— Это непростой вопрос.
С одной стороны, если говорить об Индустрии 4.0, то предприятия хотят использовать максимально интеллектуальных цифровых помощников, то есть в перспективе мы движемся сначала к малолюдному, а затем и к безлюдному производству. В этих условиях система действительно должна становиться полноценным помощником человека.
С другой стороны, уровень цифровизации промышленных предприятий остается неоднородным: он системно повышается из года в год, но утверждать, что все российские предприятия готовы к внедрению интеллектуальных помощников, пока преждевременно. Многим компаниям необходимо сначала повысить уровень базовой автоматизации, организовать сбор промышленных данных и внедрить системы мониторинга - без этого использование цифровых помощников не имеет практического смысла.

Условно предприятия можно разделить на несколько групп:

• есть лидеры, которые готовы к Индустрии 4.2, интересуются интеллектуальными помощниками и уже внедряют их;
• есть предприятия среднего уровня, находящиеся на этапе Индустрии 4.1, им необходимо развивать базовые системы мониторинга и сбора данных;
• наконец, есть предприятия уровня Индустрии 3.9, которым сначала предстоит погрузиться в проблематику цифровизации и научиться получать данные от собственного промышленного оборудования.

— Проблема разрозненности данных действительно существует. Она часто связана со сложностью технологических процессов, географической распределенностью производства и большим количеством производственных переделов.

Если говорить об Индустрии 4.0, то базовое требование вполне очевидно: данные должны автоматически собираться на всех производственных переделах и со всех единиц оборудования - только на этой основе можно внедрять производственных помощников, искусственный интеллект и другие современные технологии.

В проектах мы можем использовать определенные допущения. Например, если на участке применяется устаревшее оборудование или преобладает ручной труд, мы формируем набор предположений на основе практического опыта и передаем системам приблизительные данные - во многих случаях этого бывает достаточно.
Однако при создании крупного промышленного производства уровня 4.0 и выше проблему разрозненности и неполноты данных необходимо решать системно. В первую очередь это задача самих предприятий.

— Предприятия, которые начали собирать данные заранее, сегодня находятся в более выгодном положении, при этом накопленная информация часто бывает разрозненной или избыточной. Например, датчик может измерять температуру десять раз в секунду, хотя для конкретного технологического процесса такая частота не требуется. В результате формируется значительный объем избыточной информации, однако это не является критической проблемой.

При внедрении систем автоматизации промышленного производства, использующих искусственный интеллект и математические модели, структурирование данных представляет собой стандартную и понятную задачу. У нас накоплен большой опыт такой работы, поэтому ее сложность не вызывает опасений.

Главное, чтобы данные в принципе собирались. Их систематизация, очистка и приведение к единому формату являются техническими задачами, которые в современных условиях не требуют чрезмерных затрат. Поэтому предприятия, которые до сих пор не накапливают промышленные данные, теряют время. Несмотря на то что системы хранения стали дороже, сбор информации необходимо начинать уже сейчас, но на многих предприятиях эта работа по-прежнему не организована.

— Для меня особенно важна тема производственного планирования. Мы вложили в это направление значительные ресурсы и продолжаем его развивать.

На крупном промышленном предприятии планирование представляет собой многоуровневый процесс. На верхнем уровне находится финансовое планирование, расчёт себестоимости и партийный учет. Далее следует объемно-календарное планирование, включающее квартальные объемы выпуска и логистику. На операционном уровне формируются сменно-суточные задания.

Мы создали систему продуктов трех компаний, объединенных в единую цепочку. Она позволяет полностью закрыть процесс планирования, условно говоря, от колеса до робота, то есть от макроуровня до каждого конкретного станка. Первые внедрения уже начались. Я надеюсь, что одним из главных достижений этого года станет появление комплексной системы планирования, охватывающей все технологические переделы и бизнес-процессы. Насколько мне известно, аналогичных решений на рынке пока нет.

— Искусственный интеллект пока не слишком глубоко интегрирован в технологические процессы. В ближайшие годы речь в основном будет идти только о системах-советчиках. Такая система выполняет расчеты и предлагает технологу или оператору оптимальный способ проведения операции, но окончательное решение принимает человек - это значительно снижает возможные риски.

Большая языковая модель может ошибиться, объясняя, как пройти к Пушкинской площади. В технологических процессах подобные риски стараются заранее выявлять и минимизировать. Поэтому ключевое значение имеют качество данных, накопленная статистика и тщательная проверка алгоритмов. Например, мы завершаем проект по контролю качества сварных швов. Система за несколько секунд моделирует сварной шов, определяет его качество и устанавливает, требуется ли повторная сварка - это классический пример применения технологий машинного обучения в промышленности.

Сейчас наша система допускает три ошибки на тысячу сварных соединений, то есть в трех случаях всё же может произойти разрыв листа. Заказчик требует снизить этот показатель до одной ошибки на тысячу операций. При ручном контроле количество ошибок составляет от двадцати до восьмидесяти на тысячу операций. Таким образом, мы предъявляем к точности алгоритмов чрезвычайно высокие требования и продолжаем совершенствовать систему. Без этого невозможно применять машинное обучение, искусственный интеллект и алгоритмические решения в промышленности. Даже точность на уровне 98 или 99 % может оказаться недостаточной. Если система не соответствует установленным требованиям, мы не выпускаем ее в промышленную эксплуатацию.

Поэтому я надеюсь, что доверие к использованию искусственного интеллекта в технологических процессах не будет подорвано. В высокой надежности таких решений заинтересованы все участники рынка.