Искусственный интеллект в пищевой индустрии: чего следует ожидать?

Искусственный интеллект в производственных процессах стал уже едва ли не ведущей силой развития. Эксперты из разных стран и компаний отмечают, что эта концепция в полном смысле слова определяет будущее и все, что с ним связано. ИИ сегодня проник во многие отрасли и существенно трансформировал их. На фоне того, как цифровизация мира принимает все бОльшие масштабы, а машины становятся умнее и самостоятельнее, все более злободневными становятся вопросы использования ИИ, а если точнее, то его грамотного внедрения в тот или иной бизнес-процесс.

Нужно быть готовым к ошибкам

Одна из самых главных проблем использования искусственного интеллекта заключается в том, что любые попытки развернуть ИИ-инфраструктуру с большой вероятностью могут закончиться неудачей. Для всех производителей процесс внедрения ИИ в производство является сложной задачей, а для некоторых даже пугающей, поскольку для этого требуется глубокое понимание бизнес-целей интеграции ИИ в уже существующие процессы и системы.

Но на ситуацию можно посмотреть и с другой стороны. Например, в пищевой индустрии ИИ не обязательно должен быть универсальным – и потому обреченным на провал – инструментом, охватывающим каждую операцию завода, от поступления ингредиентов до их переработки, упаковки и реализации. Такое перекладывание на искусственный интеллект всех задач почти наверняка не даст ожидаемых результатов. Но вполне оправдано использование приложений со встроенным искусственным интеллектом с индивидуальным функционалом:

🔹 Мониторинг энергопотребления
🔹 Визуальный контроль качества продукции
🔹 Прогнозирование сбоев оборудования и т.д.

Такой подход выглядит более чем реалистичным. Как минимум, разработчики ПО и систем автоматизации уже давно и результативно внедряют искусственный интеллект в свои приложения.

Эта концепция аналогична подходам, используемым в некоторых новых графических программах на основе искусственного интеллекта, которые работают как независимые приложения или как плагин к тому же Adobe Photoshop или Affinity Photo. Плагины на основе ИИ-технологий позволяют выполнять работу быстрее, точнее и эффективнее, и специалистам не нужно беспокоиться о заблаговременном программировании искусственного интеллекта или даже об изменении хост-приложения. Разработчик подключаемого дополнения уже проделал эту тяжелую работу за вас.

Спросите у ИИ его «мнение»

Мы задали культовому чат-боту ChatGPT, работающему на основе ИИ-технологий, такой вопрос:

«Станет ли искусственный интеллект настолько разумным, что его пользователи даже не будут знать, что приложение использует ИИ?»

ChatGPT ответил:

«Да. Есть большая вероятность того, что искусственный интеллект станет неотъемлемой частью программных приложений, так что пользователи могут не узнать о его наличии в них».

Ответ был ожидаем. Ведь ИИ обладает огромным потенциалом для улучшения и автоматизации различных задач в программных приложениях, делая их более эффективными и результативными. Так можно, например, улучшать пользовательские интерфейсы, формировать персональные рекомендации и автоматизировать рутинные задачи. Поскольку эти возможности становятся все более глубоко интегрированными в ПО, пользователи могут даже не подозревать об участии в их работе ИИ.

В действительности такие процессы уже происходят во многих приложениях, которые априори используют ИИ:

🔸 Всевозможные виртуальные помощники и ассистенты
🔸 Чат-боты
🔸 Системы рекомендаций и многие другие сервисы

Подобные продукты используют ИИ для повышения своей функциональности, не делая при этом для пользователя очевидным, что он взаимодействует с “искусственным разумом”.

Технологические возможности ИИ

Глобальной целью в развитии ИИ-решений является упрощение выполнения задач, которые базируются на большом количестве переменных факторов, непросты в понимании для человека, подразумевают сложное решение и достаточно тяжело алгоритмизируются вручную. Ниже приведены возможности искусственного интеллекта, использование которых уже внедрено на передовых производствах по всему миру:

✅ Контроль качества

Здесь ИИ-технологии используются для мониторинга и анализа данных с датчиков и камер на протяжении всего производственного процесса, чтобы на ранней стадии фиксировать потенциальные проблемы с качеством и в целом повышать его.

✅ Прогнозируемое обслуживание

Здесь приложения на базе ИИ помогают заблаговременно обнаружить сбой оборудования, поэтому вы сможете проводить плановое техническое обслуживание до возникновения проблем, а также предотвращать дорогостоящие поломки. Это сводит к минимуму время простоя технологических линий, возникновение брака и, как следствие, повышает общую эффективность предприятия. Более того, современные алгоритмы уже способны точно рассчитывать сроки выхода оборудования из строя, что позволяет работникам оценить, когда стоит провести ремонт, а когда — замену.

