С чего начинается применение новых технологий в промышленности? Правильно, с бюджета. Но не с бюджета внедрения чего-то нового, а с внимательного изучения детального бюджета компании с единственным, но очень важным вопросом: как сократить эту статью с помощью технологий?
Давайте разберемся: в результате чего промышленные компании могут терять деньги?
Ждем материалы; ждем, когда закончится ремонт оборудования; ждем, когда приедет бригада, и т. д. Плановые службы, безусловно, есть на каждом предприятии. Но человек способен держать в уме одновременно лишь 7 ± 2 параметра. А как быть, если меняющихся вводных около двух десятков? В такой ситуации на помощь придут алгоритмы многокритериальной оптимизации.
Если попытаться обобщить применение технологии искусственного интеллекта в промышленности — то это продолжение начавшегося полвека назад процесса автоматизации профессий. Но уже новыми методами.
На вход в алгоритм необходимо подать все возможные вводные: и меняющиеся /неизменные факторы, и прямо влияющие параметры; и параметры, о которых мы думаем, что они не влияют на результат. Необходимо также задать ограничения, например количества часов в рабочих сменах или максимальной производительности станка. И пожалуй, самое важное — задать целевую функцию, то есть результирующий параметр, который мы хотим оптимизировать. При этом источниками информации для оптимизационных алгоритмов могут быть и внутренние системы предприятия (например, 1С и АСУ ТП), и внешние источники (например, сайты Гисметео или Центробанка). Да и старый добрый Excel тоже можно (и нужно) использовать как источник вводных. Самый яркий пример решения таких задач описан в книге Элияху Голдратта «Цель». Но там на поиск и устранение «узких горлышек» ушло несколько недель, а для алгоритмов это задача нескольких секунд.
Промышленные компании также теряют деньги на логистике.
Это касается практически любой логистики — производственной, внутризаводской, складской. Большую часть таких задач можно свести к так называемой «задаче коммивояжера». Сформулированная в 1930 г., это оптимизационная задача нахождения самого быстрого маршрута для минимизации времени или расстояния (читай, денег). Задача становится интересней и более применимой к промышленности, если мы подумаем о возможных накладываемых ограничениях: