Industry 4.0

Революция искусственного интеллекта не грядёт, она уже здесь и требует от компаний переосмысления бизнес-процессов, чтобы максимально использовать возможности искусственного интеллекта (ИИ) для расширения человеческих способностей.

Итак, у всех, кто интересуется современными технологиями, на слуху цифровизация, большие данные и проникновение искусственного интеллекта в разные области нашей жизни и деятельности. Ни для кого не секрет, что жизнь ИИ потихоньку зародилась вокруг нас: в наших карманах, сумках, машинах и домах, где живут наши гаджеты и различные электронные помощники. По словам ведущих специалистов в области искусственного интеллекта, эти технологии переживают сейчас третью волну, они наконец-то вырвались из исследовательских лабораторий и быстро становятся ключевым элементом трансформации бизнеса [1].

В своей публикации я хотел бы поделиться приобретённым опытом индустриализации проекта на базе ИИ и сформулировать пять, на мой взгляд, неотъемлемых, жизненно важных условий его успешной реализации.

1. Единая команда с общим мышлением

На первых этапах проекта, когда происходит исследовательская работа, изучение доступных данных, знакомство с технологическим процессом, генерация идей и гипотез, представители бизнеса и разработчики должны стать единой командой с общим пониманием целей и решаемых задач. Важно именно на первых стадиях проекта, чтобы он стал своим для объединенной команды, чтобы каждый его участник в полной мере осознавал и разделял ответственность за свои действия и общий результат.
Как показывает практика реализации проектов в металлургической отрасли, наиболее продуктивными оказываются команды, в которые включены специалисты из смежных подразделений предприятия: производственники, технологи, экономисты, специалисты по ИТ и работе с данными. Абсолютно точно разработка проекта невозможна без сотрудников, которые непосредственно будут пользоваться цифровым сервисом: они впоследствии и должны стать владельцами продукта.

Иначе получается так, что руководители предприятия и технологи, чьей прямой обязанностью является повышение эффективности производственных процессов, рассматривают внедрение цифровых сервисов как средство для достижения своих целей и высоко мотивированы в таких инициативах. А сторона эксплуатации, люди, которые непосредственно своими руками работают на производстве, относится к этому как к навязыванию дополнительных средств контроля или дополнительному усложнению уже привычных для них и устоявшихся производственных процессов. Или, например, команда разработки, сторона эксплуатации и технологи совместно выработали набор гипотез и даже провели эксперименты, которыми подтвердили их достоверность, однако может так оказаться, что их техническая реализация оказывается невозможной из-за отсутствия необходимых данных или источников сигналов.

Вот как описывают свой подход при реализации цифровых решений на одном из крупнейших промышленном предприятии России. Работа команд началась с того, что производственников попросили обозначить свои проблемы и пожелания: у кого что болит, кому что нужно для собственных планов. У всех сотрудников есть цели, которые связаны с нашей стратегией. Например, мы понимаем, как через пять лет должен работать конкретный прокатный стан, каким должно быть качество выпускаемой продукции, расход сырья, время простоев и т. д., чтобы стратегия в этой части была выполнена. И каждая бригада, которая работает с конкретным агрегатом, знает, каких результатов она должна добиться. Конечно, достичь этих целевых показателей непросто, иначе все компании были бы одинаково эффективными и прибыльными. Поэтому производственный персонал с готовностью откликается, если ему предлагают помощь в решении конкретных задач.
Команды обсуждают, в каких проблемных или высокопотенциальных направлениях могут помочь цифровые инструменты, формулируют гипотезы, как это можно сделать.

