитиков, топливно-энергетический комплекс может получить эффект в размере более 300 млрд руб. в год в случае активного применения генеративного искусственного интеллекта. Наибольшее влияние (69% от общей суммы) нейросети способны оказать на геологоразведочные работы, разработку и бурение, обустройство и капитальное строительство, мониторинг и управление добычей полезных ископаемых.