Помощь искусственного интеллекта в тяжёлой промышленности на примере General Electric

Может ли оказать реальную помощь искусственный интеллект для серьёзного бизнеса в тяжёлой промышленности, где проверенные годами консервативные решения ценятся намного больше хрупких инноваций?

Сейчас крупнейшие корпорации, которые ворочают огромными ресурсами, могут себе позволить рисковать активами при внедрении новых инструментов автоматизации для сокращения издержек.

Было бы полезно учиться на их успехах или ошибках. Например, гигант тяжёлой индсутрии General Electric уже внедрил и получил первые результаты машинного обучения в области прогнозирования ремонта и обслуживания машин.

Предлагаем взглянуть на этот кейс и сделать собственные выводы здесь в Москве.

Датчики в станках, оборудовании, транспортных средствах, производственных установках и технических помещениях тяжёлой промышленности оцифровывают физические параметры. Добавьте сюда возможности искусственного интеллекта, пользу машинного обучения на больших данных и в итоге получится идеальный инструмент автоматизации бизнеса.

Интернет вещей относится не только к потребительским устройствам — коммерческие грузовики, поезда, нефтяные вышки и грузовые суда тоже могут быть оцифрованы, проверены и оценены онлайн.

Например, в нефтегазовой, авиационной и других отраслях промышленности используется операционная система Predix от компании General Electric. С её помощью промышленные приложения обрабатывают журналы производительности оборудования.

Это может быть использовано для определения различных эксплуатационных результатов. Среди них, например, прогноз выхода из строя оборудования.

Predix подходит для элементарного, мелкомасштабного управления логистикой и составления прогнозов. Чем больше информации система получит, тем более точные данные произведут приложения (притом разрабатываются они не только внутри General Electric).

Как думаете, есть ли у наших нефтяников такие решения? (Спойлер — есть).

Например, интеллектуальное трубопроводное решение Accenture используется для мониторинга миллионов километров нефтепроводов по всему миру. Это включает в себя получение данных из активов конвейера и внешних источников для управления безопасностью и тем, как используются ресурсы.

Авиаперевозчики уже используют приложения искусственного интеллекта Prognostics Aircraft Landing Gear от General Electric и Infosy. Они тоже построены на Predix.

Приложение Prognostics позволяет инженерным бригадам авиакомпаний видеть, как долго шасси может оставаться в эксплуатации. Создание графика технического обслуживания на основе этой информации призвано уменьшить непредвиденные проблемы с оборудованием и задержки рейсов.

Прогнозирующая аналитика может рассчитать, когда требуется техническое обслуживание устройств, оборудования и транспорта, а затем запланировать ремонт и обслуживание до того, как произойдет серьезный сбой.

Тот же Navistar (производитель коммерческих грузовиков) имеет в своей продукции датчики, которые анализируют тормоза, свет и двигатели. Это повышает ценность услуг по техническому обслуживанию, определяя, когда механикам нужно залезть под капот.

Время простоя снижается, вам дешевле обходится техническое обслуживание и эксплуатация.

Применение машинного обучения повышает производительность промышленного оборудования. В одном случае поставщик Pitney Bowes для электронной коммерции и доставки создал поверх Predix программное решение, которое включает почтовые счётчики, сортировщики, принтеры и устройства для производства и перемещения почты.

Установив датчики на своих машинах, их производительность можно более тщательно контролировать с помощью платформы Predix. Компания утверждает, что большая часть из 150 миллионов почтовых отправлений, производимых ежедневно в Соединенных Штатах, проходит через её машины.

Вместе с 2020-м годом наступил пороговый момент для бизнеса и промышленности во всём мире. Машинное обучение и искусственный интеллект прокладывают новый путь к обработке операций, принятию решений и управлению ресурсами.

Успех зависит теперь от того, найдут ли предприятия коллективно реальную ценность в ИИ. Ведь инвестиции в технологию должны доказать свою ценность.