Изучение практического опыта и перспективных сфер применения технологий искусственного интеллекта на российских предприятиях производственной сферы в условиях санкционного давления

Климачев Т.Д.1, Карасев Д.А.1
1 Частное образовательное учреждение высшего образования «Таганрогский институт управления и экономики»

Статья в журнале

Вопросы инновационной экономики (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 14, Номер 2 (Апрель-июнь 2024)

Цитировать:
Климачев Т.Д., Карасев Д.А. Изучение практического опыта и перспективных сфер применения технологий искусственного интеллекта на российских предприятиях производственной сферы в условиях санкционного давления // Вопросы инновационной экономики. – 2024. – Том 14. – № 2. – С. 483-502. – doi: 10.18334/vinec.14.2.121042.

Аннотация:
В статье рассматриваются практические примеры и возможные области использования технологий искусственного интеллекта на производственных предприятиях с учетом влияния санкций на импорт высоких технологий. Авторами обосновывается необходимость внедрения машинного интеллекта для автоматизации и интеллектуализации производственных процессов. Далее оценивается влияние санкций на развитие искусственного интеллекта в России. Также определяются перспективные сферы его применения на предприятиях производственной сфере российской экономики. При этом авторами проводится анализ практического опыта внедрения искусственного интеллекта, как одной из важнейших технологий цифровой трансформации экономики, на российских предприятиях различных отраслей производственной сферы.

Ключевые слова: искусственный интеллект, нейросети, предиктивная аналитика, производственные предприятия, промышленность



Введение

Начало XXI века ознаменовалось прорывным развитием цифровых технологий, которые призваны максимально автоматизировать рутинные и монотонные процессы в повседневной жизни человека, так и в бизнесе. Самой прорывной и нашумевшей технологией стал искусственный интеллект (ИИ). Его особенность имитировать когнитивные функции человеческого мозга позволяют применять ИИ практически во всех сферах деятельности людей. Это может быть искусство, медицина, образование и т.д. Особенно необходимость применения ИИ возникает в тех сферах экономики где операции зачастую монотонны. Например, производственная сфера. Технологические процессы производства продукции предполагают наличие рутинных операций по сборке, транспортировке, контролю и т.д. Ошибка работника, вызванная утомляемостью, может привести к фатальным последствиям. Также некоторые производства опасны для здоровья работников. Отсюда следует, что наличие человеческого фактора требует внедрения ИИ для автоматизации и интеллектуализации процессов на производстве. При этом недостаточный уровень цифровизации производственных предприятий в Российской Федерации (РФ) и санкции на импорт высоких технологий еще больше делают необходимым внедрение машинного интеллекта на предприятиях различных отраслей производственной сферы.

Актуальность темы работы обоснована необходимостью точного определения перспективных сфер применения технологий ИИ на производственных предприятиях. Также необходимо оценить влияние санкций на развитие машинного интеллекта в РФ. При этом важным вопросом исследования является проведение анализа практического опыта использования ИИ на предприятиях производственной сферы экономики РФ для определения эффективности политики импортозамещения высоких технологий.

Изученность проблемы. Актуальные вопросы применения технологий искусственного интеллекта на производственных предприятиях представлены в работах следующих исследователей: Доржиева В.В. [4], Карасев Н.А., Климачев Т.Д. [13], Курушина Е. В., Шевелева Н. П. [16], Письменный Р.А. [22], Ходжаева Д. Ф., Алиева М. Х., Курбанова Ш. М. [33], Черепанов Н.В., Буслаев С.П. [36], Шарипов Ф.Ф., Дьяконова М.А. [37] и других.

Цель исследования заключается в определении перспективных сфер применения технологий ИИ и анализа их практического применения на предприятиях различных отраслей производственной сферы экономики РФ с учетом влияния санкционных ограничений на импорт высоких технологий.

При проведении исследования использовались следующие научные методы: метод сравнения, аналитический метод, метод изучения информационных материалов, метод статистического анализа, графический метод, метод динамических рядов, табличный метод.

Научная новизна исследования заключается в авторском подходе к определению перспективных сфер применения технологий ИИ на предприятиях производственной сферы экономики РФ. При этом была дана авторская оценка влияния санкций на развитии ИИ в РФ. Также авторы провели анализ и оценку практического опыта использования машинного интеллекта на предприятиях различных отраслей производственной сферы российской экономики.

1. Развитие технологий ИИ в условиях санкций

Процессы цифровой трансформации предприятий заключаются в переформатировании существующих бизнес-процессов, широком использовании ИИ, применении облачных технологий, Интернета вещей, цифровых платформ и т.д. для минимизации негативного влияния человеческого фактора на производственные процессы и максимизации экономического фактора [5]. Широкие перспективы для создания «умного» предприятия имеет развитие ИИ.

Искусственный интеллект (ИИ) – это направление в информационных технологиях, которое позволяет наделять машины способностью выполнять задачи, требующие человеческого интеллекта. Особенно на развитие ИИ повлияла методология нейронных сетей, которая имитирует, копирует организацию в сеть нейронов нервных систем живых организмов позволяя ей обучаться (машинное обучение), определять закономерности, выявлять взаимозависимости, распознавать и анализировать образы. При этом ИИ может быть представлено в виде программного обеспечения (ПО), так и интегрировано в оборудование. Перспективным направлением применения ИИ является интеллектуализация промышленных роботов для минимизации человеческого фактора на производстве, что открывает широкие возможности для создания «умного» предприятия [16,23,36].

