CC BY
1
ТЕХНИКО-ЭКОНОМИЧЕСКИЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ СИСТЕМ С ИСКУССТВЕННЫМ ИНТЕЛЛЕКТОМ В ПРОИЗВОДСТВЕ ВЫСОКОУГЛЕРОДИСТЫХ ГРАФИТОВЫХ ИЗДЕЛИЙ
Аннотация. Статья посвящена технико-экономическим аспектам внедрения искусственного интеллекта на отечественном металлургическом предприятии, а именно в промышленных печах сили-цирования. Рассмотрена автоматизированная система управления процессом силицирования высокоуглеродистых графитовых изделий, работающая на отечественной платформе с применением искусственного интеллекта для увеличения выхода годной продукции, повышения ее качества и уменьшения брака, что в конечном итоге повышает экономическую эффективность и финансовую устойчивость предприятия, способствуя достижению технологического суверенитета.
Ключевые слова. Искусственный интеллект, технико-экономическое планирование, производственные инновации, промышленность, технологический суверенитет, процесс силицирования.
Gayfullin A.R., Doroshenko S.N.
TECHNICAL AND ECONOMIC ASPECTS OF USING SYSTEMS WITH ARTIFICIAL INTELLIGENCE IN THE PRODUCTION OF HIGH-CARBON GRAPHITE PRODUCTS
Abstract. The article is devoted to the technical and economic aspects of the introduction of artificial intelligence at a domestic metallurgical enterprise, namely in industrial silicification furnaces. An automated control system for the silicification process of high-carbon graphite products is considered, operating on a domestic platform using artificial intelligence to increase the yield of usable products, improve their quality and reduce defects, which ultimately increases the economic efficiency and financial stability of the enterprise, contributing to technological sovereignty.
Keywords. Artificial intelligence, technical and economic planning, industrial innovation, industry, technological sovereignty, silicification process.
Введение
Искусственный интеллект (ИИ) становится все более востребованным инструментом во всех сферах от розничной торговли, до оборонного сектора; программы глубокого обучения позволяют ИИ имитировать интеллект реального человека, брать на себя решение проблем и выполнять задачи автономно. Классифицируя и обрабатывая возникающие проблемные ситуации, ИИ еще больше расширяет свои возможности для решения задач различного уровня.
ГРНТИ 06.73.15 EDN LGYNXT
© Гайфуллин А.Р., Дорошенко С. Н., 2024
Артур Рафаилевич Гайфуллин - начальник отдела производственной автоматики ООО «Донкарб Графит». ORCID 0009-0000-2698-0914
София Николаевна Дорошенко - ассистент кафедры экономики и управления предприятиями и производственными комплексами Санкт-Петербургского государственного экономического университета. ORCID 0000-00034673-9778
Контактные данные для связи с авторами (Дорошенко С.Н.): 191023, Санкт-Петербург, наб. канала Грибоедова, 30-32 (Russia, St. Petersburg, Griboedov canal emb., 30-32). Тел.: +7 (812) 458-97-30. Е-mail: sofiia_nik@mail.ru. Статья поступила в редакцию 11.02.2024.
Ожидается, что этот рынок существенно вырастет в ближайшее десятилетие, особенно по мере обострения трудовых проблем в странах с развитой экономикой, о чем говорят многочисленные исследования. Так, по данным Statista, объем рынка искусственного интеллекта вырастет с 241,8 млрд долларов США в 2023 году до почти 740 млрд долларов США в 2030 году, что составляет совокупный годовой темп роста в 17,3%, а по данным Next Move Strategy Consulting ожидается, что рынок ИИ вырастет в двадцать раз и составит почти два триллиона долларов США. Аналитики Accenture утверждают, что внедрение когнитивных вычислений к 2035 г. будет способствовать увеличению производительности труда на 40%.
В России наблюдается активное внедрение ИИ в промышленности, данные технологии используется для автоматизации процессов, предсказания и предотвращения поломок оборудования, управления цепочками поставок и оптимизации производства. Так, в нефтегазовой отрасли ИИ позволяет обеспечить анализ больших объемов данных для оптимизации добычи и управления рисками. Внедрение ИИ в России сталкивается с рядом проблем. Во-первых, это высокая стоимость внедрения и необходимость значительных инвестиций. Во-вторых, это отсутствие квалифицированных специалистов в области ИИ. В-третьих, это вопросы законодательной регуляции и защиты данных.
