Искусственный интеллект в машиностроении: от реальных проектов к будущим

Размещено на http://allbest.ru

Владимирский государственный университет

имени Александра Григорьевича и Николая Григорьевича Столетовых

Искусственный интеллект в машиностроении: от реальных проектов к будущим

Короткова Ксения Владимировна

Магистрант

Аннотация на русском

Развитие цифровых технологий в современном мире привело к созданию искусственного интеллекта (ИИ) и внедрения его во все сферы деятельности. В статье рассматривается вопрос применение ИИ в машиностроении, его реальные результаты и возможные перспективы развития.

Ключевые слова: Искусственный интеллект (ИИ), Индустрия 4.0, цифровизация, перспективы развития ИИ, промышленность, конкурентоспособность.

The summary in English

Artificial intelligence in mechanical engineering: from real projects to future ones

Korotkova Ksenia Vladimirovna

Vladimir State University named after Alexander Grigorievich and Nikolai Grigorievich Stoletov

Master's Degree student The development of digital technologies in the modern world has led to the creation of artificial intelligence (AI) and its implementation in all areas of activity. The article discusses the issue of using AI in mechanical engineering, its real results and possible development prospects.

Key words: Artificial intelligence (AI), Industry 4.0, digitalization, prospects for the development of AI, industry, competitiveness.

Внедрение искусственного интеллекта (ИИ) в последнее время происходит достаточно интенсивно почти во все сферы деятельности. Но особое место в экономике страны занимает машиностроение. Поэтому реализация ИИ на производстве является актуальной темой и требует много внимания для изучения и погружения в эту область знаний.

По расчётам АНО «Цифровая экономика» [1] на конец 2022 года оценка рынка ИИ приходилась на 15% больше, чем в прошлом году. Использование инновационных решений ИИ увеличило ВВП страны на 300 млрд. рублей [2], что не может не радовать. Так как многие источники ссылаются на то, что использование ИИ на предприятиях достаточно невысоко. Российские компании используют ИИ примерно 20% от общего числа промышленных предприятий. Данные показателя почти в трое ниже мировых.

Ещё в ноябре 2023 года правительством страны была утверждена общая стратегия направленности цифровизации промышленных предприятий. [2] К приоритетным задачам по развитию и реализации в машиностроении, без сомнения, было выделено именно искусственному интеллекту и его внедрению на производство. Использование искусственного интеллекта на производстве становится все более актуальным в связи с ростом конкуренции, необходимостью снижения затрат и улучшения качества продукции. ИИ позволяет автоматизировать рутинные процессы, улучшать качество принятия решений и оптимизировать работу оборудования. В целом использование ИИ на производстве может существенно повысить эффективность работы и конкурентоспособность компании.

Искусственный интеллект начали использовать в России еще в 1990 -х годах, но его применение было ограничено из -за недостатка данных и вычислительных мощностей. В последние годы наблюдается рост интереса к использованию ИИ в различных отраслях, включая машиностроение. Предполагается, что именно накопленный багаж знаний Индустрии 4.0, который последние 10 лет стал основоположником автоматизации и цифровизации машиностроения, станет своеобразным фундаментом при развитии ИИ. Индустрия 4.0 дала зачаток для накопления и хранения данных о предприятии. Именно эта накопленная информация станет главным механизмом для развития искусственного интеллекта. Если рассматривать перспективу развития ИИ к 2027 году, то почти 31,1% [4] будет приходиться именно на промышленность, а далее уже логистика, здравоохранение и оборонный сектор и т. д. Наглядно увидеть разницу в объемах рынка использования ИИ можно на рисунке 1.

Рисунок 1. Объемы рынков ИИ в секторах экономики, 2021-2027 гг.[1]

Также хочется отменить, что нефтегазовая промышленность в России будет лидером среди других сфер машиностроения, заинтересованной в усовершенствовании знаний об ИИ и его внедрении на все этапы жизненного цикла производства. Это будет обусловлено санкционной устойчивостью нефтегазовой промышленности среди других направлений в России, а также необходимости новых отраслевых решений.

