На конференции ЦИПР директор департамента цифровых технологий Минпромторга России Владимир Дождев рассказал, что платформа поспособствует утверждению единых стандартов, методик и нормативной базы для эффективного обмена данными между предприятиями. Также это поможет быстрее внедрять ИИ-решения на производстве. Обучение моделей нужно проводить на чистых и обработанных датасетах. Минпромторг собирается максимально задействовать существующие наработки и использовать IT-продукты, которые уже работают.
В целом на рынке инициативу оценивают позитивно. Сегодня промышленность упирается уже не в нехватку данных, а в отсутствие единой, управляемой среды работы с ними. Колоссальные объемы информации на отечественных заводах фактически "спят" внутри изолированных систем АСУ ТП. Эти данные разрознены, заперты в локальных контурах предприятий и хранятся в несовместимых форматах.
Руководитель направления Т1 ИИ в IT-холдинге Т1 Сергей Голицын рассказал, что консолидация потоков на базе единой промышленной платформы данных позволит унифицировать информационные потоки и сформировать общий "цифровой язык" для разных сегментов производства, повысить качество аналитики и точность прогнозных моделей.
Также платформа поможет масштабировать лучшие практики - предприятия получат возможность переиспользовать протестированные отраслевые решения, что даст мощный импульс развитию всего промышленного сектора.
Сегодня в обработке и хранении промышленных данных трудности связаны с их спецификой, которая требует узкоспециализированных IT-решений. Например, баз данных реального времени. Это сложная, отраслевая архитектура, которая сильно отличается от классического корпоративного софта, отмечает Голицын.
При этом хранение самих данных не является основной проблемой на рынке. Руководитель направления искусственного интеллекта и машинного обучения в ГК "Юзтех" Илья Смирнов объясняет, что промышленные данные уже существуют в большом объеме, но они слабо связаны между собой, по-разному описаны и часто не имеют понятного владельца внутри компании. Один и тот же объект в разных системах может называться по-разному, данные поступают с разной периодичностью, а их качество невозможно быстро подтвердить. В итоге предприятие получает не единую картину производства, а набор плохо согласованных фрагментов.
"Большая часть времени уходит не на модели и интерфейсы, а на очистку данных, нормализацию справочников, выстраивание интеграций и проверку корректности источников. Для промышленности это особенно чувствительно, потому что цена ошибки здесь выше, чем в большинстве других отраслей", - говорит Смирнов.
Платформа поможет отрасли перейти от разрозненных информационных островов к общей среде, где данные можно использовать для автоматизации, аналитики и ИИ без постоянной ручной донастройки. Когда это произойдет, эффект будет не только технологическим, но и экономическим: снизится стоимость интеграции новых решений, сократится срок запуска прикладных сервисов, а предприятиям станет проще масштабировать удачные цифровые сценарии, а не жить в режиме бесконечных пилотов.
Кроме того, повысится эффективность предиктивной аналитики состояния оборудования и режимов. Руководитель направления Big Data & BI в К2Тех Дмитрий Красников отмечает, что для ИИ нужна унификация разметки данных. Сырая телеметрия без разметки не пригодна для обучения. Платформа должна помочь стандартизировать процесс разметки: фиксация штатных режимов, предотказных состояний, аварийных событий. Накопленные размеченные датасеты повторно используются участниками без дополнительных трудозатрат. Это даст снижение стоимости внедрения ИИ. Сейчас компаниям приходится собирать данные с нуля, чистить, размечать, строить модели индивидуально.
"Платформа может стать драйвером бума разработки готовых цифровых двойников и ИИ-помощников для российского производства. Наличие данных для обучения и апробации позволит вендорам создавать более фокусные продукты и подходы для промышленных компаний. Это также благоприятно скажется на цикле внедрения в части сокращения сроков и экономики проектов", - рассказал Красников.
Еще одной трудностью в создании систем хранения и обработки данных эксперты называют нехватку квалифицированных кадров. Отрасли нужны специалисты, разбирающиеся не только в программировании, но и в процессах. Поэтому все больше предприятий организовывают стажировки и программы практической подготовки молодых специалистов.
"Сейчас каждое предприятие пытается максимально автоматизировать свое производство, заменить людей на рабочих местах, требующих рутинных операций, работающих во вредных условиях труда, и повысить качество выпускаемой продукции", - указывает генеральный директор НИИЭТ (ГК "Элемент") Павел Куцько.
По его словам, данные для обучения ИИ предприятия набирают самостоятельно, создают собственные базы. Поэтому платформа промышленных данных станет основой для накопления подобных данных, обучения ИИ по схожим процессам и выполнения возможного прогнозного анализа работы оборудования. И чем больше будет данных для обучения, тем больше будет и возможностей, говорит эксперт.