APMTEAM | Digital Digest

Видео о пользе автоматизации, коротко и ясно.

ИИ против переполненных автобусов и пробок ❌ В Сочи запустят тестовую систему для планирования движения общественного транспорта от компании NtechLab. С помощью видеоаналитики на основе ИИ система будет мониторить загруженность остановок и передавать данные властям города, которые смогут оперативно корректировать маршруты и добавлять транспорт на линии. Система будет подключена к городским камерам и обновлять информацию каждые 5 минут, а также предоставлять предупреждения о скоплениях людей через Телеграм-бот. Аналогичные ИИ-системы также уже тестируются в других регионах России и за рубежом. Источник

Фундамент ветряка

⚡️Следующая модель после GPT 4 выйдет через 1,5 года - СТО OpenAI Мира Мурати Мурати заявила в интервью, что GPT-3 был на уровне малыша, GPT-4 стал умным старшеклассником, а следующее поколение, которое выйдет через полтора года, будет на уровне доктора философии. Ждём AGI. 📢 PulseGPT - AI Assistant. Запустить

ИИ в промышленности по данным разных аналитических отчетов. Часть 3 Части 1, 2.1, 2.2 Раз уж я периодически разбираю отчеты и планирую продолжать это делать, то стоит упомянуть кривую хайпа от Gartner. 📈📉 Первая картинка из аналитического сборника №7 (RL) альманаха ИИ. Актуальна на декабрь 2020 г. Кривая хайпа демонстрирует цикл зрелости технологий (не слышал про нее, наверно, только ленивый). Я не из тех, кто постоянно за ней следит, хотя кривая обновляется ежегодно. Более того, доступны версии по областям знаний, индустриям и тд. Периодически интересно узнать, куда мы катимся куда развивается ИИ и какова текущая зрелость технологий. Поэтому интересной может так же быть вторая картинка — это конкретная кривая в разрезе управления производством. Если хочется детально разобраться, что стоит за тем или иным термином-баззвордом, то стоит обратиться к отчетам Gertner или аналитическим обзорам на их основе. Из интересного: 🔘Во-первых, ИИ и МЛ все-таки разные технологии (вдруг вы привыкли взаимозаменять термины, как я). 🔘Можно проследить как между картинками (за 3 года) машинное обучение и цифровые двойники перешли в следующие стадии. Надеюсь, машинное обучение уже скоро станет привычным инструментом на производствах. Болею за нее, как за понятную и осязаемую для меня технологию!

ИИ строит ракету 🚀 В Великобритании успешно испытали первый в мире жидкостный ракетный двигатель, который полностью спроектирован искусственным интеллектом. На создание двигателя, от утверждения спецификаций до 3D-печати, ушло всего две недели. Испытания прошли на полигоне Airborne Engineering, где двигатель показал мощность в 5 кН и тягу в 20 тысяч лошадиных сил. Проект реализовала компания LEAP 71 из Дубая с помощью вычислительной модели Noyron. Теперь LEAP 71 планирует использовать эту технологию для создания различных инженерных конструкций, делая космос более доступным. Источник

Искусственный интеллект в тупике: в мире нарастает разочарование новой технологией Инструменты искусственного интеллекта, которые их разработчики обязательно объявляют революционными, при практическом применении вызывают разочарование у пользователей. Издание «Эксперт» и Старший эксперт Группы внедрения Ctrl2GO Solutions Виктор Мельников порассуждали, кто виноват в этом разочаровании: недостатки технологии или завышенные ожидания рынка.

«Инструменты ИИ успешно могут применяться для решения тех задач, для которых они предназначены: распознавание образов, поиск характерных паттернов и закономерностей. Но когда вы пытаетесь заставить его выполнять задачи, которым он не обучен, то не стоит удивляться неожиданным результатам. ИИ уже сейчас хорошо справляется с задачами помощника водителя или пилота по прокладке оптимального маршрута - не случайно большинство автоперевозчиков Росси пользуются навигаторами в режиме ассистента. Однако, перевод транспортных средств на полностью автоматическое управление требует значительных доработок в части алгоритмов принятия решений», — сказал он «Эксперту».

