Технологии искусственного интеллекта помогают петербургской промышленности экономить сталь, разрабатывать микросхемы и испытывать новые лекарства.
Согласно данным исследования Федерального центра прикладного развития искусственного интеллекта, 35% промышленных предприятий России уже имеют опыт применения таких технологий. Ещё 25% находятся на разных стадиях внедрения ИИ–решений. Искусственный интеллект используется при целом спектре задач: от предиктивной аналитики и оптимизации процессов до повышения энергоэффективности.
При этом, как отмечается в докладе Национального центра развития ИИ при правительстве РФ, ключевыми барьерами являются нехватка специалистов, недостаточная осведомлённость о кейсах использования и низкий уровень доверия к технологии.
И в цехе, и в офисе
Как рассказал "ДП" коммерческий директор платформы "Боцман" (входит в "Группу Астра") Игорь Сорокин, ИИ помогает анализировать данные с производственных линий в реальном времени, выявлять узкие места и предлагать решения для их устранения.
“
"Используя алгоритмы машинного обучения, компании могут предсказывать выход оборудования из строя и планировать техническое обслуживание. Это не только снижает затраты на ремонт, но и минимизирует простой производства, — отмечает эксперт. — ИИ–системы могут автоматически анализировать продукцию на предмет соответствия стандартам качества, выявляя дефекты, которые могли быть упущены человеческим глазом".
Также технология помогает оптимизировать маршруты доставки, управлять запасами и улучшать планирование, анализировать потребление энергии на производственных мощностях и предлагать способы его снижения. Наконец, инновацию применяют для роботизации рутинных процессов: обработки заказов, ведения учёта и т. п. Персонал при этом высвобождается для работы на более сложных участках. Некоторые компании используют ИИ для анализа больших объёмов данных о рынке, что помогает предсказывать тенденции, выбирать наиболее прибыльные направления и адаптировать свои стратегии.
"Необходимо различать два контура использования ИИ в промышленных компаниях: не только непосредственно в производственных, но и в корпоративных процессах. Опыт российских компаний показывает, что не менее значимые эффекты достигаются в корпоративных процессах: закупках, материально–техническом обеспечении, документообороте, HR–поддержке", — добавляют в Sk Capital.
Конкретно в производственных процессах преобладают точечные решения. Более широкое внедрение требует высокой надёжности и верифицируемости моделей. Вместе с тем присутствуют ограничения, связанные с доступностью большого количества данных, получаемых с датчиков и edge–устройств в режиме реального времени. Предъявляются особые требования к характеристикам моделей, к кибер– и промышленной безопасности. В связи с этим внедрение ИИ в основное производство осуществляется с осторожностью, констатируют в Sk Capital.
ИИ–проекты сегодня реализуются практически во всех крупных секторах промышленности: нефтегазовой отрасли, металлургии, химпроме, машиностроении и добыче полезных ископаемых.
Сэкономленные тонны и годы
Немалый опыт в использовании ИИ (как готовых решений, так и собственных разработок) уже накопили и петербургские предприятия.
Производитель электроники и радиолокационного оборудования "Заслон" использует в своей работе инновационный программно–аппаратный комплекс для автоматизированной визуальной проверки приёмо–передающих модулей (ППМ) с применением технологий искусственного интеллекта и машинного зрения. Система полностью заменяет ручной контроль, что исключает человеческий фактор.
"В основе решения — коллаборативный робот, который аккуратно захватывает модуль и делает свыше 50 снимков с различных ракурсов, обеспечивая 100%–ное визуальное покрытие поверхности изделия. Специализированные алгоритмы анализируют каждый кадр, выявляя даже мельчайшие отклонения от нормы. Результаты анализа отображаются в режиме реального времени на экране оператора, а обнаруженные дефекты автоматически регистрируются в системе и направляются на корректирующие действия", — рассказали корреспонденту "ДП" на предприятии.
ИИ также используется для автоматизации контроля качества монтажа элементов на печатных платах и входного контроля мультизаготовок. Помимо этого, компания внедряет системы на базе больших языковых моделей, таких как DeepSeek и Qwen, — это интеллектуальный помощник для сотрудников. В перспективе появится сервис для формирования и анализа документации.
"Северсталь" с 2019 года использует ИИ–инструменты на производстве трубного проката в Колпино. Технология помогает фиксировать нарушения в области безопасности труда, собирать видеоаналитику загруженности производственного персонала. А в листопрокатном цехе — управлять температурными режимами нагрева заготовок и скоростью прокатки, регулировать конечную толщину проката.
“
"Всего за счёт внедрения цифровых решений удалось сэкономить более 2,5 тыс. тонн металла, увеличить производительность листопрокатного цеха и произвести дополнительно свыше 120 тыс. тонн горячекатаного листа. Внедрение цифрового зрения позволило оперативно перераспределять персонал между участками, что способствовало повышению производительности труда более чем на 5%", — отмечают в компании.
Производитель биотехнологических препаратов "Герофарм" применяет ИИ в первую очередь на этапах ранней разработки и доклинических исследований. Используются два алгоритма: первый генерирует от 1 млн до 10 млн соединений, второй определяет наиболее перспективный набор молекул–кандидатов. Далее 40–50 отобранных соединений синтезируются в лаборатории для прохождения invitro–тестов.
"В части фармацевтической разработки мы применяем машинное обучение и математическое моделирование для оптимизации параметров технологического процесса и масштабирования. В клинических исследованиях ИИ позволяет подобрать оптимальное количество пациентов, первую дозу и дальнейшую схему введения препарата, высчитывая необходимое время для доказательства эффективности и безопасности будущего лекарственного средства", — отмечает директор научно–исследовательского центра компании Роман Драй.
По его словам, ИИ позволяет ускорить вывод препаратов с 10 до 7 лет. В частности, ранняя разработка сокращается вдвое, а клинические исследования — на 20%.
Разработкой решений также занимается Центр ИИ СПбГУ. Для промышленности там создали систему предиктивной аналитики выхода из строя электрооборудования и видеоаналитику выполнения регламентов. Другая разработка предназначена для моделирования и автоматического управления процессами нефтепереработки на основе методов ИИ.
Свои секреты
Спрос на промышленные ИИ–сервисы растёт, и число их поставщиков постоянно увеличивается. Однако, как отмечают в Sk Capital, карта рынка устроена асимметрично: у крупных холдингов сегодня превалирует собственная разработка решений, а на внешних вендоров приходится прежде всего точечная экспертиза.
"В первую очередь это обусловлено тем, что конкретные промышленные производства требуют специфичных решений. При этом производственные данные закрыты внутри компаний. Для обучения моделей нужны годы технологической истории, рецептуры сплавов, конструкторские спецификации — у внешних вендоров зачастую просто нет данных для обучения. Выгрузка подобных данных во внешнее облако для предоставления вендору осложнена правилами промышленной и кибербезопасности в отношении критической инфраструктуры и санкционным комплаенсом", — подчёркивают в компании.
В целом развитие ИИ в промышленности России имеет все шансы стать драйвером экономического роста и повышения конкурентоспособности. Но для достижения этих целей необходимо преодолеть существующие вызовы и активно развивать инфраструктуру, кадры и законодательство, резюмирует Игорь Сорокин.
