Цифровая трансформация промышленных предприятий

Юрий Почанин

Цифровая трансформация промышленных предприятий

Цифра ВВЕДЕНИЕ

Цифровая трансформация позволяет решать на новом уровне непрерывно усложняющиеся задачи, стоящие перед промышленными предприятиями. В основе инновационных изменений лежит переход к цифровым и умным производственным средам. Процессы, ранее зависевшие от бумажной документации и ручного труда, обретают иную форму благодаря безбумажному проектированию и автоматизированному производству. Цифровая трансформация промышленности трансформируется через интеграцию концепций «Индустрия 4.0» и «Фабрики будущего». Использование виртуального моделирования позволяет создавать точные прототипы, что существенно сокращает время и затраты. Технологии интернета вещей расширяют возможности мониторинга и управления, собирая данные в режиме реального времени и создавая межмашинные взаимодействия. Важнейшую роль играют технологии больших данных и предиктивной аналитики, обеспечивающие возможность прогнозирования и оптимизации процессов. Внедрение искусственного интеллекта и робототехники способствует повышению эффективности и снижению человеческого фактора в операции. Облачные вычисления обеспечивают гибкость и доступность данных, что важно для распределённых и виртуальных фабрик. Аддитивное производство, получающее всё большее распространение, привносит гибкость в изготовление сложных компонентов и изделий. Оно позволяет производить адаптивные решения, что особенно важно в условиях быстро меняющихся рыночных требований. Умные фабрики, характеризующиеся высокой степенью автоматизации, предоставляют новое измерение эффективности в условиях постоянных изменений. Здесь управление осуществляется в реальном времени, что позволяет быстро адаптироваться к новым вызовам. Это достигается через синергию технологий интернета вещей, больших данных и передовых информационных систем. Процесс цифровой трансформации в промышленности оказывается мощным катализатором для уменьшения эксплуатационных расходов, улучшения эффективности производственного цикла и обеспечения высокого уровня адаптивности бизнеса, что способствует ускорению разработки и внедрения новаторских продуктов, позволяет реализовать массовую кастомизацию и применение гибких производственных систем. Лидирующими экономиками в этой технологической эволюции выступают азиатские гиганты, государства Европейского союза и Северная Америка, что отображает их приверженность передовым технологическим практикам и инновациям. Компания Axenix опубликовала в начале 2024 г. топ цифровых трендов промышленности в России и мире, представленный на рис.1. В рамках шести ключевых технологических тенденций, актуальных как для России, так и для международного сообщества, совпадения наблюдаются лишь в двух аспектах. Первое совпадение касается развития передовых инструментов искусственного интеллекта, включая машинное обучение (ML) и продвинутую аналитику. Второе — технология RPA (Robotic Process Automation), представляющая собой автоматизацию бизнес-процессов с помощью программных роботов. В остальных технологических сегментах пути России и мирового сообщества различаются.

Рис. 1. Ключевые цифровые тренды промышленности в России и мире

В мировом масштабе технология RPA пользуется наибольшим интересом, в то время как в России она находится на последнем месте по популярности. В России же лидирующие позиции занимают передовые инструменты искусственного интеллекта. Российская промышленность активно развивается, решая всё более масштабные задачи с акцентом на машинное обучение и продвинутую аналитику, опережая другие страны в этом направлении. В утвержденном перечне стратегических направлений в области цифровой трансформации обрабатывающих отраслей промышленности до 2030 г. предусмотрено несколько приоритетных проектов:

1. Проект «Умное производство» направлен на усиление эффективности в использовании основных активов, материалов и сырья. Он также способствует расширению технологических горизонтов компаний, внедрению отечественных программных решений в ключевых областях, увеличению количества предприятий, применяющих предиктивную аналитику и технологии промышленного интернета вещей;

2. Проект «Цифровой инжиниринг» предусматривает ускорение процесса выхода промышленных товаров на рынок, создание мультифункциональных площадок-маркетплейсов, которые предоставляют ресурсы для всего цикла создания и продажи продукции. Проект также занимается стандартизацией форматов данных и увеличивает количество предприятий, использующих технологии цифровых двойников и проведение виртуальных тестирований. 3. Проект «Продукция будущего» занимается переходом к системе гибкого производства, адаптированного под потребности клиентов, внедрением предиктивной аналитики для оптимизации ремонтных работ, разработкой сервисной модели продаж промышленных товаров и расширением доступа к передовым технологиям.

4. Проект «Технологическая независимость» фокусируется на укреплении технологического суверенитета, включая защиту информационной безопасности критически важных объектов инфраструктуры.

5. Проект «Интеллектуальная господдержка» включает переход к цифровой модели государственной финансовой поддержки промышленности.

Стратегия цифровой трансформации представляет собой последовательное внедрение бизнес-решений, организованное поэтапно. Реализация стратегии цифровой трансформации укрупненно может быть представлена в виде поэтапной последовательности бизнес-решений, таблица 1.

Таблица 1 Этапы реализации стратегии цифровой трансформации промышленного бизнеса

Этап

Ключевые бизнес-решения

1.Формулирование стратегических задач в рамках цифровой трансформации

-многие промышленные предприятия ставят перед собой задачи повышения эффективности, укрепление конкурентных позиций и обеспечении безопасности своего бизнеса в процессе цифровизации.

2.Проведение технологического аудита

-анализ ключевых аспектов для улучшения производительности бизнес-процессов через внедрение технологических решений;

-выявление потребностей в финансировании и его источников.

3. Реорганизация и цифровое обновление бизнес-процессов

-интеграция новейших технологических решений и обеспечение их взаимодействия;

-переосмысливание организации рабочего пространства, включая разработку систем удаленной работы;

-адаптация и обучение сотрудников в соответствии обновленными бизнес-процессами и измененным рабочими ролями.

4. Разработка цифровой экосистемы

- трансформация корпоративной культуры и методов управления;

-налаживание процессов взаимодействия с партнерами на основе аналитики больших данных и использования

цифровых инструментов;

- переход к модели самообслуживающейся организации.

Применение новейших технологий, включая концепции Индустрии 4.0, искусственного интеллекта и блокчейна, способствует повышению производительности и укреплению позиций на мировых рынках. Важно укреплять партнерские отношения с иностранными компаниями и организациями в сфере цифровых технологий для успешного проникновения на зарубежные рынки. Цифровая трансформация должна стать ключевым стратегическим приоритетом для российских предприятий, желающих укрепить свои позиции за рубежом. Государственная поддержка через субсидии и образовательные программы способствует ускорению этого процесса. Кроме того, цифровизация улучшает логистику и управление рисками в международной торговле, сокращает время доставки и повышает прозрачность операций благодаря применению таких технологий, как блокчейн, что особенно актуально в условиях нестабильности мировой экономики и изменений в глобальных цепочках поставок. Активное внедрение новых технологий, инвестиции в цифровые решения, переквалификация кадров и укрепление кибербезопасности позволят российской экономике укрепить процесс создания цифрового контура и будут способствовать технологическому суверенитету. При активной поддержке государства и грамотной экономической политике возможно ускорение цифровой трансформации экономики Российской Федерации и создание надежной цифровой экосистемы. Процесс цифровой трансформации в промышленности реализуется за счет использования совокупности инструментов, представленный в таблице 2.

Таблица 2 Инструменты цифровой трансформации промышленного бизнеса

Применение новейших технологий, включая концепции Индустрии 4.0, искусственного интеллекта и блокчейна, способствует повышению производительности и укреплению позиций на мировых рынках. Важно укреплять партнерские отношения с иностранными компаниями и организациями в сфере цифровых технологий для успешного проникновения на зарубежные рынки. Цифровая трансформация должна стать ключевым стратегическим приоритетом для российских предприятий, желающих укрепить свои позиции за рубежом. Государственная поддержка через субсидии и образовательные программы способствует ускорению этого процесса. Кроме того, цифровизация улучшает логистику и управление рисками в международной торговле, сокращает время доставки и повышает прозрачность операций благодаря применению таких технологий, как блокчейн, что особенно актуально в условиях нестабильности мировой экономики и изменений в глобальных цепочках поставок. Активное внедрение новых технологий, инвестиции в цифровые решения, переквалификация кадров и укрепление кибербезопасности позволят российской экономике укрепить процесс создания цифрового контура и будут способствовать технологическому суверенитету. При активной поддержке государства и грамотной экономической политике возможно ускорение цифровой трансформации экономики Российской Федерации и создание надежной цифровой экосистемы.

Успешная цифровая трансформация зависит от умного производства или стратегического внедрения ключевых технологий. К ним относятся:

1.Промышленный Интернет вещей: IoT, компонент «Индустрии 4.0», объединяет оборудование, инструменты и системы для сбора и обмена данными на всех производственных участках. Это обеспечивает мониторинг в реальном времени, диагностическое обслуживание и оптимизацию активов.

2. ИИ и машинное обучение. ИИ и машинное обучение анализируют огромные объемы данных для выявления закономерностей, прогнозирования спроса, автоматизации проверок и принятия более взвешенных решений.

3.Облачные вычисления. Облачные платформы предлагают масштабируемую инфраструктуру, позволяющую производителям получать доступ к данным и приложениям из любого места, сотрудничать в реальном времени и сокращать накладные расходы на ИТ.

4. Расширенная аналитика. Аналитика на основе данных позволяет выполнять диагностическое обслуживание, контроль качества и оптимизацию цепочки поставок, сокращая простои и отходы.

5. Робототехника и автоматизация: роботизированные системы и интеллектуальная автоматизация повышают точность, сокращают число ошибок и повышают производительность, особенно в повторяющихся и опасных задачах.

6. Цифровые двойники: цифровые двойники, продукт отрасли 5.0, реплицируют физические активы или процессы в виртуальной среде. Это позволяет выполнять моделирование, тестирование и оптимизацию перед физическим внедрением.

7. Аддитивное производство (3D-печать): 3D-печать обеспечивает быстрое прототипирование и гибкое производство, поддерживает массовую настройку и сокращение отходов материала.

В цифровой трансформации сборочных производств и логистических процессов первостепенными являются задачи объединения машин в сеть, аналитики данных, оптимизации производительности и контроля потока создания ценности. Мониторинг и анализ производственных данных производится следующим способом. На полевом уровне присутствуют оцифрованные данные со стороны машин, доступные по протоколу OPC UA, а также проприетарные контроллеры, к которым нужно подключиться с помощью определенного коннектора. Кроме того, есть дополнительные данные, которые требуется собрать с производственной среды (вибрационные показатели, температурный режим и др.), чтобы предсказать выход из строя того или иного оборудования. В этом процессе в качестве обеспечительной инфраструктуры эффективно использование функционала IoT-шлюзов — программно-аппаратных комплексов, которые позволяют подключиться:

-к линии, не модифицируя ее программу электроавтоматики и используя прямое подключение посредством протоколов OPC UA и проприетарных протоколов;

-к датчикам, которые на линии в данный момент не присутствуют, но будут внедрены в процессе цифровизации.

Затем данные могут агрегировать и отправлять к верхнему уровню ИТ-систем для последующей аналитики, анализа и интеграции с ERP- и MES-системами предприятия. Другими словами, информация собирается из существующей производственной среды и становится доступной на уровне ИT-решений предприятия, которыми могут выступать:

-реляционные базы данных;

-MES-, ERP-системы;

-облачные решения с достаточно высоким функционалом распределенных вычислений (Microsoft Azzure, MySQL и др.).

Цифровая трансформация позволяет решать на новом уровне непрерывно усложняющиеся задачи, стоящие перед промышленными предприятиями. В настоящее время в целом решена задача автоматизации управления технологическими процессами с использованием цифровых АСУТП. Они позволяют вести управление процессами в замкнутом контуре по предопределенным алгоритмам, реализовывать оптимальные стратегии управления с применением систем усовершенствованного управления и автоматически выполнять последовательности операций (например, пуск и останов оборудования, или исполнение рецептур многостадийных периодических процессах).

В отличие от автоматизации технологического процесса, задачи управления производством в массе своей не автоматизированы. В перечень задач управления производством входят, например, подготовка и контроль выполнения производственных планов, задачи оптимизации и контроля производственных режимов, задачи контроля состояния и эффективности промышленных активов и основного оборудования, вопросы безопасности и надежности оборудования, вопросы безопасности персонала, контроля выбросов и множество других.

В настоящее время большая часть данных и документов предприятия хранится в виде файлов и цифровых данных. Перевод данных, ранее предоставлявшихся на бумажных носителях, в цифровую форму без изменения вида и содержания данных и документов известен как оцифровка. На этом этапе не происходит никаких изменений в существующих бизнес-процессах.

По мере внедрения технологий предприятия получают все большее количество данных в цифровой форме. В конечном счете становится возможным создание полного описания предприятия в цифровом виде — цифровой копии (цифрового двойника). Процесс внедрения цифровых технологий для создания такой цифровой копии называется цифровизацией.

