От данных к действиям: как ИИ меняет российскую нефтехимию на примере СИБУРа
На сегодняшний день тема искусственного интеллекта по всему миру окружена множеством мифов, мемов, красочных ожиданий и столь же красочных опасений, но в СИБУРе ИИ воспринимают четко и прагматично: компьютер помогает человеку выбрать оптимальное действие в той или иной ситуации. Сколько тонн продукта выпустить, где продать и по какой цене, на чем привезти, сколько за это заплатить, положить на склад или нет, а если да, то на какой и почем.
При этом даже процессы, которые кажутся непрерывными, как правило, состоят из дискретных решений. Даже когда кажется, что решение принимается интуитивно, процесс состоит из шагов: собрал данные, проанализировал, принял решение. ИИ принимает решение точно так же. В чем преимущества его использования?
- Алгоритм не ошибается.
- Человеку интереснее придумывать и улучшать алгоритмы, чем механически их применять.
- Если данных много и они правильные, легко запустить регулярное принятие решений алгоритмом. Людям часто не хватает времени на анализ данных.
- Производственные площадки часто расположены в далеких от крупных городов локациях, что вкупе с общим демографическим контекстом создает кадровый дефицит. Преодолеть проблему помогают малолюдные производства, где большинство рутинных задач выполняется с помощью технологий. Например, показатели работы оборудования собирают датчики интернета вещей, физический труд отводится роботам, а поиск наилучших решений — обученным моделям ИИ. При этом процессы настраиваются так, чтобы люди могли управлять ими удаленно.
Управление производством
Современные нефтехимические предприятия занимают сотни гектаров, заставленных всевозможными колоннами, реакторами, печами, сепараторами, аппаратами воздушного охлаждения, машинными залами с компрессорами и турбинами, насосными и много еще чем. На этих гектарах принимается и исполняется множество решений. Приоткрыть или прикрыть клапан, открыть или закрыть задвижку, дать больше или меньше газа в горелку, взять сырье из одной или другой емкости, работать двумя или тремя насосами, вывести печь для очистки от кокса сейчас или еще поработать, перегрузить катализатор раньше или позже и т. д. При этом данные в процессе производства достаточно часто изменяются.
Уже несколько десятилетий для повышения эффективности работы завода используется такой инструмент, как Advanced process control (АРС), или система усовершенствованного управления технологическим процессом (СУУТП). Это автопилот, который может использоваться как для завода по производству определенной марки продукции, так и для отдельной установки или их группы. Если АРС контролирует технологический режим работы установок, то Real Time Optimizer (RTO) оптимизирует работу производства для получения максимального экономического эффекта и подсказывает АРС, как работать. Оптимизатор принимает на вход несоизмеримо больше данных, включая рыночные — например, цены на сырье и продукцию.
Если автопилоты внедрять дорого или нецелесообразно по какой-либо причине, то на помощь приходят модели-подсказчики. Причем они бывают разные: одни подсказывают, что оператор должен сделать физически, например, открыть на столько-то клапан, другие показывают экономические последствия текущего режима. Еще одно решение СИБУРа под названием ЭКОНС визуализирует влияние производственных показателей на экономику предприятия: показатель в зеленой зоне — зарабатываем, в красной — теряем. Оператор может за пару секунд увидеть эффект от своих действий и скорректировать их.
Существует два концептуальных подхода к моделированию работы производства. Первый вариант — создавать модели поведения установок или производственных узлов на основе больших данных, получаемых из статистики их работы. Второй вариант — моделирование на основе библиотек физико-химических свойств и уравнений реакций в специализированном ПО.
Оба варианта обладают своими преимуществами. Первый требует меньших затрат на калибровку и сразу обладает высокой точностью, но чувствителен к изменению условий, поскольку опирается на статистические данные. Он в СИБУРе используется более чем для 20 рекомендательных систем. Второй вариант требует калибровки, но может работать в режиме «что, если» и давать результат при изменении параметров. Такие модели применяются в системах RTO и при проверке гипотез для оптимизации технологического процесса.
Компьютерное зрение
Территории промышленных предприятий огромны, следить за порядком и отклонениями от процесса помогают видеокамеры. Более 70% камер на заводах СИБУРа работают в «умном» режиме с автоматическим анализом видеопотока. Встроенные средства ИИ могут без участия человека отличить, как быть должно, а как нет: идет ли пар, какого цвета пламя на факеле, какого размера сыплются гранулы выпускаемого полимера и прочее. В случае, если что-то пошло не так и требуется внимание человека, ИИ выводит оператору изображение именно с проблемного участка. Такой подход воплощен в инструменте «Черный экран», разработанном внутри компании. Он повышает эффективность работы, избавляя людей от необходимости просмотра изображений с тысяч камер.
Компьютерное зрение помогает также контролировать работу сотрудников и подрядчиков. Например, менеджер остановочного ремонта, от решений которого зависит, сможет ли предприятие провести запланированные ремонтные работы в срок, должен координировать действия не только сотрудников, но и сотен подрядчиков. Как убедиться, что на работах критического пути работает необходимое количество специалистов и соблюдаются требования к качеству проведения работ? ИИ анализирует видеопоток, передает менеджеру информацию на дашборде с фактической численностью персонала на каждом участке.
Такие инструменты ИИ полезны и для операторов, которые следят за технологией производства и качеством продукции, и для инженеров по охране труда, которые получают оповещения и сразу понимают, кто и где не надел каску или пошел работать без страховой привязи.
Предотвращение поломок
На производстве за словами «нештатная ситуация» часто стоит поломка оборудования. Требуется ремонт, порой дорогостоящий, а иногда и долгий, если в запасе не окажется нужных запасных частей. ИИ умеет предсказывать такие поломки и действовать на опережение.
Разработанные СИБУРом модели предиктивной диагностики каждые несколько минут оценивают более 600 параметров только для одной установки: колебания температуры и давления, вибрацию, компонентный состав газа и его плотность и т. д. Центр мониторинга и диагностики может заблаговременно обнаружить ранние признаки появления дефектов и совместно с персоналом на производстве принять меры раньше, чем поломка случится. Если дефект обнаружен заранее, то можно успеть провести качественный анализ состояния агрегата и подготовиться к плановому ремонту, предотвратив экстренный. Так внеплановые остановки на производстве превращаются в плановое техобслуживание, которое обходится компании намного дешевле.
Прогнозы котировок на продукцию
СИБУР производит широкий перечень полимерной продукции и реализует ее во всем мире, где в последнее время наблюдается особенно высокая волатильность: меняются цены, спрос, логистика. Компании приходится прогнозировать много внешних факторов, чтобы впоследствии сделать такой план производства и продаж, который обеспечит наибольший маржинальный доход. Ключевые вопросы: что сейчас выгоднее производить, в каких географиях продавать и по каким ценам.
Чтобы более точно ответить на этот вопрос, необходимо как можно точнее спрогнозировать цены, которые описываются котировками — средним уровнем цен на продукцию. В этом помогает разработанная СИБУРом прогнозная система на основе ИИ. Алгоритм анализирует множество рыночных факторов и дает прогноз цен на готовую продукцию в горизонте следующего месяца. Применение ИИ сокращает срок подготовки прогноза с нескольких дней до нескольких минут, а ошибки прогнозирования — в два раза.
Поиск новых клиентов
Любая компания всегда заинтересована в поиске новых клиентов, особенно когда речь идет о выходе на новые для нее рынки. Можно искать клиентов привычными способами: рекламой, выставками, презентациями, холодными звонками. А можно — цифровыми, используя ИИ. Особенно когда речь идет о множестве не самых крупных клиентов, ведь они «не на слуху».
Для этого в СИБУРе разработан инструмент лидогенерации, который помогает эффективно находить новых клиентов на новых для компании рынках. Маркетологу достаточно задать простые критерии поиска — регион и продукцию, которую может потреблять потенциальный клиент. Система же проанализирует открытые источники данных, сопоставит описания клиентов с критериями поиска, выделит контактные данные и выдаст воронку для CRM. В этом случае ИИ также существенно экономит сотрудникам время и позволяет им заниматься более сложными задачами, нежели рутина.
Генератор всеобщей выгоды
Представьте, что вы пришли в магазин за рубашкой и вам повезло наткнуться на умелого консультанта, который не просто подобрал для вас идеальную рубашку, но и предложил подходящие брюки, туфли и пальто. А на готовый образ предложил привлекательную скидку. Аналог такого консультанта есть и у СИБУРа — основанный на ИИ помощник по кросс-продажам.
У компании есть данные о том, что обычно покупают клиенты, какую продукцию они выпускают, какое у них собственное производство и что им может быть нужно. На основе этих данных можно формировать подходящее конкретному сегменту клиентов предложение — набор нефтехимических продуктов. СИБУР уже переходит от точечных продаж к комбинированным предложениям для клиентов из области медицины, строительства, производства упаковочных материалов и других отраслей.
Допустим, клиент из медицинской промышленности обычно закупает полиэтилен для производства одноразовых перчаток. Зная, что он производит и шприцы, для которых нужен полипропилен, ИИ-помощник автоматически рассчитывает и формирует комбинированное предложение полиэтилена и полипропилена со скидкой так, чтобы экономический эффект был и для клиента, и для СИБУРа.
Взгляд в ближайшее будущее
Вкупе с развитием уже действующих решений на основе ИИ СИБУР активно создает и внедряет новые инициативы. На сегодняшний день в портфеле компании более 70 новых гипотез, в том числе с применением генеративного ИИ. Так, СИБУР один из первых в России сегодня проводит масштабные эксперименты по внедрению больших языковых моделей в промышленности. На этапах разработки и тестирования — co-pilot для инженеров производственного оборудования, AI-ассистенты для закупки материально-технических ресурсов, создания новых полимеров и планирования экспериментов, поиска и анализа информации в больших базах данных, умные помощники для сотрудников и многие другие.
Успех этих экспериментов позволит значительно ускорить принятие решений в компании и освободить сотрудников от рутины в пользу более креативных задач. А гибкость и потенциал технологий на основе генеративного ИИ могут сделать опыт СИБУРа полезным и для других компаний, в том числе за пределами нефтехимической отрасли.