В РФ, не смотря на наличие технологической отсталости от развитых стран Запада и Востока, активно развиваются технологии ИИ. Данное развитие нормативно обеспечивается Указом Президента Российской Федерации от 11 октября 2019 года [30]. В нем утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года. Также в документе указываются основные понятия в сфере ИИ, обосновывается необходимость развития машинного интеллекта и его научного исследования, рассматриваются отечественные достижения в сфере ИИ, а также выделяются проблемы внедрения ИИ и государственные меры по его развитию. Здесь стоит отметить, что РФ отстает от лидеров на 5-10 лет в развитии технологий Индустрии 4.0 и ИИ в т.ч. При этом государственные меры пока не достаточно эффективны. Но уже имеются большие успехи в создании научно-исследовательской базы для разработки ИИ [4].

Положительным фактором разработки и развития ИИ в РФ является создание 6 исследовательских центров на базе Московского физико-технического института, Высшей школы экономики, Университета ИТМО, Сколковского института науки и технологий, Иннополиса и Института системного программирования им. В.П. Иванникова для проведения научных исследований технологий ИИ. Актуальность и стратегическая необходимость данных исследований для развития технологически-суверенной экономики подтверждается выделением грантов на 393 проекта. Также 26 ноября 2023 г. вице-премьер РФ Д. Чернышенко объявил о разработке нового национального проекта «Экономика данных», в состав которого войдет обновленный федеральный проект «Искусственный интеллект» [37].

Свои негативные коррективы в развитие технологий ИИ внесли санкции Запада и некоторых восточных государств в сфере импорта высоких технологий. При этом ограничение поставок микроэлектроники ожидалось еще с 2014 г., однако правительство представило концепцию национального проекта в области электроники лишь в середине апреля 2022 г. Это привело к отсталости в данной сфере на 20-25 лет [6]. Сами санкции коснулись ограничений на импорт: полупроводников, электроники, квантовых компьютеров, ПО и т.д. Критической для сферы ИИ является запрет на продажу в РФ графических ускорителей NVIDIA, Intel, AMD [14].

Не смотря на санкции ИИ стал одним из самых быстрорастущих секторов российской экономики. Если российский ВВП в 2023 году вырос на 3,6%, то рынок ИИ увеличился на 18% и достиг отметки 650 млрд рублей [25]. При этом в российских компаниях наиболее востребовано компьютерное зрение (его используют 78,7% компаний), а также распознавание и синтез речи (62%). Рекомендательные системы на основе предиктивной аналитики и больших данных интересуют 40,7% опрошенных [29].

Рост внутреннего рынка ИИ в условиях санкционного давления был обеспечен за счет наработанного за десятилетие потенциала цифровизации предприятий, а также программной поддержкой Фонда развития промышленности (ФРП), Фонда «Сколково» и Фонда содействия инновациям цифровой трансформации и внедрения технологий ИИ в промышленности [4]. Данные факторы позволили разработать следующие российские технологии ИИ на основе собственных нейросетевых моделей, либо на больших языковых моделях (LLM), или на Open-Source-моделях: YandexGPT (Яндекс); «Шедеврум» (Яндекс); GigaChat (Сбер); Kandinsky 2.2 (Сбер); Голосовой помощник «Алиса» (Яндекс); Голосовой помощник «Маруся» (VK); Голосовой помощник «Салют» (Сбер) [25,28].

Тем не менее, санкции смогли нанести удар по развитию ИИ. В первую очередь это касается, например, графических процессоров (GPU) компании NVIDIA, которые используются в 19 раз чаще для разработки ИИ, чем все остальные чипы вместе взятые. Данные процессоры спроектированы для высокопроизводительной обработки большого объема информации. Они имеет множество ядер и высокую вычислительную мощность для обучения нейронных сетей. Большой объем видеопамяти позволяет хранить параметры моделей. Также проблемой является дефицит людей, специалистов в области разработки и использовании ИИ. Для обеспечения мирового лидерства РФ необходимо обучение специалистов более 288 новых ИИ-компетенций в т. ч. Data science [25]. Также санкции на импорт высоких технологий привели к повышению стоимости разработки софта и IT-систем на базе ИИ за 2022 год на 30–40%, а к концу 2023 года рост предположительно оценивался в 50% [8]. Таким образом, санкции хоть и оказали относительно негативное влияние на развитие ИИ в России, но не стали критическими для данной сферы высоких технологий. Наличие собственных разработок и эффективная реализация политики импортозамещения позволила сократить технологическое отставание РФ от стран Запада.

2. Перспективные сферы применения технологий ИИ в производственной сфере экономики РФ по отраслям

В производственной сфере российской экономики ИИ имеет широкие перспективы применения. ИИ способен решать задачи сокращения ошибок персонала, уменьшения времени простоев при переналадке оборудования и производственных линий. Распознавание фотографий и видеоматериалов помогают контролировать безопасность труда и процессов производства. Также промышленный ИИ позволяет контролировать качество продукции, осуществлять предиктивную аналитику, проводить автоматизированный анализ первопричин для прогнозирования сбоев процесса, которые приводят к потерям [15]. Перспективные сферы применения ИИ в производственной сфере представлена в таблице 1.

