CC BY
194Проблемы и задачи развития искусственного интеллекта на машиностроительном предприятии
Черепанов Никита Владимирович
кандидат технических наук, ведущий инженер АО им. С.А. Лавочкина, nv137@yandex.ru
Буслаев Сергей Петрович
кандидат технических наук, инженер АО им. С.А. Лавочкина, se.bouslaev@yandex.ru
В статье рассматриваются вопросы развития искусственного интеллекта на промышленном предприятии. Интеллектуализация производственных роботов является одним из главных направлений ИИ. Применения ИИ в промышленности определяется его использованием в производстве для развития автоматизации, вплоть до исключения участия человека. Промышленный ИИ должен стать частью функционирующих бизнес-процессов для роста их эффективности. В космической отрасли ИИ может играть важную роль во многих направлениях производства и управления изделиями. Управлять критическими ситуациями для изделий, одновременно анализируя данные испытаний и эксплуатации, чтобы определять и предупреждать возможные отклонения. В промышленности ИИ обеспечивает решение задач преобразования данных в интеллектуальные прогнозы для оперативного принятия решений. Необходимо выделить на предприятиях направления перспективных исследований и разработки, изучить потребности в интеллектуализации производственных задач, обеспечить долгосрочное развитие в методологии, инструментах, системах и т. д в области искусственного интеллекта из предлагаемого состава. Рассмотрены основные области применение ИИ на промышленном предприятии, их возможная конкретизация и направления исследований. Рассмотрены основные задачи, решаемые нейронными сетями в промышленности. Определена необходимость создания цифровых двойников изделий совместно с ИИ, что позволит более эффективно решать задачи разработки изделий, их производство и эксплуатацию. Предлагаются возможные проекты на основе многоагентных систем.
Ключевые слова: искусственный интеллект в промышленности, искусственные нейронные сети, цифровые двойники и ИИ, многоагентные системы.
В последнее время задачам внедрения искусственного интеллекта уделяется большое внимание. В целях обеспечения ускоренного развития искусственного интеллекта в Российской Федерации, проведения научных исследований в области искусственного интеллекта, повышения доступности информации и вычислительных ресурсов для пользователей, совершенствования системы подготовки кадров в этой области вышел Указ Президента Российской Федерации от 11 октября 2019 года. Утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года [1].
Искусственный интеллект (ИИ) является направлением в информационных технологиях, позволяющий наделять машины способностями имитировать интеллектуальное поведение человека и способность рассуждать.
Интеллектуализация производственных роботов является одним из направлений ИИ. Интеллектуальность определяется требованиями безопасности окружающей их среды и рабочего пространства. Особенно возникают требования по безопасности персонала, обеспечиваемые коллаборативными роботами с датчиками, контролирующими расположение обслуживающего персонала.
Способность ИИ самостоятельно получать знания в процессе работы обеспечивается решением задач машинного обучения. Это одно из главных направлений развития ИИ.
Применения ИИ в промышленности определяется его использованием в производстве для развития автоматизации, вплоть до исключения участия человека. На основе ИИ учитывается износ оборудования, планы и другие направления производственной деятельности.
Промышленный ИИ сможет участвовать в инновациях, совершенствовании процессов и открытии новых направлений. Промышленный ИИ должен стать частью функционирующих бизнес-процессов, для роста их эффективности. ИИ автоматизирует процессы, вытесняя из них участия человека.
Крупномасштабные системы киберпроизводства объединяются в сеть и обеспечивают стабильность на основе данных и методов глубокого обучения.
Эта система работает с крупными и распределенными данными. С помощью алгоритмов машинного обучения обрабатываются большие выборки данных, и производится управление запасами и планами технического обслуживания.
Промышленный ИИ применяется в промышленных системах для анализа корректности их функционирования. В космической отрасли ИИ может играть важную роль во многих направлениях производства и управления изделиями. Управлять критическими ситуациями для изделий, одновременно анализируя данные испытаний и эксплуатации, чтобы определять и предупреждать возможные отклонения.
Состояние оборудования оценивается на основе процессов прогнозирования и моделируется их состояние.
X X
о
го А с.
X
го т
о
ю
2 О
м
см
0 см
01
о ш т
X
<
т О X X
Инженерные системы генерируют параметры, которые не могут дать корректного ответа оперативного принятия решений. В промышленности ИИ обеспечивает решение задач преобразования данных в интеллектуальные прогнозы для оперативного принятия решений.
На фоне дорогостоящего оборудования и материалов необходимо производить оценку в режиме реального времени для исключения критических состояний во избежание потерь и аварийных состояний. Граничные методы вычисления являются наилучшим решением в таких ситуациях.
Помимо точности и достоверности прогнозирования, промышленные системы искусственного интеллекта должны проводить анализ отклонений и выдавать рекомендации. Необходимо учитывать особенности предметной области в процесс моделирования и обеспечивать накопление предметных знаний.
Основные задачи и направления в развитии ИИ на машиностроительном предприятии
На фоне развития понятий больших данных, суперкомпьютеров, сенсорных сетей, изучения мышления и т.п. ИИ обеспечивает глубокое обучение, групповой интеллект, автономное управление и другие перспективные направления.
Необходимо выделить направления перспективных исследований и разработки, изучить потребности в интеллектуализации производственных задач, обеспечить долгосрочное развитие в методологии, инструментах, системах и т. д в области искусственного интеллекта:
• Изучение новых подходов к искусственному интеллекту, основанных на данных и управляемых знаниями когнитивных вычислительных теориях и методах, основанных на понимании естественного языка и графических изображениях, теории и методологии интегрированного глубокого рассуждения и творческого искусственного интеллекта, теории и рамки интеллектуальных решений в неполной информации, универсальные математические модели и теории искусственного интеллекта, основанные на данных.
• Применение теория вычислений восприятия кросс-медиа для изучения восприятий, выходящих за рамки зрительных способностей человека, активное визуальное восприятие и вычисления для реального мира, слуховое восприятие и вычисления для естественных акустических сцен, речевое восприятие и вычисления для естественных взаимодействующих сред, человеческое восприятие и вычисления для асинхронных последовательностей, автономное обучение для медиа-интеллекта, полноразмерный механизм рассуждений IntelliSense.
• Продвижение гибридного интеллектуального обучения сложных данных и задач, облачных робототехни-ческих вычислительных методов, ситуационного понимания в реальных условиях и группового взаимодействия человека и компьютера.
• Продвижение теоретических и организационных методов построения группового интеллекта, механизмов возникновения группового интеллекта, теории и методов обучения группового интеллекта, универсальные вычислительные парадигмы и модели группового интеллекта.
• Развитие машинного обучения.
• Умное производство. Разработка интеллектуальных продуктов и интеллектуальных взаимосвязанных
продуктов, интеллектуальных инструментов и систем, интеллектуальных платформ облачных сервисов для интеллектуального производства, продвижение процессов интеллектуального производства, дискретного интеллектуального производства, сетевого совместного производства, удаленной диагностики и обслуживания и других новых моделей производства, создание системы стандартов интеллектуального производства, продвижение всей производственной деятельности интеллектуального жизненного цикла.
• Интеллектуальная логистика. Усилить интеллектуальную разгрузку, сортировку и упаковку, обработку и распределение интеллектуального логистического оборудования для разработки и продвижения приложений, построить интеллектуальную систему хранения с глубоким восприятием, повысить уровень управления складскими операциями и эффективность. Улучшить интеллектуальную информационную платформу и систему управления логистикой, сертификацию качества продукции и систему отслеживания, интеллектуальную систему распределения и диспетчеризации.
• Крупномасштабное продвижение интеллектуального обновления предприятия. Поддержка и руководство предприятием в области проектирования, производства, управления, логистики и маркетинга и других, основных бизнес-задач применения новых технологий искусственного интеллекта, создания новых организационных структур и методов работы предприятий, формирования производственной и сервисной, финансовой интеграции бизнес-модели, разработки персонализированной настройки, расширения поставок интеллектуальных продуктов. Создание облачных производственных платформ и сервисных платформ. Предоставлять критически важное промышленное программное обеспечение и модельную библиотеку для предприятия в интернете, осуществлять аутсорсинг производственных возможностей.
• Внедрение технических стандартов искусственного интеллекта и системы интеллектуальной собственности.
• Создание системы регулирования и оценки безопасности ИИ.
• Исследований и оценки влияния ИИ на безопасность и конфиденциальность, совершенствование систем безопасности людей, технологий, объектов, создание механизма мониторинга и предупреждения о безопасности ИИ.
Основные области применение ИИ на промышленном предприятии
Искусственный интеллект в производстве должен применяться на всех этапах промышленного производства на основе комплексности решения этих задач.
