Технико-экономические аспекты использования систем с искусственным интеллектом в производстве высокоуглеродистых графитовых изделий

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

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

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 Ti путем регулирования мощности

Этап II - плавление.

Максимально быстрый нагрев до достижения заданной минимальной температуры кипения Тг и выхода на стабильное плато (>5 мин) по температуре Tj

Этап III - пропитка.

Мощность уменьшается до 50% (для снижения интенсивности кипения). Если до истечения периода началось повышение температуры (Т«> Тз) -значит чаша опустела и нужно отключить ввод мощности

Длительность этапа ~20 минут

Длительность этапа ~1 час

Длительность этапа ~15-20 минут

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 космиче‐ ской 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.

Рис. 2. Динамика показателя ЕBITDA

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;

• •    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 период до внедрения	5 032	4 451	88,46	573,18	92	3 307 501	2 170 578	539
Полугодовой период после внедрения	13 085	12 860	98,28	236,98	9	106 108	190 820	7

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 углеграфитовых 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.