Таблица 1

Перспективные сферы применения технологий ии на предприятиях производственной сферы

Сфера
Описание
Контроль качества продукции
ИИ может применяться для выявления дефектов продукта, которые не были бы незаметны человеческому глазу. Анализ изображений или видеозаписей продукта с помощью ИИ может использоваться для автоматического обнаружения дефектов, аномалий и отклонений от строгих стандартов качества с исключительной точностью, превосходящей человеческие возможности. Например, модели ИИ, обученные на изображениях исправных и бракованных продуктов, могут предсказать, потребуется ли переделка изделия или его утилизация. Таким образом, сокращается время цикла и автоматизируется определение типа дефекта, повышается удовлетворенность клиентов и эффективность контроля качества.
Профилактическое техническое обслуживание
ИИ может анализировать исторические и текущие данные с датчиков для проведения технического обслуживания. Компьютерное зрение может быть использовано для прогнозирования вероятности отказа оборудования, обнаружения аномальных закономерностей, оптимизации графиков технического обслуживания, сканирования журналов технического обслуживания и составления расписания процедур технического обслуживания для предотвращения ненужных простоев. Например, ИИ может обрабатывать данные вибрации, тепловизионных изображений и анализа масла для оценки работоспособности оборудования. Информация, полученная от ИИ позволяет производителям правильно поставлять запасные части и расходные материалы и точно прогнозировать время простоя, которое повлияет на планирование производства и связанные с ним действия. ИИ здесь позволяет избежать значительных материальных и финансовых потерь, избегая незапланированных сбоев и простоев в производственных операциях. В итоге, ИИ помогает специалистам организации предпринять шаги, необходимые для устранения проблем, которые могут задержать или даже прервать процесс производства.
Прогнозирование спроса
В прогнозировании спроса ИИ, на основе ML-анализа исторических данных о колебаниях рынков, имеет перспективы применения для прогнозирования структуры спроса, выявления тенденций рынка, определения предпочтений покупателей. Так можно соответствующим образом корректировать производство, снижая риск нехватки или избыточных запасов. Таким образом, использование ИИ позволяет предприятиям стать очень устойчивыми и сосредоточить время и ресурсы на наиболее критических моментах.
Мониторинг оборудования в режиме реального времени
Одним из наиболее ценных преимуществ ИИ в производстве является мониторинг в режиме реального времени и использованием «умных» датчиков и камер видеонаблюдения. Благодаря этому становится возможным удаленно мониторить текущее состояние станков и различных процессов в производственной цепочке. Таким образом, ИИ может оперативно выявить простои станков, ошибки в работе оборудования, что экономит время и затраты на выпуск продукции.
Управление цепочкой поставок
AI/ML может использоваться в приложениях, которые упрощают и оптимизируют цепочки поставок, используя прогнозирование критических переменных цепочки поставок (спрос на продукцию и сроки работ по ее производству) и анализ данных в режиме реального времени для управления уровнем запасов и планирования производства. Благодаря этому ИИ может предоставить ценную информацию о тенденциях и условиях рынка, помогая компании своевременно принимать решения о покупке сырья или продаже продуктов в ответ на сигналы рынка. Также ИИ используется для мониторинга в режиме реального времени во время логистических операций, а также автоматизации маршрутных сетевых задач для оптимизации доставки
Таким образом, ИИ в цепочке поставок с помощью алгоритмов ML позволяет использовать прогностическую аналитику, оптимизировать управление запасами, улучшить прогнозирование колебаний спроса и оптимизировать логистику. Алгоритмы ML могут анализировать исторические данные, выявлять закономерности и точно прогнозировать колебания спроса
Процесс закупки
ИИ может применяться для автоматизации и оптимизации работы отдела закупок и процесса покупки сырья. Именно здесь нейронные сети, которые классифицируют предложения по определенным признакам, могут быть использованы для принятия решения о покупке автономно, выбора стабильного поставщика, анализа аудио- и видеосвязи между покупателем и продавцом, коммуникации с поставщиками и автоматизации других закупочных операций. С помощью этого компании могли бы получить значительное преимущество перед конкурентами, которые не используют такие методы.
Безопасность
ИИ играет важную роль в обеспечении безопасности в компаниях. Особенно если их деятельность связана с опасными производством. ИИ через обработку информации онлайн и на основе ML позволяет визуально идентифицировать небезопасное поведение сотрудников и идентифицировать присутствие неавторизованного персонала в пределах досягаемости. Также ИИ выявляет отклонения в работе станков и попыток его взлома хакерами. Наибольшую актуальность использования ИИ в обеспечении кибербезопасности возникает на «умном» производстве, которое предполагает использование цифровых платформ, роботов, Интернета. Если ИИ обнаружит нарушения на производственном участке, то на монитор оператора моментально поступит оповещение с трансляцией нарушения. В итоге минимизируются риски для здоровья работников и обеспечивается сохранность корпоративных данных.
Разработка нового продукта и его дизайн
Генеративный ИИ может разработать или трансформировать концепцию продукта исходя из быстрого и эффективного анализа тенденций рынка, изменений в законодательстве, обобщения исследований продукта и предпочтениях клиентов и других массивов данных. Машинное обучение, с каждой попыткой его использования, только повышает качество генерации нового продукта. Основываясь на полученных знаниях, разработчики продуктов могут внедрять инновации и улучшать продукцию. Таким же образом обстоят дела и с генерацией дизайна продукта. Он заключается в создании нового дизайна, соответствующего заданным критериям (форма, цвет, размер, материал и т.д.) с использованием машинного обучения, который учиться на предыдущих проектах. Такой подход позволяет исследовать широкий спектр вариантов дизайна за более короткий промежуток времени. затем человек-дизайнер может сосредоточиться на выборе из сгенерированных вариантов дизайна.
Моделирование производственных процессов и экспериментирование
ИИ может использоваться для высокоточного 3D-моделирования производственных процессов с использованием цифрового двойника, что позволяет более точно обнаруживать отклонения в производстве. Также сокращается потребность в проведении ручных экспериментов, что экономит затраты и время. Особенно если процесс или эксперимент являются сложным, дорогостоящими и опасным. Модели ML могут имитировать эксперименты, оптимизировать независимые переменные и предсказывать результаты с точностью, сравнимой с традиционными экспериментами.
Генерация инноваций
Сокращение рутинных и монотонных задач благодаря внедрению ИИ позволяет работниками сфокусироваться на выполнение работы, связанной с творческим трудом. Это позволяет не только повысить эффективность труда, но дает больше возможностей для разработки работниками идей по выработке инновационных предложений по развитию разных сфер деятельности. Также ИИ может использоваться как помощник для генерации инноваций
Автоматизация документооборота
Одним из направлений применения ИИ на производстве может быть использование роботизированной автоматизации процессов (RPA) для автоматизации документооборота. Рутинная работа по составлению различных документов (заказы на поставку, счета фактуры, отчеты о контроле качества и т.д.) ведет к временным издержкам и человеческим ошибкам. ИИ-боты могут обрабатывать естественный язык. Таким образом, благодаря компьютерному зрению, они могут автоматически извлекать данные из документов, классифицировать информацию и вносить ее в соответствующие системы.
Календарное планирование запуска изделий
ИИ здесь возможно применить для разработки методики смешанного запуска изделий на технологическом оборудовании, которое обладает способностью к легкой перенастройке. Особенно актуально это для мелкосерийного и многономенклатурного производства. ИИ позволяет выполнять заказы без ожидания обработки всей партии деталей или узлов. Таким образом, может быть обеспечен выпуск на одной технологической линии различных изделий в соответствии с разработанными ИИ календарными планами.
Планирование производства
ИИ может автоматизировано составлять реалистичные производственные планы на основе анализа больших данных о загрузке станков, производственных мощностях, планируемых поставках материалов, остатках складских запасов сырья, эффективности использования ресурсов и т.д. При этом в расчетах учитываются приоритетность заказов, компетенции сотрудников, текущая доступность материалов и оборудования, переналадки и другие критерии и ограничения. На основе анализа полученных данных, ИИ способен ИИ предлагать оптимальные решения для повышения качества планирования производством. Таким образом, ресурсы компании используются более эффективно при меньших издержках.
Источник: составлено авторами на основе [7,11,15,22,23,31,33,36,37,39-42]

