Ярослав Вилков
Графика Reuters
Искусственный интеллект (ИИ) стремительно меняет облик мировой промышленности, предлагая новые возможности для роста эффективности, снижения затрат и улучшения качества продукции. Российская индустрия не исключение: такие компании, как РУСАЛ, активно внедряют ИИ-технологии, в разы повышая производительность своих процессов.
Возможности ИИ
По экспертным оценкам, объем мирового рынка ИИ в промышленности в 2024 году составит 40,9 млрд долл., а к 2033 году достигнет 291,4 млрд долл., ежегодно увеличиваясь более чем на четверть. Опыт множества компаний, таких как General Electric, Siemens, Toyota, Bosch, Intel, Foxconn, показывает, что есть несколько направлений, в которых внедрение искусственного интеллекта дает наибольшую отдачу.
Так, одно из самых значительных достижений ИИ – предиктивное обслуживание оборудования. Системы, использующие машинное обучение, анализируют данные с сенсоров оборудования в реальном времени, чтобы предсказать возможные поломки до их возникновения. Это позволяет сократить время простоя, оптимизировать графики обслуживания и снизить затраты на ремонт.
Роботы с элементами ИИ могут выполнять рутинные задачи с высокой точностью и скоростью, освобождая людей для более сложной работы. Роботизированные системы позволяют значительно увеличить производительность и снизить затраты на труд. ИИ также помогает оптимизировать управление цепочками поставок, анализируя данные о спросе, запасах и логистике. Это дает компаниям возможность более точно прогнозировать потребности и минимизировать издержки, связанные с хранением и транспортировкой.
Другой пример – оптимизация производственных процессов. Алгоритмы могут анализировать большие объемы данных о производительности, выявлять узкие места и предлагать решения для их устранения. Это позволяет повысить общую эффективность производства и сократить время на выполнение заказов.
ИИ в российской промышленности
По подсчетам Сбера, к 2030 году эффект от внедрения ИИ в российскую экономику даже средними темпами может превысить 10 трлн руб. Пока цифровизация по-разному затрагивает различные отрасли: например, в 2024 году, по данным Strategy Partners, лишь 24% отечественных компаний нефтегазового и металлургического секторов внедряют ИИ-решения. Но те, кто уже перешел на искусственный интеллект, получают выгоду.
В алюминиевой промышленности ряд таких успешных кейсов есть у компании РУСАЛ. При этом компания внедряет цифровые решения там, где это продиктовано производственной необходимостью и приносит экономический эффект. «Нейросетевая гонка начинается, и России, если мы хотим быть в авангарде мировой экономики, тоже нужно занять лидирующее место», – подчеркивает основатель компании Олег Дерипаска. ИИ может «преобразовать мир, подняв производительность труда на совершенно другой уровень и ускорив технологический прогресс», - говорит он.
«РУСАЛ реализует десятки проектов цифровизации производства, в том числе с применением нейросетей, машинного зрения, анализа big data, – рассказал технический директор РУСАЛа Виктор Манн. – Искусственный интеллект избавляет наших сотрудников от огромного количества рутинных операций и экономит их время, повышает точность и эффективность технологических процессов».
Мониторинг оборудования
Первым проектом компании стало внедрение на пяти заводах технологии мониторинга электролизных цехов с помощью машинного зрения. Отечественная инновационная система, получившая в 2023 году национальную премию «Лидеры искусственного интеллекта», появится на Красноярском, Братском, Новокузнецком, Иркутском и Волгоградском алюминиевых заводах до 2027 года. Инвестиции составят 1,6 млрд руб.
«Технология была разработана специалистами «Инженерно-технологического центра РУСАЛ» («РУСАЛ ИТЦ») и станет первым примером применения искусственного интеллекта в промышленных масштабах в алюминиевом производстве РУСАЛа, – рассказал Виктор Манн. – Она доказала свою эффективность в ходе опытной эксплуатация в двух цехах электролиза Красноярского алюминиевого завода (КрАЗ), благодаря ей вдвое снизилось время разгерметизации электролизеров по сравнению с мониторингом персоналом во время плановых обходов».
