По сравнению с развитыми странами, уровень внедрения ИИ в промышленности в России остается невысоким. Если технологию и используют, то в основном на предприятиях тяжелой промышленности. За рубежом же искусственный интеллект уже давно активно разворачивают и в более “легких” отраслях. В статье — наиболее типовые сценарии  и вдохновляющие кейсы применения технологии в FMCG и фарме международными отраслевыми лидерами. Вначале рассмотрим искусственный интеллект в российской промышленности. Некоммерческая организация “Цифровая экономика” оценила рынок искусственного интеллекта в РФ в 2022 году в 635 млрд рублей (около 8 млрд долларов). Если верить этой оценке, кажется, что у РФ неплохие позиции на мировом рынке ИИ: доля в 8% при мировом объеме в 119 млрд долларов.

Тем не менее, уровень проникновения ИИ в экономике и, в особенности, в промышленности остается низким: в среднем его применяет лишь 20% российских предприятий, при этом мировой показатель в 3 раза выше — (54%). Лидеры по внедрению ИИ в России — банки и нефтегазовый сектор (по оценкам “Цифровой экономики” в 2020 году). Промышленный сектор занимает только 7 строчку.

Низкий уровень проникновения ИИ в промышленности отличает Россию от других стран. Если посмотреть на результаты глобального опроса MIT Technology Review в 2020 году, на глобальном уровне промышленность занимает второе место по активности внедрения ИИ.  В США, Китае, Великобритании, Индии, Южной Корее и членах ЕС именно промышленность является драйвером внедрения искусственного интеллекта.

От мировых лидеров по внедрению ИИ Россию отличает также и то, что технология применяется преимущественно в тяжелой промышленности: машиностроении, металлургии, нефтехимии, электроэнергетике и пр. За рубежом ИИ активно используют и более “легкие отрасли”. Согласно опросу Statista 2021 года после автомобилестроения в производстве ИИ наиболее активно внедряют производители потребительских товаров и лекарств.

Artificial intelligence (AI) adaption worldwide 2021, by industry and function

Этот же тезис косвенно подтверждает отраслевое распределение передовых заводов “Индустрии 4.0”, которые отбирает ВЭФ совместно с McKinsey. На момент 2022 года ВЭФ отнес 14 заводов к тяжелой промышленности, куда попали металлургические, химические, добывающие и др. заводы. При этом на FMCG и фарминдустрию пришлось в два раза больше инновационных предприятий (30).

В следующих разделах статьи — зарубежные кейсы применения ИИ технологическими лидерами пищевой промышленности и фарминдустрии, которые могут вдохновить отечественных производителей легкой промышленности на внедрение аналогичных решений.

Пищевая промышленность

Разработка продукта

• В Бразилии Unilever использует цифрового двойника для прогнозирования оптимальных технологических параметров состава стиральных порошков. Внедрение ИИ устранило необходимость в физических испытаниях новых составов средств, что ускорило вывод продуктов на рынок и снизило потребление ресурсов.
• Procter & Gamblt ИИ помогает создавать рецептуру моющих средств по заданным параметрам. Например, если необходимо снизить пенообразование в средстве для мытья посуды, можно попросить искусственный интеллект рекомендовать новые составы с учетом этого запроса. С помощью цифровых двойников и 3D-моделирования компания ускорила разработку моющих средств на 70%.
• Еще один способ внедрить ИИ в разработку продукта — подключить к процессу потребителя. Творчески к задаче подошла Coca Cola. Компания установила в США вендинговые машины, с помощью которых потребители могут настраивать состав продукта (к базовому напитку можно добавить разные вкусы). Позднее алгоритм анализирует, какие вкусы люди чаще всего выбирают и отталкиваясь от этого предлагает новый вид газировки. Такая аналитика предпочтений перед запуском нового продукта намного более эффективна, чем стандартные опросы потребителей на улице — часто люди не отвечают честно или не уверены в своих предпочтениях.

• В фармацевтике разработка новых лекарств с помощью искусственного интеллекта считается одним из наиболее перспективных направлений.  Стандартный процесс запуска нового лекарства от идеи до вывода на рынок занимает около 10 лет: только 12% новых препаратов получают разрешение на производство, остальные не проходят клинические испытания. Искусственный интеллект позволяет увеличить вероятность успешного прохождения исследований с 12% до 80%. Практически все ключевые игроки отрасли запустили инициативы по ИИ-разработке лекарств или заключили партнерства со стартапами, которые занимаются подобными решениями: Bayer, Roche Holding, AstraZeneca,  Pfizer и др. Японская Takeda в скором времени может вывести на рынок один из первых лекарственных препаратов, созданный ИИ. У ИИ заняло всего полгода, чтобы подобрать нужный состав нового лекарства от псориаза, в настоящий момент препарат проходит последние стадии клинических испытаний.

Контроль качества продукта

• В Бразилии и Эквадоре Unilever внедрил ИИ для контроля за работой порошочных башен. Некоторые стиральные порошки производятся путем обдувания ингредиентов горячим воздухом для высушивания в порошок. Этот процесс требует контроля влажности: на качество готового продукта может повлиять недосушенность или пересушенность порошка. До разработки алгоритмов, позволяющих моделировать различные сценарии и прогнозировать результаты на основе ИИ и машинного обучения, этот процесс производился вручную техническими специалистами. На этих же заводах Unilever использует ИИ для контроля качества упаковки порошков: технология помогает закрывать упаковку с первого раза.

