Ключевые барьеры использования ИИ в промышленной автоматизации

В настоящее время половина российских промышленных компаний уже имеет опыт применения отечественных систем автоматизации. Российское ПО используется более чем на десяти миллионах рабочих мест в авиа и судостроении, железнодорожном машиностроении и других сферах. В этом году ЦИПР зафиксировал важный сдвиг в повестке: промышленная автоматизация перешла из фазы «догоняем Запад» в режим «строим свое». Отечественная промышленная платформа активно развивается и готова к работе с искусственным интеллектом, однако есть некоторые сложности, которые мешают предприятиям двигаться дальше в этом направлении.

Первым барьером является инфраструктура. Развернуть полноценный ЦОД под LLM, способный обслуживать корпоративный контур крупного промышленного предприятия – это серьезные капитальные затраты. В данный момент рынок перегрет спросом, комплектующие в дефиците, а сроки растянуты. Но это решаемая инженерная задача, и компании уже находят рабочие модели.

Вторым барьером являются данные. Пока данные не описаны корректно – не нормализованы, не структурированы, не разложены под конкретные задачи – разговор о промышленном ИИ остается декларативным. Стандарты типа ОРС UA – это не опция и не «хорошая практика». Это базовое условие любой цифровизации вне зависимости от того, есть ли в проекте ИИ или нет. Именно поэтому в реальных проектах первые месяцы часто уходят не на внедрение умных алгоритмов, а на то, чтобы собрать данные с оборудования в единую точку и привести их в порядок.

Третьим барьером стали датасеты, причем у крупных предприятий этой проблемы нет. Получить качественный промышленный датасет со стороны практически невозможно. Это связано со спецификой процессов, коммерческой тайной и требованиями безопасности. Но крупным компаниям, как правило, своих данных хватает в силу масштаба. Многие из них уже давно обучают модели на собственных данных. Сложнее приходится предприятиям среднего размера – им придется искать партнерские модели или отраслевые консорциумы.

Наконец, четвертый барьер – безопасность. Регулирование доступа ИИ к промышленным данным – горячая тема, но на практике она снимается правильно выбранной архитектурой. Базовый принцип прост: ИИ развернут внутри корпоративного контура, не имеет прямого автоматизированного воздействия на технологический процесс и работает в рекомендательном режиме для оператора. Когда система видит отклонение, она предлагает решение, а человек в дальнейшем принимает решение и действует. Регулярных проблем при такой схеме, как правило, не возникает.

MES играет огромную роль при внедрении ИИ в промышленной автоматизации. MES – это точка, где сходятся данные с оборудования, операционная логика предприятия и человек, принимающий решения. Именно здесь промышленный ИИ начинает давать измеримый результат – не в пилоте, а в продакшене. Нужна среда, в которой телеметрия с датчиков, инциденты, заявки на обслуживание, ТОиР, производственные задания и выездной сервис живут в едином контуре и связаны между собой.