В процессе проектирования и конструирования для повышения качества электронных моделей продукции и оценки их технологичности.
На этапе испытаний для решения вопросов достаточности полученных данных и их соответствие техническим требованиям.
На этапе производства для совершенствования выбора производственных циклов изготовления и адаптации производственных систем. ИИ обеспечит контроль и предупреждения ошибок операторов, ускорит процесс производства и уменьшить простои при модификации технологических процессов. Задачи распознавания
изображений обеспечат безопасность в цехах, анализируя местоположение сотрудников и динамическую активность элементов оборудования, а также контроль качества и анализ состояния оборудования.
На этапе контроля качества процессов изготовления и сборки изделий, контролируя этапность и полноту проводимых операций, и их соответствие разработанным технологическим процессам.
На уровне логистики для улучшения планирования задач комплектования собираемых изделий в сборочных цехах, уменьшения сроков доставки комплектующих и обеспечения плановости их поставок. А также контроль исполнения сборочного процесса.
Обеспечение комплектования при сборке изделий путём выбора путей, времени и ответственности при комплектовании.
Для оптимизации задач транспортировки изделий с учётом нормативных требований оформления документации, для улучшения взаимодействия с заказчиком с помощью интерактивного общения.
На уровне обслуживания, на этапе эксплуатации для управления подготовкой и запуском изделий.
На этапе планирования снабжения и экономических ресурсов.
Внедрение ИИ не требует кардинальной перестройки производственных процессов предприятия. Внедрение задач ИИ можно проводить на основе существующих производственных процессов и структур с поэтапным совершенствованием элементов производственных процессов и повышением уровня управляемости процессов.
Конкретизация областей применения ИИ на промышленном предприятии
• Обработка естественного языка: распознавание текста при управлении требованиями, документообороте, архивном хранении КД.
• Распознавание речи: применение голосовых команд для предоставления информации или выполнения команд.
• Экспертные системы: для принятия решений или предоставления рекомендаций.
• Робототехника: широкое применение многих концепций ИИ. СоЬо^ или совместный робот, это робот, предназначенный для непосредственного взаимодействия человеческого робота в общем пространстве, или там, где люди и роботы находятся в непосредственной близости.
• Разумные сенсоры;
• Интернет вещей и промышленный интернет вещей;
• Машинное зрение. Это комплекс программно-технических и сетевых средств для анализа и контроля производственных процессов для принятия решения о корректности работы оборудования, проводимых производственным персоналом работ, учёт доступа к процедурам производства и т.п.
• Глубокое обучение (применение нейронных сетей, состоящих из множества слоёв);
• Распознавание текстов, изображений;
• Бизнес-аналитика;
• Интеллектуальные системы информационной безопасности;
• Машинный перевод;
• Другие технологии и направления развития.
Направление исследований ИИ на производственном предприятии
1. Машинное обучение.
Машинное обучение в промышленности призвано обеспечить управление производством, оптимизацию случаев простоя, аварий, сбоев, неритмичность поставок заготовок и т.п. Анализ данных с датчиков позволит предсказать экстремальные производственные явления. Это будет производиться за счёт тренировки математической модели на основе полученных данных на предыдущих производственных циклах.
Такие задачи решаются в условиях большого количества данных и критических ситуаций, когда человеческий интеллект не способен быстро и адекватно принять решения.
Более того, человек не всегда способен грамотно сортировать данные и разрешать противоречия. Машина может выполнять эти задачи по заранее определенным алгоритмам. Получить необходимый объем данных в промышленности можно только при комплексном подходе: комбинации системной модели на основе физических процессов и алгоритмов машинного обучения.
Для этого применяются мягкие вычисления для решения задач большой сложности путем обработки неполной и неточной информации: эволюционные алгоритмы, самоорганизующиеся растущие нейронные сети, нечеткая логика, мягкие вычисления.
2. Логический ИИ
Это набор утверждений в логической форме, которые отражают факты и правила, относящиеся к конкретной предметной области. Используются для установления соответствия шаблонам, семантического анализа и т.п.
3. Представление знаний
Представление фактов в необходимом виде для системы ИИ. Онтология - формализация описания объектов и связей между ними.
4. Планирование
Оптимальное планирование на основе фактов.
5. Эвристика
Нахождение решения в кратчайший срок, но без требования оптимальности
Искусственные нейронные сети
Искусственные нейронные сети - один из способов реализации ИИ. Искусственная нейронная сеть (ИНС) — математическая модель, а также ее программное или аппаратное воплощение, построенная по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма.