Применение ИИ в на производственных предприятиях оказывает влияние положительное влияние на: автоматизацию производственных процессов исключая человеческий фактор; оптимизацию цепочек поставок, закупки и логистику; подготовку и обработку данных для прогнозной аналитики и управления рисками; увеличение производительности; инновациях; совершенствовании процессов и открытии новых направлений [4,36].

3. Практический опыт применения технологий ИИ на предприятиях производственной сферы РФ по отраслям

Эффективная реализация политики импортзамещения, мер господдержки и наличие собственных IT-разработок способствовало увеличению использования ИИ по отраслям производственной сферы экономики ИИ (рис. 1).

Рисунок 1. Использование технологий ИИ в российских организациях производственной сферы по отраслям (в процентах от общего числа организаций)

Источник: составлено авторами на основе [34, с. 56-57;35, с. 56-57]

Процесс практического внедрения ИИ на производственных предприятиях происходит не равномерно, что обусловлено спецификой экономической деятельности и наличием специфических проблем. Самый высокий процент применения ИИ (10,1%) и рост его использования в 2022 к 2020 году на 2,3% приходится на отрасль информации и связи. Ввиду специфики экономической деятельности предприятий данной отрасли имеют материально-техническую инфраструктуру и штат специалистов в области информационных технологий для разработки ИИ. Второе место заняла обрабатывающая промышленность (5,5%) с ростом использования ИИ на 1,9% за рассматриваемый период. Относительно высокий процент обоснован стратегической важностью этих предприятий для экономики РФ. Третье место у отрасли: «транспортировка и хранение» (5,1%) с ростом использования ИИ на 1,4%. Это обусловлено меньшими затратами на приобретение и обучение машинного интеллекта, а также наличием отечественных разработок. Далее идут энергетические предприятия (4,8%) и добывающая промышленность (3,4%). Процент организаций в данных отраслях, использующих ИИ, увеличился на 1,5 и 0,9%, соответственно. В энергетической сфере средний процент использования ИИ с перспективой роста обоснован необходимостью минимизации человеческого фактора. Особенно часто внедряют ИИ компании критической инфраструктуры (АЭС, ГЭС и ТЭС). Ошибка человека на них может привести к катастрофическим последствиям для государства. На добывающих компаниях ИИ пока редко применяется ввиду консерватизма менеджмента и наличия устаревшей материально-технической базы. Стоит отметить, что в сельском хозяйстве и строительстве ИИ начало внедряться недавно по сравнению с другими отраслями, но уже показывает 2-3 кратное увеличение, что говорит о востребованности этой технологии.

ИИ внедряют чаще крупные промышленные компании и финансовые структуры. Обусловлено это тем, что у них имеются достаточные, для внедрения ИИ, ресурсы [26]. Здесь следует рассмотреть практику применения ИИ по отраслям производственной сферы (табл. 2).

