83-е Общее собрание Ассоциации «Электрокабель» начало свою работу в Сочи. Более 140 участников собрания из более 50 предприятий отрасли обеспечили высокий уровень представительности. Программа собрания включает в себя тематические доклады и презентации по тематике кабельного бизнеса.
Заседание началось с поздравления Васильева Евгения Борисовича, который является своеобразным хранителем традиций и современным историком отрасли.
Кабельный рынок. Итоги года и прогноз на 2024
Открыл общее собрание президент Ассоциации «Электрокабель» Максим Третьяков. Он выступил с аналитической презентацией «Итоги работы кабельной промышленности России и стран СНГ в 2023 году. Прогнозные оценки изменения объемов производства кабельной продукции в 2024 году».
Главные тезисы и выводы из выступления Максима Третьякова:
- Рост обрабатывающего производства составил 7,5%.
- Рост кабельного изделия по весу меди составил 12%.
- Рост экспорта в страны дальнего зарубежья составил 65%.
- Экспорт сократился по всем видам кабеля, кроме проводников на напряжение более 1 кВ.
- Рост кабельной отрасли в 2024 году скорее всего замедлится и составит 2,5%.
Еще одним важным направлением работы Ассоциации стало создание аналитической модели, которая должна предсказывать объемы потребления кабельной продукции. На данный момент модель учитывает порядка 16 параметров. Прогнозы основаны на макроэкономических параметрах и прогнозах Института народно-хозяйственного прогнозирования. Несмотря на текущие старания и рост числа параметров модели, в некоторых случаях прогнозы не совпадают с фактическими данными, и создать полноценную систему прогнозирования пока не удается. В модель необходимо вводить дополнительные переменные для улучшения точности прогнозов.
Несмотря на то, что кабельная отрасль как и энергетика является стабильным активом создать четкую модель прогнозирования пока не удается. Но, исходя из текущих данных, в 2024 году темп роста замедлится.
Искусственный интеллект на службе кабельщиков
Отдельным блоком в работе Ассоциации «Электрокабель» стало изучение лучших практик применения ИИ в промышленности. Для выступления с докладами были приглашены эксперты из СБЕР, Ассоциации «Цифровые технологии в промышленности» и эксперты по ИИ.
Кибернетика, роботы и нейронные сети – это способы решения прикладных задач в промышленности. В кабельном бизнесе активно идет цифровизация, заводы реализуют сложные системы для управления и планирования производства, локально ставят роботы-манипуляторы, используют системы распознавания образов для непрерывного контроля качества для повышения эффективности. Современный кабельный завод уже достаточно серьезно цифровизирован. Сотни параметров и переменных учитываются при производстве. ИИ может помочь в системах обработки данных и поддержки принятия решений.
Руководитель направления СБЕР, Гейдар Багиров рассказал о потенциальных сферах применения ИИ и языковых моделей СБЕРа. Как языковые модели использует СБЕР и чем GigaCHAT может быть полезен кабельщикам?
Из простых примеров применения GigaChat:
- Чат в банке или службе поддержки – убрать менеджера
- Языковая модель – оценивает клиентов и выдает кредиты и условия
- ИИ анализирует электронные письма
- Модель готовит автоматические протоколы совещаний
- Персональные консультанты и советники
- Сбор аналитики по запросу и отчеты
Все кейсы подразумевают использование больших языковых моделей для улучшения клиентского сервиса. Но кабельный бизнес сложнее, чем консультация в чате. Текущие сценарии по применению чат-ботов в приложениях, генерации ответов и техподдержка пользователей не может быть реализована на текущем датасете. Существует и проблема обучения на некорректных, устаревших и неверных данных. Для эффективного применения решений СБЕРа для кабельщиков потребуется или серьезное ограничение модели или глобальная работа для дообучения и подгонки модели под требования конкретного завода. Эта работа по «допиливанию» модели слишком большая для того, чтобы средний кабельный завод мог себе это позволить. У кабельщиков нет своих суперкомпьютеров и специалистов по ИИ.
Информация важнее кабеля? Искусственного интеллекта не достаточно, чтобы делать кабель
Концепция и все основные принципы построения искусственного интеллекта были разработаны еще в 1950-х годах. Но активная фаза применения и использования технологий ИИ в массовых продуктах стало развиваться только после появления общедоступных моделей, вроде GTP и потребительских сервисов по генерации текста и изображений.
При этом ИИ – это лишь одна из технологий, которая логично встраивается в концепцию «экономики данных», которая подразумевает принципиально другой уровень обработки информации. Этот технологический переход уже активно идет. Например в России более 300 млн. устройств «интернета вещей», которые генерируют огромные объемы информации. ИИ в данном случае может помочь работать с большими данными и получать реальную пользу от их накопления. Это позволит создать ценности для бизнеса, найти потери, повысить производительность, гибко управлять спросом и ассортиментом продукции, создавать настоящую цифровую экономику, основанную на больших данных.
При этом, следует понимать, что то, как мы говорим «искусственный интеллект» – не является настоящим интеллектом в нашем понимании. Он не способен мыслить и действовать, он не обладает волей и стремлениями. Это скорее очень продвинутые алгоритмы с огромным объемом параметров, которые требуют гигантских вычислительных мощностей. Даже текущие мощности суперкомпьютеров не достаточны для того, чтобы создать по-настоящему универсальный интеллект, который может соперничать с человеческим. Такой интеллект эксперты называют сильным ИИ. Приблизить создание такого сильного ИИ могут квантовые вычисления.
Чесалов Александр Юрьевич, д.т.н. – член Экспертного совета при Комитете Государственной Думы по науке и высшему образованию по вопросам развития информационных технологий в сфере образования и науки «Искусственный интеллект вчера, сегодня и завтра».
Сценарии применения ИИ в кабельной промышленности
Спикеры предложили несколько сценариев применения ИИ для кабельного бизнеса. Во всех предложенных вариантах ИИ является еще одним способом решения уже существующих проблем кабельного бизнеса в части повышения эффективности, цифровизации и автоматизации производств. Всего было выделено 5 направлений:
- Автоматизация заводов
- Контроль качества и автоматизация ОТК
- Контроль промбезопасности, действий персонала и соблюдения регламентов
- Планирование производства,
- Прогнозирование спроса и управление продажами
- Прогнозируемое облуживание оборудования (в т.ч. предиктивный ремонт)
По каждому направлению были предложены схемы реализации проектов и приведены примеры из других индустрий.
Многие кабельщики скептически отнеслись к возможностям по массовому внедрению искусственного интеллекта в производственные процессы предприятий. Технология не совершенна, высокая стоимость разработки, сложности интеграции в действующие процессы, а еще и потенциальное «отупение» людей, которое многие наблюдают на примере активных пользователей ИИ-помощников в образовании.
Что может пойти не так. Сложности внедрения ИИ
Внедрение системы на основе ИИ требует высокого уровня знаний в области ИИ и машинного обучения. Квалифицированных специалистов по данным нанять сложно и дорого, и они часто предпочитают работать над
более «гламурными» проектами, а не с производством. Но если на уровне «архитектуры» еще можно найти специалистов, для реализации потребуется еще и большой массив корректных данных и длительный процесс контролируемого обучения модели. Например, тысячи изображений должны быть размечены людьми с обширными знаниями в предметной области, и этот процесс необходимо воспроизвести для каждого отдельного продукта, маркоразмера, производственной операции. Научить искусственный интеллект иногда сложнее, чем обучить человека. Требуется не только сформировать корректный массив данных для обучения, но и, как правило, ручная разметка, корректировка данных и многие человеко-часы монотонной работы.
Кроме того, учитывая динамику кабельных производств, которые вынуждены подстраиваться под рынок, осваивать и выпускать новые конструкции, работать с новыми видами сырья, обученный интеллект может очень быстро потерять свою квалификацию и потребовать постоянное дообучение, а иногда и возврата всех работ на «исходную стадию», чтобы учесть все изменения данных и поменять алгоритмы.
Кроме того, развертывание модели в производственной среде часто является сложной задачей с точки зрения системной интеграции. Требуются серьезные инвестиции в вычислительные кластеры, обеспечение резервирования и постоянной поддержки.
Текущие трудности внедрения технологий ИИ в кабельную промышленность:
- Отсутствие гарантированного экономического эффекта.
- Недостаток квалификации сотрудников компании для эффективного внедрения решений.
- Недостаток финансовых ресурсов для реализации инициатив.
- Высокие риски нарушить существующие процессы.
- Отсутствие явных стимулов для повышения уровня цифровизации.
- Отсутствие необходимых ИТ-решений на российской рынке.
В кабельном бизнесе уже есть примеры использования ИИ. Например, система контроля «Сокол» от МосИтЛаб (ГК «Москабельмет») или системы обработки заявок. Некоторые специалисты компаний используют общедоступные ИИ в маркетинге, разработке и автоматизации продаж.
Где найти деньги на ИИ. Государственное финансирование – это единственный вариант для технологического прорыва
На текущий момент стоимость входа на рынок технологий ИИ очень высокая. Ни один кабельный завод и холдинг не может себе позволить самостоятельно и в полном объеме заниматься разработкой и внедрением собственных решений в области ИИ. Слишком дорогой, сложный и длительный проект для отдельных компаний. При этом уже сейчас компании могут использовать лучшие практики и «коробочные» решения с элементами ИИ для работы. Например, решения от МосИтЛаб. Но, чтобы реализовать полный потенциал технологий ИИ в кабельной промышленности потребуется консолидировать усилия всей отрасли и делать разработки и решения минимум на уровне Ассоциации или создавать глобальные консорциумы. Но даже в случае, если Ассоциация «Электрокабель» возьмет на себя полную инициативу по работе с ИИ, то все равно потребуется внешнее финансирование.
