Цифровые решения, методы и технологии для формирования цифрового производства

1.

ЦИФРОВЫЕ РЕШЕНИЯ, МЕТОДЫ И
ТЕХНОЛОГИИ ДЛЯ ФОРМИРОВАНИЯ
ЦИФРОВОГО ПРОИЗВОДСТВА
Преподаватель
Вятчина Вита Георгиевна,
начальник ОМО ДПО УрФУ,
Старший преподаватель
Кафедры ИиИС ФТИ УрФУ

2.

Главные факторы успеха цифровых преобразований
• наличие стратегического плана;
• четкое управление преобразованиями;
• внедрение ценностей и принципов «цифровой культуры»;
• цифровизация бизнес-процессов;
• работа с данными, управление клиентским опытом.

3.

Облачные сервисы и технологии
Современные облачные технологии (ОТ) способны обеспечивать
быстрое и гибкое развертывание бизнеса и безопасность
управления данными, а также представляют различные модели
совместного использования ресурсов на основе утилит,
обеспечивая доступ к ресурсозатратным вычислениям за
небольшую стоимость. ОТ настоящего времени – это нечто иное
как
дизруптивная/подрывная
инновация,
меняющая
и
преобразующая бизнес-процессы и бизнес-модели.

4.

Причины популярности ОТ
• экономия на затратах;
• расширенное управление данными и их восстановление;
• оптимизация процессов, масштабируемость и гибкость приложений;
• большая скорость вычислений;
• повышенная безопасность и автоматизация процессов.
Облачные сервисы - уменьшают зависимость от локальной инфраструктуры и
рутинных процессов, высвобождая время для создания реальной ценности
для клиента.

5.

Robotic Process Automation (RPA-as-a-Service)
– это модель автоматизации бизнес-процессов с использованием облачного ПО,
основанного
на
web-технологиях,
роботизированной
автоматизации
и
интеллектуальных системах.
RPAaaS – это облачное ПО для автоматизации, выполняющее и координирующее
рабочие процессы на предприятии удаленно.
Практически любой повторяемый процесс может быть автоматизирован с помощью
RPA, а алгоритмизация таких процессов может производиться посредством понятных
действий с визуальными блок-схемами через web-интерфейс.
Выделяют несколько направлений роботизации: web-автоматизация, desktopавтоматизация и mobile-автоматизация.
В 2024 г. объем российского рынка RPA-сервисов оценивается в 60 млрд. ₽.
К лидерам российского рынка RPA-сервисов в 2023 г. можно отнести: «PIX Robotics»,
«Primo RPA», «Robin RPA», «Sherpa RPA», «ROOMYbots»

6.

Infrastructure-as-a-Service (IaaS)
–– это модель предоставления пользователю информационнокоммуникационной структуры нижнего уровня.
В отличие от других моделей сервисов, поставщик IaaS не предоставляет
потребителю готовый набор установленного ПО.
В рамках сервиса предоставляются вычислительные мощности, объемы
хранения, сетевые ресурсы и каналы связи, а развертывание
необходимого ПО является ответственностью потребителя.
Это позволяет обеспечить высокую гибкость в выборе и настройке
необходимых параметров инфраструктуры под пользователя.
Лидерами российского рынка IaaS стали компании «Cloud» и
«Ростелеком-ЦОД» с долей рынка 17.2% и 25% соответственно, а также
на рынке присутствуют «Selectel» (9.5%), «МТС» (9.3%), «Yandex.Cloud»
(6.3%), «Крок» (5.6%)

7.

Platform-as-a-Service (PaaS)
– это модель облачного сервиса, где клиент получает доступ к
технологическим платформам: операционной системе, системе управления
базами данных, средствам разработки и тестирования приложений.
Доступ к платформам осуществляется через web-интерфейс.
В зависимости от типа сервиса PaaS решения делятся на Application PaaS,
Integration PaaS и Database PaaS.
Модель PaaS построена на технологии контейнерной виртуализации и
предназначена для разработчиков и программистов, которым нужна
виртуальная среда для создания собственного ПО. Обычно PaaS применяется
для web-разработки (мобильные приложения и сложное ПО для бизнеса).
По итогам 2022 г. объем этого рынка составил 4.26 млрд. ₽, а лидерами стали
компании «SberCloud», «Yandex.Cloud», «CDNvideo», «NGENIX». На долю этих
компаний приходилось более 70% рынка, а также значимую долю занимали
«Лига цифровой экономики» и «Крок».