Таблица 2

Примеры внедрения технологий ИИ на предприятиях различных отраслей производственной сферы экономики РФ

Предприятие
Описание внедряемых технологий ИИ
Информация и связь
МКПАО «Яндекс»
Яндекс активно внедряет технологии ИИ. Например, компания добавила свою нейросеть YandexGPT в виртуального помощника. Так «Алиса» умеет генерировать тексты и предлагать идеи практически на уровне человека. При этом она самообучается и обновляется, что позволяет ей решить более сложные задачи и точнее отвечать на запросы пользователей [3].
АО «Почта России»
Компания применяет ИИ для развития своей транспортной платформы. Она позволяет предсказывать, как будут складываться транспортные потоки через разные временные периоды. При этом ИИ может строить оптимальные логистические маршруты для качественной доставки вовремя вне зависимости от того, каким транспортом идут посылки - на поезде, автомобиле, самолете или пароходе [2].
ПАО «Россети Центр»
ИИ в данной компании позволяет автоматизировать технически трудозатратный процесс испытания систем защиты электроподстанций, а также проводит проверки правильности работы средств защиты и автоматики электрических сетей. В итоге снижается количество отказов и уменьшаются сроки выполнения проверки устройств [9].
Транспортировка и хранение
ООО «СБЕРЛОГИСТИКА»
Данное подразделение Сбербанка, активно использует ИИ для оптимизации своих логистических операций. Применяются решения для маршрутизации доставки и прогнозирования оптимального времени доставки с учетом трафика и других факторы. Таким образом, сокращается время и расходы на транспортировку [21].
Строительство
ГК ФСК
Компания ФСК в Петербурге применила ИИ (Profitbase.ai) для системной автоматизации расчета спроса и темпов продаж, сопоставления их с планом по каждой категории квартир. По итогу она дает аналитикам компании прозрачные и обоснованные рекомендации, как своевременно скорректировать цены, чтобы продавать квартиры в нужном темпе и с максимальной добавленной стоимостью. Таким образом, аналитик анализирует результаты и рекомендации алгоритмов, а не занимается рутиной [12].
Обеспечение энергией
АО «Концерн Росэнергоатом» «Кольская атомная станция»
На Кольской АЭС применяют машинное зрение для контроля над правильностью использования сотрудниками средств индивидуальной защиты (СИЗ). Здесь нейросеть анализирует видеозаписи, которые получены от 42 промышленных телекамер в производственных помещениях. Если на изображении она обнаруживает нарушение техники безопасности, то картинка с выделенной областью нарушения отображается на экранах мониторов начальников смен. Они сразу через цифровую радиосвязь выходят на работника для выяснения причин нарушения и приостановки его работы. При этом ИИ обучали на 37 часах видеозаписи для учета особенностей лица, одежды, СИЗ и т.д. [19].
ПАО «РусГидро»
Компания использует информационную систему «Расчет водноэнергетических режимов ГЭС», которая основана на имитационных математических моделях с использованием технологии ИИ. Она автоматизировано считает, анализирует и дает предложения по оптимальному водно-энергетическому режиму. Таким образом, ИИ помогает спланировать режим работы водохранилищ и подготовиться к предстоящему весеннему половодью [32].
Обрабатывающая промышленность
ПАО «ММК»
В коксовом цехе компании реализован проект по внедрению системы предотвращения нахождения персонала в опасных зонах на основе машинного обучения. Данное решение позволяет за счет фиксации перемещений работников, с помощью установленных коксовых машинах специальных датчиков, повысить безопасность и снизить риски производственного травматизма. Например, при сближении коксовых машин с работником, на RFID-радиометку, выданную ему в начале смены, поступает вибросигнал. Моментально на коксовой машине включается световая и звуковая сигнализация и происходит блокировка ее механизмов [18].
ПАО «ОДК»
Рыбинский «ОДК-Сатурн» (входит в ПАО «ОДК») использует машинное зрение и нейросети для автоматизации оценки качества авиационных двигателей. Данные технологии осуществляют автоматизированный люминесцентный контроль, который обеспечивает съемку всех поверхностей детали, поиск всех типов дефектов, расчет их геометрических характеристик, классификацию и определение годности изделия согласно нормативной документации. В итоге машинное зрение позволило кратно увеличить пропускную способность участка контроля и снизить требования к персоналу [20].
Добыча полезных ископаемых
ПАО «НК «Роснефть»
Роснефть масштабно выполняет внедрение технологий ИИ для оптимизации добычи нефти. Так, ПО «РН-Нейросети» позволяет подобрать оптимальные варианты разработки каждого участка нефтяного месторождения, что позволяет увеличить нефтедобычу и снизить операционные затраты. Здесь самообучающийся комплекс ИИ самостоятельно предлагает оптимальные варианты размещения новых скважин, параметры проведения гидроразрыва пласта и подготовки к эксплуатации с учетом геологического строения, физико-химических свойств и текущего состояния выбранного месторождения. Также ИИ применяется для создания системы поддержки принятия решений в проекте «Цифровое месторождение». Нейросеть помогает измерять дебиты нефтяных скважин в режиме реального времени, проводить диагностику отклонений и прогнозировать время работы насосных установок [24].
ПАО «Татнефть»
Компания внедрило ИИ для распознавания разливов нефти на снимках, нарушений техники безопасности, сухих деревьев вблизи ЛЭП. Также планируется использовать ИИ для анализа записей, которые делают рабочие бригады компании, и поиска нарушений [27].
ПАО АК «АЛРОСА»
Компания внедряет систему ИИ для управления бутобоями. На них устанавливают взрывозащищенные камеры с машинным зрением, которые будут следить за состоянием решетки, определять размер горной массы и раздроблять слишком крупные куски руды. Это позволяет оператору на поверхности удаленно следить за работой неограниченного количества бутобоев, что позволяет рабочим выполнять менее рутинные задачи [1].
Сельское хозяйство
ГК «ЭФКО»
Компании применяют цифровые программы на основе ИИ для повышения эффективности кормления путем сбалансирования затрат на корма и доходности от реализации продукции. ИИ оценивает сотни показателей по широкой базе – сотен и даже тысяч коров на ферме. В итоге автоматизации позволяет избавиться от ручного анализа и устранить человеческий фактор [38].
ПАО «ГК «Русагро»
Компании применяют в планировании машинное обучение, которое позволяет прогнозировать даты технической спелости культур, выделяя из них те, которые требуют неотложного внимания агрономов тем самым оптимизируя процесс уборки урожая В итоге уборка рожая производится своевременно. При этом оптимально организовывается использование сельскохозяйственной техники и труда агрономов» [10].
Источник: составлено авторами

