В настоящее время заводы и производственные предприятия генерируют количество данных больше, чем они могут обработать. Поэтому компании-лидеры в промышленности и используют ИИ для решения этой проблемы. Камеры следят за производственными линиями, датчики отслеживают работу машин, а программное обеспечение записывает каждый этап процессов. Однако большая часть этой информации не позволяет принимать более быстрые решения или сокращать количество поломок. Крупные производственные компании инвестируют огромные средства для того, чтобы перевести внедрение ИИ из небольших экспериментов в основные производственные процессы. По данным The Wall Street Journal, компнаия Bosch планирует инвестировать около 2,9 миллиарда евро в искусственный интеллект к 2027 году. Эти расходы направлены на производство, управление цепочками поставок и системы восприятия — области, где компания рассматривает ИИ как способ улучшить поведение физических систем в реальных условиях.
В производстве задержки и дефекты часто начинаются с малого. Незначительные отклонения в материалах или настройках оборудования могут распространиться по всей производственной линии предприятия. Предприятия применяют модели искусственного интеллекта для обработки видеопотоков с камер и данных датчиков для более раннего выявления проблем с качеством. Вместо того чтобы выявлять дефекты после завершения производства, системы могут обнаруживать проблемы еще на производственной линии. Это дает работникам время для корректировки операций до того, как увеличится количество отходов. В крупносерийном производстве раннее обнаружение дефектов может сократить количество брака и ограничить необходимость доработки.
Техническое обслуживание оборудования производственных предприятий еще одна сфера приоритетного внедрения систем искусственного интеллекта. Многие заводы по-прежнему полагаются на фиксированные графики или ручные проверки, из-за чего могут быть упущены ранние признаки ошибок или неисправностей. Модели искусственного интеллекта, обученные на данных о вибрации, температуре, могут помочь предсказать, когда машина или оборудование, скорее всего, выйдет из строя и потребуется ремонт. Например, разработанная на факультете информационных технологий и анализа больших данных Финансового университета при Правительстве РФ интеллектуальная система «Цифровой карьер» позволяет осуществлять мониторинг технического состояния оборудования и прогнозировать поломки и выход оборудования из строя. Это позволяет ремонтным бригадам планировать ремонтные работы, а не реагировать на поломки. Т.е. цель внедрения таких систем состоит в сокращении незапланированных простоев без преждевременной замены оборудования. Со временем такой подход может продлить срок службы машин, сохраняя при этом стабильность производства.
О влиянии использования ИИ при формировании цепочек поставок на промышленных предприятиях, рассказывает доцент кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянова Наталия Юрьевна:
Системы искусственного интеллекта могут помочь промышленным предприятиям прогнозировать потребности, отслеживать наличие комплектующих на производственных площадках и корректировать планы при изменении условий. Даже небольшие улучшения в точности планирования могут иметь широкое влияние при применении на сотнях заводов и у поставщиков.
О тенденциях по внедрению технологий искусственного интеллекта на промышленных предприятий, рассказывает профессор кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянов Виталий Александрович:
Что бросается в глаза, так это акцент на практическом применении внедряемых ИИ-систем. Речь идёт не столько о громких заявлениях, сколько о сокращении потерь, повышении времени безотказной работы и упрощении управления сложными технологическими системами. Для промышленных предприятий именно эта практическая направленность может определить, как ИИ будет приносить пользу в долгосрочной перспективе.