2. Переход к новой культуре технологических и бизнес-процессов

В ходе ряда исследований последних лет учёные выяснили, что при совершении одной и той же ошибки в прогнозах люди скорее перестают доверять алгоритму, чем человеку [1].
Да, люди склонны больше доверять себе подобным, потому что знают, как мы устроены, потому что примерно понимают логику поведения друг друга и легко могут представить себя на месте другого человека, спроецировать ситуацию.
Когда менеджеров первой линейки и среднего звена спросили, что побудило бы их доверять советам системы, 60 процентов выбрали вариант Чёткое понимание того, как работает система и как она генерирует совет, 55 процентов Система с проверенной репутацией, и 49 Система, которая объясняет свою логику [2].
Перед компаниями, которые берут курс на цифровизацию и переход на новый уровень построения технологических и бизнес-процессов за счёт внедрения систем ИИ, стоит сложная лидерская задача сформировать корпоративную культуру, способствующую пониманию целей, этапов, способов их проектирования и внедрения. Достичь этой цели непросто, поскольку многие люди, особенно те, кому непосредственно придётся взаимодействовать с ИИ, часто обеспокоены, что в конечном счёте машины могут занять их место, а они останутся ненужными и без собственного ремесла.
В рабочей среде необходимо сформировать понимание, что искусственный интеллект позволит не отвлекаться на отдельные задачи и направлен не на замену сотрудников, а на расширение их возможностей, перевод функционала на новый уровень, облегчение их работы и возможность сосредоточиться не на рутинных процедурах, а на вещах, по-настоящему нуждающихся в человеческом интеллекте.
Команда разработки, со своей стороны, должна освоить язык индустрии, максимально глубоко погрузиться в производственные и технологические процессы.
Крайне важно, чтобы люди, которые будут непосредственно пользоваться ИИ, понимали основные принципы его устройства и поведения, могли вносить коррективы в результаты его работы и чувствовали себя активными участниками разработки, чтобы у них было ощущение прозрачности и контроля системы. В идеале, конечно, системы ИИ необходимо проектировать так, чтобы они объясняли свои решения и помогали людям сохранять определенную автономию в принятии решения.

3. Экспериментирование с ИИ

Несколько раз в нашей практике бывало такое, что производственные бригады, которые работали с нашим сервисом, не выполняли его рекомендации или пытались его обмануть, потому что боялись получить нагоняй от своих начальников за возможное снижение показателей эффективности производства и повышенные производственные затраты (например, повышенный расход электроэнергии).
На этапах горячего тестирования системы ИИ важно создать максимально доверительную обстановку внутри объединённой команды, важно дать понять экспериментаторам, что отрицательный результат это тоже результат и порой он бывает даже более ценным, чем положительный. Тут необходимо быть максимально честными и не утаивать истинное положение дел. Где-то это сравнимо с приёмом у врача. У пациента не всегда бывает желание рассказывать обо всех своих симптомах и отклонениях по здоровью, он утаивает некоторые, а впоследствии лечение становится гораздо более длительным, дорогостоящим и сложным.
Соль в том, чтобы стать немножко стартапом и научиться быстро экспериментировать с цифровизацией в стиле стартапов. Их обычное правило: если получается, идём вперёд, если нет, пробуем новую идею. Каждый такой стартап это многоступенчатый процесс проработки и развития гипотезы от рождения, через проверку и превращение в рабочее решение, до получения бизнес-эффекта. Причем сотрудники, которые занимаются одной гипотезой, должны сопровождать ее от начала до конца [2].
Основной метрикой развития гипотезы должен стать бизнес-эффект, для которого важно построить модель расчета в самом начале проекта, при этом на каждом шаге данная модель актуализируется. Очевидные вначале источники эффекта для гипотезы могут оказаться бесперспективными, но по ходу реализации могут появиться новые идеи, и результат будет достигнут за счет них.

