Революционные изменения в промышленности.

За последние два десятилетия с момента появления Интернета и новых отраслей информационной индустрии произошли поистине революционные изменения во всех сферах нашей жизни. В ближайшие 10–15 лет ожидается следующий радикальный скачок, который будет связан с внедрением индустриального Интернета вещей (The Industrial Internet of Things — IIoT).

По мере того как различные небытовые устройства (например, робототехнические комплексы на цифровом производстве), оснащенные датчиками и сенсорами и подключенные к Интернету, станут «общаться» между собой без вмешательства человека, трансформируются основные сектора экономики (промышленное производство, энергетика, транспорт, медицина, сельское хозяйство и др.), и полностью изменится сама модель взаимодействия людей и машин.

К 2030 г. вклад от развития Интернета вещей в мировую экономику может составить около $14 трлн. Внедрение технологий IIoT повысит эффективность труда на предприятиях, позволит экономить на плановом ремонте оборудования и общих эксплуатационных затратах, минимизирует аварии на производстве и в целом увеличит предсказуемость промышленных систем. На макроуровне это приведет к росту энергоэффективности и конкурентоспособности экономики, стиранию границ между отраслями, снижению техногенного влияния на окружающую среду. Одним из следствий для социальной и гуманитарной сферы станет вытеснение низкоквалифицированного труда (как физического, так и умственного) машинами и появление новых видов компетенций, требующих высокой квалификации. В данном трендлеттере рассматриваются отдельные технологические направления, которые будут способствовать внедрению IIoT.

ОБЛАЧНЫЕ ВЫЧИСЛЕНИЯ ДЛЯ ЦИФРОВОЙ ПРОМЫШЛЕННОСТИ

Широкое распространение Индустриального Интернета вещей требует решения ряда вопросов, среди которых важное место занимает проблема сбора, хранения и анализа огромных массивов данных, получаемых от различных устройств. Около 90% всей имеющейся в мире информации человечество создало за последние два года. К примеру, один большой нефтеперерабатывающий завод каждый день генерирует примерно терабайт «сырых» данных. По мере развития промышленной автоматизации и роста внедрения M2M-технологий (machine-to-machine) облачные вычисления становятся наиболее эффективным способом аккумуляции и обработки больших объемов информационных ресурсов.

Облачные вычисления — это модель предоставления сетевого доступа к коллективно используемому набору настраиваемых вычислительных ресурсов, которые пользователь может оперативно задействовать под свои задачи при сведении к минимуму собственных управленческих усилий и времени взаимодействия с провайдером. Облачные платформы позволяют быстро и легко пользоваться сервисами и приложениями, помогают повысить скорость принятия решений и увеличить производительность в целом. Облачные сервисы могут быть публичными, частными и гибридными (наиболее перспективное направление развития). С помощью гибридных облаков компании, которые исчерпали потенциал своего корпоративного хранилища данных, получают возможность, сохранив у себя наиболее важную часть ИТ-инфраструктуры, передать остальные ИТ-ресурсы на обслуживание облачным провайдерам.

ТЕХНОЛОГИИ "ДОПОЛНИТЕЛЬНОЙ РЕАЛЬНОСТИ" В ПРОИЗВОДСТВЕ

Дополнение реального мира цифровыми объектами с помощью различных носимых устройств и гаджетов все увереннее входит в современные индустриальные практики, в частности, становится неотъемлемым элементом кастомизированно- го производства. Технологии дополненной реальности (Augmented Reality — AR) намного упрощают и сокращают процесс создания нового продукта: благодаря замене физических прототипов виртуальными моделями, совместимыми с реальными устройствами, можно еще на ранних этапах увидеть ошибки проектирования или эффекты того или иного усовершен- ствования. Эти технологии в целом позволяют снизить влияние человеческого фактора, сократить затраты на ремонт оборудования, повысить производительность труда и конкурентоспособность на рынке.

Кроме моделирования деталей, планирования и оптимизации производственных процессов, в частности монтажа, AR-технологии используют для координации деятельности отделов и сотрудников и даже для создания рабочих инструкций и технических публикаций. Например, в складской деятельности «умные очки» используются для автоматизации процессов, технического и сервисного обслуживания, удаленного консультирования по ремонту оборудования.

СИСИТЕМЫ МАШИННОГО ЗРЕНИЯ ДЛЯ КОНТРОЛЯ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ

В условиях современного высокотехнологичного производства человек не может обеспечить стопроцентный контроль всех операций. В результате брак обнаруживается слишком поздно, что приводит к большим потерям материалов и средств. Повысить управляемость производственного процесса и оптимизировать его работу, в частности автомати- зировать контроль выпускаемой продукции, помогают системы машинного зрения. Они сочетают в себе реальное оборудование и виртуальные модели и умеют анализировать визуальную информацию.

Информацию на входе системы машинного зрения формируют промышленные видеокамеры (смарт-камеры), обладающие функциями высокоточной локализации объектов, распознавания текста, считывания штрих- и двумерных кодов, геометри- ческих измерений, работы с цветом и др. Программное обеспечение систем машинного зрения анализирует изображения с этих камер, после чего передает полученные данные оператору, автоматизированной системе управления технологическим процессом (АСУ ТП), роботу или напрямую исполнительным механизмам для управления производством. Системы машинного зрения особенно эффективны в тех случаях, когда объем, скорость или сложность анализируемой информации существенно превышают способности оператора. Такие системы применяются в машиностроении (в том числе в автомобилестроении), электронике, медицине и фармацевтике, робототехнике, а также для лабораторных испытаний.

Источник: Мониторинг глобальных технологических трендов от Института статистических исследований и экономики знаний Высшей школы экономики в рамках Программы фундаментальных исследований НИУ ВШЭ.

Материалы подготовлены с использованием системы интеллектуального анализа больших данных iFORA, созданной ИСИЭЗ НИУ ВШЭ. Более детальную информацию о результатах исследования можно получить в ИСИЭЗ НИУ ВШЭ.