На мировом уровне тенденции развития ИИ в производстве аналогичны. ИИ активно используется в автомобильной промышленности, электронике, фармацевтике и многих других отраслях. ИИ помогает в автоматизации процессов, управлении качеством, планировании и прогнозировании. И если технико-технологические проблемы использования искусственного интеллекта решаются достаточно успешно, то вопросы экономики этого явления пока еще разработаны недостаточно, что не всегда позволяет оценить экономический эффект.
Материалы и методы
Авторами рассмотрены преимущества применения систем с искусственным интеллектом в отдельных производственных процессах отечественной металлургической отрасли, что проявляется в первую очередь при использовании ИИ для автоматизации рутинных процессов, позволяя повысить уровень качества продукции при минимизации текущих затрат и повышении экономической эффективности. Апробированная на одном из отечественных металлургических предприятий, в том числе с участием авторов, система автоматизации с ИИ, управляющая процессом силицирования графита, схематически представлена на рисунке 1.
Этап I - плавный нагрев.
Обеспечение заданной скорости нагрева (°С/мин) до целевой температуры Ъ путем регулирования мощности
Длительность этапа ~20 минут
i
Этап II - плавление.
Максимально быстрый нагрев до достижения заданной минимальной температуры кипения 1г и выхода на стабильное плато (>5 мин) по температуре Тз
Длительность этапа ~1 час
Этап III - пропитка.
Мощность уменьшается до 50% (для снижения интенсивности кипения). Если до истечения периода началось повышение температуры (Та> Тз) -
Длительность этапа ~15-20 минут
значит чаша опустела и нужно
отключить ввод мощности
1
Этап IV - охлаждение.
Длительность этапа ~2-2,5 часа
Рис. 1. Алгоритм техпроцесса силицирования
Сама идея силицирования (эту информацию мы приводим здесь для того, чтобы понимать, как технические преимущества трансформируются в экономические) состоит в том, чтобы одновременно повысить термостойкость и прочность при повышенных температурах с плотностью, газонепроницаемостью, высокой стойкостью к окислению при температурах до 1750 градусов Цельсия и эрозионной стойкостью [1]. Силицирование применяется для изготовления деталей авиационной и космической техники, работающих в условиях высоких температур и эрозии.
Технически, искусственный интеллект осуществляет: регулирование мощности электроэнергии, потребляемой индукционной печью в автоматическом режиме; настройку коэффициента мощности путем подключения ступеней конденсаторных батарей; управление и контроль работы вакуумных насосов; контроль разряжения в печах; контроль давления и температуры охлаждающей воды; пирометрический контроль температуры расплава кремния, а также передачу измеренных технологических параметров на 2-ой уровень автоматизации для хранения и последующей обработки. При этом, ранее на предприятии процесс силицирования без использования пирометра производился оператором в ручном режиме.
Естественно, что использование искусственного интеллекта предполагает не просто следование моде новейших разработок в области науки и техники, но, в первую очередь, получение реального эффекта, позволяющего снизить расход и потери ресурсов всех видов в условиях современных ресурсных ограничений. Конкретно, предпосылкой к внедрению системы искусственного интеллекта в форме представления процесса автоматизации, послужили полученные экономические последствия внедрения технологических процессов, экономические показатели, в частности отрицательная динамика показателя EBITDA (рис. 2).
Одновременно с падением этого показателя, наблюдался рост уровня брака выпускаемой продукции, в том числе (по рассмотрении причин) брака вследствие появления трещин. Дальнейший анализ показал, что сложившиеся тенденции во многом явились результатом негативного влияния человеческого фактора, в связи с чем и был инициирован проект автоматизации данного технологического процесса.
600000 400000 200000 0
-200000 -400000 -600000
Результаты и обсуждение
Авторы детально рассмотрели динамику показателей предприятия с точки зрения уровня брака до и после внедрения системы под управлением искусственного интеллекта (таблица 1). Как видно из данных таблицы 1, после внедрения системы под управлением ИИ на предприятии удалось снизить практически на 60% количество бракованной продукции (с 573,18 т до 236,98 т) при увеличении выпуска готовой продукции более чем в 2 раза, а, кроме прочего, практически полностью избавиться от брака по причине трещин (с 92 т до 9 т), тем самым снизив потери от трещин на 3 201 393 руб. или на 96,79% (таблица 2).
