Подписаться
Читать в телеграм
Индустрия 4.0 в России: роботы, большие данные и искусственный интеллект
Дата публикации:
31.08.2020
Посетителей:
812
Просмотров:
870
Время просмотра:
2.3
Директор по продажам в дискретной промышленности компании «Цифра» Андрей Никитин, исходя из опыта работы компании, рассказывает, как идет внедрение Индустрии 4.0 в российской промышленности. он считает, что роботизация неизбежна, пусть сейчас она и идет замедленными темпами, эффективно использовать искусственный интеллект смогут только те, кто накопил достаточный объем данных для этого, а полностью защитить информацию на сегодняшний день невозможно.
О компании
«Цифра», созданная в 2017 г., разрабатывает технологии цифровизации промышленности, инвестирует в продукты и развивает среду промышленного Интернета вещей и искусственного интеллекта. Это могут быть отраслевые решения в области прогнозной аналитики и анализа данных, мониторинга промышленного оборудования и персонала. Ключевыми отраслями в компании называют машиностроение, металлургию, горную добычу, нефтегазовый сектор и химическую промышленность. По данным «Ведомостей», «Цифра» планирует вложить в промышленный Интернет вещей 6 млрд рублей.
О новом промышленном укладе
Первый шаг к Индустрии 4.0 — подключение промышленных машин (станков, промышленных роботов) к сети для сбора и анализа производственных данных. С технической точки зрения это новый способ коммуникации и поддержания автономности производственных элементов предприятия. С другой стороны, это обновление бизнес-процессов, новый уровень гибкости и требований к организации производственно-логистической цепи. В Индустрии 4.0 мы выделяем такие ключевые направления, как мониторинг промышленного оборудования на основе технологий промышленного Интернета вещей и оптимизация технологических процессов с помощью искусственного интеллекта.
В перспективе «цифровые» перемены позволят компаниям экономить средства, которые можно будет вложить в развитие производства. Таким образом, если сейчас внедрить у себя элементы Индустрии 4.0, то уже в ближайшие годы можно будет совершить скачок и начать выпускать продукцию, недоступную ранее по экономическим и техническим причинам.
Цифровизация решит много рутинных задач производства. Например, переход к роботизации логистических операций и использованию искусственного интеллекта усовершенствует логистические процессы, на больших предприятиях полного цикла работа станет эффективнее и можно будет отказаться от приобретения новых производственных мощностей за счет повышения загрузки того, что уже есть.
Новые технологии потребуют новых навыков. Если раньше на одном станке работал один рабочий, то сейчас один оператор обслуживает сразу несколько станков — это общепринятая практика на Западе. Соответственно, у такого работника должны быть другой уровень знаний и соответствующая квалификация.
На внедрение Индустрии 4.0 мы смотрим с точки зрения не затрат, а эффекта. Если решение позволит сократить затраты на сырье на 10%, то расходы на внедрение соответствующих технологий ИИ могут показаться незначительными. Конкретные затраты наших клиентов варьируются в зависимости от бизнес-задач и реализованных решений. Обычно на проекты Индустрии 4.0 тратится часть ИТ-бюджета, часть инвестиционного и текущего бюджетов.
Термин «Индустрия 4.0» — немецкий. У американцев новый промышленный уклад называют «Интернетом вещей» (IoT), а в России — «Четвертой промышленной революцией».
О роботах
Если мы говорим о промышленных роботах, то и по исследованиям, и по личным наблюдениям можно сказать, что их проникновение в России сейчас минимально. По данным International Federation of Robotics, ежегодно в Россию поставляют несколько сотен промышленных роботов. По информации Национальной ассоциации участников рынка робототехники, сейчас в стране установлено всего 4 тыс. таких машин. При этом, по оценкам экспертов, в Германии инсталлировано более 130 тыс. роботов и за год они приобретают около 20 тыс., Китай — более 80 тыс., США — более 30 тыс.
Сейчас в России на 10 000 работников промышленного производства в среднем приходится 3 робота.
Зачастую дешевле нанять человека, чем роботизировать конкретное рабочее место. Первое, на что обращают внимание при установке роботов, — стоимость труда и требования к оперативности технологического процесса. Если требуется точное позиционирование и человек не может это обеспечить, будут устанавливать машину. В остальных случаях будут считать, что более выгодно: приобрести робота или нанять трех сотрудников, которые в три смены будут делать его работу. И поскольку, помимо собственно покупки робота, необходимо потратиться на его установку, подключение и обслуживание, зачастую проще и понятнее нанять людей.
В то же время тренд неизбежен: роботизация будет повсеместной. Это позволит лучше контролировать качество и гарантирует гибкость производства, которую не может обеспечить человек. Вопрос — во времени. Ведь при средней рентабельности промышленного производства в 7% довольно проблематично в короткий срок реализовать крупную инвестиционную программу по роботизации.
Роботы будут не только забирать старые рабочие места, но и создавать новые. В докладе The Future of Jobs 2018, выпущенном Всемирным экономическим форумом (WEF), указано, что, благодаря внедрению новых технологий, до 2022 г. исчезнут 75 млн рабочих мест и появятся 133 млн новых. То есть благодаря роботизации станет на 58 млн рабочих мест больше.
Наиболее перспективные отрасли с точки зрения реализации Индустрии 4.0
Машино- и приборостроение:
согласно усредненной оценке, если повысить эффективность производства крупного российского завода на 10% за счет подключения оборудования к Интернету вещей, то его выручка может увеличиться до 730 млн рублей в год.
Металлургия и горная добыча:
горно-металлургический комплекс часто считают уделом развивающихся стран, с тяжелыми и вредными условиями труда. Цифровая эра сегодня меняет существующие процессы. К 2020 г. 40% компаний этого сектора во всем мире будут инвестировать в решения на основе искусственного интеллекта, а капитализация рынка «подключенных машин» достигнет 10 млрд долларов.
Нефтегаз:
цифровизация постепенно меняет процесс нефтедобычи, что способствует повышению рентабельности. С учетом высокой волатильности рынка и снижения стоимости полезных ископаемых, все большую актуальность приобретают задачи по оптимизации и удешевлению процессов добычи и переработки.
О данных
Промышленный Интернет вещей (Industrial Internet of Things, IIoT) по смыслу очень близок к обычному Интернету вещей. Это сеть устройств, которые общаются друг с другом. При этом поток данных на предприятии растет настолько быстро, что в определенный момент становится настоящей проблемой для действующей инфраструктуры.
Количество собираемых компанией данных драматически увеличивается. Если мы говорим о станке с ЧПУ, с которого снимают телеметрию и данные о технологических процессах, то в месяц он один поставляет сотни мегабайт информации. Добавляем видеоряд — и этот небольшой производственный участок начинает генерировать гигабайты данных в месяц. Кроме того, станок может обмениваться информацией еще с 5–6 производственными объектами, следовательно, поток данных будет расти экспоненциально. При этом степень полезности информации сильно варьируется. По опыту наших внедрений, ежемесячно набегает несколько гигабайтов реально полезных данных, хотя компания может сохранять и терабайты.
Как правило, данные хранят в многоуровневом хранилище с выносом наиболее востребованной информации в отдельный архив. Часть данных автоматически уничтожается через определенное время, в первую очередь это касается дублирующей информации.
У большинства наших клиентов есть построенные, но еще не заполненные дата-центры, поэтому они могут позволить себе сохранять много данных. В последние годы российские компании серьезно вкладывались в строительство ЦОДов. Однако хранилища постепенно начинают заполняться, поэтому приходится принимать решения, что оставляем, а что можно удалить.
На российском рынке пока не до конца понимают, как извлечь выгоду из накопленных данных. При этом в большинстве компаний либо уже есть CDO (Chief Data Officer), либо руководство серьезно задумывается о его необходимости. Это значит, что есть понимание: данные могут помочь бизнесу, но пока не всегда понятно, как именно.
О защите данных
Полностью защитить информацию невозможно. Поэтому защита сводится к оценке рисков и стоимости их устранения. Так, есть критические объекты инфраструктуры, которые должны быть защищены. Также есть экономическая или технологическая информация, которую необходимо надежно «закрыть» от конкурентов.
Исторически сложилось так, что технологическую систему предприятия в большинстве случаев пытаются отделить от офисной части. Имеют место разные процедуры работы с информацией, разные подходы к защите данных, и чаще всего офисная сеть защищена не так хорошо, как производственная. Их изоляция друг от друга позволяет гарантировать, что злоумышленники не проникнут из офисного в производственный контур. Но в этой ситуации нарушается конечная цель Индустрии 4.0: все объекты и устройства должны работать вместе, в одной сети.
При доступе к информации необходимо руководствоваться принципом уместности. Генеральному директору предприятия нет смысла видеть оперативные отчеты о техническом состоянии того или иного станка, в то время как ремонтной службе эти данные необходимы.
Об искусственном интеллекте
Переходить к ИИ можно, только если накоплены данные. Если нет достаточного объема данных, не на чем обучать модели. К тому же ИИ должен влиять на технологический процесс, иначе он не сможет его оптимизировать.
