Также планируемый рост можно связать с тем, что государства и частные компании активно инвестируют в ИИ, что приведет к увеличению спроса.
Несколько лет назад, до того как в России стал реализовываться национальный проект «Цифровая экономика», а также проект министерства энергетики «Цифровая энергетика», отечественная энергетическая отрасль (нефть газ) являлась одной из самых консервативных в мире. В настоящее время ситуация меняется. По мнению экспертов, к 2030 году наш энергокомплекс «поумнеет» и станет автоматизированным.
Уже сейчас можно привести примеры функционирующего ИИ в промышленном производстве. В кислородно-конвертерном цехе Магнитогорского металлургического комбината искусственный интеллект принимает данные по составу и массе смеси материалов в плавильной печи. Потом он выдает необходимые указания по использованию добавок для того, чтобы сталь была приведена к нужному стандарту. Расход этих сплавов благодаря ИИ сократился на 5%. Таким образом, металлурги планируют сэкономить до 23 млн руб. в месяц.
ИИ получит широкое применение в двух основных сегментах промышленного производства и энергетики (в том числе нефтяной промышленности). Во-первых, это мониторинг процессов и состояния оборудования. Умные датчики смогут провести анализ больших объемов данных с каждой единицы. Например, благодаря анализу данных о необходимой частоте чистки корпусов, выполненному на основе алгоритмов машинного обучения, американская корпорация Caterpillar (производство строительного и горнодобывающего оборудования) экономит $400 тыс. в год.
Во-вторых, одним из методов работы является создание алгоритмов для выявления закономерностей при анализе Big Data, а также использование этих данных для самообучения. Все это необходимо для прогнозирования и классификации. В результате у промышленников и энергетиков появится шанс экономии трудозатрат за счет автоматизации важных для компаний процессов. Можно привести такой случай: у одной из компаний, осуществляющих добычу нефти, возникали неполадки при запуске насосного оборудования после незапланированного отключения электричества. Решить проблему смогли с использованием Big Data. Были собраны около 200 млн данных с контроллеров систем управления. Информацию проанализировали, на ее основе смоделировали события и нашли причинно-следственные связи. В результате, сбои в работе прекратились.