📍Подробнее

Полуавтоматическая и автоматическая сварка в среде защитных газов

ИИ – три в одном 😎 Специалист создал приложение, в котором объединил три самых мощных нейронки – ChatGPT, Gemini и Claude. Использовать их можно одновременно, но при этом разделить задачи. Пока одна модель генерирует текст, вторая исправляет ошибки, а третья контролирует весь процесс. Установить себе такую "машину" можно тут.

ИИ в промышленности по данным разных аналитических отчетов. Часть 2.2 Часть 2.1 🔘Примеры решения задач с помощью RL • Проектирование: оптимизация компоновки инженерных систем • Энергетика: оптимизация затрат электроэнергии (на 40%) на охлаждение ЦОД, оптимизация управления для повышение производительности (на 3,5 МВт) газовых турбин • Логистика: управление складскими роботами (отсутствие необходимости перепрограммирования роботов на каждый вид операции) • Нефть и газ: оптимизация процессов бурения (ускорение бурения и снижения износа бурового оборудования) и эксплуатации скважин • Металлургия: управление скоростью для повышения производительности (на 1,5%) непрерывно-травильного агрегата (ссылка на научную статью) • Горнообогатительный комплекс: оптимизация потоков со сгустителей в итоговый концентрат (youtube) • Есть облачные сервисы с алгоритмами, включая RL, интегрирующиеся в промышленными симуляционными средами. При наличии разработанной симуляционной среды использование облачного сервиса является наименее затратным вариантом для применения RL 🔘Сложности внедрения RL в промышленность • Для обучения алгоритмов необходимы высокоточные симуляционные среды оптимизируемого процесса (либо дорого, либо просто нет). Внедрение становится нерентабельным • В промышленности необходимы гарантии безопасности и интерпретируемость, чего RL не дает • Высокие требования к вычислительным ресурсам и квалификации разработчиков алгоритмов • Даже самые современные алгоритмы RL довольно "хрупкие" • При разработке систем управления на основе алгоритмов RL возникают проблемы: обучения управлению на малых выборках, объяснимость решений, скорость работы в режиме реального времени, работа с задержками в передаче данных и реализации управляющих воздействий 🔘Особенности развития ИИ в промышленности • DNN набирают популярность, но традиционные подходы используются чаще • Интерес к RL растет, но сложности внедрения сильно мешают • Нефтегазовая отрасль и энергетика готовы к RL (но успешных кейсов почти нет) • Разная автоматизация активов тормозит процессы внедления ML • Большинство проектов на экспериментальной стадии (на 2020 г) • Некоторые стартапы - пионеры отрасли 💭 Мои мысли или чего мне на хватило? • Лучшие сборники с точки зрения промышленности - CV и RL, обе главы в RL рекомендую прочитать (речь про теоретическую разработку и применение RL). Прочитав сборник о предиктивке и СПР, расстроился глубине и объему материала • Мне не хватило количественных оценок, статистики • Иногда не совсем понятна степень распространенности технологии именно в промышленной эксплуатации, интересно было бы разделять информацию на продакшн и исследовательские истории (хотя понимаю, что провести такой анализ - это большая и сложная работа) • На мой взгляд промышленность имеет свои особенности, например, данные, инфобез, интеграция, которые можно было бы затронуть или раскрыть подробнее • Еще одной особенностью промышленности является большая история работы с моделями (физическими), с данными и наличие традиционных теорий (управления, надежности), которые оченб часто применяются в связке с ML. Об этом было бы интересно почитать • Очень мало информации о задаче управления процессом, как в режиме советчика, так и в режиме автоматического управления (apc) • Можно было бы дополнить информацией об эффектах при решении задач, а также о тестировании решений в промышленности (пилотные испытания, а/б тесты со своими особенностями)