Отличным примером будет являться нефтяной холдинг ПАО «Г азпром нефть». [3] Компания внедрила следующие проекты с использованием ИИ:

• Когнитивная геология, которая создаёт алгоритмы по поиску и анализу нефти. Когнитивная геология использует различные методы, такие как анализ данных, машинное обучение, нейронные сети, глубокое обучение и другие.

• Одним из основных преимуществ когнитивной геологии является ее способность обрабатывать большие объемы геологических данных и выявлять закономерности, которые могут быть незаметны для человека;

• VizorLabs - автоматизация контроля и измерения насосных труб при бурении и выкачки нефти;

• «Газпромнефть - смазочные материалы» портативный комплекс оборудования при помощи анализа состояния масла определяет общее состояние автомобильной техники;

• Оптимизация алгоритмов логистических решений Арктика «Капитан». Данное решение с помощью ИИ позволяет выбирать самые короткие маршруты ледокола, экономить топливо и энергию;

• Внедрение ИИ при расчёте и управления бурением. Цифровой прототип скважин сопровождается буровой установкой и тем самым, происходит точное бурение в реальном времени, которое можно контролировать из любой точки.

После внедрения проектов с использованием ИИ «Газпром нефть» получили следующие результаты: [3]

• Строительство новых скважин сократилось на 10%;

• Анализ геологических данных увеличился в 4 раза, как раз за счёт когнитивной геологии;

• Построены высокотехнологические скважины с оснащением ИИ общей протяженностью около 5 000 метров на самом серверном местонахождении;

• На 12 % уменьшились затраты на вывоз арктической нефти. Искусственный интеллект может применяться в машиностроении для решения различных задач, например:

• Оптимизация процессов и снижение затрат на производство;

• Улучшение качества продукции и уменьшение количества брака;

• Автоматизация управления оборудованием и производственными линиями;

• Контроль за соблюдением требований безопасности и охраны труда;

• Прогнозирование спроса и предложения на продукцию, а также планирование закупок и производства;

* Анализ данных и выявление тенденций, которые могут помочь в принятии решений.

ОАО «Тверской вагоностроительный завод» успешно внедрил на производство систему мониторинга и предиктивного анализа оборудования SmartDiagnostics.

Предиктивный анализ - это процесс использования данных для прогнозирования будущих событий или поведения. Он может использоваться для различных целей, таких как прогнозирование продаж, предсказание погоды, предсказание результатов спортивных событий и многое другое.

Злободневная проблема на вагоностроительном заводе была в некорректной работе оборудования на предприятии и его несвоевременная наладка. Именно это отклонение часто влекло за собой аварийные остановки, простои и увеличение затрат на ремонт.

Решение проблемы в системе реализовали благодаря мониторингу оборудования с помощью датчиков и сенсоров. Полученные данные дают возможность проводить предиктивную аналитику. Анализ предупреждает предприятие о выходе оборудования из строя заблаговременно, что позволяет сократить затраты на ремонт на 30%, время простоя уменьшить на 12%. [5]. По общим подсчётам аналитиков использование ИИ на предприятии снижает расходы на обслуживание оборудования на 30%. [1] Эти данные показывают безусловную пользу в использовании ИИ при реализации производства машиностроения.

Ещё одним интересным примером применения ИИ на производстве можно выделить у корпорации «Росатом». Новшество заключается в постоянном контроле использования средств индивидуальной защиты сотрудниками на предприятии.

Проблема корпорации заключалась в несоблюдении правил техники безопасности и охраны труда, а также передачи несвоевременной информации о пострадавшем на производстве.

Решением стала автоматическая система VizorLabs Health & Safety.[6] Система помогает контролировать соблюдение правил безопасности и системы ношения СИЗ. Видеокамеры, установленные в производственных помещениях, фиксируют и передают данные на сервер аналитики. На сервере запрограммированная нейронная связь проверяет полноту бригады и соблюдение правил ношения спецодежды. Если нейронная связь выявляет нарушения, то информацию об этом сразу регистрируется и передаётся на устройство бригадира или начальника смены. Ответственный может остановить работу линии до устранения нарушений, связанных с использованием СИЗ. Тем самым корпорация смогла уменьшить количество несчастных случаев на производстве в 8 раз, сэкономить на расследовании инцидентов несчастных случаем до 200 000 рублей. [7]

На данный момент сложно точно предсказать, как ИИ будет развиваться в машиностроении России в ближайшие два года. Однако, можно с уверенностью сказать, что использование ИИ в этой отрасли будет продолжать расти, особенно в областях проектирования, управления производственными процессами, диагностики и технического обслуживания. Кроме того, ожидается, что российские компании будут активно использовать возможности ИИ для улучшения качества продукции, снижения затрат на производство и повышения эффективности работы.

