Промышленный ИИ может ошибаться не из-за плохой модели. Иногда проблема начинается с того, как человек снимает показания с оборудования.
На сессии SMART OIL & GAS показали семь кейсов — от process mining и импортозамещения инженерных систем до цифровых обходов, рекомендательных систем, предиктивной диагностики и промышленного ИИ.
За разными технологиями обнаруживается одна проблема: если потерян инженерный контекст, исходные данные ненадёжны, а результат не встроен в производственный процесс, даже самая продвинутая модель не решает задачу.
В статье — конкретные примеры, цифры и неожиданные выводы. В одном случае для повышения качества ИИ пришлось… просто пронумеровать точки измерения прямо на оборудовании.
Что происходит с цифровым решением после пилота? Почему перенос данных — не то же самое, что перенос инженерной системы? И где проходит граница между демонстрацией технологии и промышленной эксплуатацией?
Читайте полный материал на портале СЭТА