Для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов, используются нейронные сети, так что это направление также тесно связано с проблематикой ИИ.
Искусственные нейронные сети - это модель, предназначенная для имитации процессов обучения в человеческом мозге. Они проектируются таким образом, чтобы они могли распознавать базовые образы (закономерности, устойчивые взаимосвязи, скрытые в данных).
Нейронные сети не программируются в привычном смысле этого слова. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами.
X X
о
го А с.
X
го т
о
ю
2 О
м
CS
0
CS
01
о
Ш
m
X
3
<
m О X X
Задачи, решаемые нейронными сетями в промышленности
Искусственные нейронные сети дают возможность заменить аналитические методы управления производством на модели, обеспечивающие управление в реальном времени с минимальными погрешностями и обучаемые в процессе функционирования. Их применение актуально в процессах проектирования, конструирования, планирования, управления станками с ЧПУ, контролем качества процессов, прогнозированием состояния станочного парка, управление объектами и процессами в условиях информационной неопределённости и т.п.
Необходимо рассматривать вопросы использования искусственных нейронных сетей в задачах технологической подготовки производства.
Искусственные нейронные сети могут применяться для решения следующих задач [5]:
1. Классификации и распознавание образов: лиц, видов деталей, сортировки деталей и комплектующих.
2. Оценки соотношения между входными и выходными переменными, позволяя получить на выходе из нейронной сети не класс, а конкретное число - процесс регрессии. Например, оценка стоимости изделия.
3. Прогнозирование: предсказание будущих параметров в процессе. Например, давления, температуры, потребления энергии и т.д. с оценкой критичности ситуации.
4. Кластеризация: сбор подобных образов в один кластер с обучением без учителя
5. Генеративные сети (GAN) - их задача - машинное творчество - генерация любого контента.
И другие задачи, где предусмотрено обучение.
Цифровые двойники изделий и процессов
Для разработки сложных технических объектов, их производства и эксплуатации в промышленном производстве появляются понятия цифровых двойников самих изделий, физических процессов описания их функционирования, производственных процессов их изготовления и реальной эксплуатации.
На всех указанных этапах появляется большое количество переменных, описывающих изделия и процессы на всех указанных этапах. Возникает необходимость в интеллектуальной системе, способной принимать решения с учетом множества нечетких параметров. Цифровые двойники совместно с ИИ более эффективно решают задачи разработки изделий, их производство и эксплуатацию. ИИ создаёт новый подход к использованию цифровых двойников на основе машинного интеллекта.
Связь между результатами эксплуатации и процессом проектирования позволит учесть результаты эксплуатации реальных изделий в последующем проектировании новых изделий.
Цифровые двойники могут создаваться на основе технологии моделирование на основе физических процессов и машинного обучения.
Цифровой двойник должен обеспечивать принятие решений и рекомендаций на основе реальных и модельных данных.
Многоагентные системы
Сегодня в рамках задач искусственного интеллекта на одно из ведущих мест все больше претендуют исследования, объединяемые названием «многоагентные системы».
Многоагентные системы или мультиагентные системы - это направление искусственного интеллекта, которое для решения сложной задачи или проблемы использует системы, состоящие из множества взаимодействующих агентов. Важность многоагентного подхода в развитии современных информационных технологий в промышленности связана с эволюцией программного обеспечения в направлении создания автономных, индивидуализированных, взаимодействующих модулей, которые обладают средствами адаптации к изменениям среды, в том числе путем модификации своей структуры и параметров.
Возможные проекты на основе многоагентных систем:
• Управление информационными потоками на протяжении жизненного цикла изделий.
• Управление наземной инфраструктурой для поддержки операций функционирования изделий для обеспечения одновременной и согласованной работы специалистов с повышением качества работы, гибкости, эффективности и надёжности выполнения работ.
• Управление группировкой изделий.
• Построение укрупнённых планов производства.
• Управление сопровождением изделий.
• Управление нештатными и аварийными ситуациями.
• Тренажёр по управлению изделиями.
• Управление полным циклом планирования, оптимизации и контроля поставок материалов и комплектующих для обеспечения адаптивного планирования объёмов производства, транспортных и складских мощностей, оптимизации запасов материалов и комплектующих.