4. Важность налаженной и полной поставки данных

Прежде всего следует отметить, что качество данных играет важнейшую роль в системах искусственного интеллекта. По существу, данные это топливо для искусственного интеллекта. Больше всего времени и усилий уходит на сбор и изучение адекватного массива данных для формирования и апробации гипотез. Опыт говорит, что примерно 80 процентов времени реализации ИИ-инициатив занимает извлечение, доставка и предобработка данных, конструирование признаков, а не составление самих алгоритмов. Нужно объяснять бизнес-заказчику, насколько важно собрать качественный датасет и почему столько времени уходит на его создание.
По нашему опыту, на начальных стадиях проекта данных не будет совсем или их объем будет ограничен как с точки зрения глубины хранения, так и со стороны дискретности, они будут с большим количеством пропусков и общим низким уровнем качества. И с этим придется работать: придумывать, как строить модели, оперирующие неполными данными, как оптимально интерпретировать некачественные.
В нашей практике также встречались случаи, когда технологи или производственники убеждали нас в бесполезности целого ряда технологических данных, которые, по их мнению и опыту, никоим образом не могут влиять на формирование оценки или рекомендации системы ИИ. Однако на практике оказывалось, что именно эти, на первый взгляд, нецелевые данные, помогали ИИ улавливать самую тонкую зависимость технологического процесса, и прогностическая сила модели увеличивалась именно за счёт них.
Поэтому важно с самого начала проекта готовить полноценную площадку для беспрепятственной и бесперебойной доставки данных, они должны быть обширными, разнообразными, качественными и полезными. Не выстраивать цепочки для доставки отдельных данных для проверки конкретной гипотезы, а наладить процесс, который поможет быстро конфигурировать требуемый набор данных и будет иметь достаточный потенциал для наращивания объёма доставляемой информации.

5. Забег на длинную дистанцию

Для российских компаний понятие цифровой трансформации связано с внедрением машинного обучения, аналитики больших данных, искусственного интеллекта, роботизации, дополненной реальности. Как отмечают эксперты, наибольших успехов в этом направлении добиваются те компании, которые рассматривают его не как набор отдельных инициатив, а как комплексную программу цифровизации, затрагивающую целый комплекс взаимосвязанных процессов и изменений в компании.
ИИ-проекты, как и любые инновации, следует воспринимать как венчурный бизнес. Не все проекты окупятся, еще меньше принесут ощутимую пользу, но несколько проектов принесут отдачу, которая многократно покроет все расходы.
Как следствие, необходимо избегать раннего отсеивания концепций, кажущихся утопическими. Полет человека в космос тоже довольно долго выглядел классической утопией, отвергался как невозможный на уровне науки.

Заключение

Сегодня искусственный интеллект быстро проникает во большинство сфер индустрии и бизнеса. Новая реальность взаимодействия человека и машины требует переосмысления устоявшихся ранее технологических и бизнес-процессов. Цифровой взрыв уже произошёл и сейчас происходит расширение цифровой вселенной. Те, кто смогут понять физические законы нового мира, следовать периферии идущего цифрового фронта, не будут бояться экспериментировать и внедрять новые технологии, перейдут на новый качественный уровень эффективности бизнес-процессов в своей сфере деятельности.

Литература

1. Человек+машина. Новые принципы работы в эпоху искусственного интеллекта / Пол Доэрти, Джеймс Уилсон; пер.с англ. Олега Сивченко, Натальи Яцюк; [науч. ред. М. Григорьева, А. Кучма, А. Епишев, Е. Кученева]. М.: Манн, Иванов и Фербер, 2019. 304 с.
2. Индустрия Х.0. Преимущества цифровых технологий для производства / Эрик Шеффер: Пер. с англ. М.: Издательская группа Точка, 2019.-320 с.

Интерес к технологии виртуальной реальности во время пандемии коронавируса вырос. Причем не только со стороны крупных промышленных корпораций, где простой в работе стоит больших денег, но и со стороны ритейлеров, дизайн-бюро и даже госучреждений. В первую очередь это обусловлено потребностью поддерживать бизнес-коммуникации дистанционно. К конференциям в Zoom и Skype добавились совещания в виртуальных кабинетах и лекториях. Технология активно развивается: если еще 20 лет назад она была доступна только мировым корпорациям типа Boeing и Lockheed Martin, то сейчас шлемы виртуальной реальности можно найти в обычном магазине электроники.

