Искусственный интеллект на промышленных предприятиях постепенно выходит за рамки аналитики и систем поддержки принятия решений и начинает непосредственно участвовать в управлении технологическими процессами. Один из наиболее показательных российских примеров такого перехода сегодня демонстрирует «Норникель».
Директор департамента технологических инноваций компании Алексей Тестин, выступая на сессии «Красная зона ИИ», разделил применение искусственного интеллекта в промышленности на несколько уровней: от наблюдения за процессом и выдачи рекомендаций оператору до непосредственного управления оборудованием. По его оценке, значительная часть предприятий пока работает преимущественно с рекомендательными системами, тогда как на отдельных производственных процессах «Норникеля» алгоритмы уже способны самостоятельно корректировать режим работы оборудования.
Масштаб цифровизации компании позволяет говорить не об отдельных экспериментах, а о системном внедрении технологий. По данным самого «Норникеля», более 80% ключевого оборудования на производственных площадках компании управляется с применением алгоритмов машинного обучения и компьютерного зрения. Экономический эффект от инвестиций компании в цифровые инновации и технологии оценивается более чем в 10 млрд рублей в год.
Заместитель председателя Комитета по энергетической стратегии и развитию топливно-энергетического комплекса ТПП РФ, действительный член Академии горных наук, директор по развитию экспертной платформы «Горнопромышленная стратегия» Василий Ракитин считает, что принципиальное значение подобных проектов заключается не столько в самом использовании искусственного интеллекта, сколько в переходе от рекомендательной модели к реальному воздействию алгоритмов на технологический процесс.
«Для промышленности это очень существенный рубеж. Одно дело, когда система анализирует данные и предлагает оператору возможное решение. Совсем другое — когда алгоритм непосредственно влияет на режим работы оборудования. В этом случае искусственный интеллект фактически становится частью производственного контура, а требования к его надежности, качеству данных и безопасности возрастают кратно», — отмечает Василий Ракитин.
По его мнению, именно поэтому промышленное внедрение ИИ нельзя оценивать только количеством разработанных моделей или запущенных пилотных проектов. Основным показателем зрелости технологии должен становиться измеримый производственный результат: рост эффективности оборудования, снижение потерь, повышение стабильности технологического процесса и экономический эффект.
При этом переход к автоматическому управлению не означает полного исключения человека из производственного контура. Для предприятий горнодобывающей и металлургической отраслей особенно важны инженерные ограничения, контроль допустимых параметров работы оборудования и возможность вмешательства специалиста при возникновении нештатной ситуации.
«На опасном промышленном объекте нельзя внедрять искусственный интеллект по принципу обычного ИТ-сервиса: запустили модель и посмотрели, насколько хорошо она работает. Сначала должен быть сформирован безопасный инженерный контур, определены границы, внутри которых алгоритм может принимать решения, а ответственность за критические режимы должна оставаться четко распределенной. Чем больше полномочий мы передаем алгоритму, тем выше требования к контролю», — подчеркивает Ракитин.
Эксперт считает опыт крупных промышленных компаний важным и с точки зрения дальнейшего распространения технологий в горнопромышленном комплексе. У отрасли накоплен значительный массив данных о работе оборудования и технологических режимах, однако сам по себе объем информации еще не гарантирует экономического результата.
«Следующий этап — не просто разработка новых ИИ-решений, а тиражирование уже доказавших эффективность технологий. Если система дает понятный экономический результат, работает в реальном производственном контуре и отвечает требованиям безопасности, ее необходимо рассматривать с точки зрения возможности применения на других предприятиях и производственных площадках. Именно такой подход способен превратить отдельные цифровые проекты в системное повышение эффективности отрасли», — заключил Василий Ракитин.
Опыт «Норникеля» показывает, что дискуссия об искусственном интеллекте в промышленности постепенно смещается от вопроса «можно ли использовать ИИ» к более практическому — какие функции производства можно передавать алгоритмам, при каких условиях это экономически оправданно и где должна проходить граница между автоматическим управлением и ответственностью человека.