Фото: Shutterstock
По оценкам консалтинговой компании «Яков и партнеры», горно-металлургическая промышленность в России занимает третье место среди отраслей с наиболее активным использованием искусственного интеллекта (ИИ) — сразу после розничной торговли и банковской сферы. Вклад металлургов в экономику к 2028 году за счет внедрения технологий на основе нейросетей увеличится на 0,11–0,17 трлн руб., прогнозируют аналитики. Общее увеличение экономического потенциала страны за счет применения ИИ за этот период они оценивают в 4,2–6,9 трлн руб., что эквивалентно 4% ВВП.
Как металлурги внедряют нейросети
Более 80% российских горно-металлургических компаний к 2024 году уже использовали технологии на основе нейросетей в производственной сфере, а более 50% — в сфере исследований и разработок, показал опрос технических директоров российских горно-металлургических компаний, проведенный в прошлом году аналитиками «Яков и партнеры».
В первую очередь металлургические предприятия внедряют решения, которые способны быстро повлиять на улучшение экономических показателей, например полную базовую автоматизацию, предиктивную аналитику на основе ИИ, первоочередную цифровизацию производства, объясняет заместитель гендиректора Трубной металлургической компании (ТМК) по информационным технологиям Дмитрий Якоб. Затем идут внедрения в подразделениях продаж, например анализ CRM (систем управления взаимоотношений с клиентами) с помощью ИИ, логистики и бэк-офиса, а также в целом процессов интегрированного бизнес-планирования, продолжает он.
По словам представителя ТМК, в компании используются технологии машинного обучения, машинного зрения, больших языковых моделей, программные роботы RPA (Robotic Process Automation), системы автоматического распознавания речи и символов.
Машинное зрение применяется на всех этапах производственного процесса, начиная от приемки сырья и вплоть до контроля и отгрузки готовой продукции, поясняет Дмитрий Якоб. Например, при приеме лома проводится его фото- и видеофиксация, и данные автоматически привязываются к номеру доставившего груз транспортного средства. Объем груза оценивается с помощью анализа фотографий — фотограмметрии. На следующем этапе специальный сервис с помощью предварительной обработки данных подбирает оптимальные параметры шихтовки (подготовки сплава), что позволяет формировать план закупки лома на три месяца вперед.
В «Северстали» портфель проектов с использованием ИИ сейчас насчитывает свыше 60 решений, рассказала директор «Северсталь Диджитал» Светлана Потапова. По ее словам, компания использует соответствующие технологии для повышения эффективности производства: увеличения производительности агрегатов, сокращения издержек, контроля за работой оборудования, а также для повышения качества готовой продукции, контроля за соблюдением техники безопасности и снижения экологической нагрузки.
Внедренная в компании платформа для видеоинспекции на основе нейросети помогает фиксировать отклонения в технологических процессах, отслеживает состояние оборудования и контролирует безопасность персонала на рабочем месте, рассказала Светлана Потапова. Качество готовой продукции контролируют 12 систем на основе компьютерного зрения, распознавая отклонения по нескольким классам дефектов. Кроме того, на предприятиях компании идут первые пилотные внедрения ИИ в корпоративные процессы, добавляет топ-менеджер.
В золотодобывающей компании «Полюс» система поддержки принятия решений в режиме реального времени подсказывает технологам золотоизвлекательных фабрик, когда и как менять многочисленные параметры производственного процесса для повышения эффективности, рассказал вице-президент по цифровизации и операционной эффективности компании Сергей Казанцев.
Искусственный интеллект, в том числе и в металлургии, — это прежде всего работа с большими данными: их сбор с помощью разного рода датчиков и систем контроля и последующий анализ, говорит руководитель разработки и внедрения ИИ в «Норникеле» Данил Ивашечкин: «Отличие производственных компаний, например от розничных, всегда было в том, что первые работали с внутренней технологической информацией, а вторые — с данными, описывающими поведенческие паттерны людей».
Но сейчас датчики на предприятиях фиксируют и анализируют еще и поведенческие паттерны операторов, выявляя наиболее эффективные действия и используя эти данные для обучения моделей ИИ, отмечает Данил Ивашечкин. Такой подход, по его словам, не просто обеспечивает автоматизацию процессов, но и учит систему лучшим практикам управления персоналом и позволяет искать пути повышения эффективности предприятия. Аналитические возможности ИИ помогают выявлять и оптимизировать узкие места в производственных процессах, а контрольные — минимизировать влияние человеческого фактора на разные процессы, поясняет Данил Ивашечкин.