Системы искусственного интеллекта применяются при автоматизации (цифровизации) техпроцессов в металлургии в областях [2]:
• умного управления;
• рационального использования ресурсов;
Рис. 2. Динамика показателя BBITDA
• контроля качества выпускаемой продукции, когда ИИ можно использовать для мониторинга и анализа производственных линий, выявления дефектов или аномалий в режиме реального времени. Например, системы машинного зрения, основанные на алгоритмах искусственного интеллекта, могут обнаруживать мельчайшие дефекты, которые могут остаться незамеченными инспекторами-людьми;
• прогноза мер профилактики и обслуживания производственных систем на базе искусственного интеллекта для сбора и анализа огромных объемов данных, поступающих от датчиков оборудования, обеспечивая высокое качество их профилактического обслуживания;
• энергоэффективности, где алгоритмы искусственного интеллекта могут оптимизировать потребление энергии в производственных процессах. Анализируя данные в реальном времени и корректируя параметры, системы искусственного интеллекта могут сократить потери энергии и повысить устойчивость промышленного производства.
Таблица 1
Показатели качества производства до и после внедрения системы под управлением ИИ
Период Объем производства Годные Брак В том числе из-за наличия трещин Убытки Итого потерь Итого потерь на 1 т годных
тонн тонн % тонн тонн руб. руб. / т руб. / т
Полугодовой 5 032 4 451 88,46 573,18 92 3 307 2 170 578 539
период до внед- 501
рения
Полугодовой 13 085 12 860 98,28 236,98 9 106 108 190 820 7
период после
внедрения
Таблица 2
Сводный расчет потерь от брака по причине трещин
Период Выпуск годных, тонн Брак по трещинам, % Потери от трещин, руб. / т Итого потери от трещин, руб.
Выпуск 2023 года до внедрения системы под управлением искусственного интеллекта 4 451 2,07% 539 3 307 501
Выпуск 2023 года после внедрения системы под управлением искусственного интеллекта 12 860 0,07% 7 106 108
Все это, в конечном итоге, позволяет предприятиям снижать себестоимость выпускаемой продукции, наращивать ее объемы, оптимизировать производственные процессы, производить продукцию более высокого класса, снижать производственные и накладные расходы и направлять больше средств на развитие и технологическую модернизацию производства [3]. В таблице 3 приведены результаты расчета экономического эффекта от внедрения ИИ.
Таблица 3
Расчёт экономического эффекта проекта, руб.
Потери за 2023 г. с учетом фактического процента брака по трещинам 9 330 629
Потери за 2023 г. с учетом инициативы по внедрению ИИ 3 413 610
Затраты на внедрение инициативы по внедрению ИИ 83 259
Экономический эффект от внедрения инициативы по внедрению ИИ 5 833 760
Заключение
Современные вызовы и потребности в области эффективности производства силицированных углегра-фитовых изделий подчеркивают важность разработки инновационных подходов для повышения качества управления с использованием автоматизированных систем. Рассмотренный проект внедрения системы под управлением ИИ наглядно демонстрирует важность и эффективность вложений в инновационные разработки подобного типа. Разработка новых практических подходов и решений в области автоматизации управления процессами с применением ИИ способствует повышению качества и оптимизации производства при производстве высокоуглеродистых графитовых изделий.
ИСПОЛЬЗОВАННЫЕ ИСТОЧНИКИ
1. Некоторые вопросы структурного и параметрического синтеза системы "Индуктор - нагреваемое тело" для технологии силицирования графитовых изделий / Л.Э. Рогинская, А.С. Горбунов, Д.В. Шило [и др.] // Электротехнические и информационные комплексы и системы. 2018. Т. 14, № 3. С. 12-21.
2. Искусственный интеллект и машинное обучение в металлургии. Часть 1. Методы и алгоритмы / А.В. Мунтин, П.Ю. Жихарев, А.Г. Зинягин, Д.А. Брайко // Металлург. 2023. № 6. С. 124-130.
3. Проблема внедрения технологий искусственного интеллекта в промышленности / И. А. Проворных, К. А. Моисеева, И.В. Ильина, М.А. Рагозина // Естественные и технические науки. 2022. № 11 (174). С. 216-217.