• Благодаря ИИ и компьютерному зрению Mars решил проблему переполнения упаковок кормов для животных. Такая технология использовалась на заводе Иллинойс и после успешного пилота в США, Mars внедрил ее на заводы по производству кормов для домашних животных в Китае и Европе.
• Еще один кейс от Mars — контроль внешнего  вида конфет M&M: когда конфета проходит через конвейер, используется технология распознавания изображений для помощи работникам в определении «пригодности» конфеты.
• Пивной гигант ABInBev внедрил ML-систему SenseAI, которая помогает пивоварам повысить качество пива и улучшить его вкусовые характеристики. На всех этапах приготовления пива собирается информация о том, как проходит процесс приготовления: какой уровень CO2, сколько времени занял тот или иной этап — с учетом всех этих факторов прогнозируется, какой по итогу получится продукт. После искусственного интеллекта пиво проверяют люди — пока не удалось создать алгоритм, который будут безошибочно определять, что напиток соответствует всем вкусовым требованиям и нормам качества. Но в ABInBev уверены, что это вопрос времени.

Логистика

• Для большой корпорации процесс управления закупками сырья — постоянная головная боль. Сотрудники должны отсматривать огромное количество заявок от потенциальных поставщиков в тендерах, проверять контрагентов, договариваться о выгодных условиях и в конечном итоге делать выбор в пользу того или иного вендора. Существуют и другие подводные камни — непосредственно наличие самого сырья, колебания цен и пр. Искусственный интеллект может значительно улучшить прогнозирование рисков и проверку контрагентов, такое решение предлагает, например, стартап Keelvar. Его procurement-платформу используют Coca-Cola, Nestle и Tesco. Согласно данным Deloitte, организации, которые эффективно ведут работу с запасами и сырьем, в 18 раз чаще внедряют решения на основе ИИ по сравнению с менее успешными игроками.

• В Китае Unilever использует искусственный интеллект, чтобы обеспечить прозрачность цепочки производства мороженого для потребителя. В приложении пользователь может отсканировать купленное мороженое и убедиться, что на протяжении всей цепочки от производителя к потребителю товар хранился при нужной температуре. Такой подход позволяет производителю гарантировать безопасность продукции и избежать скандалов, связанных с пищевыми отравлениями. По данным ВОЗ, ежегодно около 600 млн человек заболевают из-за употребления пищевых продуктов, загрязненных микроорганизмами или химическими веществами, а это каждый 13-й житель планеты.

Рекомендации по ценовой политике

• Классический сценарий использования ИИ — формирование рекомендаций ценовой политики с учетом внешних и внутренних факторов. Mondelez использует искусственный интеллект для определения цены на «праздничные» товары, которые быстро пропадут с прилавков. Например, шоколадные изделия, приуроченные к Рождеству или Пасхе. Учитывается множество факторов: цены конкурентов, предыдущие продажи и т.д.
• Mars использует ИИ для определения оптимальной цены на корм для животных примерно по тем же алгоритмам.

Контроль работы оборудования

• Поломки в работе производственного оборудования грозят пищевым предприятиям большими убытками — тонны ингредиентов портятся и выбрасываются из-за остановок в процессе приготовления продукта. Mars разработал модель  машинного обучения, которая анализирует информацию о работе оборудования с IoT-устройств (вибрация, температура, давление и др.) и предсказывает поломки за семь дней. Решение позволяет компании заранее закупать нужные детали и не запускать полные циклы производства в предполагаемое время поломки.
• В Италии Novartis внедрила компьютерное зрение и машинное обучение, чтобы избежать простоев производства, связанных с ключевыми проблемами в фармпроизводстве — sticking (когда половина таблетки прилипает к прессу) и picking (когда часть прилипшей таблетки попадает в отверстия для букв). Из-за прилипания таблеток к прессу, процесс производства нужно было каждый раз останавливать для очистки оборудования, что вызывало простои. Решение позволило увеличить производство лекарств на 25%.

Исследование предпочтений потребителя и прогнозирование спроса

• В Китае Unilever научился прогнозировать спрос потребителей на мороженое не только в офлайн-магазинах, но и в онлайне. С помощью ИИ компания анализирует комментарии и отзывы пользователей в социальных сетях и интернет-магазинах и реагирует на изменение спроса и вкусовых предпочтений практически в режиме реального времени.
• Завод Unilever по производству специй, соусов и пр. в Китае прогнозирует спрос среди своих b2b-клиентов в общепите: с помощью искусственного интеллекта компания анализирует специфику кухни ресторанов, отзывы посетителей, средние чеки и другие факторы, чтобы предложить персонализированные состав приправ и соусов. Такой умный подход к продажам позволил увеличить количество клиентов вдвое с 2018 года.
• Johnson & Johnson использует ИИ для прогнозирования спроса на контактные линзы. На сайте компании автоматически резервируется необходимое количество упаковок линз для клиентов, которые покупают их регулярно. Благодаря этому постоянные клиенты никогда не увидят уведомление, что выбранный ими продукт закончился.

Безопасность сотрудников на производстве

• Nestle на шоколадной фабрике в Бразилии внедрила софт SafeMove, который мониторит передвижения робота ABB и при приближении к человеку ограничивает его скорость. Это позволяет роботу работать рядом с людьми без необходимости устанавливать кнопки безопасности, замки, двери и пр.

• Novartis в партнерстве с MIT с помощью ИИ контролирует качество и безопасность химических реакций, проводимых на заводе по непрерывному производству лекарств в Базеле в Швейцарии. Например, искусственный интеллект следит за тем, чтобы количество реактивного материала не было слишком большим, и реакция не стала взрывоопасной. Если химическая реакция занимает слишком много времени или в ней используются опасные вещества, химик может задать нужный состав и последовательность реакции, а ИИ подберет оптимальный свет, количество вещества, чтобы ускорить реакцию или сделать итоговый препарат безопаснее.

Автор: София @DataAnalytic
Источник: https://habr.com/