Выдели три перспективных тренда в области использования ИИ на ближайшее будущее.

Первый тренд: использование генеративного и разговорного ИИ. Генеративный искусственный интеллект - это тип искусственного интеллекта, который используется для создания новых данных или информации. Он может быть использован для создания изображений, текста, музыки и других типов данных. Разговорный искусственный интеллект - это область искусственного интеллекта, которая занимается созданием систем, способных вести естественный диалог с человеком. Такие системы могут быть использованы в различных приложениях, таких как голосовые помощники, чат-боты и т. д.

Генеративный ИИ в машиностроении можно будет использовать при создании новых форм изделия или процесса. ИИ сможем сгенерировать несколько вариантов изделия, а инженер-конструктор на основе предложенных вариантов выберет лучший и возьмёт за основу. Разговорный ИИ внедряют на этап обучения персонала на производстве. Бот программируют на помощь сотрудникам на их вопросы, которые они могут задавать с помочью речи.

Второй тренд: готовые ИИ решения или подход low-code/no-code.[8] Подход low-code/no-code -- это подход к разработке программного обеспечения, который предполагает использование инструментов и платформ, позволяющих разработчикам создавать приложения и сервисы без необходимости написания большого количества кода. Этот подход становится все более популярным в связи с тем, что он позволяет сократить время и затраты на разработку, а также сделать процесс более доступным для людей, не обладающих глубокими знаниями в области программирования.

Таким образом, небольшие предприятия смогут купить уже готовые решения, разработанные специальными компаниями исключительно для продажи. Этот тренд даст новый виток во внедрении ИИ в средние и малые копании, так как не каждая фирма имеет финансовую и техническую мощность для собственной разработки ИИ на предприятии.

Третий тренд: предиктивная аналитика. Данная область знаний уже на текущий момент достаточно популярна, но в ближайшем будущем предиктивная аналитика будет внедрена буквально в каждую компанию, даже самую небольшую.

Примером внедрения предиктивного анализа на крупном производстве является ОАО «Тверской вагоностроительный завод», о котором было рассказано уже ранее.

На сегодняшний момент компаниям становится всё сложнее прогнозировать дальнейшую перспективу развития и планировать управленческие решения за счёт нестабильной обстановки. Предиктивная аналитика используется в машиностроении для прогнозирования отказов оборудования, определения оптимальных сроков обслуживания и ремонта, а также для предсказания потребностей в запчастях и материалах. По итогам 2023 года планируется рост внедрения предиктивной аналитики на производства примерно в 3 раза.

Перечислив основные тренды ИИ, можно сделать вывод, что в ближайшем будущем внедрение ИИ станет намного проще и дешевле за счёт подхода low-code/no-code. Предиктивная аналитика и генеративные/разговорные ИИ будут обыденными инструментами на предприятии, которые смогут повысить конкурентоспособность компании и автоматизировать бизнес-процесс на современном машиностроительном производстве. искусственный интеллект цифровой машиностроение

Отметим, что внедрение искусственного интеллекта на производство может быть дорогостоящим процессом, но при правильном использовании ИИ может значительно повысить эффективность работы и снизить затраты. В данном случае государство идёт на встречу новаторам и даёт государственную поддержку в виде субсидий, грантов, льготных кредитований. Также помогают с пилотными проектами в рамках федерального проекта «Искусственный интеллект» от национальной программы «Цифровая экономика РФ». [4]

Также государством был создан Федеральный центр прикладного развития искусственного интеллекта. Центр помогает в разработке и внедрении технологий искусственного интеллекта, а также в проведении исследований в этой области. Центр также предоставляет консультации и поддержку компаниям, которые хотят использовать искусственный интеллект в своих проектах.