Сегодня мы поговорим о том, как технологию используют в промышленности. В нашей недавней статье про шлемы мы получили запрос на раскрытие темы с примерами. Всех интересующихся просим под кат.

Начнем с краткого экскурса в историю

Как мы упомянули выше, раньше технология была доступна далеко не всем. Связано это было прежде всего со сложностью и дороговизной оборудования: вместо шлемов VR повсеместно использовались комнаты виртуальной реальности (CAVE), представляющие собой комплекс проекционных систем. Как правило, это требовало отдельного помещения, соблюдения определенных технических требований и много-много зеленых бумажек с изображением американских президентов.



Зачем?

В первую очередь, для того, чтобы снизить ошибки в проектировании и ускорить согласование сложного технического проекта. Обсуждать проект в масштабе 1:1 со всеми участниками процесса нагляднее, чем использовать чертежи, уменьшенные копии (макеты) или смотреть 3D-модель на плоском экране.

Во вторую очередь, для тестирования эргономики и обучения персонала. Создавая новый продукт, компания должна быть уверена, что его будет удобно эксплуатировать и обслуживать. Использование системы виртуальной реальности вкупе с системами обратной тактильной связи позволяет сократить затраты и время на создание натурных прототипов.

В 1999 г. концерн Ford отчитался о том, что применение систем виртуального проектирования обеспечило $40 млн экономии на инженерных затратах и более $1 млрд благодаря связанным изменениям в производственном цикле

С появлением шлемов Oculus Rift и HTC VIVE спектр решаемых задач существенно расширился. Так же, как и количество компаний, которые могли позволить себе данную технологию.

Работая с промышленными компаниями по внедрению VR в бизнес-процессы более 15 лет, мы накопили большое количество примеров того, как виртуальная реальность помогает промышленным компаниям решать их бизнес-задачи. Делимся ими с вами. Описывать будем в формате проблемарешение проблемы с помощью VR.



Кейс 1.
Проблема: ошибки при проектировании (новых зданий, заводов, складских помещений) и большие затраты на разработку проекта

Что дает VR: загружая 3D-модель проектируемого здания/помещения в VR, проектировщик может увидеть проект в масштабе 1:1 и лучше оценить качество проектирования, а также эргономические характеристики объекта, что невозможно сделать, рассматривая 3D-модель на экране монитора. Вместе со специалистами из отделов логистики и безопасности они могут согласовать расположение оборудования в помещении, организацию производственных мощностей и протестировать сценарии работы и соответствие требованиям безопасности до введения здания в эксплуатацию.
Кроме того, такое виртуальное здание можно показать внутренним и внешним заказчикам проекта, партнерам и инвесторам

Пример: Safran Nacelles, меньше, чем за год сэкономила 300 000 за счет инвестиции в систему VR. Французская компания стала разрабатывать новые гондолы всего за 42 месяца, а ранее этот процесс длился 60 месяцев. Safran Nacelles также смогла закончить проект на 8 месяцев раньше, а длительность проекта предполагалась около 18 месяцев. Тем самым, экономия составила 40% от бюджета.

Кейс 2.
Проблема: большие затраты на согласование проектов на базе натурных прототипов

Что дает VR: обсуждение проекта не с чертежами и изображением на мониторе, а с прототипом в масштабе 1:1 снижает затраты и время на подготовку к макетной комиссии. Такая визуализация выступает своего рода общим языком, на котором могут говорить все участники процесса: как инженеры-конструкторы, так и генеральные директора с заказчиками. Кроме того, наглядная проверка проекта и возможность его пощупать помогает выявить ошибки на ранних стадиях проектирования.

Пример: Автомобильная компания SEAT за счет использования виртуальной реальности уменьшила продолжительность производства и сократила количество макетов. За время разработки нового автомобиля анализируется до трех миллионов деталей. Благодаря технологиям просмотра в VR, где модель представлена в реальном масштабе, сократилось время анализа конструкции и количество физических прототипов. По итогу благодаря данному подходу сократилось время производства.