8.

CAD – computer Aided Design
Общий термин для обозначения всех аспектов проектирования с
использованием средств вычислительной техники. Обычно охватывает
создание геометрических моделей изделия. А также генерацию
чертежных изделий и их сопровождений.
Современные
системы
автоматизированного
проектирования
обычно
используются
совместно
с
системами автоматизации инженерных
расчётов и анализа CAE (Computer-aided
engineering).
Данные
из CAD-систем
передаются
в
CAM
(Computer-aided
manufacturing)
—
система
автоматизированной разработки программ
обработки деталей для станков с ЧПУ или
ГАПС
(Гибких
автоматизированных
производственных систем).

9.

CAM – Computer Aided Manufacturing
CAE (Computer-aided engineering) — общее название для программ или
программных пакетов, предназначенных для инженерных расчётов, анализа и
симуляции физических процессов.
Традиционно исходными данными для таких систем были геометрические
модели деталей, полученных из систем CAD.
Расчётная часть пакетов чаще всего основана
на
численных
методах
решения
дифференциальных уравнений, таких как:
метод конечных элементов, метод конечных
объёмов, метод конечных разностей и др.
Позволяют при помощи расчетных методов
оценить, как поведет себя компьютерная
модель изделия в реальных условиях
эксплуатации.
Помогают
убедиться
в
работоспособности изделия, без привлечения
больших затрат времени и средств.

10.

CAE– Computer Aided Engineering
Система автоматического анализа проекта. Общий термин для
обозначения
информационного
обеспечения
условий
автоматизированного анализа проекта, имеет целью обнаружение ошибок
(прочностные
расчеты)
или
оптимизация
производственных
возможностей.

11.

CAE– Computer Aided Engineering
CAE– Computer Aided Engineering — подготовка технологического процесса
производства изделий, ориентированная на использование ЭВМ. Под
термином понимаются как сам процесс компьютеризированной подготовки
производства, так и программно-вычислительные комплексы, используемые
инженерами-технологами.
Русским аналогом термина является АСТПП — автоматизированная
система технологической подготовки производства. Фактически же
технологическая подготовка сводится к автоматизации программирования
оборудования с ЧПУ (2- осевые лазерные станки), (3- и 5-осевые
фрезерные станки с ЧПУ; токарные станки, обрабатывающие центры;
автоматы продольного точения и токарно-фрезерной обработки; ювелирная
и объемная гравировка).
PDM.
Следует отметить, что как правило, большинство программновычислительных комплексов совмещают в себе решение задач CAD/CAM,
CAE/САМ, CAD/CAE/CAM.

12.

PDM – Product Data Management
PDM (Product Data Management) — система управления данными об
изделии — организационно-техническая система, обеспечивающая
управление всей информацией об изделии. Система управления
производственной информацией.
Инструментальное средство, которое
помогает
администраторам,
инженерам, конструкторам управлять
как данными так и процессами
разработки изделия на современных
производственных предприятиях или
группе смежных предприятий. При
этом в качестве изделий могут
рассматриваться различные сложные
технические объекты (корабли и
автомобили, самолёты и ракеты,
компьютерные сети и др.). PDMсистемы являются неотъемлемой
частью PLM-систем.

13.

PDM – Product Data Management
В PDM-системах обобщены такие технологии, как:
• управление инженерными данными (engineering data management —
EDM)
• управление документами
• управление информацией об изделии (product information
management — PIM)
• управление техническими данными (technical data management —
TDM)
• управление технической информацией (technical information
management — TIM)
• управление изображениями и манипулирование информацией,
всесторонне определяющей конкретное изделие.

14.

PDM – Product Data Management
Базовые функциональные возможности PDM-систем
следующие основные направления:
• управление хранением данных и документами
• управление потоками работ и процессами
• управление структурой продукта
• автоматизация генерации выборок и отчетов
• механизм авторизации
охватывают

15.

PDM – Product Data Management
С помощью PDM-систем осуществляется отслеживание больших массивов данных и
инженерно-технической информации, необходимых на этапах проектирования, производства
или строительства, а также поддержка эксплуатации, сопровождения и утилизации
технических изделий. Такие данные, относящиеся к одному изделию и организованные PDMсистемой, называются цифровым макетом. PDM-системы интегрируют информацию любых
форматов и типов, предоставляя её пользователям уже в структурированном виде (при этом
структуризация привязана к особенностям современного промышленного производства).
PDM-системы работают не только с текстовыми документами, но и с геометрическими
моделями и данными, необходимыми для функционирования автоматических линий, станков
с ЧПУ и др, причём доступ к таким данным осуществляется непосредственно из PDMсистемы.

