Актуальная ситуация на рынке
Согласно исследованию MWS, доля всего российского ИТ-рынка в мировом в 2024 году составила 1,3%. Объем затрат на промышленное ПО на основе ИИ в мире за этот же год достиг 6,79 млрд долларов, говорится в отчете Market Research Future. Получается, что в 2024-м отечественные предприятия потратили на искусственный интеллект 88 млн долларов или ориентировочно 7 млрд рублей. Показатель достаточно скромный, но мы находимся на этапе, когда активное внедрение на производствах только началось.
Любопытно, что доля затрат промышленных предприятий России получилась совсем небольшая, приблизительно 2,3% от общего рынка ИИ страны, который оценивается в 2024 году в 305 млрд рублей, согласно исследованию Smart Ranking. Могу выразить уверенность, что за 2025−2027 годы доля промышленности вырастет в разы.
Основные задачи, которые может решать ИИ в промышленности
Предположу, что в ближайшие три-четыре года искусственный интеллект в промышленности откроет следующие возможности:
- Предиктивная аналитика на базе обученных ML-моделей и цифровых двойников позволит прогнозировать отказы оборудования и более эффективно тратить средства на техническое обслуживание и ремонт, что сократит потери от простоев;
- Оптимизаторы технологических режимов и процессов на базе ИИ позволят обеспечивать наиболее выгодный режим работы оборудования с точки зрения качества продукции и экономии затрат на сырье и ресурсы;
- ИИ-помощники на базе LLM- и GPT-моделей повысят качество планирования и анализа причин аномальных ситуаций для служб эксплуатации, а также помогут конструкторам и технологам учитывать на этапе проектирования стоимость производства будущего изделия — это позволит сократить время и затраты на внесение изменений в документацию или вообще отказаться от нее и работать на основании цифровых моделей изделий, что ускорит выпуск новой продукции;
- Распознавание видео позволит организовать в цехах оперативный контроль и снизить затраты на брак за счет блокирования ситуаций, приводящих к нарушению технологического процесса.
Это основные направления, где применяется ИИ в различных отраслях промышленности. Уже есть успешные примеры реализации перечисленных выше задач в сталелитейном и химическом производствах, ТЭК, машиностроении.
Отмечу также, что, согласно референсной архитектуре автоматизации, управление на производственном предприятии состоит из четырех уровней. Сегодня компании внедряют искусственный интеллект уже на трех уровнях из четырех: это два нижних левела — измерения и операции, а также средний — управление.
Примеры по оптимизации производства
В энергетике крупные генерирующие компании используют предиктивные системы уже больше 5 лет. Применяются цифровые двойники, обученные на исторических данных и на базе эмпирических правил, для оптимизации режимов работы турбинных установок при генерации энергии заданной мощности. Машинисту, управляющему турбиной, сложно постоянно учитывать множество факторов, влияющих на себестоимость, он решает главную задачу — удержать показатели выработанной мощности энергии в допустимом коридоре значений. Вместе с человеком функционирует система оптимизации, учитывающая текущие параметры работы установки, стоимость топлива по разным контрактам, техническое состояние, прогноз выработки, скорость отклика турбины и прочее. Система в режиме реального времени формирует управляющие команды, которые реализует машинист.
Такой подход снижает затраты на топливо на 5−6%. Кроме того, гарантирует отсутствие штрафных выплат за нарушение заданного уровня произведенной мощности, сокращает амортизацию оборудования и продлевает межремонтный интервал (при обслуживании по состоянию), сокращает углеродный след. Совокупный эффект повышения рентабельности одной установки достигает 9−12%.
Еще один пример — из производства стали. Внедрение модели предсказания в процесс изготовления топлива для доменных печей позволило снизить содержание дорогих углей в смеси сырья и обеспечивать требуемый уровень качества кокса при плавке чугуна и стали. Обученная ИИ-модель учитывает не только накопленные данные о параметрах сырья, полученных от разных поставщиков, но и данные о его запасах и параметры логистики, особенности процесса изготовления кокса. Экономический эффект на крупном предприятии при этом достигает более сотни миллионов рублей в год.
Сложности реализации проектов с ИИ
Первым вызовом является определение целевого эффекта от проекта с искусственным интеллектом. На каждом предприятии есть своя специфика, влияющая на достижение результата проекта, выраженного в деньгах. Изначально сложно сказать, насколько точно будет работать обученная ИИ-модель по сравнению с фактическим техпроцессом на производстве и какой экономический эффект она принесет. Оценки могут быть весьма приблизительными, что очень смущает руководителей предприятий на этапе согласования бюджетов: есть риск потратить средства и не получить отдачу. В таких случаях выделяют небольшой объем проекта и делают на нем пилот — по его результатам можно точнее рассчитать эффект полноценного внедрения.
Еще одно препятствие — собственно, наличие у бизнеса средств на внедрение. Особенно остро этот вопрос стоит с конца 2024 года, когда ключевая ставка существенно выросла и инвестировать в ИТ стало гораздо сложнее, а возможная окупаемость проекта с ИИ и его срок выглядят неубедительно. И заказчики предпочитают подождать со стартом, когда привлечь инвестиции под проект будет стоить дешевле.
И третьим фактором, мешающим внедрению ИИ в промышленности, назову высокий уровень требований и регламентов, которые, согласно законодательству РФ, должны соблюдать компании на производстве. Текущие регламенты не предусматривают использование искусственного интеллекта в технологических процессах. Предприятиям приходится тратить время и средства на аттестацию ИИ-систем, получение разрешений от надзорных ведомств, а также на изменение своих собственных приказов и инструкций, перевыпуск и повторное согласование техдокументации. Естественно, это затягивает начало использования новой системы и увеличивает срок окупаемости проекта.
Возможности для экономического роста
При подсчете экономического эффекта для большинства проектов с искусственным интеллектом учитывается сокращение рабочего времени сотрудника и/или экономия ресурсов и сырья. Смысл не в сокращении числа занятых на производстве, а в том, чтобы с текущим количеством персонала выпускать больше продукции и с более низкой себестоимостью. Я убежден, что при имеющемся дефиците кадров в промышленности надо стремиться к тому, чтобы заменить людей там, где справится ИИ, и поручить им другие задачи, где без участия человека не обойтись.
Инновации в ближайшие годы будут связаны с использованием общего эффекта от трех направлений: повсеместного внедрения ИИ на уровнях измерений и операций в цехах и на уровне управления предприятием, массового использования роботов и замены ими ручного труда, а также высокой степени автоматизации производств за счет систем АСУТП, SCADA, технологий IoT, решений с ИИ и роботов. Такой комплексный подход к организации управления даст эффект в виде роста ВВП на одного работника. Что приведет к повышению уровня оплаты труда на производстве и экономическому росту страны в целом.