ИИ в промышленности по данным разных аналитических отчетов. Часть 2.1 Часть 1 С 2019 по 2022 гг центром компетенций НТИ по ИИ на базе МФТИ выпускался Альманах ИИ, включивший 12 аналитических сборников о состоянии ИИ в РФ и мире. Файлы можно скачать на сайте (у меня сайт с некоторого времени недоступен, поэтому делюсь сборниками в комментариях👇). Материалы очень рекомендую, но давайте сфокусируемся на ИИ в промышленности согласно этим отчетам, ведь я все за вас прочитал и выделил основные моменты. курсив — обычно мои комментарии 💭 🔘Более-менее подробная аналитика ИИ в промышленности встречается в 5 сборниках, главы: • NLP — в промышленности и логистике • Компьютерное зрение — в промышленности и логистике • Предсказательная аналитика и СПР в промышленности • Обучение с подкреплением в промышленности и логистике • Deep RL в управлении крупными инженерными системами • Переферийные граничные вычисления [Edge computing] (Много общей информации без углубления в особенности промышленности) Дальше пройдемся по кейсам применения разных субтехнологий ИИ 🔘Кейсы NLP • диалоговые чат-боты для клиентского сервиса • анализ тональности ответов на сообщения в почте и на порталах • выделение именованных сущностей • получение информации о рынке из новостей 🔘Кейсы CV • Контроль качества выпускаемой продукции (дефектоскопия), 2 типа: контроль полуготового материала и осмотр готовой продукции (можно выявлять 92-99% дефектов, при доле ложных срабатываний 3-4%=можно заменять человека) • Промышленная безопасность: контроль СИЗ, контроль доступа, детекция аварийных ситуаций, мониторинг состояния персонала • Контроль операций (определение и локализация движущихся объектов, транспортных средств, оборудования, людей+оптимизация операций) • Цифровизация старого оборудования (когда оснащение датчиками экономически нецелесообразно) • Роботы (новая область) • Сценарии для горнодобывающей отрасли: автономный транспорт, включая автономизацию процесса добычи и погрузки материала, оценка параметров руды (средний рост добычи 3-4%), детекция зубов ковша экскаватора (падение производительности на 1,3%), доступ в опасные зоны с помощью БПЛА • Сценарии для металлургической отрасли: контроль качества материалов, определение микроструктуры, механических свойств и поиск новых материалов, выявление загрязнения стали нежелательными минералами 🔘2 явных тренда в развитии CV • Распространение умных камер (edge) • Появление услуг облачного CV (сомнительно в российской промышленности) 🔘Задачи (направления), решаемые ИИ в промышленности • Предсказание спроса • Оценка риска и предиктивное обслуживание • Ранее обнаружение аномалий в тех процессе • Ценообразование • Логистика • Контроль качества • Технологические процессы (оптимизация, советчики, управление) RL, особенности и мои мысли в следующем посте ➡️

👨‍💻Популярность ИИ в промышленности по данным разных аналитических отчетов В начале своих обзорных докладов и лекций стараюсь дать оценку места Промышленности среди остальных отраслей экономики. tl;dr: популярность ИИ и ML в промышленности далека от ритейла, маркетинга и др. ⁉️Среди объяснений: низкая автоматизация производств, низкая рентабельность большинства тех. процессов, нехватка кадров, проблемы с данными, консерватизм отрасли. Довольно показательна актуальная на 2021 год карта компаний, занимающихся ИИ в России. Немного моих мыслей: • Digital Petroleum учтена 3 раза, Mechanica AI уже закрылась, есть неучтенные компании, например, Conundrum, но порядок цифр, кажется, что верный • Большую роль играют "дочки" крупных холдингов: Северсталь диджитал, Цифровые технологии и платформы (еврохим), Цифрум (росатом), Сибур диджитал и др, которые не попали в список из-за методологии • Более интересным мне показалась другое число: 0.2% (🧐) — это суммарная выручка компаний из сегмента "Промышленность" на 2020 г. Для сравнения у сегмента FinTech — 17.5% • Есть вопросы к методологии и к глубине анализа авторами именно сегмента "Промышленность" Распределение по классам задач "IoT analytics research 2019 — Industrial AI market report 2019-2025" дает такое распределение кол-ва кейсов ИИ по направлениям: • ТОиР — 24.3% • Контроль и управление качеством — 20.5% • Оптимизация процессов, включая советчики и управление процессом (apc) — 16.3% • Остальные задачи (оптимизация цепочек поставок, кибербезопасность и тд) — значительно меньше С топ-3 и их значительным отрывом склонен согласиться, но думаю, что "Оптимизация процессов" набирает популярность, а "ТОиР" немного теряет. Распределение по отраслям промышленности Согласно отчету “Технологии искусственного интеллекта. АПР Москвы, 2019" распределение следующее: • 44 % — в дискретном производстве (машиностроение, авиастроение и тд) • 22 % — в процессном производстве (металлургия, химия, добыча и тд) • 11 % — в электроэнергетике • 23 % — научные работы университетов (🧐)

