Лекция 11. AI в дискретном и процессном производстве¶
Лекция 11 · 41 слайдов
Tesla Giga Press: BEFORE/AFTER 2018→2024¶
[На экране — split-screen. Слева Giga Press 2018, справа отступление 2024.]
«Здравствуйте. Прежде чем мы с вами скажем первое слово про ИИ в производстве — посмотрите сюда.
[пауза 3 секунды]
Май 2024 года. Tesla тихо отступает от плана. Гигалитьё днища одной деталью для модели Model 2 — гигантский пресс размером с двухэтажный дом, заменяющий 70 сваренных деталей одной отливкой — отменено. Возврат к трёхсекционной схеме.
[показываю на правую панель]
И это — вторая отмена. Первая случилась в апреле 2018 года, в разгар «производственного ада» Model 3. Маск написал в Twitter то, что стало канонической цитатой производственного провала ИИ-эпохи.
[медленно, читаю с выражением]
«Да, чрезмерная автоматизация на Tesla была ошибкой. Точнее — моей ошибкой. Людей недооценивают.»
[пауза 2 секунды, понизить голос]
Самый известный евангелист агрессивной автоматизации сам сказал — переоценил, недооценили. А через шесть лет повторил ту же ошибку. Это не история одного бренда. Это структурный паттерн.
Параллельно — GE сожгла свыше четырёх миллиардов на платформу Predix. IBM Watson Health продан за примерно пятую часть потраченного — около двадцати процентов от вложенного. Foxconn в Висконсине: три миллиарда долларов субсидий под обещание десяти тысяч рабочих мест по контракту, до тринадцати тысяч в потенциале — фактически менее полутора тысяч.
Цифры показывают, что это система. McKinsey: 78 процентов используют ИИ, только 5,5 процента получают эффект на операционную прибыль выше пяти процентов. MIT: 95 процентов пилотов генеративного ИИ не доходят до промышленной эксплуатации. RAND: 80,3 процента ИИ-проектов не приносят заявленной ценности.
[пауза]
Вопрос, который мы с вами сегодня разберём: если Tesla отступила дважды, GE сожгла четыре миллиарда, а 95 процентов пилотов не доходят до промышленной эксплуатации — где ИИ работает, где не работает, и как инженер должен решать?»
[Переход на s02.]
Cover¶
«Лекция одиннадцатая. ИИ в дискретном и процессном производстве. Часть второго модуля курса.»
[Короткая пауза.]
Карта лекции¶
[На слайде — пять горизонтальных карточек разделов.]
«Карта лекции — пять разделов. Первый — что общее для обеих моделей: цифры внедрения и фундаментальные модели. Второй — дискретное глубоко: Tesla 2018, Boeing 737. Третий — процессное: мягкие сенсоры, MPC и RL, регуляторика. Четвёртый — итоговый раздел: четыре категории критериев и пятишаговая рамка. Пятый — замыкание и мост к Лекции 12.
Тон лекции — «доверяй, но проверяй». Не восторженность, не отрицание. Разбираем, что работает, где ломается, и где граница, которую инженер не пересекает.»
[Переход на s04.]
Шесть аббревиатур¶
[На слайде — шесть карточек: ISA-95, PLC, SCADA, MES, OEE, soft sensor.]
«Шесть терминов, к которым можно возвращаться весь час.
ISA-95 — стандарт пирамиды «предприятие — цех». PLC — программируемый логический контроллер с детерминированным циклом одна-десять миллисекунд. SCADA — мониторинг и интерфейс оператора, не управление. MES — система исполнения производства, носитель электронной записи партии в фарме. OEE — общая эффективность оборудования: произведение трёх компонент — доступность, производительность, качество. Мягкий сенсор — расчётная оценка переменной по другим сигналам, без отбора лабораторной пробы.»
[Переход на s05.]
Keystone: две модели производства¶
[На слайде — двухколонная схема discrete | process + universal failure пояс.]
«Это несущий слайд лекции. Запомните это разделение — мы будем возвращаться к нему весь следующий час.
Производство — две параллельные ветви с разной физикой, разной регуляторной картой. ИИ входит в обе, но по-разному.
[указываю на левую колонну]
Дискретное. Единицы считаются штучно: автомобиль, чип, телефон, авиадвигатель. ИИ здесь — компьютерное зрение для контроля качества, коботы, индустриальные копилоты. Регуляторика — ISO 9001, Six Sigma. Канонический провал — Tesla 2018.
[указываю на правую колонну]
Процессное. Материал течёт непрерывным потоком: химия, фарма, металл, цемент. Единица — партия. ИИ здесь — мягкие сенсоры, MPC и RL гибрид, прогностическое обслуживание. Регуляторика — FDA, ATEX, REACH. Канонический провал — F-35 ALIS из Лекции 9.
[медленно, понизить голос]
И поверх обеих колонн — общий пояс. Застревание на пилотной стадии универсально. 78 процентов используют ИИ — только 5,5 процента получают эффект. Большинство ИИ-инициатив, с которыми вы встретитесь в начале карьеры, окажутся в этом застревании. Это статистическая норма.»
[Переход на s06.]
Раздел 1 divider¶
«Первый раздел из пяти. Что общее для обеих моделей.»
Adoption landscape: 78% / 5,5%¶
[На слайде — диаграмма adoption-value gap.]
«Цифры, которые задают пропорции лекции — и которые мы с вами держим в голове весь следующий час.
McKinsey «Состояние ИИ» 2025. 78 процентов организаций используют ИИ хотя бы в одной функции. Но только 5,5 процента — высокоэффективные, с прибылью выше пяти процентов. Две трети застряли на пилоте.
MIT Sloan: 95 процентов пилотов генеративного ИИ не доходят до промышленной эксплуатации. Перерасход — в среднем 380 процентов. Медианное время до закрытия — четырнадцать месяцев. RAND: 80,3 процента ИИ-проектов не приносят заявленной ценности.
Эти три отчёта меряют разные вещи. McKinsey — про эффект на прибыль. MIT — про пилоты генеративного ИИ. RAND — про долю проектов без бизнес-эффекта. Манипулировать ими как взаимозаменяемыми — типичная ошибка.
[медленно]
Главная структурная причина застревания — раскол ОТ и ИТ. Это два разных мира. ИИ приходит из ИТ в ОТ и упирается в этот раскол.
И последнее. Что значит «ИИ улучшает производство»? Изменение OEE. Запомните вопрос: в какую компоненту OEE добавляется эффект?»
[Переход на s08.]
Расходящиеся рыночные оценки¶
[На слайде — три цифры рыночных оценок.]
«Размер рынка «ИИ в производстве» поставщики оценивают расходящимися цифрами. Давайте посмотрим, как сильно.
Markets and Markets: 34 миллиарда долларов в 2025 году, прогноз 155 миллиардов к 2030. Fortune Business Insights: 7,6 миллиарда в том же 2025 году. Precedence Research: 8,57 миллиарда.
[пауза]
Разница в пять раз. Никогда не доверяйте одной оценке рынка от одной аналитической фирмы. Если три оценки расходятся в пять раз — определение нестабильно. Это первый pre-урок: не доверять одной аналитической оценке.»
[Переход на s09.]
OT/IT раскол¶
[На слайде — структурная схема двух миров.]
«ОТ и ИТ — это структурно разные миры.
ОТ. Цикл одна-десять миллисекунд, детерминированный. Цикл обновлений софта измеряется годами. Безопасность — физическая изоляция плюс сертифицированное оборудование уровня SIL 2 и 3.
ИТ. Отклик от миллисекунд до минут, недетерминированный. Цикл обновлений — недели. Безопасность — шифрование канала, ролевая модель доступа.
Когда инженер говорит «уставка, контур, авария» — это ОТ. «Конечная точка, очередь сообщений, нагрузка» — это ИТ. ИИ на границе сети и любая ML-модель на цеховом уровне вынуждены наводить мост через эту границу. Именно мост ломается на пилотной стадии.»
[Переход на s10.]
