Аналитика 11 марта 2018

Второй цифровой поход. Часть 2

Отдельные страны или корпорации в одиночку не смогут в ближайшем будущем подготовиться к внедрению Индустрии 4.0 — это потребует дополнительных исследований, больших денег, сихронизации стандартов и обеспечения безопасности
Второй цифровой поход. Часть 2
Из ключевых трендов «Индустрия 4.0» к массовому внедрению готовы лишь роботы и некоторые элементы автоматизации
Фотография: gettyimages.ru

Пока жарится хайп

Пожалуй, самая нашумевшая технология, о которой говорят апологеты концепции «Фабрики будущего», способная, по их мнению, переписать правила игры во всей промышленности, — это 3D-печать (подробнее о ней см. 3D-фанам стоит немного успокоиться»). Некоторые особенно фанатичные ее сторонники считают, что 3D-печать (или, по-другому, аддитивная технология) в будущем сможет похоронить промышленный сектор с его неповоротливым серийным производством, постепенно переводя фокус в частные руки. К примеру, они говорят, что при помощи 3D-принтеров отдельные люди смогут точечно производить персонально или локально востребованные продукты, ранее доступные только полноценным производителям с дорогим высокоточным оборудованием и полной производственной цепочкой проектирования и дистрибуции. Таким образом, сотни тысяч людей сами станут независимыми частными производителями, одновременно превращаясь в автономных потребителей цифровых услуг (цифровых моделей, печатаемых вещей).

Трехмерная печать и аддитивные технологии существуют уже более тридцати лет, с 1980-х, когда Чарльз Халл из 3D Systems впервые изобрел метод печати с помощью стереолитографии.

Родоначальником современной 3D-печати принято считать американца Чарльза Халла, в 1986 году запатентовавшего первую в мире установку стереолитографии, принципом работы которой было послойное создание объемных фигур. В том же году Халл основал компанию 3D Systems и разработал первый коммерческий 3D-прибор, названный Stereolithography Apparatus. В 1988 году была разработана модель SLA-250, ставшая первой машиной для широкого круга пользователей.

Альтернативный способ аддитивного создания трехмерных изделий — моделирование методом наплавления — изобрел в 1990 году будущий основатель компании Stratasys Скотт Крамп. Впервые термин «3D-печать» был использован студентами знаменитого Массачусетского технологического института Джимом Бредтом и Тимом Андерсоном, в 1995 году модифицировавшими «плоский» струйный принтер так, чтобы он выводил изображения не на бумагу, а в специальную емкость, и делал их объемными. Зарегистрированный патент используется компаниями Z Corporation (создана Бредтом и Андерсоном) и ExOne.

Долгое время аддитивная индустрия росла неустойчиво и привлекала лишь избранную аудиторию. Но в какой-то момент она начала ускоряться, что было обусловлено повышением осведомленности о ней и использованием менее дорогих и простых в использовании систем. В последние годы отрасль аддитивных технологий демонстрирует высокие темпы роста. За последние двадцать лет она росла в среднем на 18% в год — как раз за счет того, что в последние годы рост ускорился. Прогнозы развития этой индустрии весьма позитивны (см. таблицу 1). В 2016 году объем рынка 3D-принтеров превысил 2,3 млрд долларов, но это совершенный мизер по сравнению с общим объемом ежегодных инвестиций в мировую промышленность — 4,7 трлн долларов. (см. график 1).

Таблица 1. Наиболее быстрорастущие за счет инноваций рынки, связанные с Индустрией 4.0, в 2017 году

Тема
Предполагаемый размер рынка к 2020 году, млрд долл.
Основные игроки в этом сегменте рынка
Комментарий
Малые роботы
4 Fanuc, ABB, Yaskawa Electric, KUKA, Harmonic Drive Systems, Delta Electronics, Teradyne, Rethink, Seiko Epson, Mitsubishi Electric, Yamaha Motors, Nachi, Omron
Спрос на малых роботов растет. Они дешевеют наравне с коботами
Электрификация автоматизации
2 SMC, Omron, NSK, Yaskawa Electric, THK, CKD, Hiwin, AirTAC, Inovance
Переход с пневмоприводов на электрические в сборочных цехах
Умные фабрики с платформами Интернет вещей 200–250
Fanuc, Omron, Mitsubishi Electric, ABB, Siemens, Schneider, Rockwell, Cisco
Стоит задача выработки единых стандартов
Автоматизация логистики и складского хозяйства
40 Daifuku, KUKA, KION, Jungheinrich, New Trend International, Siasun Robot, Hikvision
Управление потоком не только в электронной коммерции
Машинное зрение
12 Keyence, Omron, Basler, Cognex, National Instruments, SICK, Hikvision
Проникновение систем машинного зрения продолжит расти

Источник: Goldman Sachs


Трехмерная печать состоит из множества основополагающих технологий, но все они производят 3D-части в аддитивном процессе, что может снизить издержки производства (в зависимости от объема и сложности) и позволяет создавать более сложные проекты. «На самом деле, 3D-печатью называют все подряд, там много технологий. Я обозначил для себя три критерия, по которым процесс можно назвать 3D-печатью: эта технология должна быть автоматизирована, она работает на основе цифровых моделей и является аддитивной, — говорит Федор Антонов, генеральный директор компании Anisoprint, продвигающей новую технологию 3D-печати композитных углепластиков. — Аддитивная — это когда изделие делается путем прибавления материала в противовес экстрактивному производству, когда материал, наоборот, убирается. К примеру, фрезерная обработка — экстрактивная».