Цифровая копия создается для всех стадий жизненного цикла производства, от проектирования до эксплуатации и ремонта. Существующие бизнес-процессы автоматизируются и ускоряются с применением данных цифровой копии производства вместо документов, а также программного обеспечения. По мере того, как цифровая копия становится все более точной и полной, разрабатываются и внедряются новые эффективные бизнес-процессы, которые заменяют старые.

ГЛАВА 1. ПОНЯТИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Искусственный интеллект (ИИ) — это способность вычислительных систем выполнять задачи, обычно связанные с человеческим интеллектом, такие как обучение, рассуждение, решение проблем, восприятие и принятие решений. ИИ использует алгоритмы, которые позволяют компьютеру обрабатывать большие объёмы данных и находить в них закономерности. На основе этих закономерностей он может делать выводы, предсказывать события или принимать решения.

Искусственным интеллектом называют комплекс программ, разработанных с целью воспроизведения навыков, присущих человеку. Это способность заниматься решением проблем, планированием, пополнять запас своих знаний, улучшать подход к выполнению поставленных задач в ходе работы над ними.

Искусственный интеллект — это искусственная система, имитирующая интеллектуальную деятельность человека. Основополагающей работой, заложившей фундамент для создания искусственных моделей нейронов и нейронных сетей, явилась работа Уоррена С. Мак-Каллока и Вальтера Питтса "Логическое исчисление идей, относящихся к нервной активности", опубликованная в 1943 г., в которой была предложена модель формального нейрона.

Имитация интеллектуальной деятельности человека может быть осуществлена разными способами. В связи с этим назовем три основных направления исследований в искусственном интеллекте: эвристическое (или информационное), бионическое и эволюционное.

Эвристическое, или информационное, направление исследований в искусственном интеллекте включает специалистов, занимающихся созданием машинных способов решения интеллектуальных задач, а также созданием программ для вычислительных машин, решающих такие задачи. При этом как будут устроены подобные программы, насколько близки или далеки будут те способы, которыми они достигают поставленной цели по сравнению с человеческими способами, абсолютно не имеет никакого значения. Главное — конечный результат, его совпадение с результатом, получаемым человеком при решении той же задачи.

Бионическое направление исследований в искусственном интеллекте изучает процессы, протекающие в мозгу человека, когда он решает задачи. Программы для вычислительной машины создаются для имитации процессов получения результатов решения у человека и для изучения этих процессов. Ученые, работающие в бионическом направлении, пытаются воссоздать техническими средствами сам объект, в котором бы протекали процессы, схожие с психическими процессами, проявляющимися у человека во время решения задач. Такие исследователи специально конструируют сети искусственных нейронов и другие аналоги, присущие нервной системе человека.

Эволюционное моделирование- направление в искусственном интеллекте, в основе которого лежат принципы и понятийный аппарат, заимствованные из эволюционной биологии и популяционной генетики и объединяющие компьютерные методы (генетические алгоритмы, генетическое программирование, эволюционное программирование и эволюционные стратегии) моделирования эволюционных процессов в искусственных системах.

Эволюционное программирование– это метод оптимизации, основанный на моделировании процесса биологической эволюции. Здесь основной упор делается на связь между родительскими особями и их потомками, а изменения происходят только путем мутаций, без скрещивания. Каждое решение характеризуется набором параметров и способностью к изменению. Процесс оптимизации происходит путем последовательного создания новых поколений решений, где каждое следующее поколение создается на основе лучших представителей предыдущего.

Развитие систем искусственного интеллекта продолжается стремительными темпами, меняя окружающую действительность на наших глазах. Мы уже увидели умные беспилотные автомобили, чипы с ИИ, мощные онлайн-инфраструктуры Azure-Microsoft на базе искусственного интеллекта и множество других блестящих изобретений.

Система искусственного интеллекта принимает входные данные в виде речи, текста, изображения, а затем обрабатывает их, применяя различные правила и алгоритмы. После обработки система выдает результат, т. е. успех или неудачу, при вводе данных. Затем результат оценивается посредством анализа, открытия и обратной связи. Наконец, система использует свои оценки для корректировки входных данных, правил и алгоритмов, а также целевых результатов. Этот цикл продолжается до тех пор, пока не будет достигнут желаемый результат.