По данным «Сколково» на 2021 год предприниматели получили гранты на 500 млн. рублей, а в 2023 году фонд профинансировал проекты уже на общую стоимость около 900 млн. рублей. [9] Увеличение господдержки положительно сказывается на развитии ИИ в стране. Благодаря успешным проектам, реализованным с помощью государства, по предварительным данным около 33% компаний хотят внедрить ИИ на производство к 2025 году.[10]

Проведя анализ реальных результатов использования ИИ, можно сделать вывод, что использование ИИ на предприятии имеет огромный потенциал для применения в различных отраслях. Машиностроение не исключение, так как является приоритетным направлением в стране, которое необходимо развивать. С помощью ИИ можно автоматизировать рутинные процессы, улучшать качество продукции, снижать затраты на производство и повышать эффективность работы примерно в 2,5 раза. Кроме того, ИИ может использоваться для создания новых материалов и технологий, которые могут улучшить характеристики машин и оборудования. В целом перспективы применения ИИ в машиностроении выглядят очень многообещающими.

Литература

1. Антонина Егорова / "Цифровая экономика on-line". Приложение к газете "Коммерсантъ С-Петербург" №15 от 24.05.2023. [Электронный ресурс] - URL: https://www.kommersant.ru/doc/5999863 (дата обращения: 21.01.2024).

2. Дмитрий Чернышенко / Вклад в ВВП России от использования технологий ИИ может достигнуть 2% к 2025 году. [Электронный ресурс] - URL: https://www.interfax.ru/russia/880909 (дата обращения: 21.01.2024).

3. Новичихина П. А. Эффективность внедрения современных технологий на предприятиях нефтяной промышленности на примере ПАО «Газпромнефть»:выпускная квалификационная работа бакалавра:

направление 38.03. 01 «Экономика»; образовательная программа 38.03. 01_14 «Экономика энергетики». - 2022.

4. Указ Президента Российской Федерации от 10 октября 2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года»).

5. Минэкономразвития:ИИ принес промпредприятиям экономический эффект в 26 млрд руб. // Фонд содействия инновациям. . [Электронный ресурс] - URL: https://clck.ru/37yTtM (дата обращения: 21.01.2024).

6. Васеев И. Е., Княгинин В. Н., Липецкая М. С., Семенова М. А., Харитонов М. А., Годунова Е. А. - 2022, Научный редактор: Уткин Л. В., А. В. Бухановский/ Источники новых индустрий. выпуск 3. искусственный интеллект в промышленности Экспертно - аналитический доклад.

7. Корюшкина, Д. Ю. Искусственный интеллект в машиностроении: применение и перспективы / Д. Ю. Корюшкина, А. Г. Кузнецова // Юность и знания - гарантия успеха -2023:Сборник научных статей 10-й Международной молодежной научной конференции, Курск, 19-20 сентября 2023 года / Редколлегия: А.А. Горохов (отв. редактор). Том 2. - Курск: Закрытое акционерное общество "Университетская книга", 2023. - С. 384386. - EDN DMXBBV.

8. Гарбуз, Д. А. Искусственный интеллект / Д. А. Гарбуз, Е. С. Белова // Молодежная наука в XXI веке: традиции, инновации, векторы развития :Материалы VI Международной научно -исследовательской конференции, посвященной 50-летию Самарского государственного университета путей сообщения, Самара-Оренбург, 18-19 апреля 2023 года. - Самара-Оренбург: ОрИПС-филиал СамГУПС в г. Оренбург, 2023. - С. 333337. - EDN FLGOAT.

9. Энхов К.С., Васильев А.П. технологические тренды развития цифровой экономики // Научный журнал молодых ученых. 2023. №4 (34). URL: https://cyberlemnka.ra/artide/n/tehnologicheskie - trendy-razvitiya-tsifrovoy-ekonomiki (дата обращения: 21.01.2024).

10. Зеликова И. В. Искусственный интеллект и будущее машиностроения //Международная научно -техническая конференция молодых ученых. - 2020. - С. 2411-2416.

Размещено на Allbest.ru