Промышленных технологий 3D-печати огромное количество. Американская международная организация American Society for Testing and Materials (ASTM), разрабатывающая и издающая добровольные стандарты для материалов, продуктов, систем и услуг, разделяет виды аддитивных технологий на семь типов (они представлены в таблице 2). В аддитивных технологиях могут использоваться различные материалы, начиная с полимеров (пластиков) и заканчивая металлами, керамикой и прочим. «Самые дешевые принтеры, которые существуют в мире, работают по технологии, которая называется fused deposition modeling, FDM, — рассказывает Федор Антонов. — Мы ее переводили в свое время как “послойное наложение расплавленной пластиковой нити”. Но есть и дорогие технологии — типа лазерного спекания, лазерной наплавки. Там уже могут использоваться металлические и керамические порошки. Но это машины, которые стоят порядка миллиона долларов».

Большинство экспертов обращают внимание на пользу, которую могут принести аддитивные технологии в производстве. Тут и значительная экономия средств при запуске производства (данные, необходимые для запуска производства, могут храниться в цифровом виде и воспроизводиться без материальных затрат), и возможность внести поправки на любом этапе, скорректировав CAD-файл, и быстрая адаптация к постоянно меняющимся условиям на рынке (размер партии можно легко поменять в любую минуту в зависимости от повышения или снижения спроса), и кастомизация производственной линии (аддитивные технологии позволяют печатать партии, в которых каждый предмет немного отличается от предыдущего, что позволяет создавать производственные линии персонализированных товаров) и так далее. Но ровно такие же преимущества есть и у традиционных субстрактивных технологий — цифровую модель также можно запросто корректировать и для пятикоординатных станков с ЧПУ.

Таблица 2. Динамика и структура закупок 3D-принтеров в мире (млн долларов)

Технология
2013 г.
2014 г.
2015 г.
2016 г.
2017 г.
2018 г.
2019 г.
CAGR*, 2014–2019 гг. (%)
Экструзия материала
296
428
744
1264
2237
4363
8774
83
Стереолитография
75
147
211
344
634
1231 2545
77
Плавление порошкового слоя
132
189
238
311
425
676
1145
43
Разбрызгивание материала (струйные технологии)
65
93
134
235
360
595
1057
63
Разбрызгивание связующего
34
44
64
97
165
302
575
67
Соединение листовых материалов
8
21
32
51
87
153
297
69
Прямой подвод энергии в место построения
15
21
28
40
59
100
176
53
Всего
625
943
1451
2342
3967
7420
14569
73

*CAGR (Compound Annual Growth Rate) — совокупные среднегодовые темпы роста.

Источники: Gartner, Aegis Capital

Неудивительно, что переводить на 3D-печать всю мировую промышленность не видят смысла даже сами разработчики аддитивных технологий. Им это видится экономически нецелесообразным. «Потому что у 3D-принтеров низкая производительность, высокая стоимость и оборудования, и материалов, — поясняет Федор Антонов. — С одной стороны, в нашей отрасли есть дешевые пластиковые принтеры, на которых можно печатать игрушки, а с другой — есть принтеры, на которых можно печатать серьезные вещи, но они очень дорогие. И нет в 3D-печатной индустрии ничего, что было бы не такое дорогое (хотя бы стоило как фрезерный станок, а не как самолет), но при этом позволяло изготавливать профессиональные детали».

Действительно, пластиковые изделия из 3D-принтера обладают невысокими механическими свойствами и их вряд ли получится использовать для изготовления функциональных деталей, которые могут выдерживать высокие эксплуатационные нагрузки. И хотя металлические детали тоже можно производить по аддитивным технологиям, экономически успешно это пока ни у кого не получается. «Вот, к примеру, — рассказывает Федор Антонов, — у GE на новом двигателе, который называется LEAP (он в следующем году в серию пойдет) две детали сделаны лазерным спеканием из кобальт-хрома. Это завихритель форсунки в камере сгорания. Такая маленькая штучка, их там, может, штук пятьдесят всего в камере сгорания. Вторая деталь — кронштейн крепления датчика температуры с какой-то ступенью компрессора высокого давления. И чтобы обеспечить серию этих двух маленьких деталей, которые, наверное, меньше одной десятой процента массы всего двигателя (а то и меньше одной сотой), им пришлось купить 300 принтеров, соответственно на 300 миллионов долларов. Вряд ли они думали об окупаемости таких инвестиций в момент принятия инвестиционного решения».

magnifier (1).png Долгое время аддитивная индустрия росла неустойчиво и привлекала лишь избранную аудиторию. Но в последние годы отрасль демонстрирует высокие темпы роста. За последние двадцать лет она росла в среднем на 18% в год

Впрочем, многие продолжают отстаивать иную точку зрения. К примеру, Financial Times пишет, что «в будущем, когда 3D-печать станет массовым, а значит, и более доступным явлением, компании смогут самостоятельно производить запчасти и мелкие детали для своего товара, вместо того чтобы закупать их у сторонних организаций, притом зачастую еще и за рубежом, а то и за океаном». Согласно оценке Bosch Rexroth, через пять-десять лет до 40% производственного оборудования, используемого компанией, будет печататься. «Если мы говорим о запасных частях для старых автомобилей или двигателей, о прототипах для новых продуктов или о мелкосерийном производстве, то 3D-печать несет колоссальную разницу», — рассказывал журналистам FT менеджер Bosch Rexroth по развитию производственного процесса Штефан Хевель.

