Человек + машина. Новые принципы работы в эпоху искусственного интеллекта

Искусственный интеллект для ускоренного внедрения машин

Sight Machine, стартап из Сан-Франциско, использует аналитику и машинное обучение, помогая клиентам сокращать простои при запуске нового оборудования в цехах. Так, в одном случае удалось сократить время простоя, неизбежное при внедрении новых роботизированных систем, на 50%. Когда все основные средства были введены в эксплуатацию, производительность возросла на 25%. Благодаря новой технологии выросла эффективность производства, а инженеры и специалисты по техобслуживанию смогли сосредоточиться на других, более существенных задачах[13].

Компания General Electric отслеживает работу поставленного клиентам оборудования. Для этого применяется платформа Predix, оснащенная искусственным интеллектом. В ее основе лежит концепция «цифрового двойника», согласно которой все основные средства на заводе и за его пределами — от болта до ленты конвейера и турбинной лопасти — моделируются и отслеживаются на компьютере. Predix собирает и анализирует огромный объем данных; эти данные можно использовать для переосмысления бизнес-процессов по трем фундаментальным направлениям:

• Переосмысление технического обслуживания

. General Electric собирает статистические данные со всех точек, где установлено ее оборудование, и использует технологию машинного обучения для прогнозирования сроков отказа тех или иных деталей (в зависимости от их текущего состояния).

Ранее специалисты по техническому обслуживанию заменяли детали в соответствии с рекомендациями производителя. Так, автомобильные свечи требовалось менять после 120 000 километров пробега. Теперь же заменять их можно по мере износа. Прогнозирование на основе искусственного интеллекта позволяет экономить время и деньги, одновременно повышая заинтересованность ремонтников в своей работе[14].

• Переосмысление разработки продукта. Дополнительные данные облегчают проведение НИОКР. General Electric устанавливает датчики на деталях турбин, испытывающих наибольшую нагрузку, чтобы отслеживать происходящие в них изменения. В диапазоне рабочих температур датчики буквально сгорают, однако успевают собрать информацию о разогреве турбины. Это помогает лучше понять термодинамику материалов, используемых при изготовлении турбин, и оптимизировать условия эксплуатации. Благодаря датчикам, в распоряжении инженеров оказывается подробнейшая информация, проливающая свет на работу тех или иных систем[15].

• Переосмысление эксплуатации. General Electric может создавать цифровые двойники на основе полевых данных, собираемых с работающих объектов, например реактивных двигателей. В ходе виртуальных полетов самолет подвергается воздействию низких и высоких температур, пыли, дождя и даже атаке птиц[16]. Компания ведет мониторинг десятков тысяч ветряков, а их цифровые двойники позволяют корректировать работу в режиме реального времени. Анализ этих данных позволил сделать очень важный вывод: в зависимости от направления ветра имеет смысл снижать скорость вращения ведущей турбины по сравнению с расчетной. Когда передняя турбина поглощает меньше энергии, те, что расположены за ней, работают в режиме, близком к оптимальному, увеличивая общую выработку электроэнергии. Этот пример демонстрирует, что модель цифрового двойника не только применима к единичному устройству, но и позволяет оптимизировать работу всей ветряной электростанции. По данным General Electric, цифровые двойники позволяют увеличить производство ветровой энергии на 20%, что эквивалентно $100 миллионам за весь срок эксплуатации ветряной электростанции мощностью 100 мегаватт[17].