16.

PDM – Product Data Management
С помощью PDM-систем можно создавать отчеты о конфигурации выпускаемых
систем, маршрутах прохождения изделий, частях или деталях, а также составлять
списки материалов. Все эти документы при необходимости могут отображаться на
экране монитора производственной или конструкторской системы из одной и той
же БД.
Одной из целей PDM-систем и является обеспечение возможности групповой
работы над проектом, то есть, просмотра в реальном времени и совместного
использования фрагментов общих информационных ресурсов предприятия.

17.

PLM - Product Lifecycle Management
PLM (Product Lifecycle Management) — технология управления жизненным циклом
изделий.
Организационно-техническая система, обеспечивающая управление всей информацией
об изделии и связанных с ним процессах на протяжении всего его жизненного цикла,
начиная с проектирования и производства до снятия с эксплуатации.
При этом в качестве изделий могут рассматриваться различные сложные технические
объекты (корабли и автомобили, самолёты и ракеты, компьютерные сети и др.).
Информация об объекте, содержащаяся в PLM-cистеме является цифровым макетом
этого объекта.
По сути, как уже было сказано, PLM - является практически синонимом CALS технологий.

18.

CALS - Continuous Acquisition and Life-cycle Support
CALS – непрерывная поддержка жизненного цикла продукта – это стратегия
систематического повышения эффективности, производительности и рентабельности
процессов хозяйственной деятельности корпорации за счет внедрения современных
методов информационного взаимодействия участников жизненного цикла продукта.
Идея CALS возникла в 1974-1975 г.г. в оборонном комплексе США в связи с необходимостью
повышения эффективности управления и сокращения затрат на информационное
взаимодействие в процессах заказа, поставок и эксплуатации средств вооружения и
военной техники. Движущей силой явилась естественная потребность в организации
"единого информационного пространства", обеспечивающего оперативный обмен данными
между заказчиком – федеральными органами, производителями и потребителями техники.
Данная концепция изначально базировалась на идеологии "жизненного цикла" продукта и
охватывала фазы производства и эксплуатации. На первоначальном этапе аббревиатура
CALS расшифровывалась как Computer Aided Logistic Support – компьютерная поддержка
поставок.

19.

CALS - Continuous Acquisition and Life-cycle Support
Применение CALS-технологии были настолько эффективно, что эти
технологии стали применять не только военные ведомства, но и в
промышленности, строительстве, транспорте и других отраслях экономики,
расширяясь и охватывая все этапы жизненного цикла продукта – от
маркетинга до утилизации.
Реализация CALS-технологий в практическом плане предполагает
организацию единого информационного пространства (Интегрированной
информационной среды), объединяющего автоматизированные системы,
предназначенные как для эффективного решения задач инженерной
деятельности, так и для планирования и управления производством и
ресурсами предприятия.

20.

CALS - Continuous Acquisition and Life-cycle Support
В широком смысле слова CALS - это методология создания единого
информационного
пространства
промышленной
продукции,
обеспечивающего
взаимодействие
всех
промышленных
автоматизированных систем (АС). В этом смысле предметом CALS
являются методы и средства как взаимодействия разных АС и их подсистем,
так и сами АС с учетом всех видов их обеспечения.
Практически синонимом CALS
в этом смысле становится
термин PLM (Product Lifecycle
Management),
широко
используемый в последнее
время
ведущими
производителями АС.

21.

22.

ERP-система
ERP-система — это набор интегрированных приложений или модулей для
управления основными бизнес-процессами компании, включая финансы
и бухгалтерский учет, цепочку поставок, управление персоналом,
закупки, продажи, управление запасами и многое другое.
Модули ERP интегрированы в единую комплексную систему и работают с
общей базой данных, обеспечивая оптимизацию процессов и
использования информации в масштабе предприятия.
Снижения затрат, которые возможно достичь за счет внедрения
интегрированного и календарного планирования производства, которые
позволят синхронизировать данные внутри предприятия от датчиков до
систем ERP с информацией, полученной от партнеров по горизонтальной
цепочке создания стоимости, например, об уровнях запасов или
изменениях потребительского спроса.

23.

RFID - способ автоматической идентификации объектов
— это технология автоматической радиочастотной
идентификации объектов. С ее помощью можно
прослеживать не только продукцию и ТМЦ (торговоматериальные ценности), но и мобильность людей. RFIDсистемы широко применяются для контроля доступа
персонала — на территорию предприятия, гостей и
посетителей — на различные мероприятия.
Состоят из двух элементов:
• микрочипа, который используется для записи и хранения
информации;
• антенны — для связи между меткой и RFIDоборудованием.

24.

Как работает RFID-технология:
1.
2.
3.
4.
5.
6.
7.
С помощью специализированного оборудования, например, принтера или дубликатора, на
радиометку записываются идентификационные данные.
Тег крепится к объекту.
RFID-считыватель связывается с меткой. При передаче сигнала устройство генерирует
электромагнитное поле — электроны проходят через антенну метки и обеспечивают
микрочип питанием.
Тег «просыпается» и отвечает на запрос, связываясь с приемопередатчиком с помощью
антенны. Микрочип отправляет данные считывающему устройству — радиосигналами. Этот
процесс называется обратным рассеиванием (backscatter).
RFID-считыватель в свою очередь принимает сигнал, отправленный радиометкой, —
встроенный приемопередатчик фиксирует и интерпретирует изменения электромагнитных
волн.
Принятые данные обрабатываются предустановленным программным обеспечением.
Информация передается на компьютер, оснащенный специализированным софтом или
«товароучеткой», готовой к работе с RFID-метками.

25.

Как работает RFID-технология:
RFID-системы классифицируются по
дальности считывания данных:
ближней — до 20 см;
средней — от 20 см до 5 м;
дальней — от 5 до 300 м.
Резюме: RFID-технология обеспечивает автоматическую идентификацию
объектов — по уникальному коду, записанному на микрочип тега.

26.

Цифровые платформы
• предоставляют инфраструктуру, которая
облегчает взаимодействия участников
рынка с целью создания новой
ценности для каждого пользователя,
одновременно присваивая ценность
самой платформе.
• а также единая информационнокоммуникационная инфраструктура для
взаимодействия
заинтересованных
участников с целью достижения
социального и/или экономического
эффекта.

27.

Параметры Цифровой платформы
1. Наличие единой информационной среды, в которой осуществляются взаимодействия
участников, и соответствующей информационно-технологической инфраструктуры.
2. Алгоритмизация взаимодействия участников платформы.
3. Применение «умных» технологий, таких, как интернет вещей, большие данные,
искусственный интеллект и пр.
4. Взаимовыгодность отношений участников платформы, при чем выгода может носить
не только экономический характер.
5. Значимость количества участников деятельности (масштаб), использующих
платформу для взаимодействия.
6. Наличие эффекта в виде снижения транзакционных издержек при взаимодействии
разных участников платформы (уменьшается роль географических и временных
факторов за счет упрощения системы взаимодействия).
7. Повышение эффективности бизнес-процессов (обеспечение быстрого получения и
передачи информации).

28.

Цифровой двойник
— виртуальный прототип реального объекта, группы объектов или
процессов. Это сложный программный продукт, который создается
на основе самых разнообразных данных.
Цифровой двойник не ограничивается сбором данных, полученных
на стадии разработки и изготовления продукта — он продолжает
собирать и анализировать данные во время всего жизненного цикла
реального объекта, в том числе с помощью многочисленных IoTдатчиков.
Технология даёт возможность моделировать самые разные
ситуации, которые могут возникать на производстве. Таким образом,
цифровой двойник позволяет подбирать наиболее адекватные
сценарии проведения технологических процессов, чтобы избежать
сбоев и форс-мажоров

29.

Цифровой двойник
Цифровой двойник завода должен позволить смоделировать
ситуации с учетом различных факторов: от расположения
оборудования, перемещения работников и проведения операций по
ремонту до реакции приборов на изменение показателей
солнечного освещения или какие-то чрезвычайные ситуации,
объясняет эксперт. Это лишь примеры испытаний, моделирования и
воздействий. Все зависит от задач бизнеса и типа изделия или
объекта.

30.