Фундаментальные модели как дополнение¶
[На слайде — Siemens IFM + FoxBrain + три причины.]
«В 2025 году появились специализированные фундаментальные модели для производства — не общие большие языковые модели, а модели на инженерных данных.
Siemens Industrial Foundation Model — индустриальная фундаментальная модель. Анонсирована на Hannover Messe 2025. 150 петабайт проверенных инженерных данных. Возможности — идентификация технологических элементов в моделях САПР, ускорение схем трубной обвязки.
Foxconn FoxBrain. Презентован в марте 2025 года, обучен на основе Llama 3.1 70B методом дистилляции. Применение — настройка параметров впрыска, обнаружение дефектов в формовке.
[пауза, медленно, подчеркнуть]
Критическая граница. Промышленные фундаментальные модели — инструмент дополнения для инженера, а не автономный контроллер. Они помогают, но не управляют станком напрямую. Три причины — фундаментальные, не «пока».
Первая. Задержка вывода. Большая языковая модель — сто-пятьсот миллисекунд на запрос. Цикл PLC — одна-десять миллисекунд, детерминированный. Это разница в порядки величины. Языковая модель не может стоять внутри контура управления.
Вторая. Галлюцинации и недетерминированный вывод. Для шеф-помощника инженера приемлемо — человек проверит. Для замыкания контура управления — нет.
Третья. Сертификация и журнал аудита. SIL 2 и 3, FDA 21 CFR Part 11, стандарт GAMP®5 требуют прослеживаемости. Чёрный ящик языковой модели эти требования не проходит.
Архитектурно это даёт два класса. Поддержка принятия решений — советует, человек решает. И автономный контроллер — замыкание петли. Фундаментальные модели живут в первом.»
[Переход на s11.]
Tesla Optimus reality check¶
[На слайде — split: видеодемо vs production reality.]
«Tesla Optimus — иллюстрация паттерна «демо есть, в эксплуатации нет». Маск анонсировал Optimus на Tesla AI Day в августе 2021 года, обещанная цена — менее двадцати тысяч. В 2022 показали ходячий прототип Bumblebee. Обновление 2025: несколько тысяч единиц к концу года для внутреннего применения Tesla, миллион к 2027, целевая цена двадцать пять тысяч.
Сверка с реальностью на май 2026. Пилоты на десятках единиц, перенос мелких объектов под супервизией. Точное количество Tesla не раскрывает. Полное масштабирование отложено до Optimus V3 в конце 2026.
На Cybercab в октябре 2024 Optimus раздавал напитки. Bloomberg подтвердил — управлялись людьми удалённо.
[медленно]
Когда вы видите красивое видео — спрашивайте: сколько единиц, в каких условиях, статистика отказов. Между демо и промышленной эксплуатацией обычно пять-десять лет.»
[Переход на s12.]
Трио hype-collapse¶
[На слайде — GE Predix · IBM Watson · Foxconn Wisconsin.]
«Три истории — три урока. Каждая про разный механизм провала.
GE Predix, 2011-2020. Свыше четырёх миллиардов сожжено. Predix — индустриальная платформа промышленного интернета вещей GE Digital, ядро шестилетней цифровой трансформации. Цель к 2020 — пятнадцать миллиардов выручки. Реальность — двенадцать, и продажа цифрового подразделения по частям. Урок — промышленный ИИ не равен универсальному облаку.
IBM Watson, 2018-2022. На производственной стороне Watson продвигался как «–47 процентов простоев, –48 процентов брака». Внедрений масштаба не материализовалось. Январь 2022 — Watson Health продан Francisco Partners за миллиард с небольшим, переименован в Merative. Двадцать процентов от потраченного. Урок — разрыв между демо и эксплуатацией. Watson выигрывал Jeopardy, но не лечил и не оптимизировал производство.
