До недавнего времени главной тенденцией в развитии промышленного производства было применение систем комплексной автоматизации. Крупные предприятия внедряли (и внедряют) у себя решения, базирующиеся на мощных и распределенных средствах вычислительной техники. Они позволяют контролировать весь производственный цикл, а тесная интеграция производственных и вычислительных систем обеспечивает гибкость технологических процессов и возможность оперативной смены типов выпускаемой продукции. Казалось бы, лучше не придумаешь. Однако развитие систем искусственного интеллекта (ИИ) обеспечило возможность создания систем автоматизации принципиально нового уровня.

Используемые в настоящий момент системы опираются на логику и точные расчеты, применяя упрощенную «модель производственных процессов», выбранную заранее. ИИ позволяет анализировать обстановку в реальном времени и сохранять работоспособность при смене целей управления, непредвиденных изменениях свойств управляемого объекта или параметров окружающей среды. Система способна менять алгоритм управления и искать оптимальные и эффективные решения. Условно я бы обозначил искусственный интеллект как область знания, занимающуюся автоматизацией разумного поведения технических систем.

Особенности работы интеллектуальных производственных систем:

• Отсутствие заданного заранее алгоритма решения в задаче управления или координации.
• Возможность наличия скрытых взаимосвязей в управляемых системах и их параметрах.
• Наличие разнообразных систем сбора данных.
• Возможность анализировать данные разного типа: видеоряд, изображения, знаки, тексты, слова.
• Наличие выбора из множества вариантов, заранее не предопределенных.

Каким предприятиям нужен искусственный интеллект

Искусственный интеллект в производстве может применяться практически во всех бизнес-вертикалях и на всех уровнях:

На уровне проектирования для повышения эффективности разработки новых продуктов, автоматизации выбора и оценки поставщиков, при анализе требований к запчастям и деталям.

На уровне производства для совершенствования бизнес-процессов и координации (оркестрации) различных производственных систем. Использование интеллектуальных помощников помогает снизить количество ошибок персонала, упростить процесс производства и уменьшить время простоев при перестроении технологических процессов. Функции распознавания изображений могут анализировать перемещения сотрудников и подвижного оборудования, повышая тем самым уровень безопасности на предприятии, а также используются для контроля качества и анализа состояния оборудования.

На уровне логистики для улучшения планирования маршрутов транспортировки, уменьшения сроков доставки сырья и обеспечения их прогнозируемости, а также отслеживания отправлений и процесса доставки на всех этапах. С помощью ИИ можно предсказывать колебания объемов отгрузок до того, как они произойдут. А интерактивное общение помогает выстраивать взаимодействие с клиентами и поставщиками.

На уровне продвижения для прогнозирования объемов услуг поддержки и обслуживания, управления ценообразованием и анализа удовлетворенности клиентов качеством продукции.

Причем внедрение ИИ не требует резкой перестройки бизнес-процессов предприятия. Существующие сейчас на рынке решения хороши тем, что позволяют достичь нового качества, оптимизировав работу уже существующих систем. Вы можете поэтапно вводить в контур наблюдения и управления все новые элементы производственных процессов и координировать их, повышая степень управляемости процессов.

Как работает искусственный интеллект

Любую систему c использованием искусственного интеллекта можно представить как комбинацию очень простых элементов – агентов, каждый из которых решает свою задачу. При этом комбинация и количество агентов каждого типа может меняться не только в зависимости от типа решаемой задачи, но и во времени, по мере накопления опыта данным конкретным ИИ. Типы агентов:

• Агенты-механизмы занимаются сбором и обработкой информации, отслеживанием состояния оборудования и персонала.
• Агенты-координаторы обеспечивают взаимодействие агентов в рамках информационного пространства конкретного ИИ.
• Агенты поиска аккумулируют локальную и (при необходимости) глобальную (из интернета) информацию, выявляют взаимосвязи внутри процессов, генерируют итоги.
• Агенты обучения формируют обобщающие концепции, аккумулируют опыт экспертов, накапливают знания в конкретной области ИИ.
• Агенты решения делают выводы в условиях ограничений и позволяют разработать инструкции для работающих систем и персонала.

При этом агенты могут работать по-разному: каждый в своей «среде» (на разных устройствах, в разных системах и т.п.), не зная об остальных, скоординировано (согласовывая действия через агентов-координаторов), или в общем информационном пространстве, обмениваясь между собой результатами работы.

Традиционные объектно-ориентированные системы, которые используются сейчас на большинстве крупных предприятий, также могут обеспечивать некоторую гибкость в процессе управления производственными (и иными) процессами, но они не могут контролировать условия, в которых производится решение поставленной задачи, и варьировать использование ресурсов в режиме реального времени. То есть они не в состоянии использовать для решения ресурсы, а также перечень и режимы работы разнородных систем в реальном времени.

В настоящее время прикладные решения в области ИИ, как правило, созданы на основе целого класса методов машинного обучения (ML), которые демонстрируют высокую эффективность для большого круга задач.

Как часто ИИ используется в российской промышленности

На данный момент примеры внедрения искусственного интеллекта в российских промышленных компаниях единичны, но все они подтверждают эффективность технологии. В числе заказчиков – крупные добывающие и перерабатывающие предприятия. Нами созданы и продолжают развиваться системы для наблюдения за промышленной безопасностью работников, безопасного перемещения подвижных объектов на производственной площадке, анализа видеоряда для исключения неблагоприятных ситуаций на производстве, видеоконтроля качества продукции, контроля работоспособности производственного оборудования и оптимизации работы производственного персонала.

По нашему опыту, внедрение искусственного интеллекта в технологические процессы предприятия достаточно быстро окупается: например, если внедрить электронные киоски, на которых отображаются изменения производственного задания при смене типа продукции с учетом конкретной ситуации и состояния конвейера, рядом с рабочими местами сотрудников, можно сократить количество простоев и непроизводительного расхода ресурсов. Внедрение решений в области охраны труда – применение видеоаналитики, составление тепловых карт, анализ наличия комплектов средств индивидуальной защиты на работниках, контроль опасных зон – снижает уровень травматизма в среднем на 50%. Искусственный интеллект и RPA (Robotic process automation) применяются и в системах электронного документооборота, позволяя освободить персонал от рутинных операций и ускорить обработку корреспонденции. Время обработки документов с использованием автоматической обработки потока заявок в ITSM-системах, включая ввод рукописного текста, в системах формирования отчетности и банковских системах сокращается на 80%.

Когда искусственный интеллект станет обыденностью

Сейчас искусственный интеллект – это основное направление развития управляющих систем, которое может помочь извлечь максимум из имеющихся производств и построить новые, максимально эффективные. Такие предприятия смогут выпускать беспрецедентно дешевые и качественные изделия, с возможностью быстрой и автоматической смены производственных циклов и ассортимента продукции. Поэтому применением ИИ в той или иной степени интересуются все крупные промышленные компании.

Технология станет массовой, когда процесс внедрения перейдет из стадии «опытов» с длительным временем старта (обучения системы) в стадию внедрения «из коробки», где система сама, без участия человека будет обучаться особенностям конкретного производства, опираясь на локальные данные и внешние информационные ресурсы, наблюдая за работой людей, с возможностью подробной интерпретации своих выводов и решений для человека.

Автор: Валерий Милых Руководитель группы IoT компании Softline

Материал был опубликован ранее на https://www.globalcio.ru/.