• Оперативное планирование сменно-суточных заданий рабочим по цехам с учётом структуры изделий, техпроцессов, норм времени, используемых станков и т.д.
• И многое другое в интересах задач управления, планирования и производства.
Возможные направления развития первоочередных задач ИИ на предприятии
1. Анализ бизнес-процессов на предприятии с целью выявления и классификации задач, предполагаемых к реализации на основе технологий ИИ.
2. Определение средств и методов ИИ, предполагаемых для решения конкретных задач.
3. Разработка комплексной программы развития задач ИИ на предприятии.
4. Привлечение передовых научно-учебных заведений и центров к разработке предложений по развитию ИИ на предприятии.
5. Проведение обучения специалистов, обеспечивающих сопровождение задач ИИ на предприятии.
Литература
1. Указ Президента Российской Федерации № 490 от 10.10.2019 года. О развитии искусственного интеллекта в Российской Федерации.
2. ГОСТ Р 59277—2020. Классификация систем искусственного интеллекта. 2020 г.
3. Галушкин, А.И. Нейронные сети: основы теории. / А.И. Галушкин. - М.: Р и С, 2015. - 496 с.
4. Милых, В. Использование искусственного интеллекта — неотвратимое будущее промышленности 2019
г. [Электронный ресурс]. - Режим доступа: https://globalcio.ru/discussion/1913/
5. Нейронные сети в системах автоматизации / В.И.Архангельский, И.Н. Богаенко, Г.Г. Грабовский, Н.А. Рюмшин. К.: Техника, 1999. - 364 с.
6. Пратик, Джоши. Искусственный интеллект с примерами на Python. Пер. с англ. - СПб.: ООО «Диалектика», 2019. - 448 с.
7. Хайкин, С. Нейронные сети: полный курс / С. Хай-кин. - М.: Диалектика, 2019. - 1104 c
Problems and tasks of the development of artificial intelligence at a
machine-building enterprise Tcherepanov N.V., Buslaev S.P.
Joint-Stock Company «Lavochkin Association»
JEL classification: D20, E22, E44, L10, L13, L16, L19, M20, O11, O12, Q10, Q16, R10, R38, R40, Z21, Z32
In article questions of development of an artificial intellect at the industrial enterprise are considered. Intellectualization of industrial robots is one of mainstreams of AI. Applications of AI in the industry it is defined by its use in manufacture for development of automation, down to exception of participation of the person. Industrial AI should become a part functioning business-processes for growth of their efficiency. In space branch of AI can play the important role in many directions of manufacture and management of products. To operate critical situations for products, simultaneously analyzing data of tests and operation, to define and warn possible deviations. In the industry of AI provides the decision of tasks of transformation of data in intellectual forecasts for operative decisionmaking. It is necessary to allocate at the enterprises of a direction of perspective researches and development, to investigate requirements
for intellectualization of industrial problems, to provide long-term development in methodology, tools, systems and so in the field of an artificial intellect from offered structure. The basic areas application of AI at the industrial enterprise, their possible concrete definition and directions of researches are considered. The primary goals solved by neural networks in the industry are considered. Necessity of creation of digital doubles of products together with AI that will allow to solve more effectively tasks of development of products, their manufacture and operation is certain. Propose projects on the basis of multi-agent systems are offered.
Keywords: Artificial intellect in the industry, artificial neural networks, digital
doubles and AI, multi-agent systems. References
1. The decree of the President of the Russian Federation № 490 from
10/10/2019 of year. About development of an artificial intellect in the Russian Federation.
2. GOST P 59277-2020. «Classification of systems of an artificial intellect».
2020
3. Galushkin, AI neural network: bases of the theory. / A.I.Galushkin. - M.: P
and with, 2015. - 496 c.
4. Darlings, Century Use of an artificial intellect - the inevitable future of the
industry 2019 [the Electronic resource]. - the Mode of access: https: // globalcio.ru/discussion/1913/
5. Neural networks in systems of automation / V.I.Arhangelsky, I.N.Bogaenko,
G.G. Grabovsky, N.A. Rjumshin. K.: Technics, 1999. - 364 with.
6. Prateek, Joshi. The Artificial intellect with examples on Python. Tr. With
English - S-Pb.: Open Company " Dialectics ", 2019. - 448 with.
7. Khaikin, S. Neural networks: a full rate / S.Khaikin. - M.: Dialectics, 2019. -
1104 p.
X X
о
го А с.
X
го m
о
ю
2 О M