Россия хорошо впитывает новые технологии, русские исторически не только заимствовали, но и часто улучшали иностранные технологии. Но для развития по-настоящему сложных систем требуется открытое восприятие, эксперименты и поддержка.
Государство заинтересовано в цифровизации, разработке и внедрению технологий ИИ в промышленность и реализует сразу несколько программ поддержки. Если отрасль решится войти в авангард современных ИИ-технологий, то привлечение государственного финансирования – это по сути единственная возможная модель создания по-настоящему большого и сложного продукта для всей индустрии.
Промышленности нужен свой интеллект, обученный на инженерных знаниях, документации и достоверных источниках информации
С большим докладом об архитектуре, особенностях и возможностях применения ИИ в промышленности выступили спикеры от Ассоциации «Цифровые технологии в промышленности», которая реализует проекты в нефтегазовом секторе и работает над созданием промышленного ИИ.
ИИ нужно учить не общаться с клиентами, а нужно вкладывать в них инженерные знания. ИИ могут создавать чипы, заниматься промышленным дизайном и заниматься сложными расчетами.
Искусственный интеллект постепенно заменяет человека в процессе принятия решений, но не всегда оптимален. Особенно это касается ответственных отраслей. Человек может использовать ИИ как нового помощника, но не опираться на него полностью. Но, чтобы нейросеть из «болталки» превратилась в умного инженера необходимо заложить в нее соответствующие знания, примеры, базу документов и алгоритмы принятия решений. В таком случае ИИ сможет решать прикладные задачи. Именно по такому пути идут разработки ИИ в Китае. Там упор делается на точность и достоверность данных и результата, которую должна давать модель.
Для промышленного применения модели должны быть понятными, предсказуемыми и не страдать галлюцинациями. Фактически промышленности нужен не развлекательный интеллект, а инженер, способный делать сложные и достоверные расчеты, анализировать базу документов и стандартов и знать множество смежных отраслей. В таком случае основной сферой применения может стать промышленный дизайн, разработка документации, проведение сложных расчетов, верификация данных, анализ производства и другие прикладные функции. При создании подобной модели критически важно использовать корректные и достоверные данные.
Уже сейчас применяются сверточнын и рекурентные нейронные сети в системе анализа состояния кабельных линий. Промышленности требуется именно такой интеллект. Пусть не очень умный, но зато надежный и понятный.
Дмитрий Филатов, директор по развитию бизнеса и партнерства «Цифровые технологии в промышленности», видит точки применения для конкретной индустрии, например, в части предиктивной аналитики.
Для промышленности можно использовать разные типы ИИ, но важно обеспечить правильный массив для обучения модели. Большое генеративный искусственный интеллект, который будет обучен на данных из разных индустрий, сможет стать «универсальным» профессионалом и, возможно, проектировщиком. Он сможет отвечать на вопросы лучше, чем если бы он был обучен на данных конкретного предприятия и из конкретной отрасли.
Уже сейчас идет работа над проектом мультииндустриальной генеративной модели, обученной на данных из нефтегаза, химии, горнодобычи и машиностроения, который позволит модели отвечать на профессиональные запросы. Кабельный бизнес может присоединиться к проекту и дополнить датасет знаниями по кабельной тематике. Для этого необходимо разработать и реализовать НИОКР по данному направлению, создать список сценариев и проверить гипотезы.
Инициатива Ассоциации «Электрокабель» по вопросам внедрения ИИ в кабельной отрасли
По итогам докладов по тематике «искусственный интеллект» НП «Ассоциация «Электрокабель» предложила создать координационную рабочую группу по обмену знаниями, проектным опытом и результатами НИОКР с целью получения синергетического эффекта от внедрения технологий искусственного интеллекта на промышленных предприятиях. Ключевая задача АЭК на данном этапе – комплексно изучить все возможные сценарии применения ИИ, найти потенциальных партнеров и разработать и представить проект по использованию ИИ в кабельном бизнесе и дорожную карту. Эта глобальная работа может быть проведена совместно с другими представителями промышленности, экспертами и профильными Ассоциациями. Вопрос пока находится на ранней стадии изучения, но дирекция будет следить за трендами по данному направлению, поддерживать и развивать сотрудничество по данной тематике.
Тематика ИИ сложная для понимания. Большинство предприятий пока не видит в этом пользы для себя. Но общее понимание того, что внедрение ИИ может обеспечить технологический прорыв существует. Кабельному бизнесу предстоит осмыслить все риски и возможности, консолидировать усилия и сотрудничать с другими отраслями и государством, без которых ИИ останется недоступной или ограниченной технологией.
Источник: НП Ассоциация Электрокабель
Источник новости:
Оцените статью!