XV Международная студенческая научная конференция Студенческий научный форум - 2023

Еще не так давно, тема использования искусственного интеллекта на промышленных предприятиях вызывала в обществе недоверие, но появление новых требований рынка, а также значительное развитие новых технологий, совершенно изменили ту ситуацию. Остается лишь вопрос, что же именно можно отнести к искусственному интеллекту, а тем более в промышленности, поскольку данная тема и без того является обширной, но в то же время она является неоднозначной, если рассматривать с точки зрения прикладного применения?

На сегодняшний день такие термины как: искусственный интеллект, машинное обучение и цифровизация, по достоинству активно обсуждаются в СМИ, транслируются по телевидению и произносятся с трибун. Покуда в данный момент эти термины не смогли получить устойчивого объяснения, то в обществе все чаще возникают споры и разночтения, которые приводят к недопонимаю с нескольких сторон. Обычно это касается термина искусственного интеллекта, который каждый понимает по-своему, даже после тщетных попыток воззвать к таким авторитетам как Маккарти или Курцвейл [1].

На сегодняшний день лишь остается задаться вопросом, как же современный промышленной сектор применяет на практике технологии, которые было порождены четвертой промышленной революцией?

Начнём с объяснения, что же вообще является искусственным интеллектом, на этот вопрос вполне успешно смог ответить Джон Маккарти, а именно, искусственный интеллект – это свойство интеллектуальных систем выполнять функции, который традиционно выполнялись человеком. Но в свою очередь, автоматические рассуждения являются невероятно сложными для машины, и крайне простыми для человека, именно способность к рассуждению является отличительной чертой и признаком человека.

В промышленности же все в большей степени подчинятся описанным заранее стандартам и прозрачной логике. Только, если рассматривать большинство случаев, то под искусственным интеллектом специалисты понимаю машинное обучение, а именно класс методов для решения задач, которые были основаны на прецендентах, а также их использование для поиска закономерностей по ранее наработанным данным производственных систем [3].

Сферы применения в промышленности.

Зададимся вопросом, какие же все-таки задачи можно решить на этапах разработки, эксплуатации и производства с использованием ИИ?

Во-первых, это конечно те задачи, с которыми по определённым причинам не может справиться сам человек. Пусть этот будет работа в труднодоступных местах, вредных предприятиях или в местах непригодных для жизни людей.

Во-вторых, это те задачи, для которых именно «человеческий интеллект» (натуральный) мало применим на практике, а именно это предсказание критических неисправностей или предотвращение вывода какого-либо оборудования из строя, а также прогнозирование остаточного ресурса на оборудованиях предприятия. А именно это те задачи, которые человек может выполнить, но в силу огромных массивов информации, реализация данных задач становится практически невозможной. Машина же в свою очередь справляется с этой задачей с использованием заранее запрограммированных алгоритмов.

Для получения необходимого объема данных в промышленности, необходимо использовать: комбинации системной модели на основе физ.процессов и алгоритмов МО [3].

Методики использования искусственного интеллекта в промышленности.

На сегодняшний день существует несколько направлений оптимизации производства, где использование искусственного интеллекта способно дать быстрый и ощутимый экономический эффект [2].

Оптимизация производства с использованием модели статистического управления процессами.

Методика статистического управления процессами или же SPC (Statical Process Control) успешно поддается методам алгоритмизации искусственного интеллекта. Методика статистического управления процессами в свою очередь позволяет получить гарантированный результат на производстве с учетом влияющих факторов таких как: стоимость и качество (факторы также могут влиять друг на друга). Данный метод уже более 50 лет используется на зарубежных предприятиях. В России же данный метод еще недостаточно популярен, но уже закреплен в ГОСТ и в отраслевых стандартах России.

Методика статистического управления процессами позволяет нам эффективно отследить отклонение от ранее запланированного производственного процесса, а также успешно оптимизировать его в рамках существующих ограничений. Самый известный инструмент, который реализует методику статистического управления процессами (SPC) – это карты Шухарта.

В свою очередь карты Шухарта – это график с наличием определённых характеристик значений подгрупп, которые зависят от их номеров. С внедрением методики статистического управления процессами (SPC) на производство в сочетании с искусственным интеллектом позволяет снизить себестоимость продукции до 30% с сохранением надлежащего качества.

Планово-предупредительный ремонт оборудования.

Искусственный интеллект используется также и в системах планово-предупредительного ремонта (ППР) оборудования, которое позволит продлить ресурс эксплуатации оборудования на предприятии на протяжении всего жизненного цикла [1].

Также как и вышесказанной методике, сбор статистических данных является одним из самых главных. В данном случае следует обязательно подготовить и получить данные к обработке сведений об износе и режимах эксплуатации производственного оборудования. Здесь же искусственный интеллект выполняет задачу построения компьютерной модели для каждой единицы учета, а после обработки данных – предсказывает время возможного отказа оборудования.

Для решения подобного рода задач используется расчет коэффициента общей эффективности или же OEE (Overall Equipment Efficiency). В настоящий момент данный коэффициент отражает высокий уровень потерь и служит резервом для оптимизации на отечественных предприятиях. В данном случае с внедрением планово-предупредительного ремонта (ППР) оборудования в сочетании с искусственным интеллектом, рост эффективности производства может вырасти на десятки процентов, а затраты на обслуживание и ремонт оборудования уменьшиться чуть ли не на 35% [2].

Из всего вышесказанного мы можем прийти к выводу о том, что тот сверх разум, который будет иметь возможность к самообучению, интеллект которого не уступал бы интеллекту большинству людей нашей планеты приобретению новых знаний и решению ранее не встречавшихся проблем без ранее заданных алгоритмов человеком, еще не создан и скорее всего это произойдет не в ближайшее время. Но на сегодняшний день мы уже имеем технологии четвертой промышленной революции, которые предлагают современным предприятиям сосредоточиться на комплексном подходе.

Мы можем прийти к выводу о том, что использование и применение статистических методов в производстве, также на этапе эксплуатации является тупиковой ветвью развития. Мутуализм численного метода и алгоритмов машинного обучения – полностью обусловленное решение. Конечно, как и везде есть свои риски, но их можно избежать путем применения сильной отраслевой экспертизы и лучших в классе технологий.

Принятие решений до сих пор остается только лишь за человеком, система лишь вырабатывает рекомендации для дальнейших умозаключений. Может быть, что в достаточно скором времени искусственный интеллект сможет сам начать решать новые задачи, но к сожалению или, к счастью, на сегодняшний день наиболее реалистично выглядит совместная работа человека и машины.

Список литературы

Аляутдинов М. А., Галушкин А. И., Казанцев П. А., Остапенко Г. П. Нейрокомпьютеры. От программной к аппаратной реализации; Горячая линия - Телеком - М., 2016. - 152 c.

Курцвейл Рэй Эволюция разума; Эксмо - М., 2015. - 352 c.

Хенрик Бринк, Джозеф Ричардс, Марк Феверолф Машинное обучение. Питер – 2017. 336 – с.