🔘 Очевидно: будущее за роботизацией. Но пока эту технологию мало применяют, экономический кейс сложно посчитать, а предприятия соглашаются на такие проекты неохотно.

🔘 Роботы не угрожают работе человека: роботы сейчас возникают, потому что не хватает людей, а в других случаях сотрудникам нужно будет освоить новую профессию. Например, водителю самосвала — стать его оператором.

🔘 Тренды цифровизации на ближайшие 5 лет: сквозные технологии управления производством, цифровые двойники, роботы.

🔘 Генеративный искусственный интеллект пока не нашел активного применения в горной добыче. В основном кейсы по ИИ — это компьютерное зрение. Наш продукт «Антисон» определяет усталость и засыпание водителя. Также с помощью видеоаналитики мы анализируем состояние ковша экскаватора и определяем гранулометрический состав взрыва.

🟢 Ассоциация «Цифровые инновации в машиностроении» (АЦИМ)
🟢 Национальная ассоциация участников рынка робототехники (НАУРР)
🟢 Федеральный центр прикладного развития искусственного интеллекта
🟢 Фонд развития промышленности
🟢 Росстандарт
🟢 Роскачество
🟢 другие профильные организации.

Развитие промышленной цифровизации невозможно без системного подхода к стандартизации. Сегодня особенно важно вырабатывать единые подходы к управлению данными, технологической совместимости и надежности решений, применяемых в промышленности. Конференция предоставляет отрасли платформу для обсуждения механизмов государственной поддержки и институционального выстраивания цифровой среды, основанной на доверии к стандартам, — подчеркнул Денис Миронов, генеральный директор ФГБУ «Институт стандартизации».

Одна из приоритетных задач цифровой трансформации в машиностроении — обеспечить унификацию цифровых требований, стандартов и форматов. Только в этом случае возможна масштабируемая интеграция новых технологий в производственные контуры. Мы видим ценность конференции в том, что здесь консолидируется мнение отрасли, и обсуждаются не только технологические решения, но и инфраструктурные условия для их широкого внедрения, — рассказал Борис Позднеев, председатель Правления Ассоциации «Цифровые инновации в машиностроении».

Практическая роботизация производств сегодня выходит за рамки пилотных внедрений и становится частью новой производственной нормы. Но путь к этому непрост — он требует обмена опытом, выстраивания цепочек доверия и устранения институциональных барьеров. Участие НАУРР в конференции — это возможность поддержать предприятия, ищущие оптимальные модели внедрения робототехники, включая малые и средние производственные площадки, — прокомментировала Ольга Мудрова, исполнительный директор НАУРР.

«В каждом своем выступлении выделяю важность человеческого фактора. Потому что мы можем разработать какие угодно решения, но для того, чтобы они стали массовыми, а в целом стали работать — это монотонная, иногда где-то даже скучная, но постоянная работа с такой сущностью, которую нельзя потрогать. Она называется – цифровая культура, обучение, работа с командами».

«Мы где-то на границе между Индустрией 3.0 и Индустрией 4.0: умное производство, киберфизические системы, использование искусственного интеллекта. Вот это и методическая, и нормативно-техническая основа для того, чтобы продвигаться в этом направлении. Я думаю, что в ближайшие 5-7 лет в ключевых отраслях промышленности эта задача будет чрезвычайно актуальной».

О проблемах стандартизации: 

Сергей Чуранов, технический директор дивизиона «Машиностроение и металлообработка» ГК «Цифра»:
«Мы получаем данные от оборудования различных устройств управления по различным протоколам. Это фактически «зоопарк данных». Каждый разработчик предоставляет пользователю такие данные, какие считает нужным. <...> И когда мы говорим, что мы от обслуживания оборудования хотим переходить к обслуживанию по состоянию, с использованием искусственного интеллекта, нет тех данных, которые позволят это сделать в полной мере. К сожалению, разработчики оборудования нам [эти данные] не предоставляют. Для этого на уже эксплуатируемые станки на заводах приходится, например, устанавливать систему вибромониторинга, которая предоставляет дополнительные данные».

Про разницу между ИИ и машинным обучением: 

Сергей Гарбук, директор по научным проектам НИУ «Высшая школа экономики», председатель технического комитета 164 «Искусственный интеллект»:
«Последние 15 лет то, что мы подразумеваем под ИИ, практически всегда сводится к машинному обучению. Но сама область ИИ к машинному обучению не сводится. Тот прогресс, который мы видим, те прикладные эффекты, которые всех радуют, — это решение задач в отсутствии интерпретируемой модели, объекта или процесса, который мы наблюдаем. Только основываясь на обучающем наборе данных, который как-то выстраивается — формируется такая модель».

О глобальных целях цифровизации промышленности: 

Владимир Дождев, директор Департамента цифровых технологий Министерства промышленности и торговли Российской Федерации:
«Наша глобальная цель – это перевод промышленности на самые современные и лучшие из доступных нам технологии, которые определяют качество продукции, определяют уровень эффективности наших предприятий, скорость вывода новых продуктов на рынок».

О конкуренции: 

Игорь Скобелев, генеральный директор ЧУ «ЦИФРУМ» (Госкорпорация «Росатом»):
«Промышленность, думаю, догонит [ритейл и финтех], иначе мы будем неконкурентоспособны. Если мы не внедрим инструменты ИИ и роботизации в промышленности, мы останемся в своем замкнутом мире. Придется только в нем оперировать».

Про реальные кейсы:

Павел Гриневич, технический директор ГК «Цифра»:
В компании «Цифра» есть целый набор продуктов разных отраслей. И здесь можно упомянуть и платформу ZIIoT, и Цифра. Карьер, и «Диспетчер». И весь наш опыт показывает, что подобные решения сейчас максимально востребованы, потому что не организовав вот эту консолидацию данных, не организовав их сбор, не организовав их приведение к понятным доменам, мы не сможем дальше их использовать. А сейчас данные становятся ключевым активом предприятия, на основе которых операторы, люди анализируют, делают выводы, находят инсайты. Но в силу того, что объем этих данных растет экспоненциально, участие оператора и участие человека в текущем моменте не позволяет в полном объеме эти данные использовать.

И здесь нет никакой альтернативы, кроме того, чтобы подключать решения, основанные на нейросетях». 

«В списке барьеров внедрения ИИ в промышленности проблем железа нет. Барьеры другие, они касаются данных, и в первую очередь сценариев. Потому что сценарии эти откопать очень сложно. А то, что там GPU-шек нет – это вообще не важно».

«Без технологий, как мне кажется, осуществить переход на новый качественный уровень и повысить эффективность промышленности очень тяжело. И сегодня государство дает основной импульс в своих национальных проектах, показывает нам вектор развития — это как раз экономика данных».