«Рассказы о том, что аддитивная технология, а с ней и порошковая металлургия, всё заменит, стартапы в гаражах будут всё нам делать и традиционная индустрия отомрет, — это всё рассказы вредителей, — считает Феликс Шамрай, руководитель проекта в Санкт-Петербургском государственном морском техническом университете, — потому что аддитивные технологии — это всего лишь одна нишевая часть большой машиностроительной технологии. Ее не везде где попало можно использовать. Где-то литье эффективнее, где-то прокат, где-то сварка. В машиностроении нет большой красной кнопки и не будет никогда. Однако аддитивные технологии способны в разы ускорить развитие машиностроения. Дело в том, что машиностроение — это в первую очередь металлообработка, и если мы в каком-то переделе быстрее делаем детали, где вместо пяти сборочных единиц у нас задействована одна, то совокупно у нас получится большая экономия и рост производительности».

Действительно, трехмерная печать облегчает несколько аспектов эволюции мирового производства за счет сокращения потребления сырья, более быстрого проектирования производственного процесса и массовой кастомизации.

Глобальные инвестиции в основной капитал в мире
График 1. Глобальные инвестиции в основной капитал в мире     

«Технология послойного наращивания в 3D-принтере изделий из порошковых металлов дает поверхности очень хорошего качества. По этой технологии можно получать и определенную прочность, и плотность, но недостатком здесь является то, что это очень сложная технология, — рассказывает Феликс Шамрай. — Здесь очень много технологических факторов. Очень много. Порядка ста. В данном случае 3D-принтер — это, грубо говоря, станок со ста рукоятками. Здесь очень сложно удержать стабильность качества. А проблема удержания стабильности качества — ключевая в машиностроении. Когда возле станка стоит высококвалифицированный доцент или кандидат наук — это одна история, но как только вы это отдаете в производство — у вас квалификационный уровень — до просто инженера, и тут же этот аспект начинает страдать: приходится учитывать множество внешних параметров — от настройки режима, до температуры, влажности, климата, наконец. Очень сложно столько факторов загнать в программу и автоматизировать, избежать человеческого фактора. Это как ЧПУ со ста осями».

Таким образом, для тонких вещей, где нет особых требований прочности, такая технология становится очень удачной (зубные протезы, ювелирная промышленность, например). Спрос может появиться и в нишевых отраслях. «Мы нашли особый класс изделий, где технология послойного наращивания может дать колоссальный эффект, — это теплообменное оборудование, — рассказывает г-н Шамрай. — Здесь эта технология дает фантастические результаты. Можно совершить прорыв в теплообменниках благодаря технологии послойного выращивания. Да, медленно, да, дорого. Но там результаты таковы, что если у вас сейчас теплообменник размером с холодильник, то с этой технологией его можно сделать размером с куб со сторонами в дециметр, причем ровно с теми же техническими характеристиками. В этой подотрасли машиностроения за счет аддитивки эффективность можно поднять на три порядка. Там переходы сечений можно делать уникальные, можно делать такие завихрители или такие вещи, которые в классическом трубчатом теплообменнике вы ни за что не реализуете».

«Есть довольно много изделий, где фрезерная обработка действительно имеет очень низкий коэффициент использования мощностей, — вторит Феликсу Шамраю Федор Антонов, — она получается очень долгая и дорогая. Но когда эти детали делаются аддитивным способом, то тут можно и по производительности, и по качеству поконкурировать. То есть мы не говорим, что 3D-печать заменит все детали, но какие-то части рынка есть возможность покорить».

Итак, по всей видимости, появление 3D-печати не уничтожит традиционные промышленные компании, но станет катализатором их развития и, возможно, приведет мир к еще большей индустриализации, поможет поиском новых технологий и идей — недаром среди ключевых потребителей аддитивных изделий конструкторские подразделения машиностроительных корпораций, научные организации, военно-промышленный комплекс, космос (см. график 2).

Самые емкие рынки 3D-печати — автопром, потребительские товары и медицина
График 2. Самые емкие рынки 3D-печати — автопром, потребительские товары и медицина

В инвестиционной компании Piper Jaffray считают, что рынок 3D-печати представляет собой «историю открытого роста с большим количеством устойчивых драйверов» (25% и более в течение следующих нескольких лет). Впрочем, столь впечатляющие прогнозы роста аддитивного рынка могут и не подтвердиться. Об отсутствии прогресса в материаловедении (например, в металлах), которое препятствует более широкому использованию 3D-печати, пишут даже в Goldman Sachs. Из числа других тормозящих развитие этого направления проблем инвестбанкиры указывают высокие затраты на энергию в этой технологии, а также тот факт, что разработка программного обеспечения находится на ранних стадиях и нуждается в развитии. Кроме того, стали говорить еще об одной проблеме — экологической, главным образом связанной с плавлением термопластика — одного из наиболее широко используемых сейчас материалов.

