Ролевая модель цифровой трансформации

Участники сессии «Искусственный интеллект и технологии машинного обучения в промышленности» убеждены, комплексная автоматизация невозможна без продвинутой аналитики


10:39 16.08.2017  (обновлено: 09:57 20.08.2017)   |   4350 |  Дмитрий Волков |  «Открытые системы»



Сессия «Искусственный интеллект и технологии машинного обучения в промышленности», проведенная в рамках «Иннопром-2017», показала: в цифровой трансформации большую роль играют машинное обучение и искусственный интеллект.

Кризисные явления в отечественной экономике, обострение конкуренции и изменение нормативных требований заставляют предприятия искать пути оптимизации свой работы. Как следствие, резко возросла роль таких технологий, как искусственный интеллект. Александр Хайтин, исполнительный директор Yandex Data Factory, международного подразделения компании «Яндекс», специализирующегося на анализе больших данных и применении технологий машинного обучения, отметил в ходе сессии, что технологически сегодня почти нет проблем с тем, чтобы накапливать информацию любого объема, главное осознавать, зачем? Сегодня, по убеждению Хайтина, только в промышленности, энергетике и на транспорте имеется понимание того, как и где надо применять машинное обучение, предсказательную и рекомендательную аналитику. «Технологии развиваются там, где есть деньги, а деньги и большие данные есть в промышленности», — обратил внимание Хайтин. Промышленность обременена дорогостоящим оборудованием, и если, например, ретейл может провести ребрендинг, переключиться на продажу другого продукта, и при этом все накопленные данные мгновенно теряют ценность, то в промышленности это не так, что стимулирует к работе с историческими данными и поиску способов эффективно применять машинное обучение, искусственный интеллект. Например, реализованный на Магнитогорском металлургическом комбинате при участии YDF проект «Снайпер» позволил сократить расход ферросплавов в среднем на 5%, что дало комбинату экономию почти 300 млн руб. в год. Система получает данные по исходному составу и массе шихты, требования по содержанию химических элементов в готовой стали, после чего в реальном времени, опираясь на накопленные за семь лет данные по выполненным плавкам, выдает рекомендации оператору.

Как было отмечено в ходе данной сессии, если сейчас проводится лишь оптимизация отдельных элементов технологического процесса, то в эпоху цифровой экономики будет востребована комплексная автоматизация, осуществление которой невозможно без аналитики и решений на базе нейронных сетей. Анил Менон, глобальный президент Cisco, отвечающий за направление «Умные и подключенные сообщества», отметил, что результатом цифровой трансформации станет соединение несоединимого – горизонтальная интеграция всех систем и смена бизнес-модели под влиянием искусственного интеллекта, причем именно промышленность станет катализатором этого процесса и потянет за собой другие отрасли. Однако пока, по словам Хайтина, не решен еще вопрос ответственности – если, например, модель предсказала поломку оборудования, а при проверке оказалось, что оно исправно, то кто будет отвечать за простой? Дополнительно Хайтин назвал еще одно препятствие на пути индустриальных проектов машинного обучения: «Когда мы только начинали, нас спросили, чем мы лучше IBM? И оказалось, что нам трудно ответить на этот вопрос. Но через несколько месяцев ответ сформировался – мы берем ответственность за результат. Сейчас во всех договорах YDF фиксируется ожидаемый эффект, и в зависимости от него мы получаем оплату».

Дмитрий Лукьянов из «Лаборатории Касперского» обратил внимание на проблему обеспечения кибербезопасности интегрированных промышленных систем: 2013 год – остановка доменной печи в Германии, 2010-й – сбой в работе центрифуги в Иране и др. Если бы на этих объектах было развернуто решение Kaspersky Industrial CyberSecurity, позволяющее обнаруживать аномалии в работе промышленных систем, то оператор в Иране получил бы уведомление о попытках увеличения скорости вращения центрифуг, однако для этого администраторам надо было бы прежде установить граничные условия, что еще раз говорит о роли человеческого фактора в цифровой экономике.


Теги: Яндекс Машинное обучение Цифровая экономика SMART INDUSTRY Иннопром
На ту же тему: