Аналитики компании «Тендер Про» изучили, как изменился интерес металлургов к программам обучения работе с искусственным интеллектом. По оценкам специалистов, по сравнению с прошлым годом спрос вырос в 6 раз.
Как раз весной 2023 года российское правительство совместно с экспертами рынка определило приоритеты по внедрению технологий ИИ в российскую экономику. Было отобрано 70 наиболее перспективных решений, сгруппированных по 14 направлениям пяти стратегически важных отраслей. Металлургия — одно из них. Ключевой документ, определяющий политику государства в этой сфере: «Национальная стратегия развития искусственного интеллекта до 2030 года». После этого началось великое обучение искусственному интеллекту.
Стратегия предусматривает, что совокупный прирост ВВП РФ за счёт использования технологий ИИ в 2030 году вырастет не менее чем до 11,2 трлн руб. накопленным итогом по сравнению с 0,2 трлн руб. в 2022 году.
Большинство торгов на обучение работе с искусственным интеллектом проводят предприятия в сфере металлургии (в 22% случаев). Также подобными образовательными программами интересуются компании в секторе энергетики (в 18,5% случаев), телекоммуникаций (в 14,8% случаев), а также промышленные (в 16% случаев) и финансовые организации (в 7,5% случаев).
Больше всего тендеров на обучение работе с искусственным интеллектом проводят металлургические предприятия в: Свердловской области (18,7% от всех тендеров); Москве и Московской область (7,5% от всех инвестпроектов в РФ); Санкт-Петербург и Ленинградская область (5,9 % от всех инвестпроектов в РФ); Ростовской области (4,6% от всех инвестпроектов в РФ); Республике Татарстан (4,2% от всех инвестпроектов в РФ); Челябинской области (4% от всех инвестпроектов в РФ); Оренбургской области (3,6% от всех инвестпроектов в РФ); Новосибирской области (3,1% от всех инвестпроектов в РФ); Красноярском крае (2% от всех инвестпроектов в РФ); Тульской области (1,6 % от всех инвестпроектов в РФ).
«Про Металл» связался с ведущими игроками рынка и задал им три вопроса:
- Чем важен ИИ для металлургов? Какие направления наиболее востребованы?
- Кого отправляют на такие программы, каким функционалом и компетенциями должны обладать такие сотрудники?
- Что может дать ИИ для промышленности в перспективе?
Пресс-служба «Северстали»
В «Северстали» решения на основе машинного обучения имеют несколько векторов: повышение качества продукции, безопасности, производительности агрегатов и снижение экологической нагрузки. В 2023 году экономический эффект только от новых и усовершенствованных решений, выпущенных в промышленную эксплуатацию за последний год, составил 960 млн рублей. На данный момент на разных активах компании реализовано и запущено в промышленную эксплуатацию порядка 60 решений.
В «Северстали» решения на основе машинного обучения имеют несколько направлений
В компании обучение цифровым компетенциям проходит на образовательной платформе «Цифровая сталь». Контент для неё разрабатывали сотрудники «Северстали». В программе несколько уровней — базовый, средний и экспертный. Пользователь зарабатывает баллы, отвечая на вопросы онлайн-квиза по четырём направлениям обучения: «Кибербезопасность», «Работа с данными», «Цифровое взаимодействие» и «Цифровизация процессов». В этом курсе, в том числе, рассказывается о возможностях машинного обучения и компьютерного зрения, а также приводятся примеры применения этих технологий на предприятии.
Использование ИИ уже даёт значительные результаты, но по мере «сбора низко висящих фруктов» (то есть получения эффекта на наиболее очевидных участках без значительных вложений) потребуются дополнительные инвестиционные программы для укрупнения систем и получения сквозного эффекта. Кроме того, в промышленных компаниях решения на основе ИИ, в том числе генеративного, могут выйти за пределы производства и использоваться в закупках, продажах, работе с клиентами.
Александр Таскаев, директор департамента интеллектуальных систем автоматизации компании «Сател»
Искусственный интеллект всё чаще используется в промышленности, в том числе и в металлургическом секторе. Дело в том, что ИИ способен значительно улучшить эффективность производства. Системы на основе технологии могут анализировать большие объёмы данных и прогнозировать возникновение неисправностей оборудования. Также ИИ помогает оптимизировать производственные процессы, улучшая качество продукции и снижая затраты.