Цифровой двойник
«Под цифровым двойником подразумевается
комплекс цифровых технологий, которые
используют
подходы
статистического
анализа, машинного обучения, химии, физики,
теории управления, теории надежности,
теории массового обслуживания, численного
моделирования, оптимизации».
Дмитрий Шварц, руководитель направления отдела
исследования и разработки Центра цифровых инноваций
ПАО «Газпром нефть»

31.

Киберфизические системы (Cyber-Physical System, CPS)
представляют собой системы взаимодействующих устройств, средств
передачи, обработки и хранения данных. Они являются базовыми
составляющими архитектур существующих и перспективных средств
автоматизации управления сложными объектами.
Киберфизические системы— это системы, состоящие из различных
природных объектов, искусственных подсистем и управляющих
контроллеров, позволяющих представить такое образование как единое
целое. В CPS обеспечивается тесная связь и координация между
вычислительными и физическими ресурсами. Компьютеры осуществляют
мониторинг и управление физическими процессами с использованием
такой петли обратной связи, где происходящее в физических системах
оказывает влияние на вычисления и наоборот.

32.

Киберфизические системы (Cyber-Physical System, CPS)
Область
применения
CPS
распространяется практически
на все виды человеческой
деятельности,
включая
все
многообразие промышленных
систем,
транспортные,
энергетические
и
военные
системы, все виды систем
жизнеобеспечения от медицины
до умных домов и городов, а
также многие экономические
системы.

33.

Геоинформационные системы (ГИС, географическая
информационная система)
— это компьютерные технологии, которые применяют для
создания карт и оценки фактически существующих объектов, а
также происшествий.
Такие системы собирают, хранят и анализируют информацию, а
также обеспечивают ее графическую интерпретацию. Подобные
инструменты позволяют пользователям искать, анализировать и
редактировать цифровые карты, а также находить дополнительную
информацию об объектах на них.

34.

Геоинформационные системы (ГИС, географическая
информационная система)

35.

Аддитивные технологии (Additive Manufacturing)
— метод создания трехмерных объектов, деталей или вещей путем
послойного добавления материала: пластика, металла, бетона и, возможно, в
будущем — человеческой ткани. Такие трехмерные или 3D-объекты создаются
с помощью 3D-принтеров.
В зависимости от конечного результата выделяют несколько направлений
применения аддитивных технологий:
• Изготовление деталей (Rapid Patterns), которые будут использоваться в
качестве шаблонов для конечного изделия. Часто применяют в ювелирном
деле.
• Изготовление пресс-форм (Rapid Tooling) с помощью аддитивных методов.
Потом их можно использовать для формовки и литья изделий.
• Прямое цифровое производство (Direct Digital Manufacturing, DDM) —
изготовление аддитивными способами конечного продукта.

36.

Аддитивные технологии (Additive Manufacturing)
Этапы создания изделия с помощью аддитивных технологий:
• В промышленности производство 3D-изделий проходит через несколько общих
этапов (они могут изменяться в зависимости от методов и материалов):
• 3D-моделирование или создание эскиза изделия (Computer Aided Design или CAD).
• Создание уменьшенной копии изделия из более дешевого материала, например,
недорого пластика вместо металла.
• Печать самого изделия после того, как копия прошла проверку. Принтер, следуя
эскизу, добавляет слои жидкости, порошка или листового материала и
изготавливает деталь, иногда всего за несколько часов.

37.

Преимущества аддитивных технологий и их отличие от
традиционного производства
• Быстрота изготовления. Традиционными способами сложную деталь
производят в течение месяцев, а с 3D-печатью ее можно сделать за
несколько часов. После изготовления часто не нужна дополнительная
механическая обработка.
• Безотходное производство. В традиционном производстве велик риск
отправить неверно изготовленную деталь в отходы. При
использовании аддитивных методов, если металлическая деталь не
получилась, ее можно вновь превратить в порошок и из него опять
напечатать то же изделие.
• Отсутствие швов и сварных соединений. В отличие от традиционного
производства, с помощью аддитивных технологий можно получить
изделия с уникальными свойствами, без швов и стыков. Такие объекты
невозможно изготовить с помощью сварки и штамповки.

38.