Позитивная динамика этого рынка во многом объясняется не столько объективными, прагматическими соображениями, сколько веянием моды, рыночным ажиотажем. Характерный примером — история продаж аддитивной машины фирмы Concept Laser. «В 2011 году, еще до хайпа, Concept Laser продавал свою топовую машину за 325 тысяч долларов, — рассказывает участник рынка, попросивший не называть его имени. — Прошло пять лет. Машина, конечно, чуть-чуть изменилась, может быть, стала получше. Но суть та же — та же самая модель в линейке, с такой же рабочей областью. Однако сейчас они продают ее уже за миллион долларов». Отсюда вопрос: а не снизятся ли финансовые обороты отрасли, когда исследовательский интерес к этому оборудованию слегка подостынет? Понятно же, как будет выстраиваться маркетинговая стратегия производителей трехмерных принтеров, когда потребитель начнет считать издержки и опираться на экономические причины покупки такого оборудования. Цены на 3D-принтеры начнут снижаться, тем более что задел для этого есть.

Далее, на рынке никто еще до конца не разобрался с подходами к сертификации расходного материала для 3D-печати или самой аддитивной продукции. Вот почему все металлические детали ни в каких серийных изделиях пока не используются.

Например, в феврале этого года немецкий концерн Siemens провел успешные испытания лопаток газовых турбин для производства электроэнергии, полностью изготовленных методом 3D-печати из металла компанией Materials Solutions из Великобритании, которую Siemens купил в прошлом году. Siemens сообщил в своем пресс-релизе, что такие лопатки впервые тестировались в условиях полной нагрузки двигателя при 13000 об/мин и температуре выше 1250 °C, назвав это настоящим прорывом. Тем не менее в Siemens не спешат объявлять о переходе на серийное производство 3D-лопаток газовых турбин и всячески уходят от прямых ответов на этот вопрос.

magnifier (1).png Появление 3D-печати не уничтожит традиционные промышленные компании, но станет катализатором их развития и, возможно, приведет мир к еще большей индустриализации, поможет в поиске новых технологий и идей

В горизонте планирования остаются также фундаментальные технические причины торможения этого направления. «Проблема аддитивных технологий требует достаточно глубоких и фундаментальных исследований в плане оценки энергетического воздействия на поверхности, где идет процесс образования нужного нам слоя», — считает Евгений Кабалов, генеральный директор Всероссийского института авиационных материалов (ВИАМ). Сейчас практически отсутствует крупное серийное производство материалов для аддитивных технологий. «Если по металлопорошковым композициям в настоящий момент удалось решить эту проблему, — рассказывает глава научно-исследовательского отделения ВИАМ Ольга Оспенникова, — то в части полимерных материалов, материалов для изготовления специальной проволоки этот вопрос остается открытым».

Существующие устройства для трехмерной печати пока лишь продемонстрировали свой потенциал, но не раскрыли его до конца. Есть надежда, что ситуация будет меняться по мере роста фундаментальных исследований в этой области, улучшения качества самих принтеров и расходных материалов. Но вряд ли такого рода исследования дадут коммерчески ощутимые результаты так быстро, как хотелось бы пророкам Индустрии 4.0.

Вещи без интернета

В Индустрии 4.0 цифровизация, конечно же, венец всего концепта. Зря, что ли, случилась цифровая революция? Пускай дает свои плоды в виде роста производительности труда и прочих радостей повышения эффективности производства.

PR-сопровождение тем big data и интернета вещей (IoT) не снижает давления, и теперь уже традиционные производственные компании испытывают повышенное общественное внимание и должны доказывать, что и они предлагают продукцию с участием этих технологий. Впрочем, внедрение концепции «интернет вещей» пока не получается раскручивать так активно. Интернет вещей еще не готов к промышленному внедрению: пока на рынке нет экономически выгодных приложений, реально повышающих эффективность промышленного производства, к строительству IoT не готова инфраструктура.

Современные заводы оснащены широким спектром автоматического оборудования — от входных датчиков до таймеров, реле, программируемых логических контроллеров и других контроллеров, выходного оборудования (серводвигателей и приводов), а также роботов. Все они могут стать частью большой цифровой сети. Но готова ли эта сеть?

По оценкам глобальной консалтинговой компании IHS, к 2035 году парк беспилотных автомобилей с искусственным интеллектом составит уже около 21 млн
По оценкам глобальной консалтинговой компании IHS, к 2035 году парк беспилотных автомобилей с искусственным интеллектом составит уже около 21 млн
Фотография: gettyimages.com

Аналитики Bank of America Merill Lynch ожидают, что к 2020 году к интернету будет подключено более 50 млрд устройств, в том числе промышленных. Основные каналы связи для передачи такого рода информации еще не готовы. Предполагается, что для этого должна быть развернута сотовая сеть 5G, которая должна стать одной из важнейших технологий для предоставления широких каналов беспроводной связи, которые станут необходимы в таком мире. Технология 5G позволяет перераспределять пропускные каналы и скорости в зависимости от различных потребностей каждого станка или робота. К примеру, более широкая полоса может быть выделена для производственного цеха, что даст возможность потоковой передачи контента из интернета, а роботу можно выделить небольшой канал, достаточный для управления другим роботом. Но для развертывания 5G потребуется несколько лет и очередной виток привлечения капиталов. Огромных капиталов, надо заметить! Генеральный директор Deutche Telecom Тимотеус Хетгес, оценивал стоимость развертывания сети 5G в рамках ЕС в 400–500 млрд евро.

Учитывая ограниченность человеческих возможностей в быстрой оценке больших объемов данных, производимых этими устройствами, предполагается, что в обработке таких объемов должны быть задействованы нейронные сети и машинное обучение, которые в упрощенном виде стали называть искусственным интеллектом (ИИ), хотя, объективно говоря, это не совсем одно и то же. Но все же оставим в обращении общепринятое словосочетание.

