От Copilot до AI-завода: где ИИ уже окупается и что собирать разработчику?

[ToxaBes]

К кому идти? К генеральному директору? Он поддержит инновации в принципе. К директору по инновациям? Он одобрит пилот и включит его в портфель. К начальнику поддержки, бэк-офиса, закупок, склада, ремонта или контроля качества? Вот он покажет последние десять ошибок, назовёт стоимость смены и объяснит, почему сотрудница Марина ведёт отдельную таблицу, без которой официальная система почему-то не работает. Директор по инновациям способен открыть дверь. Владелец процесса знает, что находится за дверью.

К ним всем нужно идти ПОСЛЕ того как как на руках появится аналитическая записка (заметки) о том, что вообще применимо для отрасли, в которой работает компания с примерными метриками по ROI и CAPEX/OPEX.

Такую аналитическую записку можно написать самому, либо обратиться к любому B2B интегратору с вопросом, да даже к таким ИП как ваш покорный слуга.

Мне часто стучат в личку с подобными просьбами т.к. я занимаюсь разработкой и внедрением ML-систем. Любой нормальный интегратор предоставит такую записку бесплатно, т.к. у него есть накопленный набор внедрений в различных отраслях.

Подход предложенный вами: “двигаться от проблемы” хороший и годный, это база комплексной автоматизации предприятий, но он не совсем применим в ML мире. “Обычная” автоматизация уже закрыла все явные места, ML дает возможность закрывать неявные места, поэтому подход и отличается.

По моему опыту внедрений большинство начальников не знают точно в чем причина, а Марина может показать лишь то что входит в ее узкую сферу ответственности.

Приведу из практики пример ловушки обучения на действиях оператора (“Марины”) в ML автоматизации.

Исходная проблема: во флотационный цех поступает измельченная руда (медно-никелевая, золотосодержащая или апатитовая). Для отделения полезных минералов от пустой породы в пульпу подаются дорогостоящие реагенты:

• Собиратели и вспениватели (ксантогенаты, масла) связываются с частицами металла.

• Регуляторы pH / модификаторы (серная кислота, известь) создают нужную кислотность среды.

Расход реагентов критичен: недолив ведет к уносу полезного металла в “хвосты” (потери), а перелив ломает химизм пены, снижает качество концентрата и сжигает бюджет (затраты на реагенты являются одними из крупнейших статей расходов ГОКа).

Что сделали: сходили к директору, одобрили "инвестиции в инновации", как вы и предложили.

Команда взяла данные из АСУ ТП за последние 2–3 года: плотность пульпы, объем подаваемой руды, химический анализ (XRF/XRD) и исторический расход реагентов, который вручную задавал инженер-технолог/оператор. На этих данных обучили градиентный бустинг (XGBoost) и LSTM-сеть для прогнозирования оптимальной дозировки.

Обучили качественно, вопросов нет, вот только обучили они в том числе и ошибкам оператора, ведь он менял дозировку с задержкой в ~20-30 минут когда уже видел ухудшение пены или получил результаты из лаборатории и часто делал это с запасом “на глаз”.

Обратились за помощью, составил аналитическую записку. В итоге.

Расход кислоты и собирателя напрямую зависит от суммарной площади поверхности частиц руды. Если руда крупная (крупная фракция), реагента нужно меньше на тонну. Если руда переизмельчена (много пыли и мелкого шлама), площадь поверхности растет и требуется больше реагентов для покрытия частиц.

Решение: над конвейерной лентой перед мельницами измельчения установили высокоскоростную промышленную IP-камеру с защитой от пыли и вибраций. Нейросеть в реальном времени сегментирует каждый кусок руды на ленте, строит кривую гранулометрического состава и вычисляет показатель P80 (диаметр ячейки, через которую проходит 80% материала). Данные о размерах фракций передаются в систему управления дозированием до того, как эта руда попадет в мельницы и флотационные машины.

Да, это потребовало создания обучающего датасета с нуля и размекти данных, но результат того стоил.

Система перешла от реактивного управления к упреждающему, сокращение перерасхода кислоты и вспенивателей составило примерно 8-10% (больше сотни млн рублей экономии в год), а стабилизация реагентного режима повысила извлечение полезного компонента на (уже не помню сколько точно, там доли процента), что дало дополнительный прирост выручки от продажи концентрата.