Самые популярные методы изготовления 3D-изделий
• Лазерная стереолитография (Stereolithography, LSA) — самая
первая
технология
3D-печати,
когда
модели
изготавливаются из жидких фотополимерных смол с
помощью ультрафиолетового лазера или его аналога.
• Послойное наплавление (Fused Deposition Modeling, FDM)
— самая простая и распространенная технология. Она
поддерживается всеми программами для проектирования.
Трехмерный объект «выращивается» из нагретой
пластиковой нити. Недорогие домашние 3D-принтеры
обычно работают на этой технологии.
• Селективное лазерное плавление (Selective Laser Melting,
SLM) — это самый распространенный метод ЗD-печати
металлом. Используя порошки из стали, титана, алюминия
или других металлов, можно изготовить геометрически
сложные изделия, детали машин и двигателей для
промышленности.

39.

Промышленные роботы
- предназначенный для выполнения двигательных и управляющих
функций в производственном процессе манипуляционный робот,
то есть автоматическое устройство, состоящее из манипулятора и
перепрограммируемого
устройства
управления,
которое
формирует управляющие воздействия, задающие требуемые
движения исполнительных органов манипулятора.
Применяется для перемещения предметов производства и
выполнения различных технологических операций.

40.

Виды промышленных роботов
Классифицируют агрегаты по разнообразным критериям. Базовый - тип
управления. Выделяют:
• программные - выполняют заданный алгоритм без учета внешних
факторов;
• адаптивные - оснащаются датчиками, считывающими особенности
окружающей среды и выбирающими в соответствии с полученными
показателями подходящую программу среди заданных;
• обучаемые - позволяют оператору корректировать заданную
программу в зависимости от особенностей производства;
• интеллектуальные - самостоятельно меняют алгоритм действий после
считывания условий и их анализирования.

41.

Виды промышленных роботов
По назначению промышленного робота. Машина может быть:
• универсальной - производить различные манипуляции;
• специализированными - для определенного набор операций;
• специальными - для выполнения одной функции, либо работ в
специальных условиях.
В зависимости от грузоподъемности выделяют следующие виды:
• легкие - работают с весом до 10 кг (YASKAWA MOTOMAN MPP3S),
• средние - 11-200 кг (YASKAWA MOTOMAN AR2010),
• тяжелые - от 200 кг (YASKAWA MOTOMAN GP400).

42.

Преимущества внедрения промышленных роботов
Использование промышленных роботов - это прямой путь к:
• снижению расходов, в том числе за счет сокращения штата - устройство
заменяет минимум 2-3 сотрудников;
• снижению брака;
• уменьшению количества отходов;
• увеличению объемов выпуска продукции;
• повышению качества выполняемых работ и выпускаемых изделий;
• облегчению условий труда работников.
Современные машины легко программируются, перепрограммируются, а
также интегрируются с уже имеющимися системами. Они компактны,
отличаются точностью, не требуют постоянного контроля и способны
выполнять даже сложные задачи, что делает их незаменимыми в ходе
производственного процесса.

43.

Искусственный интеллект (ИИ)
- это комплекс методик математики,
биологии, психологии, кибернетики
и других наук, с помощью которого
создаются технологии для написания
«интеллектуальных» программ
и
обучения
компьютеров
самостоятельному решению задач.
Главная
задача
искусственного
интеллекта - это моделирование
человеческого разума.

44.

Виды и технологии искусственного интеллекта
На сегодняшний день существует четыре основных вида ИИ:
реактивные машины - системы ИИ, не имеющие памяти и решающие только
определенные задачи. Они не способны формировать воспоминания и
использовать полученный ранее опыт для выполнения своих функций;
ограниченная память - системы с памятью, основанной на прошлом опыте.
Однако этот опыт не сохраняется и не компилируется в библиотеке
информации ИИ;
теория разума - системы, понимающие человеческие эмоции и намерения,
обладающие социальным интеллектом и участвующие в командной работе;
самосознание - у систем ИИ этого типа формируется представление о себе,
благодаря чему они полностью имитируют интеллект человека.

45.