Последний в последние годы искусственный интеллект получил широкое распространение среди существующих поставщиков IT-технологий, поскольку «взрыв данных» (90% мировых данных было создано, по данным инвестиционного банка UBS, за последние три года) совпал с появлением улучшенного оборудования, способного обрабатывать такие объемы экономически эффективным способом. Считается, что основным катализатором широкого внедрения искусственного интеллекта стали облачные вычисления. Они убрали два главных препятствия для ИИ: недорогой вычислительный ресурс и огромный объем данных. Система ИИ слишком сложна для любого отдельного устройства, к тому же она требует постоянных обновлений, а в облаке легче обновиться, чем в локальном устройстве.

Британский ученый-кибернетик Алан Тьюринг считается отцом концепции искусственного интеллекта (ИИ). В своей статье 1956 года он задал вопрос: «Могут ли машины думать?» Это послужило основанием для проверки предположения, может ли ответ компьютера обмануть кого-то, кто считает его человеком.

К концу 1950-х американские компьютерные ученые Герберт Саймон и Аллен Ньюэлл разработали компьютерную программу под названием «Общая проблема», целью создания которой было решение ряда структурированных задач, включая логические доказательства. Программа заложила некоторые важные основы в области ИИ, развивая «рассуждение как поиск», но на практике она решала ограниченное число проблем.

Ранние работы в области обработки естественного языка включали в себя семантические сети для машинного перевода или знаменитую симуляцию психотерапевта Роджера, представленную программой «Элиза», которая могла дать такие ответы, как «Можете ли вы подробнее рассказать об этом?» или «Вы действительно так думаете?»

Впервые созданные в 1960-е годы так называемые экспертные системы в 1980-е стали популярной формой ИИ и использовались в коммерческих целях в различных хозяйственных областях, таких как химический анализ или кредитование. Эти системы, подражая человеческому опыту в определенной области и зная ряд правил, помогали в принятии того или иного решения. Но интеллект системы в конечном счете зависел от набора правил, встроенных в него людьми. Экспертные системы используются и сегодня, но большая часть текущих исследований в этой области заключает в себе статистические подходы.

Шахматы — хороший пример достижений ИИ и парадоксов, которые он подбрасывает. В 1996 году шахматный компьютер IBM Deep Blue победил действующего чемпиона мира по шахматам Гари Каспарова, явно проявляя некоторую форму интеллекта. Тем не менее победа Deep Blue основывалась в первую очередь на вычислительной мощности и ее способности исследовать 14 или 15 ходов вперед. Компьютер не показывал человеческий интеллект в плане подражания глубокому пониманию игры шахматистов мирового класса.

Многие из достижений в области ИИ в течение первых 60 лет были незаметными и в основном были связаны с поисковыми алгоритмами, машинным обучением и применением статистики. Тем не менее увеличение мощности обработки за последнее десятилетие ускорило темпы изменений, и недавние прорывы вывели искусственный интеллект на авансцену. Среди таких примеров компьютер IBM Watson, который превзошел бывших победителей телевизионной викторины Jeopardy! в 2011 году; автономная машина Google в 2012 году и все более широкое использование интернет-помощников, таких как SIRI, Google Now или Cortana.

По материалам UBS

С момента своего появления искусственные нейронные сети удваивались примерно каждые 2,4 года. Улучшение алгоритма глубокого обучения свело к минимуму так называемую вероятность появления ошибок с наивысшим приоритетом 5 с 26,1 до 15,3% в 2012 году, а затем менее чем до 5% (по версии Microsoft) в 2015 году.

Теперь ИИ последовательно применяется в более широких приложениях, включая интеллект роботов, распознавание речи, компьютерное зрение или распознавание образов, а также машинное обучение и обработку естественного языка. Распознавание речи — самая распространенная технология ИИ, которая уже внедряется повсеместно, от потребительской электроники до автомобильной промышленности. Лидеры этого направления, например Nuance и iFlytek, уже вышли на IPO и заняли доминирующее положение на рынке B2B-решений.

Технологии ИИ в части компьютерного зрения уже на подходе. Частота ошибок распознавания в разнообразных приложениях, таких как интеллектуальное наблюдение, автономное вождение и диагностика заболеваний, резко снижается. Искусственный интеллект делает большие успехи в смене технологических парадигм в автомобильной промышленности. Ожидается, что рынок автономного вождения составит к 2024 году 87 млрд долларов, согласно Lux Research. Это найдет отражение в цепочке создания стоимости и, вероятно, создаст новые бизнес-модели в мировой индустрии.

Знаменитый матч по игре в го между корейским го-профессионалом девятого дана Ли Седолем и компьютерной программой AlphaGo в марте 2016 года закончился победой компьютера со счетом 1:4. Считалось, что настроить искусственный интеллект для игры в го практически невозможно: перед ИИ ставится больше задач, решение которых требует имитации мыслительного процесса человека

Знаменитый матч по игре в го между корейским го-профессионалом девятого дана Ли Седолем и компьютерной программой AlphaGo в марте 2016 года закончился победой компьютера со счетом 1:4. Считалось, что настроить искусственный интеллект для игры в го практически невозможно: перед ИИ ставится больше задач, решение которых требует имитации мыслительного процесса человека

Фотография: gettyimages.com

Машинное обучение сейчас в топе интереса венчурного рынка, на долю этого сегмента приходится 44% всех венчурных фондов и 35% общего числа компаний-стартапов. Стартапы машинного обучения, такие как DeepMind от Google или Intel Nervana, действительно могут привести к новому циклу инноваций в бизнесе в долгосрочной перспективе.