«Внедрение технологии в цехах КрАЗа завершится в ближайшее время, параллельно мы начинаем проектирование для БрАЗа и других заводов, и в 2027 году планируем завершить тиражирование этой системы, – сообщил директор по автоматизации производства «РУСАЛ ИТЦ» Михаил Гринишин. – Суть технологии в том, что модели машинного зрения через специализированные видеокамеры круглосуточно обнаруживают нарушения герметичности электролизеров и вызывают оператора».
«Пилотный проект разрабатывался в 2018-2020 годах, в течение этого времени мы на сотнях часов видео обучали нейросеть распознавать случаи разгерметизации, например, дым, и отличать их от проблесковых маячков технологического транспорта, солнечных зайчиков, отражений, ковшей с раскаленным металлом, – рассказал Михаил Гринишин. – В то же время мы начали развивать системы на основе искусственного интеллекта в других производственных процессах».
Управление электролизом
Еще одно решение, разработанное «РУСАЛ ИТЦ», – специально обученная нейросетевая модель, которая вычисляет химический состав электролита в электролизере и корректирует технологический процесс. Проект позволит повысить производительность при выплавке алюминия.
«Сейчас химический состав электролита в электролизере определяется путем взятия пробы и анализа в лаборатории, замер для каждого электролизера с учетом их количества возможен не чаще одного раза в двое-трое суток, – рассказал Виктор Манн. – На основе замера делается вывод о ходе технологического процесса и необходимости подачи дополнительного глинозема или фтористых солей в электролизер, своевременная подача, в свою очередь, позволяет повысить скорость выплавки алюминия, сделать процесс более эффективным».
С внедрением новой технологии определять химический состав будет нейросеть, она позволит дополнить редкие лабораторные замеры прогнозными значениями, сможет делать расчеты сколь угодно часто и будет намного оперативнее корректировать технологический процесс электролиза.
«Обучалась нейросеть на десятках тысяч технологических параметров и лабораторных замеров, – сообщил Михаил Гринишин. – Испытания и опытно-промышленная эксплуатация технологии, проходившие около года на Саяногорском алюминиевом заводе на электролизерах новейшего поколения РА-550, подтвердили ее эффективность».
В начале испытаний модель лишь рассчитывала и выдавала прогнозное значение химического состава электролита для технолога, который самостоятельно, на основе своих знаний принимал решение. «Когда мы убедились, что модель не ошибается, она была введена в контур управления и начала самостоятельно управлять процессом, – рассказал Михаил Гринишин. – В дальнейшем мы планируем интегрировать модель для управления электролизом на всех алюминиевых заводах РУСАЛа».
Контроль за контейнерными перевозками
На этом компания не останавливается и разработала технологию ИИ-контроля уже за контейнерами. Она позволяет в разы сократить время, необходимое для отправки контейнера с терминала на загрузку готовой продукцией. В данный момент система проходит тестовые испытания на одном из контейнерных терминалов Красноярского алюминиевого завода (КрАЗа).
Технология заключается в создании виртуального двойника терминала, в котором благодаря распознаванию контейнеров с помощью машинного зрения и применению высокоточного позиционирования фиксируется местоположение и номера всех контейнеров, хранящихся в терминале в ожидании загрузки алюминием.
Ранее определение местонахождения одного контейнера и передача его под загрузку занимала в среднем около 30 минут. Технология позволяет сократить требуемое на это время до нескольких минут. После успешных испытаний и внедрения системы на контейнерных терминалах КрАЗа планируется ее тиражирование на другие алюминиевые заводы компании.
«Данный проект доказал свою эффективность, он является частью большого комплекса мероприятий, цель которых – увеличение отгрузки алюминия в контейнерах на 60% в ближайшие два года, – пояснил коммерческий директор КрАЗа Вадим Иванов. – Контейнеры обеспечивают наилучшую сохранность груза, максимальные скорость и удобство логистики, особенно при мультимодальных перевозках, очевидно, что за контейнерными перевозками будущее. Учитывая большой объем производства КрАЗа, такой серьезный рост отгрузки был бы невозможен без цифровизации процессов».
