ИНФОРМАТИЗАЦИЯ И УПРАВЛЕНИЕ

Применение технологий искусственного интеллекта для оптимизации технологических процессов в производстве

Авторы

  • Александр Михайлович Поленников Российский биотехнологический университет

Как цитировать

ГОСТ Поленников А. М. Применение технологий искусственного интеллекта для оптимизации технологических процессов в производстве // Хлебопечение России. 2024. Т. 68. № 2. С. 88-99.
APA Поленников, А. М. (2024). Применение технологий искусственного интеллекта для оптимизации технологических процессов в производстве. Хлебопечение России, 68(2), 88-99.

Аннотация

В данной статье рассматриваются перспективы применения технологий искусственного интеллекта (ИИ) для оптимизации технологических процессов в производстве. Целью исследования является анализ возможностей и ограничений использования ИИ в промышленности, а также выявление наиболее перспективных направлений его внедрения. В качестве материалов и методов исследования использовались обзор научной литературы по теме, анализ существующих примеров применения ИИ в производстве, а также экспертные интервью со специалистами в области ИИ и промышленного производства. Был проведен систематический поиск релевантных научных публикаций в базах данных Scopus, Web of Science и Google Scholar за период с 2010 по 2023 год. Ключевыми словами для поиска были «искусственный интеллект», «машинное обучение», «оптимизация производства», «промышленность 4.0» и др. Из найденных 2347 публикаций после анализа аннотаций было отобрано 156 наиболее релевантных работ для детального изучения. Кроме того, было проведено 12 глубинных интервью с экспертами длительностью от 40 до 90 минут. Результаты исследования показали, что применение ИИ позволяет значительно повысить эффективность производственных процессов. Наибольший потенциал ИИ демонстрирует в таких областях, как предиктивное обслуживание оборудования (снижение внеплановых простоев на 30-50%), оптимизация работы промышленных роботов (повышение производительности на 10-25%), интеллектуальное управление запасами (сокращение складских издержек на 20-40%), контроль качества на основе компьютерного зрения (выявление до 90% дефектов). Однако для успешного внедрения ИИ необходимо преодолеть ряд барьеров, в числе которых недостаток качественных данных для обучения моделей, дефицит квалифицированных кадров на стыке ИИ и производства, высокая стоимость решений и интеграции. В среднем внедрение комплексных систем ИИ на производстве занимает от 1 до 3 лет и окупается за 2-5 лет.

Ключевые слова

искусственный интеллект машинное обучение оптимизация производства цифровизация промышленности Индустрия 4.0 интеллектуальные системы управления

Библиографические ссылки

Андрианов М.А., Гурова Е.М., Евтушенко Н.А., Неделин Н.А., Никулин И.В. Использование современных методов автоматизации для оптимизации жизненного цикла продукции // Промышленные АСУ и контроллеры. 2019. № 7. С. 29-35.

Власов С.Ю., Кипов М.Х. Машинное зрение в условиях плохой видимости // Известия Кабардино-Балкарского научного центра РАН. 2023. № 5(115). С. 25-31.

Дмитриевский А.Н. Анализ рисков при использовании технологий искусственного интеллекта в нефтегазодобывающем комплексе // Автоматизация, телемеханизация и связь в нефтяной промышленности». 2021. № 7(576). С.17-27.

Дмитриевский А.Н., Столяров В Е., Еремин Н. А. Актуальные вопросы и индикаторы цифровой трансформации на заключительной стадии нефтегазодобычи промыслов // Научно-технический журнал «SOCAR Proceedings». Научные труды НИПИ Нефтегаз ГНКАР. Спецвып. SOCAR Proceedings Special. № 2. 2021. С. 1-13.

Дмитриевский А.Н., Столяров В.Е., Еремин Н.А. Роль информации в применении технологий искусственного интеллекта при строительстве скважин для нефтегазовых месторождений // Научный журнал Российского газового общества. № 3(26). 2020. С. 6-21.

Еропкин А.М. Бережливое производство на предприятиях и в организациях оборонно-промышленного комплекса. Екатеринбург: Доброе слово, 2015. 136 с.

Идрисов Г. И. Новая технологическая революция: вызовы и возможности для России // Вопросы экономики. 2018. Т. 4. С. 5-25.

Колчин В.Н. Специфика применения технологии «искусственного интеллекта» в строительстве / // Инновации и инвестиции. 2022. № 3. С. 250-253.

Крюков, К. М. Использование технологии цифровых двойников в строительстве / К. М. Крюков // Инженерный вестник Дона. 2022. № 5(89). С. 517-525.

Кучменко Ю.А., Ткачев В.Ю. Опыт применения мехатронных систем в системах автоматизированного управления жизненным циклом продукции промышленных предприятий // Автоматизация производства. 2020. № 1. С. 7-11.

Петин В. Arduino и Raspberry Pi в проектах Internet of Things. СПб.: БВХ-Петербург, 2017. 319 с.

Прохоров А., Лысачев М. Цифровой двойник. Анализ, тренды, мировой опыт. М.: АльянсПринт, 2020. 401 с.

Радченко В.В. Оптимизация жизненного цикла продукции на базе систем автоматизации и управления производством // Машиностроение и инновации. 2018. № 9. С. 42-44.

Русаков А.А., Попов К.Н. Автоматизация оптимизации жизненного цикла продукции при разработке и выпуске сложных изделий // Интернет-журнал «Научные статьи студентов и аспирантов». 2019. Т. 1. С. 175-180.

Тимофеев С.В. Проблемы, связанные с искусственным интеллектом в системах видеонаблюдения с функцией распознавания лиц / С.В. Тимофеев, Т.А. Кожина // Научный дайджест Восточно-Сибирского института МВД России. 2022. № 3(17). С. 106-111.

Дополнительные файлы

Опубликован

2024-06-15

Выпуск

Раздел

ИНФОРМАТИЗАЦИЯ И УПРАВЛЕНИЕ

Метрики

1186 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные

Похожие статьи

<< < 3 4 5 6 7 8 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.