Одним из наиболее активно применяемых направлений инструмента ИИ стала нефтегазовая отрасль. Искусственный интеллект помогает здесь в планировании многомиллиардных проектов, ведущихся в течение долгого времени (от трех до пяти лет). ИИ может помочь здесь в более точном определении затрат на проект, включив прошлый опыт отрасли или компании в такие проекты и лучшие примеры реализации проектов компании, поддерживая расходы в соответствии с планами.

Поиск запасов нефти и газа и их эксплуатация создают большие объемы данных. Данные генерируются, когда промышленность проводит сейсморазведку и анализ данных для определения местоположения запасов нефти и газа. Аналогичным образом данные генерируются, когда скважина пробурена и проверена. Наконец, когда месторождение разрабатывается и начинается производство, генерируется значительный объем производственных данных. Интеграция геологических данных с данными, относящимися к производству и установленными аппаратными данными с помощью ИИ, может дать информацию, которая может быть использована для оптимальной эксплуатации запасов, а изучение одного проекта может быть применено к более экономичным проектам будущих периодов.

Но не все так безоблачно и в развитии технологий искусственного интеллекта. В Evercore ISI Research обращают внимание на множество проблем безопасности, связанных с машинным обучением, которые в первую очередь вызваны необходимостью сбора и хранения больших объемов данных, а также возможностью для злоумышленников манипулировать алгоритмами при создании ИИ. Как уже было сказано, существенным фактором становления ИИ стало растущее количество данных, которые сейчас генерируются и хранятся в общедоступных облаках. По мере увеличения объема, скорости и разнообразия данных, поступающих в облако, вопросы безопасности и конфиденциальности становятся все более актуальными, а традиционные механизмы безопасности — все менее адекватными. Кроме того, поскольку алгоритмы машинного обучения постоянно самонастраиваются по мере того, как они поглощают новые данные, в некоторых случаях есть риск злонамеренного манипулирования алгоритмами путем подачи определенных данных. Этот феномен был замечен в случае компьютерного обучения Microsoft, использующего Twitter-бот Tay, который начал твитить оскорбительные сообщения.

Таблица 4. Сравнение усилий по выстраиванию Индустрии 4.0 в Японии, Германии и США

Германия
США
Япония
Организации
Промышленность, государственный сектор и научные круги (во главе с правительством). Национальная академия науки и техники (AcaTech). Plattform Industrie 4.0 Корпоративный альянс (во главе с бизнесом) Промышленный интернет-консорциум (IIC), возглавляемый GE с 2015 г. Отдельные отраслевые организации, корпоративные группы, научные организации и другие (RRI, IVI, Консорциум по продвижению IoT, корпоративные группы и т. д.)
Компании
Фокус на небольших компаниях при помощи крупных — Bosch, KUKA, SAP и т. д.
Ведущее участие крупных корпораций (GE, Intel, CISCO) при активной помощи PTC, AWS, Microsoft, IBM и других IT-компаний
Сильная представленность крупных компаний и отраслевых организаций, никак не объединенных
Стратегические цели
Стандарт, юридически установленный организацией по стандартизации, играет ведущую роль в стандартизации. Стратегия перехвата инициативы в ISO, IEC и других международных стандартах
Фактически установленный стандарт (благодаря конкуренции на рынке, а не отраслевым организациям и т. п.). Достижение доминирующего положения с помощью открытых инноваций и цифровизации (CPS: Cyber-Physical System)
Установленные де-факто стандарты. Инициатива создания производственно-сбытовой цепи (Hitachi, Mitsubishi Electric, Fujitsu и др.). Консорциум по продвижению IoT / Лаборатория IoT
Концепт
Ориентация на промышленность 
Ориентация на центры машинных данных. Централизация на машинах (данные о вещах). Программно определяемые машины (создание коллективного интеллекта, который могут использовать все промышленные машины, в виде надежной облачной программной платформы)
Ориентация на оборудование. Централизованное аппаратное обеспечение и данные. Связь/ИТ: облако, большие данные, искусственный интеллект. Ответ производства: технологии, качество, датчики/роботы
Цели и текущая ситуация
Обеспечение Германии глобальными производственными стандартами. Государственный бюджет: 220 млн евро в 2013 году, грант до 200 млн евро для продвинутых кластеров. Стремление опередить США и Китай и стать главным экспортером к 2025 году Превращение США в глобального лидера посредством цифровой информатизации (CPS) и открытых инноваций (IIC). Smart America Challenge — проект под непосредственным руководством Белого дома. Правительство предоставляет ежегодный грант в размере 1 млн долл. организациям, работающим в сфере IoT
Создать гарантии, что японское производство выживет, а японские компании не отстанут от американских и европейских и смогут соответствовать их новым инициативам. Трудности в согласованности стандартов даже внутри страны. Игроки не объединены.
Наиболее развитые технологии — у частного сектора, но он отстает в глобальной конкуренции стандартизации

Источник: BNP Paribas

Кроме того, с точки зрения Evercore, по-прежнему вызывает озабоченность аналитиков потенциал ложных срабатываний в системах искусственного интеллекта. Поскольку алгоритмы машинного обучения являются статистическими моделями по своей сути, они подвержены одним и тем же недостаткам. Две из наиболее распространенных ошибок алгоритмов машинного обучения, приводящие к ложным срабатываниям, — это переобучение и «проклятие размерности». Переобучение относится к алгоритму машинного обучения, который кажется точным при тестировании на данных обучения, но становится ненадежным при развертывании в производство, поскольку он прошел обучение по слишком маленькому (или слишком схожему) набору данных. Что касается «проклятия размерности», то там алгоритмы машинного обучения имеют тенденцию ухудшаться при применении к наборам данных с очень большим количеством функций. «Проклятие размерности» особенно явно проявляется при работе со сложными системами, которые описываются большим числом параметров. Это влечет за собой следующие трудности: трудоемкость вычислений, необходимость хранения огромного количества данных, увеличение доли «шумов» измерения.

В дополнение к техническим проблемам в развитии отрасли искусственного интеллекта существует еще одна большая, но банальная проблема — дефицит кадров. В техническом документе McKinsey 2012 года, посвященном big data, говорится, что кадровый дефицит является «существенным ограничением возможностей» этой отрасли. По прогнозам McKinsey, к 2018 году предложение таких специалистов в США достигнет 300 тыс. человек, что значительно ниже предполагаемого спроса на них — 440–490 тыс. позиций.

Решить эту проблему быстро не удастся: несмотря на то что ряд университетов расширяют свои учебные планы, процесс это небыстрый и может занять десятки лет. 

Открытая фабрика

Разработчики комплексных решений умных фабрик ставят главной задачей оптимизацию не только производительности конкретного оборудования, но и «потока», производительность всего завода. В этом контексте разработчики подчеркивают важность открытых решений. «Сейчас мы находимся на пороге новой технологической эпохи, характеризующейся стремительным ростом объема данных, связности и вычислительной мощности, — пишут аналитики консалтинговой BCG. — И хотя история показывает, что сегодняшние цифровые, облачные и связанные с ними технологии мало влияют на производительность, мы полагаем, что их преимущества могут быть существенными. По сравнению с промышленными системами прошлого (массивные базы данных HR, ERP и CRM), сегодняшние технологии более гибкие, способствующие сотрудничеству и анализу данных».

Большинство существующих решений интернета вещей сейчас закрытые, не совместимые с продуктами других компаний. Это затрудняет обмен данными, интеграцию между отраслями или заводами. Для глобальных компаний, которые работают с огромной линейкой поставщиков и имеют заводы по всему миру, продвижение интернета вещей требует многочисленных соединений многочисленных типов контроллеров, а открытые решения — мощные инструменты в этом отношении. Но делиться платформенными решениями никто пока не спешит.

В ноябре 2016 года на японской международной станкостроительной ярмарке (JIMTOF) японская корпорация Fanuc, мировой лидер в области роботов и оборудования с ЧПУ, вместе со своими партнерами по альянсу Rockwell и Cisco продемонстрировали систему FIELD — платформу нового поколения интернета вещей для создания умного завода (Smart Factory). Эта система сделала возможным мониторинг и унифицированное управление рабочими условиями для множества станков. На самой ярмарке было подключено более 250 машин из 80 различных компаний, и, по мнению экспертов, это стало примером решений автоматизации промышленности следующего поколения.

Как «Индустрия 4.0» вписывается в глобальные технологические тренды

После этого, правда, Fanuc объявила, что отложит запуск своей FIELD на 2017 год, но независимо от фактического времени запуска можно сказать, что появление такой системы свидетельствует об эволюции существующих закрытых платформ на заводах-изготовителях. Уже сейчас многие другие компании предлагают подобные открытые платформы Smart Factory, в том числе немецкий Siemens и японские Mitsubishi Electric и Omron. Основная идея игроков — обеспечить интеллектуальные заводы в совместимых платформах открытым исходным кодом, способным охватить существующие сети.

Вообще, датчики и программное обеспечение, встроенные в машины и оборудование, позволяют поддерживать постоянный поток информации о работе актива. Однако для производителей самих машин и оборудования, таких как Siemens или GE, это стало создавать проблемы со сбытом: цифровизация оборудования показала свою эффективность, увеличила срок его службы, его стало более выгодно использовать, но потребность в новых его закупках стала уменьшаться.

В связи с этим производители машин и оборудования стали двигаться в новом направлении — начали предлагать контракты на обслуживание уже проданного оборудования. Например, Siemens дистанционно контролирует уже свыше 350 тыс. устройств и генерирует 600 млн евро доходов от такого рода цифровых услуг. Это, конечно, мизерная часть в выручке концерна (79,6 млрд евро), но зато этот сегмент растет на 15% в год. Несмотря на то что такие шаги имеют очевидные преимущества для оптимизации расходов конечных пользователей и помогают немного нарастить маржу, особенно в период финансового кризиса, аналитики Goldman Sachs видят ограничения в развитии такой модели. В частности, они указывают, что эти новые IT-услуги не дают машиностроителям достаточной маржи, которая могла бы компенсировать дополнительные затраты, связанные с предоставлением клиентам большего количества данных и функциональных возможностей. Единственная причина того, что производители занимаются такими экзотическими вещами, как IoT, — преимущество первого игрока, который сможет застолбить программные базы в повторяющихся услугах посредством оцифровки и программного обеспечения, что, в свою очередь, поможет им увеличить свою долю рынка.