✅ ИИ контролирует соблюдение санитарных норм на производстве

Если специфика вашей работы требует строгого соблюдения сотрудниками предприятия гигиенических норм (мытье рук, замеры температуры тела, использование средств индивидуальной защиты и др.), то контроль за этим можно автоматизировать через камеры видеонаблюдения. И тут опять же на помощь приходит ИИ: с его помощью можно собирать персональную статистику по каждому сотруднику и оперативно получать уведомления о нарушениях. Такая возможность использования “искусственного разума” может быть очень полезна не в последнюю очередь предприятиям пищевого сектора.

✅ Планирование продаж и спроса

Используя статистические данные, ИИ-алгоритмы способны с высокой точностью прогнозировать уровень спроса и объемы продаж по различным критериям: сезон, специфика аудитории, особенности продукта и т.д.

Однако еще рано говорить, что искусственный интеллект бесповоротно покоряет промышленность. В отношении его способностей, надежности и безопасности у многих игроков рынка сохраняется скептическая позиция.

Акцент на качестве

Программное обеспечение для автоматизации визуального контроля (АВК) выходит за рамки возможностей традиционного машинного зрения в аспекте обнаружения аномалий и дефектов. Даже в том случае, если продукция имеет естественные формы. Используя технологии искусственного интеллекта, производители могут масштабировать производство, сокращать отходы и адаптироваться к изменениям на рынке труда, обеспечивая при этом еще более строгий контроль качества. Вдобавок к этому с помощью АВК-технологий можно выявлять изменения параметров работы оборудования, таких как скорость движения ленты или температура духового шкафа. Кроме того, системы машинного зрения с ИИ-управлением и машинным обучением уже доказали эффективность применения на упаковочных участках.

Главное же в таких решениях – их “интеллектуальность”. То есть способность делать выводы из полученной информации и предлагать решения для различных задач. Это делает ИИ перспективным инструментом в вопросах производственной оптимизации. Вот лишь несколько возможностей, которые могут дать – и при правильном использовании однозначно дадут – такие технологии:

🔹 Сокращение объема отходов и брака
🔸 Прогнозирование сбоев и планирование загрузки линий
🔹 Формирование предложений по оптимизации производственных циклов

Некоторые технологические компании делают на такие возможности большую ставку. Например, в Siemens моделируют способы применения таких решений на ранних стадиях разработки продуктов питания и напитков. Особенно сложно это при работе с рецептурными продуктами, поскольку вкус нельзя измерить количественно. Однако “сложно” не означает “невозможно“: инженеры “Сименс” уже нашли несколько успешных технологий использования искусственного интеллекта, что экономит компаниям время и деньги и позволяет первыми выйти на рынок с улучшенным продуктом.

Единых ожиданий не может быть

То, где именно на производстве искусственный интеллект может обеспечить действительно высокую эффективность, зависит от расстановки приоритетов. Области внимания всегда будут зависеть от наиболее насущных задач клиентов, которые могут существенно различаться от компании к компании. Например, для компаний со старым оборудованием большее значение может иметь его профилактическое обслуживание. Аналогично возможность прогнозировать энергопотребление и предотвращать его пиковое повышение будет тем важнее, чем более энергоемко производство и чем дороже энергия.

Разработчики ИИ-решений в условиях такой диверсификации интересов и ожиданий клиентов вынуждены выбирать один из двух путей:

✅ Проектировать для каждого индивидуальный программный продукт
✅ Предлагать комплексное решение, охватывающее большинство наиболее распространенных запросов

С экономической точки зрения, а также активности спроса более привлекательным будет, безусловно, второй путь. Так работают сегодня многие IT-девелоперы и интеграторы – в том числе уже упомянутая Siemens.

Какой бюджет пищепроизводитель должен закладывать на “интеллектуальные” инструменты? Опять же здесь не может быть единого ответа. Очень многое здесь зависит от конкретного бренда и позиционирования на рынке. Одна из компаний, предлагающих ИИ-решения, использует в своих презентациях слоган:

“Мы предлагаем решение для тех компаний, которым выгодно быть первыми на рынке, а не вторыми”

Очевидно, что здесь ставка делается на довольно узкий круг наиболее продвинутых и богатых компаний. Однако огромному количеству других производителей быть вторым на рынке более чем достаточно. Следовательно, и их готовность платить куда менее выраженная.

Поэтому во многом успех внедрения ИИ-технологий в пищепромышленную отрасль будет зависеть от ширины ценовых предложений. И тут разработчикам обеспечивается настоящая свобода действий. Необязательно пытаться создать промышленный аналог того же ChatGPT – можно развиться и на менее сложных решениях, которые найдут больший спрос.

