"Экспанта" о будущем промышленного ИИ. Продолжение.

Одним из главных барьеров для индустрии сейчас остается дефицит глубокой математической и инженерно-технологической экспертизы. Такое #мнение выразил управляющий директор холдинга разработчиков промышленного ПО "Экспанта" Илья Измайлов.

⏺️ Насколько промышленный ИИ сегодня можно масштабировать между предприятиями? Если модель обучена на данных одного производства, насколько легко перенести её на другое предприятие?

Масштабирование между предприятиями происходит хорошо, если чётко разделять технологическое ядро и прикладной сервис, который разворачивается на его основе. Математическая основа наших ИИ-продуктов уже достаточно зрелая и переносится «как есть», сама суть тиражирования - вопрос конфигурации и адаптации под конкретный сценарий или техпроцесс.

При этом важно понимать, что «коробки», которую можно без донастройки приземлить из одной отрасли в другую или даже между похожими предприятиями, не существует. Даже при наличии одинакового оборудования входящее сырьё (например, за счёт геологии) и история эксплуатации месторождения всегда будут существенно отличаться, а значит, разнится и техпроцесс.

Ключевое условие масштабирования - это сочетание глубокой математической и инженерно-технологической экспертизы. Именно его дефицит остаётся сегодня одним из главных барьеров для индустрии.

⏺️ Какой сценарий применения ИИ в промышленности, на ваш взгляд, в ближайшие три года перейдёт из отдельных успешных кейсов в массовую практику: предиктивная диагностика, оптимизация производственных режимов, планирование, контроль качества или что-то другое? И что сейчас мешает этому масштабированию?

Я бы не выбирал из списка. Контроль качества и предиктив уже вошли в практику: машинное зрение в 2025 году применяли более 40% отечественных производственных компаний, а предиктивные решения дают эффекты уровня 1,5 млрд рублей за три года.

Фронтир следующих трёх лет - именно стыки переделов. Когда на каждом этапе создания стоимости стоит свой ИИ-сервис, они обмениваются данными, и эффект возникает не внутри систем, а в их связке.

Отдельной точкой роста может стать не APS-планировщик или СУУТП/робот, подключенный к отдельной установке, а ИИ-ассистент производственника, который в случае поломки предложит решения на базе данных и алгоритмов из всех смежных систем: на какой линии продолжить производство (перепланирование), в каком режиме это можно сделать максимально оперативно (СУУТП) и сколько составляет критический путь восстановления вышедшего из строя агрегата (графикование остановочных ремонтов «Датабриз»).

Такой комплексный кейс за 10 лет принесёт в 20 раз больший эффект, чем точечная цифровизация отдельных установок, рабочих мест или подпроцессов.

™ МашТех в Telegram | в MAX