magnifier (1).png Ведущие развитые страны принимают специальные программы, накапливают ресурсы (технологический потенциал компаний, таланты и квалификации), развивают инфраструктуру и совершенствуют стимулы

Идти в одиночку в цифровую сферу промышленным производителям становится все сложнее, поэтому сделки слияний и поглощений в этой сфере случаются все чаще. В 2016 году был отмечен беспрецедентный уровень анонсов партнерств в области IoT. Так, электротехнические корпорации ABB и Schneider объявили о своем партнерстве с Microsoft Azure, а Siemens — об альянсе с SAP Hanna. Концерн Siemens приобрел за 970 млн евро PLM-провайдера CD-adapco. Последний занимает ведущие позиции в области вычислительной газогидродинамики. Кроме того, Siemens сообщил о покупке компании Mentor Graphics. Это приобретение — часть стратегии Vision 2020, направленной на формирование «цифрового промышленного предприятия» (Digital Industrial Enterprise) за счет расширения предложения промышленного программного обеспечения. Сумма сделки составляет примерно 4,5 млрд долларов. В результате Siemens получит в свое распоряжение программное обеспечение Mentor для автоматизации проектирования интегральных схем и систем, эмуляции производственных процессов и управления ими.

Гонка продолжается

На протяжении более чем двухсот лет богатые развитые страны были непререкаемыми лидерами производства. Они пользовались чрезвычайно мощным влиянием и первыми выигрывали от внедрения инноваций, но, как мы успели увидеть в последние несколько лет, расстановка сил в производственном секторе изменилась: отстающие стали догонять лидеров. Так, с 2000 по 2010 год объем промышленного производства в бедных странах стал расти особенно высокими темпами — на 6,3% в год. В более богатых странах в тот же период в результате общего ослабления роста, который усугубила рецессии 2008–2009 годов, объем производства стал падать на 0,2% в год В итоге доля развитых стран в общем объеме производства снизилась с 73% в пиковом 2000 году до 59% в 2010-м. Автор «Новой промышленной революции» Питер Марш считает, что теперь в части производства возможности многих стран мира представляют более «равное игровое поле».

Сегодня многие направления выстраивания Индустрии 4.0 актуальны как никогда. Гиганты мировой индустрии адаптируют корпоративные стратегии и вкладываются в исследования и разработки, чтобы возглавить технологическую гонку. Ведущие развитые страны принимают специальные программы, накапливают ресурсы (технологический потенциал компаний, таланты и квалификации), развивают инфраструктуру и совершенствуют стимулы для нового витка технологического развития. Готовится к технологическому прорыву и Китай.

Все эти страны выбирают для поддержки определенный круг отраслей высокотехнологичного производства, планируют создание отраслевых центров компетенций для разработки новых технологий и решений. Китай, например, планирует до 2025 года реализовать программы поддержки десяти приоритетных секторов производства высокотехнологичного оборудования, поддержать не менее 100 проектов в сфере технологий передового производства и создать 40 центров компетенций. Несмотря на то что признаки будущего замедления роста промышленности в Китае уже налицо (из-за роста зарплат, стоимости энергоносителей и углубления экологических проблем), это не отменяет его возросшей мощи. Новый технологический рывок в глобальном мире становится возможным уже в нескольких частях света и географических точках.

verified-text-paper.png Обобщая основные технологические тренды концепции Индустрии 4.0, мы видим, что отдельные страны или корпорации в одиночку не смогут подготовить к внедрению эти технологии. Большая часть технических и организационных проблем носит столь масштабный фундаментальный и системный характер, что их решение возможно лишь на межгосударственном уровне. Это предполагает не только привлечение колоссальных денежных средств (см. обозначенные ранее масштабы инфраструктурных проблем в случае с развертыванием сети 5G), но и подключение регуляторных ресурсов для внедрения единых стандартов и обеспечения безопасности. Отдельным направлением, на которое необходимо будет делать упор, должна стать глобальная фундаментальная наука. Из обозначенных ранее отраслей науки в рамках концепта Индустрии 4.0 акцент должен быть сделан на математику, физику и информатику, а также на материаловедение. 

Впрочем, нельзя не обратить внимание и на иной путь: если говорить сугубо об инновационном росте экономик развитых стран, создание новых конечных продуктов является более очевидным выходом из тупика низкой производительности, чем автоматизация уже существующих производственных процессов. То есть с точки зрения получаемой добавленной стоимости более соблазнительным кажется создание нового прорывного лекарства, чем автоматизация процесса его упаковки и отслеживания перемещения по складам. 

Автор выражает благодарность Виталию Сараеву за помощь, правки и замечания при подготовке материала.

Темы: Аналитика

Еще по теме:
24.11.2023
Почему страны Совета сотрудничества арабских государств Персидского залива испытывают трудности в области инноваций, нес...
10.11.2023
Исследование российских быстрорастущих компаний, опубликованное в свежем номере «Российского журнала менеджмента», подтв...
03.03.2023
Для компенсации резкого, почти двукратного, сокращения импорта оборудования и ноу-хау и обеспечения поступательного разв...
27.07.2021
Институт менеджмента инноваций ВШБ НИУ ВШЭ представил результаты исследования российских быстрорастущих компаний. Оказал...
Наверх