Терпение – добродетель

К ИИ предъявляются действительно серьезные ожидания. И он вполне способен их удовлетворить. Но это точно не будет быстрый результат. Как минимум, ИИ должен «научиться» тому, что от него ожидают. Иногда компании-пользователи планируют увидеть выгоду от этих решений сразу же после внедрения – но так бывает крайне редко. Здесь опять же прямая зависимость от поставленных задач – чем больше вы ждете от ИИ, тем больше времени ему понадобиться, чтобы получить нужный вам результат.

Важно помнить, что любой ИИ-системе требуется время для обучения. Оно, в свою очередь, потребует огромных объемов аналитических данных, по которым искусственный интеллект будет определять закономерности. Если алгоритмы нужно будет обновить под изменившиеся бизнес-процессы, то опять же потребуется обучение. Да, принципы настройки с каждой новой ИИ-разработкой становятся все совершеннее. Но одномоментно привести такую сложную инфраструктуру в рабочее состояние и тем более получить от нее первый финансовый эффект все еще невозможно.

Общие рекомендации по обучению ИИ-решений мы можем выделить следующие:

🔹 Определиться, какие данные нужны для обучения
🔸 Собрать достаточный их объем
🔹 Запустить обучение системы
🔸 Проконтролировать результаты

Таких итераций может быть очень много, поэтому лучше сразу правильно сформулировать свои ожидания от ИИ и понять, какая информация ему понадобится.

Важно: не исключено, что при анализе данных по тем или иным проблемам система выявит и другие неполадки. Это увеличит время обучения – но в то же время поможет повысить качество вашего продукта.

Будущее искусственного интеллекта

Достиг ли ИИ на практике чего то большего, чем стадия “зародыша”? Однозначно, да. Хотя бы в том, что ИИ становится все легче внедрять непосредственно в устройства, управляющие процессами. Разумеется, не о каждом ИИ-предложении можно такое сказать, но в общем смысле искусственный интеллект уже далеко шагнул. И сможет шагнуть еще неизмеримо дальше.

Можно выделить следующие ключевые точки роста ИИ-технологий:

1️⃣ Больше автоматизированных производственных линий с роботами на базе ИИ, работающими вместе с людьми, что позволит автоматизировать различные этапы производства продуктов питания, при этом повышая эффективность и снижая затраты на рабочую силу.

2️⃣ Более масштабная и глубокая оптимизация процессов на основе искусственного интеллекта, где ИИ глубже анализирует производственные данные и определяет области для еще большей оптимизации. Это поможет приблизиться к основной цели всякого бизнеса – снижение производственных затрат и сокращение сроков производства.

3️⃣ Ускорение перехода от профилактического техобслуживания к предписывающему. Профилактика включает в себя мониторинг оборудования и анализ данных для обнаружения изменений, которые могут указывать на приближающийся сбой. С другой стороны, предписывающее обслуживание — это более продвинутое использование искусственного интеллекта для анализа данных от датчиков и оборудования, что позволяет рекомендовать конкретные действия, которые следует предпринять для оптимизации обслуживания. Такой подход выходит за рамки простого прогнозирования и дает рекомендации о том, что следует делать для поддержания оптимальной производительности, включая сроки технического обслуживания и замены деталей.

ИИ уходит в облако

Большое преимущество искусственно-интеллектуальных технологий в том, что их можно развертывать в облачных хранилищах, а затем подключать к ним локальные производственные системы. Такой подход позволяет существенно сэкономить на техническом вооружении предприятия, а также открывает широкие возможности для масштабирования и удаленного доступа. Фактически, облачные технологии позволяют получать доступ к хранимым с их помощью данным из любой точки земного шара.

Но нужно учитывать, что при передаче данных в облако могут возникнуть некоторые реальные сложности. Прежде всего, серьезное беспокойство у многих компаний вызывает защищенность такого удаленного подключения. Поэтому передача данных с предприятий в облако становится затруднительной.

Сложности с безопасностью облачных технологий действительно имеют место. Однако, современные хостинг-сервисы обычно обеспечивают высочайший уровень защиты – и несут ответственность за сохранность данных клиентов.

Поэтому можно сделать вывод, что искусственный интеллект действительно способен трансформировать современную пищевую промышленность. Качественный контроль – еще строже, прогнозирование и планирование – еще точнее, управление запасами и отходами – еще гибче. В совокупности это в перспективе поможет производителям существенно снизить издержки, одновременно повысив качество продукции. Но нужно понимать, что, сколь бы далеко ни продвинулись ИИ-решения, по большому счету мы еще находимся в начале пути. И путь этот будет, безусловно, интересным.