Тысячи тонн цифровой руды: принесет ли пользу российской промышленности увлечение искусственным интеллектом?

В горнорудной промышленности искусственный интеллект может повысить эффективность процессов, увеличить производительность, помочь в решении проблемы нехватки квалифицированных кадров на удаленных площадках и взять на себя большие объемы аналитической работы. Сегодня для крупных предприятий отрасли это самая перспективная технология, уверен Павел Корякин, директор департамента промышленной автоматизации компании DCLogic.

Технологии Индустрии 4.0 стремительно меняют российскую промышленность, и искусственный интеллект (ИИ), без сомнения, идет в авангарде этого процесса. По данным заместителя председателя правительства РФ Дмитрия Чернышенко, экономический эффект от внедрения технологий искусственного интеллекта в отраслях экономики РФ составляет более 1 трлн рублей. К 2030 году этот показатель должен превысить 11 трлн рублей.

Согласно материалам "Индекса готовности приоритетных отраслей экономики Российской Федерации к внедрению искусственного интеллекта", средний уровень использования ИИ за последний год вырос на 11 процентных пунктов и достиг 43%. Наибольший рост продемонстрировали высшее образование, медиа, туризм, экология и природопользование, агропромышленный комплекс.

Хорошие перспективы и у добывающей промышленности. С этими отраслями мы работаем больше всего и видим множество кейсов, где применение ИИ и машинного обучения уже сегодня способно дать существенный эффект — решить проблему, расширить узкие места, повысить эффективность. Впрочем, большая часть потребителей пока лишь тестируют новые решения, а широкомасштабное внедрение еще впереди.

Основные направления, по которым ИИ сегодня развивается в промышленности, это видеоаналитика, прогнозирование (предиктивная аналитика), оптимизация различных процессов и планирования. Ниже подробнее остановлюсь на каждом из них.

Видеоаналитика

В этой области использование ИИ уже стало привычным делом. Многие компании предлагают решения на базе собственных платформ, которые широко применяются в различных отраслях, в том числе и на промышленных объектах. Системы машинного зрения способны в реальном времени выявлять различные отклонения от нормы — идет ли речь о характеристиках руды на конвейере, о качестве готовой продукции, о выполнении определенной последовательности производственных операций или о соблюдении требований безопасности на площадке.

Рудник — это огромный подземный "муравейник" с большим количеством людей и техники. Отслеживать и контролировать все происходящее на нем чрезвычайно сложно, и искусственный интеллект оказывается здесь очень кстати.

К примеру, для диспетчеризации и контроля выполнения работ на машину-погрузчик может быть установлена камера. С ее помощью система будет постоянно анализировать, как выполняются типовые сценарии, откуда и куда перемещается груз, как движутся материальные потоки, вести подсчет производимых операций. Понимая, откуда пришла та или иная руда, можно в реальном времени оценивать состав и качество руды, идущей на переработку.

Другие компьютерные "глаза" могут контролировать, используют ли работники средства индивидуальной защиты и нет ли каких-то еще факторов риска, которые могут привести к несчастному случаю или аварии.

Не обязательно речь идет именно о выявлении нарушений. Зачастую видеоаналитика помогает повысить прозрачность, найти узкие места и собрать необходимые данные для оптимизации процессов. Но об этом речь ниже. А пока задача сводится к тому, чтобы обнаружить определенный тренд или наоборот отклонение от нормы и сообщить об этом человеку, принимающему решения. Можно сказать, что видеоаналитика и подобные сценарии использования ИИ на производстве — базовый уровень освоения технологии в промышленности.

Прогнозирование

Визуальная информация — лишь один вид данных для анализа с использованием нейросетевых алгоритмов. Современное производство характеризуется наличием большого количества датчиков, которые регулярно в автоматическом режиме собирают различные параметры работы и состояния оборудования. Сюда же добавляются данные из систем управления предприятием, производственные и финансовые показатели.

Человеку, вооруженному традиционными средствами анализа, освоить и эффективно использовать такой массив данных достаточно сложно. Но для аналитических моделей на базе искусственного интеллекта, напротив, чем больше данных, тем лучше. А их способность к обучению позволяет предлагать самые гибкие решения в условиях нетиповых ситуаций.

Инструменты ИИ, основываясь на больших объемах исторических данных, а также на поступающих в реальном времени параметрах работы оборудования, помогают, например, оценивать степень его износа и предсказывать сбои. Это позволяет своевременно проводить техническое обслуживание, снижая простои и затраты на ремонт. Для крупных промышленных предприятий это означает, во-первых, существенную экономию средств: так, например, стоимость рядовой технологической установки может составлять миллионы долларов, ремонт обойдется в несколько тысяч. Во-вторых, повышается эффективность всех процессов производства. Ведь выход из строя той или иной единицы оборудования может в итоге отразиться на множестве смежных материальных потоков и процессов.

