The use of artificial intelligence technologies to optimize technological processes in production
Keywords:
artificial intelligence, machine learning, production optimization, digitalization of industry, Industry 4.0, intelligent control systemsAbstract
This article discusses the prospects of using artificial intelligence (AI) technologies to optimize technological processes in production. The purpose of the study is to analyze the possibilities and limitations of using AI in industry, as well as to identify the most promising areas of its implementation. The materials and research methods used were a review of the scientific literature on the topic, an analysis of existing examples of the use of AI in production, as well as expert interviews with specialists in the field of AI and industrial production. A systematic search was conducted for relevant scientific publications in the Scopus, Web of Science and Google Scholar databases for the period from 2010 to 2023. The keywords for the search were «artificial intelligence», «machine learning», «production optimization», «industry 4.0», etc. Of the 2,347 publications found, after analyzing the annotations, 156 of the most relevant works were selected for detailed study. In addition, 12 in-depth interviews with experts lasting from 40 to 90 minutes were conducted. The results of the study showed that the use of AI can significantly improve the efficiency of production processes. AI demonstrates the greatest potential in such areas as predictive maintenance of equipment (reducing unplanned downtime by 30-50%), optimization of industrial robots (increasing productivity by 10-25%), intelligent inventory management (reducing warehouse costs by 20-40%), quality control based on computer vision (detecting up to 90% of defects). However, for the successful implementation of AI, it is necessary to overcome a number of barriers, including a lack of high-quality data for training models, a shortage of qualified personnel at the interface of AI and production, high cost of solutions and integration. On average, the implementation of integrated AI systems in production takes from 1 to 3 years and pays off in 2-5 years.
References
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.