Когнитивные вычисления направлены на воссоздание мыслительного процесса человека в компьютерной модели. Технология стремится имитировать логику работы человеческого сознания и улучшить взаимодействие между людьми и машинами. Это происходит, например, через распознавание ИИ человеческого языка и значения изображений для последующего самообучения. Реализовать систему когнитивных вычислений сегодня возможно только в таких сложных машинах, как суперкомпьютер IBM Watson.

В целом искусственный интеллект представляет собой набор моделей и методов, который способен на основе полученной информации сделать те или иные выводы. Общая характеристика для всех моделей – способность извлечь знания из набора данных. Что-то вроде вычисление значения функции с миллионами и миллиардами переменных. Кроме того, ИИ— это наука на стыке математики, биологии, психологии, кибернетики и ещё кучи всего. Она изучает технологии, которые позволяют человеку писать «интеллектуальные» программы и учить компьютеры решать задачи самостоятельно. Главная задача ИИ— понять, как устроен человеческий интеллект, и смоделировать его.

Главными теоретическими проблемами были и остаются следующие проблемы. Центральная проблема искусственного интеллекта — это проблема представления знаний в компьютере. Здесь немаловажным является вопрос: «Чтό такое знание?» Следующий вопрос: «Как представлять знания?» — возникает сразу, если мы собираемся использовать их с применением компьютера.

Решение проблемы представления знаний опирается на исследования в области компьютерной лингвистики и в области компьютерной логики. Компьютерная лингвистика лежит в основе естественно-языкового общения с компьютером и автоматического перевода, а компьютерная логика служит для формализации всего богатства человеческих рассуждений.

Другая главная проблема искусственного интеллекта — это проблема выявления и исследования интеллектуальных мета процедур человека. Сложность этой проблемы обусловлена специфичностью устройства человеческого мозга, его полушарной асимметрией. Дело в том, что наш мозг состоит из двух полушарий, левого и правого. Левое полушарие строго логично, рационально. Мета процедуры, характерные для него, могут быть описаны словесно, они могут быть формализованы в четкие алгоритмы, реализуемые на современных компьютерах с архитектурой Неймана-Тьюринга. Правое полушарие имеет дело (можно сказать «мыслит») чувственными образами. Интуитивные рассуждения, озарения, вещие сны и т. п. являются, по-видимому, результатом работы именно правого полушария

По прогнозам ученых, дальнейшее развитие исследований в искусственном интеллекте приведет: — к смене парадигмы (модели) ЗНАНИЯ + ВЫВОД парадигмой ЗНАНИЕ + ОБОСНОВАНИЕ. Это позволит в интеллектуальных системах использовать:

-методы обоснования и аргументы;

-современные языки программирования, ориентированные на вывод одних знаний из других;

-совершенствовать инструментальные средства искусственного интеллекта, в частности, языков программирования, ориентированных на обоснование;

- модернизацию архитектуры вычислительных машин пятого и последующих поколений, сейчас модернизация идет в 4-х направлениях: гигантские суперкомпьютеры; нейробионическое направление (сотни тысяч процессоров с программируемой конфигурацией); территориально удаленные компьютеры и базы с высокоскоростными каналами связи;

-специальные процессоры для обработки зрительных образов и знаний и для проведения рассуждений автономно, т. е. без помощи человека;

-появление методов распараллеливания решения задач на уровне архитектурных решений о структуре компьютера и на логически-теоретическом уровне;

-появление новых моделей представления знаний, позволяющих проводить обработку интегрированной информации (символической, текстовой, зрительной, акустической, тактильной;

-синтез разнотипных экспертных систем, которые будут использоваться совместно для выработки решений, т. е. как консилиум экспертных систем разного типа

Любая программная система, создаваемая в рамках искусственного интеллекта, всегда ориентирована на использование знаний. Знания, выраженные на естественном языке, черпаются из книг, статей и других источников и в том виде, в котором содержатся в этих источниках, не могут быть использованы для обработки на компьютере. Требуется выбрать подходящий способ их формализации (представления) для получения возможности обработки знаний на вычислительных машинах. Сама обработка знаний на компьютере заключается в получении по определенным правилам вывода других знаний на основе имеющихся.

Первичными базовыми понятиями искусственного интеллекта являются понятия знание, представление знаний и вывод. Знаниями принято называть хранимую (в компьютере) информацию, формализованную в соответствии с определенными структурными правилами, которую компьютер может автономно использовать при решении проблем по таким алгоритмам, как логические выводы. Знания можно разделить на факты (фактические знания), правила (знания для принятия решений) и метазнания (знания о знаниях).