Кейс 3.
Проблема: из-за недостатка практического опыта специалисты получают травмы и портят дорогостоящее оборудование

Как помогает VR: обсуждение плана эвакуации, обучение и тестирование персонала не с чертежами и изображениями, а с прототипом здания в масштабе 1:1 позволяет повысить скорость и качество обучения, и уменьшить затраты на подготовку специалистов к работе со сложным оборудованием, снизить риск аварии на производстве или поломки дорогостоящего оборудования. Ошибка не приведет к аварии или поломке, а сотрудник получит реальный опыт. Одновременно с проектированием тех же цехов, возможно параллельное обучение операторов, которые в дальнейшем будут там работать. Тем самым, при открытии обновленного участка сотрудники смогут сразу взяться за работу и не тратить время на обучение. Также в VR можно провести тестирование настроек заводских линий. Скорость производства, качество выпускаемой продукции играет важную роль в успехе предприятия, поэтому так важно экономить время на процессах, которые могут протекать параллельно друг другу при помощи VR можно имитировать внештатные ситуации. Зачастую воспроизвести такие случаи в реальной жизни либо опасно, либо слишком дорого, поэтому персонал знал только в теории, как выйти из сложной или аварийной ситуации. С применением технологий виртуальной реальности персонал может быть готов к любой проблеме.

Пример: тот же самый Ford сократил количество травм на производстве на 70% и снизил эргономические проблемы на 90%. При помощи VR лаборатории здесь стремятся улучшить и сделать безопасной монтажную линию и рабочее пространство оператора. Для анализа используются более 52 датчиков, которые располагаются на теле человека. Они считывают движения и передают координаты в базу данных. Эргономист, получив значения, может отыграть определенные сценарии и обезопасить жизнь рабочему


Кейс 4.
Проблема: долгое время согласования проекта из-за большого количества участников из разных подразделений и разных городов, что сопровождается большими затратами на командировки

Чем помогает VR: для обсуждения проекта не нужно находиться в одном помещении, но важно находиться в одном виртуальном пространстве, что обеспечивают шлемы виртуальной реальности и соответствующее ПО. Коллективное обсуждение и демонстрация проекта в VR сокращает затраты на командировки и время на согласование проекта.

Пример: CNES, французский национальный космический центр, за счет использования средств виртуальной реальности сэкономил около 12 месяцев при разработке проекта Callisto сроком в 4 года. Ракетный ускоритель проектировался в САПР, а в VR проводился подробный разбор летательного аппарата и вспомогательных элементов для запуска. Это позволило обсуждать проект удаленно, проанализировать какие инструменты необходимы для сборки, размер здания, процесс транспортировки на место старта, и протестировать всю систему в целом. Этот проект показал возможность одновременного решения различных задач.



Резюмируя, можем сказать, что в зарубежной практике VR уже давно является незаменимым помощником для решения промышленных задач. Ведь именно благодаря применению VR-технологий для решения своих болей ведущим мировым корпорациями удалось в каких-то случаях сэкономить от 8 до 12 месяцев от общего времени на разработку проекта, снизить на 70% количество травм на новом производстве и на 90% избавиться от эргономических проблем.

Среди российских компаний, использующих виртуальную реальность для решения бизнес-задач можем выделить Синара Транспортные Машины, АгроТехХолдинг, Северсталь, Алроса. Отдельно хотим отметить Газпром нефть, чья стратегия цифровизации включает в себя многие инновационные технологии, а VR отведена роль инструмента для обучения сотрудников по охране труда и промышленной безопасности, что позволит снизить риски на 30% к 2025 году. Кроме того, согласно дорожной карте с помощью VR будут приниматься до 90% инженерных моделей, что даст сокращение сроков проектирования на 10% и сроков строительства на 7%. За последние 2 года сформировали свои AR/VR-лаборатории такие крупные компании Сбербанк, Ланит, Сибур и другие.

Был интересен материал? Будем рады обратной связи в комментариях!