Примеров успешной реализации проектов по внедрению предиктивной аналитики в горнорудной отрасли пока не так много. Но именно здесь заключен наибольший потенциал для развития в самой ближайшей перспективе. При этом инструменты прогнозирования вовсе не обязательно использовать только лишь для предсказания технических сбоев. С их помощью мы можем получать представление о возможных отклонениях в цепочках доставок, прогнозировать параметры выпускаемой продукции. А отсюда всего лишь шаг до следующего уровня использования ИИ — оптимизации процессов.

Оптимизация производства

Проанализировав источники и потоки поступающего сырья (руды), предсказав его состав на входе на линию и имея цифровую модель для настройки процесса переработки, мы получаем возможность в реальном времени управлять этим процессом так, чтобы качество продукта оставалось стабильным, производительность — максимальной, а параметры самого процесса при этом находились в оптимальных с точки зрения эффективности и безопасности рамках. Именно на этом этапе искусственный интеллект превращается из того, кто находит проблему (видеоаналитика) или предсказывает ее (предиктивная аналитика) в полноценно соавтора ее решения.

Алгоритмы ИИ оптимизируют работу оборудования, подбирают наилучшие режимы для повышения производительности и снижения износа. При этом ИИ здесь не заменяет человека, а становится для него своего рода советчиком: подсвечивает проблемы, предупреждает о возможных негативных сценариях, предлагает варианты решений. Преимущество таких продуктов еще и в том, что ИИ может общаться с человеком на максимально понятном и близком тому языке, а значит взаимодействие происходит эффективнее, проще, быстрее.

Принятие решений все равно остается за человеком. Однако такие факторы, как индивидуальный опыт ответственного за тот или иной процесс оператора, его физическое или психологическое состояние начинают играть существенно меньшую роль. Там, где человек мог отвлечься, ошибиться или пропустить какие-то важные сигналы из-за усталости или высокой загруженности, искусственный интеллект не подведет.

Зато потребность в специалистах для рутинного, но требующего достаточно высокой квалификации мониторинга может существенно уменьшиться. И дело не в том, что бизнес теперь избавится от большой части сотрудников, заменив их на роботов. В реальности обеспечить сопоставимый уровень мониторинга, особенно на удаленных, труднодоступных площадках добывающих активов и сейчас не позволяют реалии рынка труда: специалистов высокой квалификации, готовых к вахтовой работе в не самых простых условиях, действительно не хватает. Компании, в свою очередь, тратят большие средства на то, чтобы доставлять сотрудников на вахту и обеспечивать их там всем необходимым. Так что ИИ в этом случае скорее не занимает чье-то место, а позволяет более эффективно перераспределить задачи между машиной и человеком и сэкономить ресурсы предприятия. В идеале выиграть должны все!

Перспектива развития

Как еще искусственный интеллект способен трансформировать бизнес крупных предприятий горнорудной индустрии? Очевидно, в будущем он сможет заметно повлиять на организацию планирования, приблизив его к реальным процессам, обеспечив возможность учета множества меняющихся факторов. Создание цифровых двойников с помощью машинного обучения позволит упростить моделирование физических процессов. Благодаря этому можно будет гораздо быстрее и дешевле тестировать различные решения и разработки без создания реальных прототипов, испытывать проектируемые агрегаты и отдельные узлы. Это позволит сократить сроки их введения в эксплуатацию.

Можно с уверенностью говорить о том, что первоначальный хайп вокруг технологий ИИ в добывающих отраслях уже прошел и началась последовательная работа по тестированию и внедрению реальных работающих решений. Среди сдерживающих факторов — многообразие вариантов применения технологии, в котором бизнесу порой оказывается непросто разобраться. Кто-то неудачно выбрал направления и процессы для цифровой трансформации и в итоге недоволен результатом. Кто-то оказался не готов технически (отсутствие или низкое качество исторических данных, отсутствие инфраструктуры для их сбора) или морально (люди не понимают задач цифровой трансформации, видят в них угрозу).

Условие успеха — хорошая подготовка к внедрению ИИ-решений: стратегия цифровой трансформации, в которой четко прописаны ее цели и приоритеты, готовность инвестировать средства и понимание того, когда вложения смогут принести отдачу, квалифицированный и замотивированный на изменения персонал. На этом этапе важна помощь опытных консультантов и интеграторов. Необходимо уделить внимание изучению кейсов других компаний, как российских, так и зарубежных, схожих по масштабу и модели бизнеса. Без этого риск потерпеть неудачу, потратить деньги и в итоге разочароваться в технологиях Индустрии 4.0 существенно возрастает.