Умная платформа | Большие Идеи
Технологии

Умная платформа

Андрей Скобеев , Антон Аристов , Владимир Рогов , Данис Маганов , Леонид Жуков
Умная платформа
Иллюстрация: Jorg Greuel / Gettyimages

В управлении производственным процессом программы машинного обучения пока редки, хотя именно такие системы сулят наибольшую выгоду. Искусственный интеллект уменьшает влияние человеческого фактора и нагрузку на операторов, позволяя аккумулировать, стандартизировать и распространять накопленный опыт управления комплексом оборудования. В нефтедобывающей компании ЛУКОЙЛ установили программу, которая позволяет уменьшить простои и оптимизировать режим техобслуживания и работы дорогостоящего оборудования на нефтяной платформе.

Сейчас мало кого надо убеждать в том, что искусственный интеллект (ИИ) способен выводить компании на новый уровень эффективности.

В опросе, проведенном в конце 2017 года Школой бизнеса Слоуна и BCG в 112 странах и охватившем более 3 тыс. руководителей компаний из 21 отрасли, три четверти респондентов признавали, что ИИ — мощный инструмент создания конкурентного преимущества. Однако при всей поддержке и понимании руководства собственная система ИИ, пусть даже совсем скромная, была лишь у каждой пятой компании. А если взять отдельно крупнейшие бизнесы (с численностью сотрудников более 100 тыс.), то на этот момент исследования стратегия развития ИИ была у половины, но опыт внедрения — лишь у каждой четвертой.

Сейчас, спустя полтора года, ситуация изменилась мало: если у крупных компаний и есть проекты с ИИ, то чаще всего они обслуживают какой-либо модуль в одной из вспомогательных функций. К управлению основным производственным процессом ИИ подключают гораздо реже, хотя именно здесь внедрение сулит наибольшую выгоду.

Основных причин отставания в «интеллектуализации» операционной деятельности три. Во-первых, выбирая сферы для внедрения ИИ, компании предпочитают относительно малорисковые: инвестируют в проекты не слишком большого масштаба, которые в случае неудачи не лягут тяжким бременем на бюджет. Во-вторых, для непроизводственных функций, таких как HR, существуют готовые «коробочные» ИИ-решения, а для производственной системы все приходится делать заново «под себя», привлекая сторонние компании. Дело усугубляется еще и тем, что разработанные и уже внедренные производственные ИИ-решения требуют регулярной калибровки, а нередко и дообучения моделей. Чтобы справиться с этой задачей, приходится создавать внутренние подразделения аналитики больших данных (отделы data science). Не все компании хотят и могут это осуществить.

В статье мы расскажем о том, как крупнейшая частная нефтяная компания России ЛУКОЙЛ решила встроить искусственный интеллект в управление нефтяной платформой, какие ресурсы для этого понадобились и какие результаты были достигнуты за первые полтора года работы.

советуем прочитать
Войдите на сайт, чтобы читать полную версию статьи
советуем прочитать
Кризис лидерства
Елена Евграфова
Смиритесь, вы «хромая утка»!
Маршалл Голдсмит