Применение технологий искусственного интеллекта для оптимизации технологических процессов в производстве

Авторы

  • Александр Михайлович Поленников Российский биотехнологический университет

Ключевые слова:

искусственный интеллект, машинное обучение, оптимизация производства, цифровизация промышленности, Индустрия 4.0, интеллектуальные системы управления

Аннотация

В данной статье рассматриваются перспективы применения технологий искусственного интеллекта (ИИ) для оптимизации технологических процессов в производстве. Целью исследования является анализ возможностей и ограничений использования ИИ в промышленности, а также выявление наиболее перспективных направлений его внедрения. В качестве материалов и методов исследования использовались обзор научной литературы по теме, анализ существующих примеров применения ИИ в производстве, а также экспертные интервью со специалистами в области ИИ и промышленного производства. Был проведен систематический поиск релевантных научных публикаций в базах данных Scopus, Web of Science и Google Scholar за период с 2010 по 2023 год. Ключевыми словами для поиска были «искусственный интеллект», «машинное обучение», «оптимизация производства», «промышленность 4.0» и др. Из найденных 2347 публикаций после анализа аннотаций было отобрано 156 наиболее релевантных работ для детального изучения. Кроме того, было проведено 12 глубинных интервью с экспертами длительностью от 40 до 90 минут. Результаты исследования показали, что применение ИИ позволяет значительно повысить эффективность производственных процессов. Наибольший потенциал ИИ демонстрирует в таких областях, как предиктивное обслуживание оборудования (снижение внеплановых простоев на 30-50%), оптимизация работы промышленных роботов (повышение производительности на 10-25%), интеллектуальное управление запасами (сокращение складских издержек на 20-40%), контроль качества на основе компьютерного зрения (выявление до 90% дефектов). Однако для успешного внедрения ИИ необходимо преодолеть ряд барьеров, в числе которых недостаток качественных данных для обучения моделей, дефицит квалифицированных кадров на стыке ИИ и производства, высокая стоимость решений и интеграции. В среднем внедрение комплексных систем ИИ на производстве занимает от 1 до 3 лет и окупается за 2-5 лет.

Библиографические ссылки

Андрианов М.А., Гурова Е.М., Евтушенко Н.А., Неделин Н.А., Никулин И.В. Использование современных методов автоматизации для оптимизации жизненного цикла продукции // Промышленные АСУ и контроллеры. 2019. № 7. С. 29-35.

Власов С.Ю., Кипов М.Х. Машинное зрение в условиях плохой видимости // Известия Кабардино-Балкарского научного центра РАН. 2023. № 5(115). С. 25-31.

Дмитриевский А.Н. Анализ рисков при использовании технологий искусственного интеллекта в нефтегазодобывающем комплексе // Автоматизация, телемеханизация и связь в нефтяной промышленности». 2021. № 7(576). С.17-27.

Дмитриевский А.Н., Столяров В Е., Еремин Н. А. Актуальные вопросы и индикаторы цифровой трансформации на заключительной стадии нефтегазодобычи промыслов // Научно-технический журнал «SOCAR Proceedings». Научные труды НИПИ Нефтегаз ГНКАР. Спецвып. SOCAR Proceedings Special. № 2. 2021. С. 1-13.

Дмитриевский А.Н., Столяров В.Е., Еремин Н.А. Роль информации в применении технологий искусственного интеллекта при строительстве скважин для нефтегазовых месторождений // Научный журнал Российского газового общества. № 3(26). 2020. С. 6-21.

Еропкин А.М. Бережливое производство на предприятиях и в организациях оборонно-промышленного комплекса. Екатеринбург: Доброе слово, 2015. 136 с.

Идрисов Г. И. Новая технологическая революция: вызовы и возможности для России // Вопросы экономики. 2018. Т. 4. С. 5-25.

Колчин В.Н. Специфика применения технологии «искусственного интеллекта» в строительстве / // Инновации и инвестиции. 2022. № 3. С. 250-253.

Крюков, К. М. Использование технологии цифровых двойников в строительстве / К. М. Крюков // Инженерный вестник Дона. 2022. № 5(89). С. 517-525.

Кучменко Ю.А., Ткачев В.Ю. Опыт применения мехатронных систем в системах автоматизированного управления жизненным циклом продукции промышленных предприятий // Автоматизация производства. 2020. № 1. С. 7-11.

Петин В. Arduino и Raspberry Pi в проектах Internet of Things. СПб.: БВХ-Петербург, 2017. 319 с.

Прохоров А., Лысачев М. Цифровой двойник. Анализ, тренды, мировой опыт. М.: АльянсПринт, 2020. 401 с.

Радченко В.В. Оптимизация жизненного цикла продукции на базе систем автоматизации и управления производством // Машиностроение и инновации. 2018. № 9. С. 42-44.

Русаков А.А., Попов К.Н. Автоматизация оптимизации жизненного цикла продукции при разработке и выпуске сложных изделий // Интернет-журнал «Научные статьи студентов и аспирантов». 2019. Т. 1. С. 175-180.

Тимофеев С.В. Проблемы, связанные с искусственным интеллектом в системах видеонаблюдения с функцией распознавания лиц / С.В. Тимофеев, Т.А. Кожина // Научный дайджест Восточно-Сибирского института МВД России. 2022. № 3(17). С. 106-111.

Дополнительные файлы

Опубликован

2024-06-15

Как цитировать

Поленников, А. М. (2024). Применение технологий искусственного интеллекта для оптимизации технологических процессов в производстве. Хлебопечение России, 68(2), 88–99. извлечено от https://hbreview.ru/index.php/hb/article/view/49

Выпуск

Раздел

ИНФОРМАТИЗАЦИЯ И УПРАВЛЕНИЕ

Похожие статьи

1 2 3 4 5 6 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.