Наиболее востребованные направления для внедрения ИИ в металлургии — предиктивная аналитика, автоматизация производственных линий и управление качеством продукции. Предиктивная аналитика позволяет прогнозировать поломки оборудования, минимизируя время его простоя и снижая затраты на ремонт. Автоматизация производственных линий увеличивает точность и эффективность процессов, а контроль качества производства с использованием ИИ помогает сократить количество брака.
На образовательные программы для обучения работе с ИИ обычно отправляют:
• инженеров — они изучают анализ данных и разработку алгоритмов для повышения эффективности производства;
• аналитиков данных — для получения навыков обработки и интерпретации данных для предиктивной аналитики;
• менеджеров по производству — для понимания и управления процессами внедрения ИИ-систем в производственный цикл;
• технических специалистов — для изучения мониторинга и оптимизации работы ИИ-систем.
ИИ играет важную роль в металлургической отрасли. Обучение сотрудников работе с ИИ является ключевым шагом для предприятий, стремящихся оставаться конкурентоспособными и инновационными. Внедрение ИИ может привести к трансформации промышленности, делая её более устойчивой к внешним вызовам.
Виталий Данильчук, управляющий партнёр сегмента «Энергетика, промышленность, металлургия, телеком» в IBS
Есть два фактора, которые повлияли на активность именно металлургов в использовании у себя сквозных цифровых технологий и ИИ в частности. Первое — это уже достаточно высокий уровень зрелости автоматизации процессов отрасли, наличие источников данных.
Операторы ИИ отвечают за проектирование, разработку и внедрение систем искусственного интеллекта, которые могут автоматизировать задачи и повысить эффективность в различных отраслях
Второе — высокий уровень мотивации в поиске инструментов «дожимания» эффективности. Коллеги уже давно экспериментируют, прототипируют технологии работы с данными, аналитиками, расширенными аналитиками. На производственных площадках широко используется видеоаналитика — фиксация отклонений производственного процесса, нарушений требований, инцидентов, прослеживаемость производства, объёмные индикативы и т.д. Есть заделы в создании рекомендательных систем и предиктивной аналитике, работающей на данных реального времени и исторических данных.
Заказчики активно формируют у себя лаборатории данных, наращивают экспертизу data-science, технологов работы с данными, написания промтов.
Уровень технологической зрелости уже довольно высокий и понимание текущих возможностей в большинстве кейсов и у нас, и у заказчика уже сформировалось. Если заглядывать за горизонт и смотреть перспективные направления, то я ожидаю продвижения ИИ в двух направлениях — производственный процесс, ниже на операционный уровень. Тут есть серьёзные барьеры, связанные с неготовностью к этому производственных активов и затратные требования кибербезопасности, а также в направлении data-driven моделей управления холдингов (логистика, клиентский сервис, финансовое моделирование, управление рисками).
Денис Харламов, руководитель компании «Е-Металл»
Внедрение ИИ-технологий в металлургии позволяет повысить эффективность по ряду критериев. Во-первых, ускорение процессов производства и принятия решений, что сокращает время, необходимое для завершения процессов и улучшает оперативность действий. Во-вторых, повышение стандартов качества продукции и услуг, а также клиентского опыта за счёт улучшения характеристик и индивидуализации предложений.
Третий критерий — обеспечение объективности процессов за счёт снижения вероятности ошибок и недочётов, связанных с человеческим фактором.
Другие преимущества включают уменьшение издержек производства, повышение безопасности и экологичности процессов, улучшение прогнозирования спроса и оптимизацию запасов, а также автоматизацию мониторинга и обслуживания оборудования. В целом использование ИИ в металлургии способствует эффективному совершенствованию производства и повышению конкурентоспособности предприятий.
Развитие искусственного интеллекта в металлургической отрасли подразумевает не только внедрение новых технологий, но и подготовку специалистов, способных реализовать и управлять этими инновациями. Обучающие программы ориентированы на инженеров, аналитиков данных, специалистов по автоматизации производства и менеджеров проектов.
Внедрение ИИ-технологий в металлургии позволяет повысить эффективность
Инженеры, занимающиеся внедрением искусственного интеллекта в металлургию, изучают методы машинного обучения, обработки больших данных, анализа временных рядов и оптимизации производственных процессов. Они также углубляют свои знания в специфике металлургического производства для эффективного применения своих навыков.
Аналитики данных в металлургической отрасли изучают алгоритмы машинного обучения для анализа данных о производственных процессах, контроля качества продукции и прогнозирования спроса на металлы. Они также осваивают методы визуализации данных и создания дашбордов для принятия управленческих решений.
