Искусственный интеллект для производства и промышленных предприятий

Обновлено: 25.10.2021

Машинное обучение применяется на производстве для решения следующих задач:
- прогнозирование спроса и загруженности производственных мощностей
- прогнозирование проблем с поставками материалов и комплектующих
- мониторинг и прогнозирование поломок оборудования
- визуальный контроль безопасности на производственных площадках
- визуальный контроль качества продукции
- роботы с ИИ для производства

Примеры использования ИИ для производства и промышленных предприятий приведены ниже.

2022. AWS Panorama - сервис для контроля сотрудников на производствах



Amazon представила сервис Panorama, который использует компьютерное зрение для мониторинга оборудования и контроля работы сотрудников на производствах. Сервис анализирует видеозаписи, собранных с камер наблюдения на объектах, чтобы автоматически выявлять проблемы с безопасностью: например, сотрудников без индивидуальных средств защиты или машины, которые двигаются в запрещённых зонах. Также, компания создала «двухдюймовый недорогой датчик Monitron», который можно прикрепить на оборудование и собирать данные, чтобы спрогнозировать будущие неисправности.


2021. Разработчик AI-инструментов для промышленности Cyberphysics привлек 50 млн руб



Skolkovo Ventures инвестировала 50 миллионов рублей в стартап Cyberphysics – технологическую компанию, развивающую цифровые продукты для оптимизации производственных процессов. Продукты Cyberphysics позволяют прогнозировать отказы оборудования, выявлять неэффективные режимы работы оборудования, и за счет этого - снижать эксплуатационные издержки оборудования, улучшать качество производимой продукции без дополнительных инвестиций и точно прогнозировать состояние активов в кратко-, средне- и долгосрочной перспективе.


2019. Российский стартап Mechanica AI хочет сделать производство интеллектуальным



Российский стартап Mechanica AI, созданный Еленой Самуйловой и Яной Завалишиной разрабатывает набор продуктов, которые позволяют промышленным компаниям извлечь пользу из накопленных данных. Система контроля производства на основе компьютерного зрения Mechanica Sense позволяет измерять параметры технологических процессов, а также прогнозировать их изменение. Система предиктивной аналитики Mechanica Predict позволяет получать подобные прогнозы для принятия решений, будь то выбор производственного маршрута или параметров обработки сырья. Система поддержки принятия решений Mechanica Optimize даёт конкретные рекомендации для улучшения выбранных метрик. Среди возможных применений - оптимизация расхода дорогостоящего сырья, сокращение затрат энергии и повышение производительности без потерь в качестве.


2018. OptimEase - ИИ для управления нефтехимической установкой



Российская компания Химтех создала систему OptimEase для управления нефтехимической установкой с помощью технологий машинного обучения. В OptimEase сочетаются и одновременно работают два компонента: термодинамическая модель и предсказательная статистическая модель. В рамках реализации конкретного проекта термодинамический модуль OptimEase настраивается для существующей нефтехимической установки – устройства, предназначенного для переработки нефти, задействованного на НПЗ (нефтеперерабатывающем заводе), чтобы учитывать все нюансы оборудования установки и каталитической системы, аспекты технологических соединений и специфику систем управления. Это помогает точно описать параметры рабочего режима и характеристики продуктов.


2018. Oracle представил ИИ приложения для "умного производства"



Oracle представил новые облачные приложения с искусственным интеллектом Oracle Adaptive Intelligent Applications for Manufacturing, которые позволяют производственным предприятиям сократить расходы и увеличить выпуск продукции. Эти приложения обеспечивают быстрый анализ и дают возможность получить оперативную аналитику, что помогает повысить эффективность производства и увеличить производительность. Они позволяют производителям выявлять аномалии в производственных процессах, определять первопричины проблем и прогнозировать события. Эти приложения дают производителям возможность контролировать каждый этап производственного процесса, предвидеть неисправности и сбои в процессах и элементах, а также отслеживать влияние проблем - от производства до доставки продукции клиентам. Решение основано на облачной платформе Oracle Cloud Platform со встроенными возможностями машинного обучения. Оно включает в себя адаптированное для производственных задач хранилище данных, которое объединяет и позволяет анализировать структурированные, полуструктурированные и неструктурированные данные из нескольких источников данных на предприятиях.


2018. Clover - российская ИИ-система для промышленности


Казанская компания Clover Group разработала систему предиктивной аналитики для промышленных предприятий и даже уже успела подписать договор с SAP об интеграции с немецкой ERP системой на машиностроительных и железнодорожных предприятиях. Система Clover определяет вероятность выхода из строя промышленного оборудования, что позволяет своевременно провести ремонтные работы и добиться безаварийного производства. Опыт проектов SAP показывает, что предиктивная аналитика и гибкое планирование техобслуживания позволяют сократить бюджет предприятия на ремонты на 8-10%. В масштабах российской промышленности экономический эффект от перехода к сценариям предиктивных ремонтов может измеряться миллиардами рублей.


2017. Baxter - легко-обучаемый робот для производств


Вероятно, в недалеком будущем у вас в компании будет работать робот (или несколько роботов). Мы уже рассказывали про робота-кассира, промо-робота и робота-руководителя. Теперь добавим в эту команду робота-трудягу. Конечно, роботы для производств появились давным-давно. Но это были специализированные роботы, которые создавались под конкретную задачу на конкретном заводе. А что если создать универсального (обучаемого) робота, который мог бы выполнять любые манипуляции? По идее, он и стоил бы дешевле, так что и малые бизнесы могли бы купить себе такого. Компания Rethink Robotics как раз создает таких роботов. Ее роботов Baxter и Sawyer можно довольно просто научить делать любые механические операции с различными деталями. Видео сверху - отлично демонстрирует картину недалекого будущего на среднестатистическом производственном предприятии. А вот как происходит обучение робота новым задачам:


2016. GE купила ИИ стартап Wise.io для контроля промышленного оборудования


Индустриальный гигант General Electric хочет стать информационной компанией. Подразделение GE Digital строит промышленный интернет Predix, к которому подключена каждая единица оборудования (производства GE или других компаний), и облачная платформа IBM контролирует все это хозяйство. Однако, цель контроля - не столько в том, чтобы быстро узнать, что что-то сломалось, а в том, чтобы предупредить поломку. Для этого пригодится машинное обучение, и именно для этого куплен стартап, разрабатывающий технологии предиктивной аналитики Wise.io. Идея в том, чтобы анализировать огромное количество данных от датчиков оборудования и выявлять паттерны, которые сигнализируют о высокой вероятности скорой поломки.


2016. ZenRobotics: искусственный интеллект сортирует мусор


Недавно мы рассказывали о финском стартапе Curious AI, который разрабатывает технологию самостоятельного обучения искусственного интеллекта (альтернативу Машинному обучению). Так вот, первое практическое применение эта технология получила в другом финском стартапе ZenRobotics, который создал роботизированную линию для сортировки мусора. Встроенный ИИ обрабатывает картинку с видеокамер и управляя роботизированными клешнями, раскладывает по разным контейнерам доски, обломки бетона, металлические предметы.