В выборку вошли одни из самых крупных компаний производственной сферы РФ. В них ИИ внедряется более системно и активнее остальных предприятий. Здесь следует провести анализ практического опыта использования ИИ по отраслям. В компаниях сферы «информация и связь» эта технология применяется в основном как виртуальный помощник для генерации различной информации в зависимости от запроса пользователя. В сфере грузовых перевозок ИИ нашел свое применение в оптимизации времени доставки методом интеллектуального анализа логистических факторов. Строительные предприятия внедряют ИИ для генерации рекомендаций по продаже квартир на основе анализа рыночных факторов рынка недвижимости. В электроэнергетике ИИ применяется для удаленного контроля за работой персонала и оборудования критической инфраструктуры АЭС, ГЭС и ТЭС. Здесь ИИ значительно снижает риск возникновения ЧС на данных объектах. В обрабатывающей промышленности ИИ применяет для более широких задач. Это в основном контроль за соблюдением техники безопасности рабочих, оценка качества продукции, удаленный мониторинг и предиктивная аналитика. При этом часто ИИ интегрируется с цифровыми двойниками, промышленным Интернетом вещей, цифровыми платформами. Это обосновывается большим объемом задач, различным оборудованием и наличием «умных» датчиков. В важной для ресурсно-зависимой экономики РФ обрабатывающей отрасли ИИ внедряется для удаленного управления установками, разработки участков добычи ресурсов, предиктивной аналитики и контроля за соблюдением техники безопасности персонала. В основном ИИ применяется в нефтегазовых компаниях, которые приносят 28-51% дохода федерального бюджета РФ. Например, развитие нефтедобывающих предприятий обуславливается огромной ролью, которую играет Россия на мировых нефтяных рынках, являясь, третьим по величине производителем нефти после США и Саудовской Аравии [17]. Направления применения ИИ в сельском хозяйстве включают оптимизацию процесса выращивания и сбора урожая, а также автоматизации расчета затрат на кормление скота.

Исходя из проведенного анализа можно дать такую оценку использования технологий ИИ в производственной сфере экономики РФ. В целом видна положительная тенденция внедрения данного IT-решения для автоматизации основных технологических операций, контроля за безопасностью и генерации информации. Но видны явные лидеры отрасли:

1) информация и связь;

2) обрабатывающая промышленность;

3) транспортировка и хранение.

Главными барьерами отсталости по использованию ИИ логистическими и добывающими компаниями являются недостаточное материально-техническое оснащение и дефицит IT-специалистов. Тем не менее, данные предприятия занимаются разработкой собственных IT-решений. Также видна положительная динамика использования ИИ в сельском хозяйстве и строительстве. Самая плохая ситуация с добывающими предприятиями. ИИ используется только на самых крупных из них. При этом это преимущественно нефтегазовая сфера. Не смотря на наличие собственных разработок ИИ, его внедрение достаточно затратное дело ввиду технологической специфики установок и другого добывающего оборудования. Также затрудняют цифровую трансформацию устаревшие производственные фонды. Таким образом, в целом наблюдается увеличение производственных предприятий, использующих ИИ в своей деятельности, что является следствием эффективной реализацией политики импортозамещения.

Заключение

Искусственный интеллект является прорывной технологий XXI века, которая позволяет автоматизировать большинство бизнес-процессов современного предприятия. В России он получил меньшее развитие, чем в передовых странах Запада и Востока по причине недостаточного развития сферы высоких технологий и зависимости российской экономики от экспорта ресурсов. Санкции еще больше ограничили развитие ИИ. Тем не менее РФ, имея некоторые разработки в сфере ИИ и благодаря эффективной реализации политики импортозамещения, смогла нарастить объем рынка ИИ. Благодаря этому стало возможным наметить перспективные сферы применения ИИ на стратегически важных предприятиях производственной сферы экономики РФ. Машинный интеллект может найти свое применения в обеспечении безопасности, проведении предиктивной аналитики, планировании производства, создании нового продукта, моделировании и многих других сферах деятельности производственного предприятия.

Не смотря на небольшой период развития ИИ на российских производственных предприятиях уже имеется опыт внедрения данной технологии. При этом с каждым годом становится все больше предприятий, внедряющих машинный интеллект для автоматизации производственных процессов. Особенно выделяются рост количества компаний в отрасли: информации и связи; обрабатывающей промышленности; транспортировки и хранения. При этом они являются крупными, что подразумевает наличие огромных ресурсов для разработки и внедрения ИИ. Малые и среднее производственные компании редко используют ИИ, что требует разработки мер их поддержки со стороны государства для обеспечения сбалансированного перехода к технологически-суверенной экономики.


