Как нейросети трансформируют техобслуживание и ремонт на производстве

Азат Кашапов, эксперт по ИИ компании Axenix
Технологии генеративного искусственного интеллекта (ГенИИ) начинают применяться в промышленном производстве, в том числе в процессах техобслуживания и ремонта. Что важно учесть при использовании нейросетей на предприятии?

ИИ для диагностики оборудования

Техническое обслуживание и ремонт (ТОиР) — это комплекс мероприятий, направленных на поддержание и восстановление работоспособности производственных линий. Бизнес-цели ТОиР — продление срока службы оборудования и сокращение простоев.

Для диагностики оборудования используют искусственный интеллект — инструменты «умной» аналитики данных о его техническом состоянии. Например, анализ временных рядов помогает прогнозировать срок бесперебойной работы и вероятность поломок. Системы компьютерного зрения, инструменты детектирования и сегментации дефектов позволяют мониторить физическое состояние агрегатов.

Главные риски использования ГенИИ связаны с возможными ошибочными прогнозами

Сейчас в промышленности активно набирают обороты применение технологий генеративного искусственного интеллекта. В каких областях ТОиР есть потенциал для применения ГенИИ?

Диагностика неисправностей

Интеллектуальные системы поддержки принятия решений в виде чат-бот ассистентов способны в диалоговом режиме в ответ на описание проблемы с оборудованием предлагать гипотезы по диагностике и устранению выявленных неисправностей.

Работает это так: пользователь запрашивает текущие параметры работы оборудования из MES-систем через диалоговое окно в удобном для анализа формате (в том числе, в виде диаграмм, таблиц), описывает проблему, а модель, используя знания из технической документации, генерирует гипотезы по выявлению причин отказа оборудования, рекомендации по диагностике и ремонту.

Работа с технической документацией

ГенИИ помогает создавать базы знаний для новичков, проходящих процесс адаптации, а также для действующих сотрудников — в качестве шпаргалки или обучающих материалов. Обращаться к базе знаний можно в диалоговом окне чата.

Крупные предприятия эксплуатируют большое количество оборудования. Техническая документация может быть разнородной и плохо структурированной, что затрудняет поиск по ней нужной информации. Языковые модели позволяют облегчить получение необходимых данных с помощью запросов, сформулированных на естественном языке.

Модель может разрабатывать инструкции по обслуживанию оборудования на основе его технического паспорта, других документов и требований (по промышленной безопасности, охране окружающей среды и т. п.). А также составлять отчеты и саммари.

Ограничения и риски

Модели на основе ГенИИ могут быть полезны на производстве, но их внедрение в процессы ТОиР могут быть ограничены самой технологией и человеческим фактором. Рассмотрим основные проблемы.

Недостаточные качество и доступность данных для обучения модели

Эффективность моделей ГенИИ напрямую зависит от качества и объема данных в обучающей выборке. В отличие от классического машинного обучения, в этом случае получить большой объем данных достаточно легко, исключение составляют ситуации, в которых фигурируют узкоспециализированные домены. С качеством сложнее. Чтобы обеспечить качество данных, необходимо производить фильтрацию. Этот процесс крайне важен — даже небольшой качественный датасет может оказать большое влияние на метрики.

Определенные сложности при обучении моделей ГенИИ могут возникать из-за отсутствия записей по отказу оборудования или при интеграции модели с существующими устаревшими системами. Также проблемы могут быть связаны с тем, что техническая документация часто содержит схемы, чертежи, формулы, таблицы, работа с которыми для современных языковых моделей затруднена или невозможна.

Недоверие результатам

Главные риски использования ГенИИ связаны с возможными ошибочными прогнозами. Даже незначительные ошибки в рекомендациях могут привести к фатальным последствиям, если речь идет об опасных промышленных объектах. Между тем, для пользователя генеративные модели представляют собой своего рода черный ящик, генерирующий ответы.

Кроме того, возможности использования результатов применения ИИ в нормативно-технической базе Российской Федерации пока недостаточно прописаны. В этой области действует экспериментальный правовой режим. В любом случае, рекомендации ГенИИ не могут рассматриваться как руководство к действию. Ответственность за принятие решений целиком и полностью лежит на специалисте.

Завышенные ожидания

Такие системы требуют достаточно больших вложений на начальном этапе, однако оценить эффект от внедрения, а значит и окупаемость, может быть непросто. Часто пользователи думают, что ГенИИ сразу решит все проблемы и выполнит их ожидания на 100%, но в реальности так не бывает. Правильный подход — внедрение модели через пилотные проекты, MVP, проверку гипотез и постепенное движение к цели.

Неготовность сотрудников

Хотя использование естественного языка должно упростить взаимодействие человека с моделью, на практике многие сотрудники могут испытывать сложности с правильной формулировкой запросов. Даже в межличностном общении часто требуются уточнения задачи в диалоге. Поэтому важно готовить людей к взаимодействию с ГенИИ, чтобы оно было эффективным.

Как запустить модель для ТОиР

Для промышленных предприятий, как правило, необходимы локальные решения. Открытые модели, доступные из интернета, на многих предприятиях запрещены регулятором или внутренними требованиями безопасности. Модель должна быть развернута on-premise на серверах компании.

Простые и недорогие в части развертывания и эксплуатации ИИ-модели без подключения к интернету не справятся со сложными запросами пользователя. Решить проблему помогает архитектура RAG (Retrieval-Augmented Generation). При этом методе в контекст запроса к языковой модели автоматически добавляется информация из внутренних баз знаний, на основе которой пользователю формируется ответ.

Таким образом, чтобы запустить модель на основе ГенИИ в ТОиР необходимо:

Проверить имеющиеся данные на предмет ошибок и противоречий, привести их к единому и наиболее подходящему для использования моделью формату и сформировать базу знаний.
Провести дообучение модели или подготовить документацию для использования в архитектуре RAG.
Подготовить специалистов к эффективному использованию электронного помощника. А именно: рассказать о пользе ГенИИ для конкретных ролей на предприятии и научить формулировать запросы (промты).

Сегодня языковые модели для ТОиР работают как цифровые помощники — выполняют семантический поиск и выдают пользователю результат по запросу: рекомендации, инструкции, отчеты и аналитику в виде графиков и диаграмм. Дальнейшее развитие подобных решений зависит от улучшения их когнитивных способностей: развития логики и рассуждений на уровне, близком к человеческому.