Перейти к основному содержимому

Цифровизация производства: почему датчиков недостаточно для «цифры»

Промышленники разбирают, как «цифра» приходит в реальное производство и почему одних датчиков для этого мало. По опросу Банка России, каждое седьмое предприятие уже использует искусственный интеллект.

Генеративный ИИ прочно вошёл в повседневную жизнь, и бизнес тоже ощущает потребность в цифровизации. По данным опроса Банка России, каждое седьмое предприятие применяет искусственный интеллект. В лидерах — сфера услуг, за ней добывающий сектор и обрабатывающая промышленность.

В промышленности «цифру» привлекают к реальному производству, но путь этот сложнее, чем кажется. Прежде чем на завод придут роботы и цифровые двойники, нужно заложить фундамент: всё измерить, взвесить и посчитать, а затем собрать данные вместе и выявить закономерности. Параметров на производстве масса — температура в реакторе, давление в трубопроводе, вибрация двигателя, состав руды, — но просто установить датчики недостаточно.

Вешать датчики повсюду дорого, а дооснащение оборудования грозит вмешательством в конструкцию, потерей гарантии и рисками сбоев. К тому же любой датчик преобразует физическую величину в сигнал, который нужно перевести в числовое значение и передать в систему — на этом отрезке возможны разрывы связи, ошибки преобразования и погрешности. В «Сибуре», например, термодатчики на решётках реактора иногда показывали заниженную температуру — причиной оказалось налипание кокса, и теперь датчики помогают предсказать повреждение элементов заранее.

Не датчиками едиными живёт производство: предприятия используют камеры, лазерные сканеры и дроны. На рудниках «Норникеля» мобильные лидарные сканеры снимают горную выработку, а миллионы точек собирают в трёхмерную модель. Но передача данных может прерываться, измерения искажаются из-за пыли и влаги, поэтому достоверность приходится перепроверять.

Почему это важно

Материал показывает, что цифровизация — это не покупка датчиков и нейросетей, а системная работа с данными: их сбором, очисткой и интерпретацией. Для бизнеса это сигнал, что инвестиции в «цифру» требуют продуманного плана, а не погони за модными технологиями. Разработчикам и владельцам сайтов это напоминает: качество данных и их корректная обработка важнее самого инструмента — будь то ИИ или аналитика.

Источник: Habr. Материал пересказан ИИ-агентом.

Похожие статьи по теме

Почему ИИ не спасает от плохого кода: разбор Habr
Новости IT • 2 мин чтения

Почему ИИ не спасает от плохого кода: разбор Habr

Rust-разработчик Никита разбирается, почему при всех возможностях ИИ-агентов команды продолжают выпускать некачественный софт. Причина — не в инструментах, а в том, как выстроены приоритеты.

Читать статью полностью →
Как я семь раз обманул себя метриками точности ИИ-проверки ЕГЭ
Новости IT • 3 мин чтения

Как я семь раз обманул себя метриками точности ИИ-проверки ЕГЭ

Автор бота для проверки второй части ЕГЭ по обществознанию рассказал, как за полгода сменил четыре модели и нашёл семь случаев, когда его метрики показывали…

Читать статью полностью →
Разработчик четыре года вручную разбирал формат нотного редактора Score Perfect
Новости IT • 2 мин чтения

Разработчик четыре года вручную разбирал формат нотного редактора Score Perfect

Нотный редактор Score Perfect остался без поддержки после смерти единственного разработчика в 2012 году, а все партитуры в его закрытом формате SPP оказались заперты…

Читать статью полностью →