Программное обеспечение «Надёжность» получило сертификат качества ⚡️ Модуль «RBI — Управление инспекциями с учётом факторов риска» программного обеспечения (ПО) «Надёжность» получил сертификат соответствия: 🔒 российскому ГОСТ «Р 55234.3-2013 — Практические аспекты менеджмента риска. Процедуры проверки и технического обслуживания оборудования на основе риска»; 🔒 международным рекомендациям «API 580/581 — Методология инспектирования с учётом факторов риска». Собственная разработка «Северстали» актуальна для технического обслуживания и ремонта оборудования в нефтегазовой, химической и энергетической отраслях. Модуль RBI представляет набор инструментов для разработки оптимальной стратегии инспектирования статического оборудования, работающего под давлением, для обеспечения его механической целостности. Речь идёт о трубопроводах, теплообменниках, резервуарах и сосудах под давлением. С помощью физико-математических моделей в модуле формируется план инспекций, который позволяет снижать уровень риска негативных событий и обеспечивать безопасную эксплуатацию оборудования в течение расчётного срока его службы. Для подтверждения соответствия модуля RBI требованиям ГОСТ «Р 55234.3-2013» и API 580/581 была проведена добровольная сертификация продукции на основании заключения, выданного испытательной лабораторией ПО, информационных технологий и средств информатизации. Руководитель группы центра развития коммерческих ИТ-продуктов «Северстали» Дмитрий Фотькин поделился комментариями:

ПО «Надёжность» уже используется для технического обслуживания оборудования в разных отраслях промышленности, и мы продолжаем расширять портфель клиентов и сфер применения нашей разработки. Сертификация доказала соответствие решения общепринятой методологии управления рисками и позволяет внедрять его на ответственных производствах: нефтегазовом, нефтехимическом, а также в энергетике.

⚡️ ПО «Надёжность» уверенно завоёвывает внешний рынок. Этими и другими достижениями эксперты поделились в рамках конференции. Как она прошла, смотрите в ролике. #severstalitpeople #steeltech @severstal

Канал об автоматизации, цифровизации и интеллектуализации промышленных предприятий, управлении эффективностью и надёжностью оборудования, управлении рисками отказов и технологиях, позволяющих всем этим управлять и развивать. https://t.me/apmteam

Выведенная из эксплуатации "бурильня" была демонтирована в результате направленного взрыва на верфи в Хайленде.

Как ИИ может помочь в управлении инженерными данными — запись вебинара 🔥 В середине июня прошел бесплатный вебинар от экспертов из Embedika о том, как повысить качество работы с инженерными данными. Что было в программе: ▪️Обсудили, как визуализировать жизненный цикл инженерных данных. ▪️Рассказали, как работать с результатами моделирования: передавать доступ к необходимой документации дальнейшим участникам процесса для запуска этапа строительства. ▪️Выяснили, какие эффекты могут получить производственные предприятия от внедрения решения на основе ИИ в работу с инженерными данными. ▪️ Поделились реальным кейсом проекта с ведущей инжиниринговой компанией «Волгограднефтепроект». 👉🏻 Вебинар прошел, а запись осталась — смотрите! Если у вас остались вопросы, задайте их напрямую экспертам Embedika #реклама ООО «ЭМБЕДИКА»