ИИ должен либо повышать качество продукции, либо сокращать затраты. Например, у нас есть готовое ИИ-решение для металлургии, а именно для процесса плавки металла. Оно позволяет оптимизировать количество сырья. Запросы в этом направлении существуют, но, как уже было сказано, вопрос всегда в объемах и качестве накопленных предприятием данных: можно ли «скормить» их ИИ и построить на них жизнеспособную модель?
Сейчас самый популярный запрос от наших клиентов — предиктивная аналитика станков. Это модель, построенная на анализе данных за предыдущие месяцы и позволяющая предсказать, как станок будет работать в ближайшие годы и какие его детали с наибольшей вероятностью выйдут из строя в ближайшее время. Она дает возможность оптимизировать затраты на покупку необходимых комплектующих. Сейчас мы ведем разработки в этом направлении.
ИИ не изнашивается. Вам придется время от времени его обучать, обновлять модели с помощью последних данных, но вам не нужно будет его перестраивать или отправлять в ремонт. Если мы говорим об инфраструктуре, на которой живет ИИ, — то да, ее придется регулярно обновлять по мере устаревания «железа». Но это неизбежно для любой инфраструктуры.
«Умное» авиастроение: в производство российских самолетов ИЛ-76 и Ту-204 внедрили цифровые инновации
АО «Авиастар-СП», одно из ведущих самолетостроительных предприятий России, внедрило в производство отечественную систему «Диспетчер» компании «Цифра», что позволило подключить производственное оборудование в единую сеть промышленного интернета. С ее помощью операторы станков могут максимально эффективно использовать оборудование, а руководство предприятия в режиме онлайн получает полную информацию о том, как работает станочный парк. Благодаря системе предприятие на 34% увеличило эффективность работы станков.
В настоящее время к системе «Диспетчер» подключено более 70 единиц производственного оборудования. В планах — до конца 2018 г. подключить еще 140 станков.
Подключение к системе «Диспетчер» позволило упростить передачу управляющих программ с сервера на станок. В результате удается экономить 1 час рабочего времени за смену на каждый станок.
В «Диспетчере» на «Авиастар-СП» произведена настройка оповещений по электронной почте и SMS ответственных по критическим событиям, таким как наладка длительностью более 1 часа, необоснованный простой более 20 минут, работа без нагрузки более 15 минут, авария. Это обеспечивает оперативность принятия решений и сокращает организационные потери.
Оптимизация процесса термообработки труб на ЧТПЗ
ЧТПЗ — промышленная группа металлургического комплекса России. Это одна из крупнейших отечественных компаний — производителей трубной продукции с общей долей рынка около 17%.
Необходимо было повысить производительность цеха закалки труб за счет оптимального управления процессом термообработки для каждой партии, не снижая среднего качества. Данный показатель зависит от успешного управления параметрами производства, которые необходимо настраивать в зависимости, например, от химического состава стали.
Эксперты компании «Цифра» разработали сервис, в реальном времени выдающий рекомендации по оптимальному управлению параметрами термообработки: скоростью, температурными режимами и пр. Он формирует рекомендации на основе обработки огромного объема информации: данных о предшествующей плавке (марка стали, данные химических анализов, температура проката и пр.), параметров термообработки (режимы работы печей, температура в разных зонах, скорость движения и пр.), данных контроля качества произведенных партий и т.д.
Павел Растопшин
Управляющий директор компании "Цифра"
Комментарий
Сегодня только 35% предприятий оснастили производство датчиками и используют полученную от них информацию для оптимизации операционных и производственных процессов. Однако PwC прогнозирует, что к 2020 г. 75% подключенных к интернету устройств будет приходиться на сегмент промышленной автоматизации. Причина этого — осознание экономической целесообразности IIoT.
Когда мы говорим о промышленном интернете вещей, мы в основном имеем в виду оснащение оборудования датчиками и микрочипами, объединение их в единую сеть и передачу информации на сервер. Сами по себе микрочипы в «вещах», будь то электрочайник у вас на кухне или станок на предприятии, интеллекта лишены. Т.е. оснащение датчиками — это только первый шаг к интеллектуализации производства. Непосредственно же интеллектуализация начинается со второй ступени — с фильтрации и хранения значимых данных и (это уже третья ступень) с анализа этих данных с помощью искусственного интеллекта для поддержки принятия управленческих решений. В конечном счете это и позволяет достигнуть того экономического эффекта, о котором говорится в обоснованиях проектов по цифровизации и интеллектуализации производства, — повышения производительности труда и снижения себестоимости готовой продукции».