Источники:

1. «Алроса» усиливает подземные рудники с помощью искусственного интеллекта и машинного зрения. Asp news. [Электронный ресурс]. URL: https://asp-news.ru/it-news/gk-cherkizovo-stala-pervoj-kompanij-v-rossii-gde-v-magazinah-vykladka-proishodit-za-schet-iskusstvennogo-intellekta/?ysclid=luahcp46en47479238 (дата обращения: 25.03.2024).
2. В «Почте России» рассказали об использовании ИИ в работе. РИА Новости. [Электронный ресурс]. URL: https://ria.ru/20231218/pochta-1916412495.html?ysclid=luaknlmxol603325108 (дата обращения: 20.03.2024).
3. В «Яндексе» рассказали о внедрении нейросети в свои продукты. РИА Новости. [Электронный ресурс]. URL: https://ria.ru/20230909/neyroset-1895136017.html?ysclid=luajxhq97q996136322.
4. Доржиева В.В. Цифровизация промышленности: роль искусственного интеллекта и возможности для России // Вопросы инновационной экономики. – 2022. – № 4. – c. 2383-2394. – doi: 10.18334/vinec.12.4.116599.
5. Зимовец А.В., Климачев Т.Д. Цифровая трансформация производства на российских предприятиях в условиях политики импортозамещения // Вопросы инновационной экономики. – 2022. – № 3. – c. 1409-1426. – doi: 10.18334/vinec.12.3.116297.
6. Зимовец, А. В., Маринова И.В. Анализ мер поддержки субъектов российского предпринимательства в условиях антироссийских санкций // Вестник Таганрогского института управления и экономики. – 2022. – № 1. – c. 26-31.
7. ИИ-системы в промышленности: какие сценарии использования существуют у умных систем. SoftLine. [Электронный ресурс]. URL: https://slddigital.com/article/ii-sistemy-v-promyshlennosti-kakie-scenarii-ispolzovaniya-sushestvuyut-u-umnyh-sistem/ (дата обращения: 11.03.2024).
8. Интеллект на вес золота. Коммерсант. [Электронный ресурс]. URL: https://www.kommersant.ru/doc/6082034?ysclid=luhkii65lp435082415 (дата обращения: 08.03.2024).
9. Искусственный интеллект будет контролировать правильность работы цифровых систем защиты и автоматики в электрических сетях. Центр компетенции НТИ. [Электронный ресурс]. URL: http://nti.mpei.ru/ai-mpei-rosseti/ (дата обращения: 20.03.2024).
10. Искусственный интеллект помогает агрохолдингу «Русагро» планировать уборку урожая. Jet.su. [Электронный ресурс]. URL: https://jet.su/press-center/news/iskusstvennyy-intellekt-pomogaet-agrokholdingu-rusagro-planirovat-uborku-urozhaya/?ysclid=luah8t6mmh155427246 (дата обращения: 26.03.2024).
11. Использование ИИ на производстве. Adeptik – российская IT-компания. [Электронный ресурс]. URL: https://adeptik.com/blog/ispolzovanie-ii-na-proizvodstve/?ysclid=lu7n4xtf5v833211940 (дата обращения: 11.03.2024).
12. Как ФСК Петербург выстроили работу с ценами на базе искусственного интеллекта. Profitbase. [Электронный ресурс]. URL: https://blog.profitbase.ru/kak-fsk-peterburg-vystroili-rabotu-s-cenami-na-baze-iskusstvennogo-intellekta/?ysclid=luajnjkltg46351455 (дата обращения: 22.03.2024).
13. Карасев Н.А., Климачев Т.Д. Теоретические аспекты исследования проблем и перспектив применения технологий искусственного интеллекта в менеджменте российских компаний // Креативная экономика. – 2024. – № 2. – c. 337-356. – doi: 10.18334/ce.18.2.120490.
14. Климачев Т. Д., Карасев Д.А. Исследование практики и системных проблем применения технологий четвертой промышленной революции в различных отраслях российской промышленности // Вопросы инновационной экономики. – 2023. – № 4. – c. 2005-2024. – doi: 10.18334/vinec.13.4.119582.
15. Куижева С. К., Задорожная Л. И., Овсянникова Т.А, Зарубин В. И. Задачи использования искусственного интеллекта в бережливом производстве // Новые технологии. – 2021. – № 6. – c. 106-115. – doi: 10.47370/2072-0920-2021-17-6-106-115.
16. Курушина Е. В., Шевелева Н. П. Цифровая трансформация промышленности на основе искусственного интеллекта // Общество: политика, экономика, право. – 2023. – № 7. – c. 6-73. – doi: 10.24158/pep.2023.7.8.
17. Мартынов М.Х., Зимовец А.В. Анализ роли нефтегазовых доходов в обеспечении экономической безопасности России // Экономическая безопасность. – 2023. – № 4. – c. 1283-1300. – doi: 10.18334/ecsec.6.4.119311.
18. ММК усилил контроль за безопасностью с помощью искусственного интеллекта. ИД "Руда и Металлы". [Электронный ресурс]. URL: https://rudmet.ru/news/13439/ (дата обращения: 24.03.2024).
19. На Кольской АЭС внедрили систему машинного зрения для контроля применения средств индивидуальной защиты. Tadviser.ru. [Электронный ресурс]. URL: https://www.tadviser.ru/index.php/Проект:Кольская_АЭС_(Искусственный_интеллект_(ИИ,_Artificial_intelligence,_AI))?ysclid=luak67n9na68968267 (дата обращения: 23.03.2024).
20. ОДК использует нейросеть для оценки качества авиадвигателей. Mashnews. [Электронный ресурс]. URL: https://mashnews.ru/odk-ispolzuet-nejroset-dlya-oczenki-kachestva-aviadvigatelej.html (дата обращения: 24.03.2024).