Специалисты по автоматизации производства получают знания о разработке и внедрении систем управления производственными процессами на основе искусственного интеллекта, таких как автоматическое регулирование параметров оборудования и техники, оптимизация траекторий движения роботов.
Менеджеры проектов, специализирующиеся на внедрении искусственного интеллекта в металлургию, обучаются планированию и управлению проектами по внедрению новых технологий. Они изучают методики управления изменениями, оценку рисков и организацию работы команды для успешной реализации проектов.
Специалисты, отправляемые на учебные программы по внедрению искусственного интеллекта в металлургию, обладают широким спектром навыков, необходимых для успешной реализации проектов по автоматизации, оптимизации и управлению производственными процессами с применением новейших технологий ИИ.
Внедрение искусственного интеллекта в металлургическую отрасль приносит широкий спектр выгод, включая повышение конкурентоспособности предприятий, минимизацию потерь, стимулирование инноваций и развития, а также улучшение качества продукции и автоматизацию процессов. Помимо ускорения процессов, улучшения стандартов качества и обеспечения объективности решений, искусственный интеллект способен предсказывать поломки оборудования, управлять запасами более эффективно, планировать ремонт и обслуживание, а также повышать безопасность производства.
Таким образом, ИИ является неотъемлемым инструментом для современных металлургических предприятий, способствуя их эффективности, развитию и конкурентоспособности.
Алексей Леонтович, директор департамента по работе с промышленностью Rubytech
В использовании технологий ИИ металлурги не уникальны: цели и направления здесь в целом схожи с другими отраслями промышленности. Искусственный интеллект в металлургии используется как для повышения эффективности отдельных процессов, так и для улучшения натуральных и финансовых показателей. Технологии машинного зрения и машинного обучения активно применяются для контроля и повышения качества продукции; обеспечения промышленной и комплексной безопасности; управления активами, запасами и пр. Технологии генеративного ИИ всё глубже проникают в корпоративные процессы — продажи, закупки, управление персоналом, финансы. Их применение заметно повышает скорость и эффективность процессов.
Эксперты считают, что внедрение ИИ-технологий в металлургии позволяет повысить параметры в таких важных показателях, как скорость выполненных работ, их качество
Ранее тонкостям работы с ИИ обучались в основном ИТ-специалисты, так как внедрение принципиально новых технологий и подходов к управлению производством на тот момент шло через эксперименты и пилотные проекты. Занимались этим, как правило, специально выделенные команды.
Сейчас пул сотрудников, которые целенаправленно проходят обучение работе с ИИ, заметно расширился. Во многом это обусловлено активным переходом к внедрению технологий машинного обучения в бизнес-процессы, а также в сложные производственные и технологические процессы.
Изменения неизбежно влекут за собой определённое сопротивление со стороны производственного персонала. Это происходит из-за свойственного людям недоверия к нововведениям и опасений, что технологии могут заменить человека на производстве или существенно повлиять на его дальнейшую профессиональную деятельность.
Часто сопротивление обусловлено тем, что люди не знакомы с данными технологиями и не могут правильно интерпретировать результаты или решения, которые принимает ИИ. Вот почему в последние годы всё больше представителей производственных и бизнес-подразделений: технологов, операторов, руководителей и других ключевых сотрудников — направляют на специализированное обучение технологиям ИИ и работе с ними.
В зависимости от роли сотрудника обучающие программы могут включать в себя:
• знакомство с общими подходами к применению технологий ИИ;
• детальное обучение конкретным технологиям (работа с данными, построение и обучение моделей, программирование на Python и пр.);
• изучение практического опыта применения готовых решений, которые планируется внедрить на предприятии, или тех, которые уже используются.
По оценкам АНО «Цифровая экономика» рентабельность промышленных предприятий за счёт использования технологий ИИ увеличивается более чем на 5%. Это притом, что на текущий момент проникновение технологий ИИ в процессы металлургических компаний пока остаются довольно низкими.
Помимо финансовых показателей технологии ИИ позволят решить целый спектр смежных задач: обеспечить доступность квалифицированных кадров в удалённых регионах, облегчить работу в тяжёлых условиях, повысить уровень безопасности, обеспечить управление энергоэффективностью и не только.
Вторая часть статьи с комментариями представителей металлургических и ИТ-компаний будет опубликована 12 июля.
Егор Петров
