«Цифра»

В России к 2019 г. к промышленному Интернету будет подключено 1,3 млн единиц оборудования в машиностроении и 0,6 млн единиц - в процессном производстве. Объем рынка ИИ в промышленности в России в денежном выражении к 2021 г. составит 380 млн долл. К такому выводу пришли специалисты компании «Цифра» и рабочей группы по ИИ подкомитета по цифровой экономике РСПП, которые провели исследование* научных публикаций за последние 5 лет о проектах применения ИИ и промышленного интернета вещей (IIoT) по всему миру. По их данным, всего в мире на 2016 г. к IIoT было подключено до 1,7 млрд единиц промышленного оборудования.

Согласно исследованию, наиболее часто методы машинного обучения применяются в дискретном производстве (машиностроение, авиастроение, приборостроение и т. п.) – 44%, в процессном производстве (металлургия, химия, нефтехимия, нефтепереработка и нефтедобыча) - 22%, в электроэнергетике – 11%. Оставшиеся 23% рассмотренных проектов находятся на ранней стадии разработки. Как правило, это научные работы университетов, исследующих применение методов ИИ в новых сферах для промышленного сектора.

Для решения задач IIoT и промышленной аналитики применяются такие методы, как многослойный перцептрон ((D)MLP) – в 14% случаев, метод опорных векторов (SVM) – в 14% случаев, сверхточные нейронные сети (CNN) – в 11%.

Большинство применений методов машинного обучения относится к предиктивной аналитике (Predictive analytics) – 26% и описательной аналитике (Descriptive analytics) – 23%. Также достаточно часто данные методы применяются в области управления роботами и робозрении – 14%.

Как показало исследование, в дискретном производстве методы ИИ используются в первую очередь для увеличения срока службы промышленного оборудования и повышения эффективности его технического обслуживания. Предсказательная аналитика помогает промышленникам получить информацию об остаточном ресурсе промышленных активов, а предписывающая аналитика еще и дает рекомендации, что нужно сделать для предотвращения сбоев в работе и недопущения аварий. Данное направление в большей степени оптимизирует расходы на содержание промышленного фонда,.

Вторая область применения - это роботехника и робозрение, когда создаются системы или модели, которые способны обучить промышленных роботов эффективным действиям без участия человека. Это направление, перспективное с точки зрения генерации прибыли, пока не столь активно в связи с низкой роботизацией отечественного производства.

В процессном производстве используются те же сценарии с предиктивной аналитикой и предписывающей аналитикой для более эффективного использования оборудования, что и в дискретном производстве. Но более перспективными с точки зрения влияния на экономические показатели предприятия являются системы типа «цифровой советчик» для цифрового управления технологическими процессами. Большая часть изученных примеров связана с контролем качества продукции или его предсказанием.

При этом аналитики отмечают, что Россия может стать одним из лидеров по применению ИИ в процессном производстве (металлургия, нефтегаз, химия). Оно преобладает в структуре ВВП России и более технологически готово к внедрению инноваций за счет накопленного массива данных. В то же время большинство зарубежных работ рассматривает в первую очередь дискретное производство.

Эксперты также отметили, что самые передовые методы, такие, как метод обучения с подкреплением (самообучающаяся система, где обучаемое получает «вознаграждение» за максимально эффективный алгоритм действий), в промышленности практически не используются в силу новизны и сложности, хотя и могут дать существенный эффект.

* В основу методологии исследования лег анализ более 100 научных публикаций, содержащих информацию о применении технологии ИИ и подробное описание применяемой технологии. В поле зрения экспертов попали проекты исследовательских и коммерческих организаций из 27 стран. Наибольший процент публикаций из США (32%), Китая (12%) и Германии (10%). Остальные страны, включая Россию, представлены точечными проектами.