21. Оптимизация логистики и цепочек поставок с помощью ИИ. Dzen.ru. [Электронный ресурс]. URL: https://dzen.ru/a/ZaETBSg-5irtmmf7 (дата обращения: 20.03.2024).
22. Письменный Р.А. Применение искусственного интеллекта в автоматизации производства // Символ науки. – 2023. – № 7-2. – c. 15-17.
23. Половова Т.А., Сульдина Г.А., Владимирова С.А., Телков О.А. Перспективы использования технологий искусственного интеллекта в нефтегазовой отрасли // Экономика: вчера, сегодня, завтра. – 2023. – № 3А. – c. 119-125. – doi: 10.34670/AR.2023.55.63.008.
24. «Роснефть» на выставке «Россия» представила ищущий нефть ИИ. Лента.ру. [Электронный ресурс]. URL: https://lenta.ru/news/2024/03/13/neft/?ysclid=luaikg7ap5576454739 (дата обращения: 24.03.2024).
25. Российский рынок искусственного интеллекта растет, несмотря на санкции. Российская Газета. [Электронный ресурс]. URL: https://rg.ru/2024/02/14/rossijskij-rynok-iskusstvennogo-intellekta-rastet-nesmotria-na-sankcii.html?ysclid=luhkac70t8986617294 (дата обращения: 08.03.2024).
26. Синиченко О. А. Роль банковского сектора в развитии экономики страны // Вестник Таганрогского института управления и экономики. – 2023. – № 4. – c. 3-10.
27. «Татнефть» об использовании ИИ: «Нет модели, которая может «сойти с ума». БИЗНЕС Online. [Электронный ресурс]. URL: https://www.business-gazeta.ru/news/610216?ysclid=luagzskliw466058483 (дата обращения: 24.03.2024).
28. ТОП нейросетей отечественного производства. Vc.ru. [Электронный ресурс]. URL: https://vc.ru/marketing/890486-top-neyrosetey-otechestvennogo-proizvodstva?ysclid=luhk4zb2a467792067 (дата обращения: 09.03.2024).
29. Тренды развития ИИ в России. Коммерсант. [Электронный ресурс]. URL: https://www.kommersant.ru/doc/6559938?ysclid=luhjxfqho388788186 (дата обращения: 08.03.2024).
30. Указ Президента РФ от 10.10.2019 N 490 (ред. от 15.02.2024) «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года»). Портал правовой информации «КонсультантПлюс. [Электронный ресурс]. URL: https://www.consultant.ru/document/cons_doc_LAW_335184/?ysclid=lum37zo6a2529772830 (дата обращения: 08.03.2024).
31. «Умная» сталь: как нейросеть помогает развивать металлургию. Рбк. [Электронный ресурс]. URL: https://www.rbc.ru/economics/08/09/2023/64f8a2219a794746be0720e9?ysclid=luaie9haif99654382 (дата обращения: 10.03.2024).
32. Уникальная информационная система позволяет эффективно управлять водными ресурсами. Российская Газета. [Электронный ресурс]. URL: https://rg.ru/2024/03/25/unikalnaia-informacionnaia-sistema-pozvoliaet-effektivno-upravliat-vodnymi-resursami.html?ysclid=luak9n15ar52251056 (дата обращения: 23.03.2024).
33. Ходжаева Д. Ф., Алиева М. Х., Курбанова Ш. М. Роль искусственного интеллекта в производстве // Наука, техника и образование. – 2021. – № 4. – c. 37-39.
34. Абдрахманова Г.И., Васильковский С.А., Вишневский К.О.и др Цифровая экономика: 2022: краткий статистический сборник. / Нац. исслед. ун-т «Высшая школа экономики». - М.: НИУ ВШЭ, 2022. – 124 c.
35. Абашкин В.Л., Абдрахманова Г.И., Вишневский К.О., Л.М. Гохберг и др. Цифровая экономика: 2024 : краткий статистический сборник. / Нац. исслед. ун-т «Высшая школа экономики». - М.: ИСИЭЗ ВШЭ, 2024. – 124 c.
36. Черепанов Н.В., Буслаев С.П. Проблемы и задачи развития искусственного интеллекта на машиностроительном предприятии // Инновации и инвестиции. – 2021. – № 7. – c. 175-179. – doi: 10.24412/2307-180X-2021-7-175-179.
37. Шарипов Ф.Ф., Дьяконова М.А. Основные направления внедрения результатов исследований систем искусственного интеллекта в отечественное производство. Вестник университета // Вестник университета. – 2024. – № 2. – c. 16-22. – doi: 10.26425/1816-4277-2024-2-16-22.
38. «ЭФКО»: искусственный интеллект меняет подход к кормлению защищенными жирами. Feedlot.ru. [Электронный ресурс]. URL: https://feedlot.ru/novosti/efko-iskusstvennyij-intellekt-menyaet-podxod-k-kormleniyu-zashhishhennyimi-zhirami?ysclid=luah61wuhs704990537 (дата обращения: 26.03.2024).
39. How AI is Proving as a Game Changer in Manufacturing – Use Cases and Examples. Appinventiv.com. [Электронный ресурс]. URL: https://appinventiv.com/blog/ai-in-manufacturing/ (дата обращения: 10.03.2024).
40. Kehayov M, Holder L, Koch V. Application of artificial intelligence technology in the manufacturing process and purchasing and supply management // Procedia Computer Science. – 2022. – № 200. – p. 1209-1217. – doi: 10.1016/j.procs.2022.01.321.
41. Plathottam SJ, Rzonca A, Lakhnori R, Iloeje CO. A review of artificial intelligence applications in manufacturing operations // Journal of advanced manufacturing and processing. – 2023. – № 3. – p. 10159. – doi: 10.1002/amp2.10159.
42. 6 ways to unleash the power of AI in manufacturing. Weforum.org. [Электронный ресурс]. URL: https://www.weforum.org/agenda/2024/01/how-we-can-unleash-the-power-of-ai-in-manufacturing/ (дата обращения: 10.03.2024).

Страница обновлена: 17.06.2024 в 22:52:59