Какой экономический эффект дает применение ИИ
Использование искусственного интеллекта уже приносит значительный экономический эффект, говорит Светлана Потапова. Например, на стане-2000 горячей прокатки Череповецкого металлургического комбината удалось снизить среднюю паузу при прокатке между слябами (англ. slab — плита, пластина — толстая стальная заготовка прямоугольного сечения, используется для прокатки листовой, рулонной стали), что дало эффект в 180 млн руб. А внедрение экспертной системы доменного процесса, которая помогает с расчетом и подбором оптимальных технологических параметров подготовки и производства железорудного сырья, принесло 97,6 млн руб.
Внедрение «умных» технологий управления в «мельницу» для измельчения руды на одном из предприятий «Норникеля» позволило повысить ее производительность на 1–3% без дополнительного технологического усовершенствования, рассказал Данил Ивашечкин.
В ТМК программа «Помощник сталевара» анализирует и контролирует химический состав и температуру стали в агрегате «ковш-печь», определяет необходимое количество ферроматериалов, рекомендует оптимальную температуру выдачи, а также может спрогнозировать итоговый результат при изменении параметров, рассказал Дмитрий Якоб. Экономический эффект от внедрения «помощника» превышает 1 млрд руб. в год. По его оценке, за счет продолжения цифровизации всей производственной цепочки в ближайшие несколько лет EBITDA компании может увеличиться на 1–2%. «В абсолютном исчислении это значительные деньги», — говорит Дмитрий Якоб. В 2024 году EBITDA компании составила 92,4 млрд руб., сообщается на ее официальном сайте.
Перспективы умной металлургии
Уровень диджитализации отрасли продолжит расти, уверены металлурги. По данным аналитиков «Яков и партнеры», 55% компаний сектора в течение двух-трех лет рассчитывают увеличить эффект от цифровой трансформации.
Главный стимул — подстегивающая внедрение «цифры» в секторе конкуренция, как в экономическом плане, так и за сотрудников, считает Сергей Казанцев: «В новые производства закладываются самые успешные методы эксплуатации предыдущих объектов и перспективные требования».
Стимулами для повышения уровня автоматизации является существующий и прогнозируемый дефицит кадров, а также очевидный экономический эффект, говорит Дмитрий Якоб. Общий вектор развития «умных» заводов, по мнению эксперта, останется прежним — сохранение за человеком контролирующей роли и усиление его компетенций по разработке и внедрению новых программных продуктов.
Мы стремимся перейти от принятия решений на основе опыта к принятию решений на основе данных, что невозможно без внедрения интеллектуальных решений, рассказала Светлана Потапова. Сотрудники, по ее словам, имеют личный пользовательский опыт работы с цифровыми сервисами и ИИ и ожидают подобного на производстве.
Так как каждое новое поколение оборудования оставляет в десятки раз больший цифровой след и дает больше возможностей удаленного управления, хорошие перспективны у решений на базе ИИ, способных управлять целыми предприятиями, считает Сергей Казанцев.
Данил Ивашечкин отмечает, что у процесса автоматизации и внедрения ИИ в металлургии очень большой потенциал. В частности, задачей «Норникеля» в перспективе ближайших двух лет он видит внедрение сквозной оптимизации, то есть переход от оптимизации цехов к оптимизации предприятий в целом, а далее — цепочек предприятий в рамках группы компаний с целью повышения эффективности производства и качества продукции. Следующим этапом, по его мнению, станет внедрение систем «погруженного» в отраслевую специфику генеративного ИИ, то есть самообучающихся нейросетей, таких как, например, ChatGPT, для адаптации, поддержки и повышения квалификации сотрудников.
Вместе с тем, по мнению Данила Ивашечкина, до полной передачи роботу контрольных функций на производстве дело не дойдет: «Подобное в принципе невозможно, поскольку это вопрос безопасности и ответственности за жизни людей». Другое дело, что даже при возникновении аварийной ситуации системы датчиков и ИИ могут крайне эффективно помочь оператору в поиске проблем и путей их устранения, отмечает он.