Искусственный интеллект – лишь усилитель естественного. К такому выводу пришли участники одной из секций в рамках конференции «Цифровой завод: из настоящего в будущее», организованной ИД «Коммерсантъ». Эксперты обсуждали опыт внедрения роботизированных систем, детали пилотирования цифровых решений и опыт замещения западных продуктов.
Тематическую сессию по вопросам пилотирования и внедрения цифровых решений в промышленности провел руководитель Комитета промышленной автоматизации АРПП «Отечественный софт» Вадим Подольный. На правах модератора он постарался выяснить у экспертов, когда искусственный интеллект поможет российской промышленности перейти к умному производству, в частности, избавиться от диспетчерских. Ради этого в ходе обмена мнениями ему пришлось прибегнуть и к провокационным вопросам.
Начался разговор на сессии с выступления заместителя генерального директора по научной работе «СиСофт Девелопмент», руководителя Комитета по информационному моделированию градостроительной деятельности АРПП «Отечественный софт» Михаила Бочарова, который напомнил о возможностях, открывшихся перед отечественными разработчиками с уходом зарубежных вендоров. Работа по замещению импортных продуктов строится с учетом потребностей рынка. По словам эксперта, где-то это нужно сделать «копейка в копейку, потому что у нас привязаны реперные точки. А где-то мы можем быть свободнее, например, в информационном моделировании». По мере формирования цифровой вертикали управления данными и у страны, и у компании есть возможность предложить то, что никто в мире еще не делал. И не потому, что они плохие или слабые – просто им это не надо, у них другой тип экономики, управления данными.
Информационное, или BIM-моделирование начинается с проектирования, постепенно продвигается в строительство («туго, но идет»). У компании «СиСофт Девелопмент» есть продукты, уникальной особенностью которых эксперт назвал бесшовную интеграцию на всем жизненном цикле информационной модели, сопровождающей объекты капстроительства.
Управление данными невозможно без четкой их классификации. На этапе эксплуатации можно использовать классификаторы строительной информации, но они требуют совершенствования. Цифровые кейсы, реализуемые на государственном уровне, позволяют «шлифовать» инструменты, необходимые при формировании и ведении информационной модели. Многие строительные организации стоят перед выбором или занимают выжидательную позицию. Но сегодня очевидно, что государство идет в «цифру».
Под контролем моделей
Моделирование работы промышленных агрегатов и производственных процессов в «Северстали» поручено команде аналитиков, которая занимается в том числе задачами машинного обучения. О результатах конкретном кейсе рассказал руководитель Центра ИИ и машинного обучения «Северсталь Диджитал» Андрей Голов. Специалисты предложили комплекс моделей по управлению агрегатом непрерывного горячего цинкования. Теперь операторы управляют скоростью агрегата, печью термохимического обжига и цинковыми ножами под контролем моделей машинного обучения. Цели разработки подобных решений – повышение производительности агрегатов, снижение издержек и увеличение выпуска продукции. Большая часть управляющих моделей подходит для задач планирования, оценки инвестиционных решений, выбора сценариев «что, если».
Однако практика показывает, что одного машинного обучения недостаточно, поэтому используется комплекс подходов, в том числе модели на основе экспертных правил. В рамках упомянутого кейса использовали имитационную модель, описывающую работу АСУ ТП. Чтобы не рисковать агрегатом, сценарий тестировали на такой модели. Реализация проекта привела к увеличению производительности агрегата на 3–4% и экономии цинка на 1,5%. Эффект в масштабах предприятия оценивается в сотни миллионов рублей.
Экспертиза команды и качество предлагаемых инструментов повышаются, а время реализации подобных проектов не сокращается, иногда, напротив, увеличивается. Андрей Голов объясняет это тем, что на участках с хорошей базовой автоматизацией внедрять цифровые решения значительно проще. Для получения эффекта нужно распространять опыт на менее зрелые процессы, где предстоит большая предварительная работа (например, по описанию данных и не только). Объем требуемой подготовки таков, что может поглотить эффект от внедрения модели. Стоит ли овчинка выделки в таком случае?
В компании нашли выход из ситуации. Инициативы по оптимизации алгоритмов, уточнению параметров технологического процесса рассматриваются не по отдельности, а в составе больших программ, включающих решение архитектурных задач. Подсчет суммарного эффекта от портфеля таких заданий избавляет от обоснования окупаемости определенных моделей.
Еще один блок задач связан с технологией компьютерного зрения для выявления дефектов продукции. Соответствующая система собственной разработки помогает контролировать качество. Можно ли использовать подобные решения на смежных производствах? Да, но с оговорками – у каждого предприятия свои агрегаты, поэтому не избежать большой работы по адаптации предложенных инструментов.
В поисках точек роста
В «Росатоме» искусственный интеллект, цифровые двойники применяют для поиска точек роста предприятий, рассказал руководитель проектного офиса «Инфраструктурная IoT-платформа» компании «Росатом Инфраструктурные решения» Валентин Чубаров. Ведь то и дело возникают новые бизнес-задачи – увеличить выручку, нарастить прибыль. Коммерческие, финансовые, генеральные директора предприятий вынуждены присматриваться к цифровым решениям, помогающим достигать требуемых экономических показателей.
