Plumbing. Heating. Conditioning. Energy Efficiency.

Успехи и боли цифровизации на конференции «Цифровой завод: из настоящего в будущее»

458 0
11:18 31 March 2025

Новости по теме:

Достижения и проблемы внедрения цифровых решений в промышленности обсудили эксперты в ходе конференции «Цифровой завод: из настоящего в будущее», которая прошла на днях в Москве. Мероприятие было организовано газетой «Коммерсантъ» при поддержке генерального партнера — компании «СиСофт Девелопмент».

Интероперабельность в повестке

Обсуждение открыл заместитель генерального директора по научной работе АО «СиСофт Девелопмент», глава комитета по промышленному ПО и стандартизации при АРПП «Отечественный софт» Михаил Бочаров. Он высоко оценил успехи российской власти в продвижении цифровизации. В частности, позитивным эксперт назвал переход от национального проекта «Цифровая экономика» к нацпроекту «Экономика данных». «Мы наконец-то разворачиваемся от управления информационными моделями, которые на современном этапе все больше набирают «вес» в байтах, к управлению данными», — подчеркнул он.

Однако, говоря о технологиях информационного моделирования (ТИМ), спикер отметил: чтобы управлять данными, в стране должна быть выстроена четкая их классификация. Действующий на сегодняшний момент классификатор строительной информации (КСИ) нуждается в улучшении. По мнению Михаила Бочарова, классы, заимствованные из западных стандартов (PLM, BIM и т. д.), мешают российским разработчикам и пользователям нормально развиваться, потому что происходит дублирование разработок, а технологическая привязка к устаревшим платформам сдерживает замену отдельных технологий с унифицированным входом/выходом.

«Люди не знают, где проходит граница между классами или ТИМ, — заявил Михаил Бочаров. — Мы должны прийти к такой ситуации, когда из модели можно будет изъять программный продукт одного производителя и вставить другой, и он будет абсолютно соответствовать уровню данных и их формату. У нас на рынке будет нормальная конкуренция тогда, когда наладится четкая классификация продуктов. А самое главное, это даст нам возможность перейти к бесшовному управлению данными для всего жизненного цикла — без этого оперативности цифровых двойников не получить».

Здесь на первый план также выходит интероперабельность ПО, то есть возможность его бесшовного применения с другими решениями. По словам топ-менеджера, «СиСофт Девелопмент» располагает именно такими продуктами, которые на протяжении всего жизненного цикла объекта капитального строительства (ОКС) в информационной модели «говорят на одном языке и понимают друг друга с полуслова. Мы это сделали давно, потому что «слышали» рынок, в основном промышленный, и его требования даже в досанкционные времена».

От замещения к улучшению

Михаил Бочаров также остановился на проблеме импортозамещения программных продуктов, возможности которого возросли с уходом с российского рынка западных вендоров. Если на некоторых позициях их продукты необходимо заместить «копейка в копейку», то на других у российских вендоров появилась возможность разрабатывать то, что никто в мире до сих пор не делал.

«Не потому что наши западные конкуренты плохие или слабые, просто им это не надо, у них другой тип экономики, другой тип управления данными, — пояснил специалист. — И если речь идет о цифровой экосистеме страны, то надеюсь, что мы туда вольемся со своими решениями, потому что у нас они лучше и охватывают практически весь жизненный цикл объекта».

Михаил Бочаров сообщил, что компания «СиСофт Девелопмент» за более чем 35 лет работы на рынке России разработала 144 собственных цифровых решений, которыми пользуются более четырех тысяч клиентов.

«Основной сектор, на удовлетворение потребностей которого работает компания, — это промышленность. Наши решения в основном кастомизируются под потребности заказчиков и его цифровую экосистему в ходе пилотных проектов, да и разрабатывали мы их изначально под российское техническое законодательство, — подчеркнул топ-менеджер компании. — Западным вендорам, которые пришли к нам на рынок с коробочными разработками, «допиливать» их для нужд российских промышленных предприятий всегда было сложно».

Поддержал коллегу руководитель проектного офиса «Инфраструктурная платформа» (АО «Росатом Инфраструктурные решения») Валентин Чубаров. По его словам, в отечественной индустрии есть кейсы, когда цифровизация проникает в процесс производства изделия. В России научились объединять инфраструктуру завода с инфраструктурой станков и поведением людей.

«Делается это для того, чтобы снизить себестоимость производства единицы изделия, — подчеркнул эксперт. — Я с большим уважением отношусь к западным компаниям, но таких комплексных решений у них пока нет».

«Цифра» становится дешевле?

Представитель структуры «Росатома» также отметил, что расходы на цифровизацию предприятий снижаются. Если еще 10 лет назад автоматизация завода требовала примерно 10% от стоимости самого предприятия, то сегодня цена внедрения цифровых решений «сильно падает».

««Росатом» уже осуществил автоматизацию десяти детских садов в городе Балаково за сотые доли процента от стоимости детсада, — заявил Валентин Чубаров. — Это позволяет участвовать в автоматизации не только крупным компаниям и не только домам бизнес-класса, но и социальным, объектам».

С экспертом из «Росатома» не согласился модератор дискуссии, руководитель комитета промышленной автоматизации АРПП «Отечественный софт» Вадим Подольный. По его мнению, на крупных промышленных объектах наблюдается «обратная история»: стоимость автоматизации растет. Если раньше для объектов тепловой атомной генерации доля стоимости цифровизации действительно составляла 10%, то сейчас она достигает 15%. И это общемировая тенденция.

«Заказчики уже поиграли в «цифру», и если раньше они требовали от разработчиков полную цифровизацию завода, то сейчас действуют выборочно, — ответил коллеге Валентин Чубаров. — Заказчик говорит: у меня есть маленький критически важный кусочек, например, насос, который всегда в работе. Я хочу, чтобы за час до того, как произойдет авария, мне пришло уведомление о том, что она случится. За счет этого средний чек у рачительных руководителей компаний снижается».

Своим опытом внедрения цифровых продуктов и полученной в результате экономии поделился руководитель Центра искусственного интеллекта и машинного обучения «Северсталь Диджитал» Андрей Голов. Чтобы повысить производительность агрегатов завода, снизить издержки и улучшить качество продукции, металлурги используют машинное обучение.

«Но практически всегда одного машинного обучения недостаточно, приходится использовать комплекс различных подходов. Например, у нас реализована имитационная модель, которая хорошо описывает работу АСУ ТП, и, чтобы не рисковать агрегатами, мы тестировали на ней определенные сценарии, — рассказал он. — В результате такой комплекс решений привел к увеличению производительности агрегата на 3–4%, а экономии цинка — на 1,5%, что потом дополнительно принесет предприятию сотни миллионов рублей».

Однако внедрив такие подходы, на предприятии быстро «сорвали все низко висящие фрукты», так как вначале работали с проектами, где уже была реализована базовая автоматизация. Когда же для получения эффектов появилась необходимость заниматься менее зрелыми процессами, потребовавшими большой предварительной работы, оказалось, что та может «съесть весь эффект от модели».

«Чтобы решить эту проблему, мы стали не рассматривать инициативы по отдельности, а брать их как большие программы, которые включают в себя реализацию набора таких инициатив, — поделился опытом эксперт. — И уже туда начали включать инфраструктурные задачи и считать эффект суммарно от всего портфеля».

Как создать универсальное решение

В ходе обсуждения возник вопрос, почему до сих пор российские разработчики не могут придумать универсальное решение, например, в виде платформы, которую можно было бы применить на различных производствах. По мнению директора по продуктовому развитию B2B компании Softlogic.ai» Сергея Новикова, это сложно сделать хотя бы потому, что производственные процессы у каждого предприятия разные.

«Используя машинное обучение, нам приходится писать нейросеть под каждое предприятие, потому что двух одинаковых заводов практически нет, — заявил он. — Среди заказчиков у нас много, например, химических предприятий. Приходя на новый завод, мы используем лишь 10% существующих моделей».

Михаил Бочаров в связи с обсуждаемым вопросом снова подчеркнул важность разработки интероперабельных решений, потому что упомянутых «платформ» разработаны тысячи, но между ними работают операторы, которые «обмениваются экселевскими файлами» или «перебивают данные вручную».

«У нас нет бесшовного взаимодействия, которое позволяет интегрировать процессы и каким-то образом передать данные машине, — отметил он. — Речь пока идет о машиночитаемых данных, а нам нужны машинопонимаемые. То есть машина данные читает, но еще их не понимает. Ей пока нужен человек, чтобы разрулить ситуацию».

Развитию таких решений также мешает конкуренция крупных госпредприятий на свободном рынке, которую эксперт назвал недопустимой. «Я не устану рекламировать решение «Логос» «Росатома», которое позволило цифровизировать многие газодинамические и жидкостные процессы — это очень сложный и нужный продукт, которым рынок даже крупных разработчиков не будет заниматься: слишком низка окупаемость. Но на свободном рынке конкурировать с ПО, которое могут разрабатывать на свободном рынке, корпорациям не пристало, — уверен Михаил Бочаров. — Здесь государственная рука, останавливающая разработку, должна быть очень жесткой».

Еще одна проблема — так называемые «мусорные» данные.

«Мусорные данные — это одна из проблем, с которыми сталкивается искусственный интеллект. Они могут возникнуть где угодно», -считает эксперт. — Единственное место, где мы можем с большой степенью уверенности сказать, что данные являются достоверными — информационная модель. Задача заключается в том, чтобы эти данные собрать, предоставить их тем, кто готов на них обучить свои машинные продукты, что является уже задачей владельцев таких данных».

На конференции также поднимались вопросы о роли цифровых двойников, искусственного интеллекта, интернета вещей на производстве, анализа больших данных, предиктивной аналитики и другие темы.

Читайте по теме:
Comments
  • В этой теме еще нет комментариев
Add a comment

Your name *

Your E-mail *

Your message