«До реализации проекта контейнеры расставлялись не систематизированно на свободном пространстве, их местоположение не фиксировалось, что в дальнейшем влияло на скорость поиска нужного контейнера и на пропускную способность контейнерного терминала, – отметил Михаил Гринишин. – Мы оборудовали контейнерный терминал и погрузчики камерами, через которые более десяти уникальных моделей машинного обучения распознают сам контейнер и его номер, дополнительные визуальные теги о весе и объеме, а также фиксируют действия с контейнером».
Погрузчики также оснащены GPS-датчикам, благодаря которым определяется точное местоположение каждого контейнера. Все эти данные формируют виртуальную модель терминала, оператор погрузчика получает задание на планшет, в котором указано, где находятся нужные ему контейнеры на карте предприятия в режиме реального времени.
Анализ образцов продукции
В этом году РУСАЛ начал использовать собственную ИИ-технологию для анализа микроструктуры алюминиевых слитков. Она основана на применении машинного зрения и нейросетевых моделей и в несколько раз сокращает время анализа каждого образца, позволяя избавить сотрудников от большого объема рутинной работы.
«Нейросеть анализирует образец слитка по восьми параметрам микроструктуры, таким как размер зерна, количество и размер включений и т.д., – рассказал Виктор Манн. – Анализ лаборантом через микроскоп занимает от полутора до четырех часов, нейросеть выдает отчет по всем восьми параметрам в течение 15 минут». Технология уже применяется в лаборатории «РУСАЛ ИТЦ», а в ближайшее время планируется ее внедрение в лабораториях алюминиевых заводов для анализа готовой продукции.
«Для анализа каждого из восьми параметров обучалась отдельная нейросетевая модель, – отметил Михаил Гринишин. – Обучение велось на датасете, состоящем из снимков образцов поверхности слитка с цифрового микроскопа, на которых специалистами научной лаборатории были отмечены важные для данного вида анализа элементы. Нейросеть обеспечивает точность результата, сопоставимую с точностью, достигаемой лаборантом в специализированном программном обеспечении, но за гораздо меньшее время. При этом повторяемость результата анализа нейросетью гораздо выше, что исключает влияние человеческого фактора».
Мониторинг качества сырья
А сегодня, 13 февраля, РУСАЛ сообщил о внедрении еще одной ИИ-технологии собственной разработки – системы онлайн-мониторинга прямо на конвейерной ленте гранулометрического состава спека – сырья для производства глинозема. Цифровое решение запущено в эксплуатацию на Богословском алюминиевом заводе, в дальнейшем его планируется тиражировать на всех производственных площадках глиноземного дивизиона РУСАЛа.
В основе технологии – комплекс моделей компьютерного зрения, в том числе детекторы, алгоритм по определению размера гранул – перевод пикселей в миллиметры, и объединение гранул во фракции с определенными размерами по детектируемому слою.
Разработка помогает усовершенствовать производственные процессы, обеспечивает онлайн-мониторинг и контроль гранулометрического состава по мере его движения по конвейерной ленте на следующий передел, автоматически выявляет отклонения от требуемых характеристик и предлагает оператору корректирующие действия. До внедрения ИИ-решения контроль состава спека производился вручную ежесменными отборами проб.
Глиноземный дивизион РУСАЛа активно изучает и внедряет цифровые технологии, где они действительно приносят пользу и помогают повысить производительность, отметил директор по глиноземному бизнесу компании Яков Ицков. «Система контроля спека на основе ИИ способна выявлять дефекты на ранних стадиях производства, что позволяет оперативно реагировать на проблемы и повышать стандарты качества продукции. Это лишь один из проектов, которые мы активно внедряем как на добывающих, так и на производственных предприятиях», – сказал он.