Примечательно, что по мере проникновения цифровых решений в технологические процессы автоматизация обходится дешевле. Сравнительно недавно считалось, что стоимость автоматизации завода была равна примерно 10% его стоимости. Сейчас расходы на внедрение цифровых решений, в частности, в сфере генерации тепловой энергии, падают. «Росатом» автоматизирует не только производственные, но и социальные объекты, например, детские сады в регионах, за сотые доли процента стоимости самой площадки. На социальных и других объектах все чаще применяются технологии Интернета вещей.
В условиях дефицита кадров специалистам на производственных площадках, расположенных в регионах, нужны цифровые помощники. Предприятиям, где используются цифровое информационное моделирование, дата-проектирование, компания «Росатом Инфраструктурные решения» предлагает технические решения, позволяющие распространить информационное моделирование на весь жизненный цикл предприятия.
Увеличение прибыльности предприятий становится возможным, в частности, благодаря тому, что цифровизация проникает не только в инфраструктуру, но и в производственный процесс выпуска изделий. Заказчики учатся интегрировать заводскую инфраструктуру с поведением людей, распознаванием их движений. Все это способствует снижению стоимости производства единицы продукции.
В выступлении на секции Валентин Чубаров предложил экспертам подумать о создании ИТ-платформы, на которой можно собирать комплексные решения, хорошо зарекомендовавшие себя на практике.
Три задачи одного предприятия
Условия труда на заводах достаточно тяжелые, особенно в химической промышленности. С помощью платформы видеонаблюдения на предприятиях контролируется правильное использование персоналом средств индивидуальной защиты. Большое внимание уделяется контролю периметра, событиям, происходящим в опасных зонах. При нарушении правил безопасности система сигнализирует оператору.
Технологические процессы контролируются при помощи инструментов предиктивной аналитики, позволяющих, в частности, прогнозировать выход из строя оборудования. Системы видеоаналитики применяются для анализа качества на конвейерных производствах. Сегмент таких решений стремительно развивается на глобальном рынке, о чем можно судить по количеству стартапов в этой сфере.
По словам эксперта, двух одинаковых предприятий нет – различаются техпроцессы. Для каждого заказчика приходится, используя машинное обучение, писать нейронки. Поэтому на новом производстве удается использовать примерно 10% моделей, которые на данный момент разработаны компанией.
Вопросы без ответов
В конце сессии эксперты сосредоточились на вопросах, ответы на которые еще предстоит найти. Например, головной болью специалистов, занятых развитием и внедрением инструментов на основе ИИ, является низкий уровень чистоты данных. Задача ассоциаций, объединяющих производственные и иные предприятия, – организовать сбор данных, чтобы у разработчиков была возможность совершенствовать свои продукты.
Не менее актуальная тема – классификация программных инструментов. Сегодня не ясно, где заканчивается один класс продуктов и начинается следующий. Требует уточнения понятие промышленного софта. Нередки случаи, когда в реестр попадает переупакованный западный софт, что не всегда удается обнаружить.
Атмосферу дискуссии поддерживали и комментарии аудитории, и подчас весьма провокационные вопросы модератора сессии. Зачем предприятиям, которые внедряют ИИ, машинное обучение, нужны диспетчерские центры? Каковы шансы появления умных производств – без диспетчеризации? Все ли зависит от заказчиков, готовых брать на себя ответственность? Когда сталелитейные комбинаты запустят безлюдное производство? Есть ли в атомной отрасли технологии, которым можно доверить право принятия решений без участия человека?
Если обобщить услышанное в ходе обмена мнениями, то, по словам экспертов, микросхемы сегодня изготавливают без участия человека, кофемашина – чем не мини-завод по приготовлению напитка. На китайских и корейских «темных» заводах, выпускающих автомобили, свет не включают. Возможности таких производств действительно впечатляют. Но никто не показывает, что происходит, когда что-либо в рамках замкнутого цикла дает сбой или выходит из строя. Человеку пока сложно представить цену ошибки искусственного интеллекта – нет достоверных данных. Уровень алгоритмов, которые ИИ сам себе напишет, тоже до конца неизвестен.
«Давайте будем реалистами», – призвал один из участников разговора. Рынок незрелый, полного доверия к ИИ быть не может. При этом в России нет проблем с разработкой интеллектуальных продуктов. Однако мы проигрываем в том, что испытываем дефицит объективных и достоверных метаданных, на базе которых работают ИИ-системы. Недостаточно у нас опыта в области управления жизненным циклом объектов.
Ушли участники разговора и от прямого ответа на вопрос, когда все же можно будет доверять ИИ. Когда эта технология будет мыслить эффективнее, чем человек?
В заключение прозвучало мнение о том, что, когда мода на ИИ пройдет, «пена осядет». И тогда мы поймем, что искусственный интеллект – лишь усилитель естественного. Таковым и должен остаться, освободив человека от выполнения любых рутинных операций.