Виды и технологии искусственного интеллекта
При создании ИИ чаще всего используются технологии:
машинного обучения. Машинное обучение - это способность компьютера с системой ИИ
принимать решения по результатам обработки данных, не придерживаясь четких схем и правил.
Иными словами, машина становится способна к поиску закономерностей в сложных для человека
задачах с большим числом параметров, к обнаружению точных ответов и верному
прогнозированию;
глубокого обучения - подраздела машинного обучения, позволяющего обнаруживать
закономерности в огромным массивах информации (Big Data). Обработкой данных в технологии
глубокого обучения занимаются искусственные нейронные сети (ИНС), созданные по аналогии с
биологическими нейронными сетями. ИНС предназначаются для моделирования и обработки
нелинейных отношений между входными и выходными сигналами. В ИНС применяется алгоритм
самообучения, позволяющий им решать определенные задачи с учетом предыдущего опыта и
минимальным числом ошибок;
обработки и генерации естественного языка - составления программного обеспечения для
трансформации любых данных в естественный язык, понятный компьютеру и используемый им
для ответов человеку.
Также в ИИ применяются технологии компьютерного зрения (для нахождения, распознавания и
классификации объектов, извлечения данных из изображений, аналитики полученной информации) и
анализа данных для выявления в них закономерностей и прогнозирования событий по его результатам.

46.

Виды и технологии искусственного интеллекта
Машинное обучение базируется на трех основных понятиях:
алгоритмы - специальные программы, «подсказывающие» компьютеру, каким
источником данных необходимо воспользоваться. Для каждой задачи
подбираются отдельные алгоритмы, составленные с расчетом на ускорение
обработки данных и получение точного результата;
наборы данных (датасеты) - информация (выборки данных) в виде текстовых,
графических, видеофайлов, которую машина использует для накопления опыта
при обучении. При этом для решения каждого конкретного типа задач в систему
должны загружаться уникальные данные;
признаки (свойства, метрики, фичи, features) - индивидуальные измеримые
параметры наблюдаемых явлений, от правильности подбора которых зависит
успешность и скорость machine learning.
Оптимальными для правильного проведения машинного обучения считаются
выборки данных, составленные вручную и содержащие максимум информации
разного качества - это позволяет компьютеру выявлять неочевидные взаимосвязи
между данными и делать по ним полезные выводы

47.

Цифровая трансформация: ожидания и реальность
Наиболее «популярны» в промышленности облачные
сервисы (27,1%)
На 2-м месте — промышленные роботы (17,2%),
В числе наиболее роботизированных отраслей —
автомобильная промышленность, химические и
нефтехимические производства.
RFID применяют 16,5% предприятий (способ
автоматической идентификации объектов)
Цифровые платформы используют 16% компаний
обрабатывающей промышленности.
Меньше всего предприятиями промышленности
используются цифровые двойники (3,3%) и ИИ (3,6%).
Среди специального ПО преобладает ERP — 18,6%.
По объективным причинам также высок уровень
использования
ПО
для
проектирования
и
моделирования изделий — 16,3%, систем управления
производственными процессами (MES) — 11,6%, в
меньшей степени используются PLM/PDM — 4%.

48.

Примеры применения цифровых технологий в промышленности
Пример 1. ПАО «Северсталь» и ВТБ
разработали новый сценарий для
отраслевого
блокчейн-реестра
сертификатов
качества
металлопродукции.
Инициатива
позволит
ускорить
отгрузку
металлопродукции,
а
также
осуществлять ее без привязки к
банковским
дням,
включая
выходные и праздники

49.

Примеры применения цифровых технологий в промышленности
Пример 2. В 2021 г. производитель
кабельной
продукции
ГК
«Москабельмет»
на
10%
увеличил
эффективность
производства
после
установки
роботов-манипуляторов
московского разработчика Aripix Robotics.
Благодаря
такой
технологии
производственный процесс ускорился,
снизились количество простоев из-за
человеческого фактора и процент брака, а
также появилась возможность снять 13
рабочих с вредных для здоровья участков
производства

50.

Примеры применения цифровых технологий в промышленности
Пример 4. В Кольской ГМК (входит в группу
«Норникель») создают цифровой двойник
производства: все здания и местность
промышленной
площадки
компании
переведены в 3D-модель.
Технологии трехмерного моделирования
активно используются при строительстве
новых производств. Наличие 3D-модели
позволяет
компании
более
точно
проектировать здания и избегать возможных
инженерных
ошибок
при
монтаже
технологических систем, оборудования и
инженерных коммуникаций

51.

Примеры применения цифровых технологий в промышленности
Пример 5. Кейс 4. Перенос инфраструктуры и
ИТ-систем в Облако «КРОК» помог пищевой
компании «Грейн Холдинг» сделать управление
ресурсами и ИТ-ландшафтом более удобным и
гибким: сократились сроки отгрузки продукции
и ее доставки, на всех площадках работают
интегрированные системы расчета маршрутов
транспорта.
Также успешно реализуется проект по
отслеживанию
рецептур:
если
задано
выпекание определенного вида хлеба, то вся
линия и все оборудование автоматически
подстраивает свои настройки именно под этот
продукт (раньше сотруднику приходилось
выставлять каждый параметр настройки
самостоятельно)

52.

Цифровые технологии в ТЭК
• Цифровые технологии применяются организациями ТЭК с целью
увеличения добычи энергоресурсов, повышения безопасности,
снижения потерь, сокращения временных и трудозатрат.
• Достижение этих эффектов зависит от целого комплекса факторов, включая наличие необходимых компетенций и финансовых
ресурсов для разработки и внедрения эффективных цифровых
решений на энергообъектах.

53.

Цифровая трансформация предприятий ТЭК: ожидания и реальность
Интенсивность
использования
цифровых
технологий в ТЭК демонстрирует то, что энергообеспечивающие компании несколько опережают
добывающие.
Среди
наиболее
широко
применяемых
технологий в обоих сегментах можно отметить:
• облачные сервисы (их используют более
19% организаций),
• геоинформационные системы (более 18%, что
на 5% превышает их распространенность в
экономике в целом),
• интернет вещей (более 14%),
• цифровые платформы и RFID-технологии
(более 13%)

54.

Цифровая трансформация предприятий ТЭК: ожидания и реальность
В сегменте энергообеспечения важную роль
также играют такие системы, как CAD и MES (по
12,3%).
При этом менее распространенными остаются
ЕRP-системы — их применяют всего 10,2%
российских энерго-обеспечивающих компаний
(против 92% в Словении, 84% в Португалии и 83%
в Норвегии).
В добывающей промышленности ERP-системы
более популярны — их используют 12,3%
компаний.
Большие данные в обоих сегментах используют
не более 9% организаций, промышленных
роботов — не более 5%, технологии ИИ — не
более 4%, цифровые двойники — не более 3%, а
аддитивные технологии и PLM/PDM-системы —
не более 2%.

55.

Примеры применения цифровых технологий в промышленности
Пример
6.
Цифровые
двойники
являются
прогрессивной технологией, которая уже применяется
в различных сферах промышленности и энергетики,
например, системы 3D-моделирования используются
для создания цифровых двойников оборудования на
НПЗ «Газпром Нефть».

56.

Примеры применения цифровых технологий в промышленности
Пример 7. ПАО «ЛУКОЙЛ» в 2021 г.
запустило
в
эксплуатацию
самую
масштабную цифровую модель нефтяного
месторождения в России. Проект включает
создание цифровых двойников для более
чем 3 тыс. скважин, 12 объектов разработки
и охватывает всю производственную
цепочку добычи — от пласта до входа в
центральный пункт сбора и подготовки
нефти.
Сегодня
в
компании
введена
в
промышленную
эксплуатацию
61
интегрированная модель. За 2022 г.
суммарный
эффект
от
применения
инструментов
интегрированного
моделирования на показатель EBITDA
составил более 3 млрд руб.

57.

Примеры применения цифровых технологий в промышленности
Пример 8. ПАО «Татнефть» реализует
проект по роботизации контроля
добычи сверхвязкой нефти. Система
мониторинга позволяет без участия
человека
проводить
анализ
телеметрических данных, выбирая
оптимальный режим работы.
По
результатам
интерпретации
исследований
искусственным
интеллектом выстраивается цифровая
прокси-модель
месторождения,
позволяющая обеспечить мониторинг
24
поднятий
действующих
месторождений сверхвязкой нефти с
целевым уровнем добычи 3,2 млн
т/год

58.

Примеры применения цифровых технологий в промышленности
Пример 8. АО «СО ЕЭС» стала заказчиком
первого
в
России
решения
по
дистанционному управлению режимами
работы солнечной электростанции. Проект
реализован на Чкаловской СЭС.
Технология дистанционного управления
позволяет удаленно контролировать 100
тыс. фотоэлектрических модулей на 80 га,
что существенно снижает трудозатраты и
временные
издержки,
позволяя
вырабатывать и отпускать в сеть 38,9 млн
кВт · ч в год. Этого объема достаточно для
электроснабжения
более
120
тыс.
домохозяйств

59.

Благодарю за внимание!
Контактная информация:
Вятчина Вита Георгиевна
раб. тел. +7(343)3754551
Адрес электронной почты: [email protected]