Foxconn Wisconsin, 2018-2024. Заявка — десять миллиардов инвестиций; губернатор называл потенциал до тринадцати тысяч рабочих мест, по контракту с Wisconsin Economic Development — десять тысяч к 2025-му. Три миллиарда долларов налоговых субсидий. Глава государства назвал проект «восьмым чудом света». Дальше — серия пересмотров. По данным NPR за 2020 год, к первому аудиту на площадке работали порядка 281 сотрудника. В 2021-м контракт пересмотрели до 1 454 рабочих мест и 80 миллионов субсидий. Реальность 2024 — менее полутора тысяч. Май 2024 — Microsoft покупает площадку за 3,3 миллиарда долларов под датацентр Fairwater. Декабрь 2025 — ещё 569 миллионов. Microsoft использует землю и инфраструктуру, построенные за счёт бюджета муниципалитета.
[пауза]
Урок последнего — практический. Если проект публично объявлен «чудом света» — это предсказывает провал, а не успех.
Эти три истории — не «ИИ не работает». Это «определённые формы ставок системно проваливаются»: большие платформы для всех, политически мотивированные мегапроекты, аппаратно-сложные демки с переносящимся дедлайном.»
[Переход на s13.]
Раздел 2 divider¶
«Второй раздел из пяти. Дискретное производство глубоко.»
CV-инспекция реальные кейсы¶
[На слайде — BMW + TSMC + Boeing CV cases.]
«Компьютерное зрение для контроля качества — самый массовый сценарий применения ИИ в производстве 2024-2026. Камера фотографирует деталь, нейросеть классифицирует «годен — не годен» или локализует дефект.
Где это работает.
TSMC. Глубокое обучение для обнаружения дефектов на пластинах. 95 процентов точности. AI-агенты оркестрируют операции цеха. Заявка о десяти-пятнадцати процентах улучшения выхода годного — отраслевая оценка, не финансовая отчётность.
BMW GenAI4Q. Регенсбург, 2025. Не унифицированный контрольный список — индивидуальный каталог инспекции для каждого автомобиля на основе конфигурации. Подготовленный персонал инспектирует каждую машину, AI задаёт приоритет.
Volkswagen DPP. Цифровая платформа на базе AWS. 43 завода. Более 1 200 AI-приложений. Снижение энергозатрат двенадцать процентов на заводе в Познани.
Boeing 737. AI-инспекция качества развёрнута в Рентоне и Эверетте в начале 2024. Машинное зрение плюс AI-алгоритмы для обнаружения дефектов фюзеляжа.
[пауза]
CV работает широко. Но есть три места, где CV систематически ломается. К ним мы и переходим.»
[Переход на s15.]
Boeing 737 MAX 9 door plug¶
[На слайде — door plug инцидент + AI inspection failure.]
«5 января 2024. Рейс 1282 авиакомпании Alaska Airlines, самолёт Boeing 737 MAX 9. Через шесть минут после взлёта на высоте шестнадцать тысяч футов — резкая декомпрессия. Заглушка двери выпала. Командир аварийно посадил воздушное судно. 171 пассажир — без серьёзных травм.
[понизить голос]
Выводы NTSB через шесть недель. Все четыре стопорных болта отсутствовали на момент полёта. Заглушка была снята для устранения дефекта заклёпки в сентябре 2023, но не была правильно повторно установлена. Документации этой операции в системе не было.
ИИ-инструмент инспекции, развёрнутый Boeing в Рентоне в начале 2024, этот дефект не словил. Три причины. Модель не была обучена на сценариях «пропущенный болт». Компьютерное зрение запускалось в финальной фазе — болты уже за обшивкой, визуально недоступны. И инспектор-человек должен был сверить с системой записей, но этой проверки в стандартной процедуре не было.
[медленно, подчеркнуть]
Формула для произнесения вслух. «Компьютерное зрение в инспекции — последняя линия защиты, не первая.» Если процесс перед инспекцией сломан — компьютерное зрение не починит. ИИ обнаруживает дефекты, но не создаёт качество. Качество создаётся процессом до финальной инспекции — дисциплиной, обучением, журналом аудита.»
[Переход на s16.]
Стоимость разметки vs объём данных¶
[На слайде — иллюстрация cost asymmetry.]
«Краеугольный слайд лекции. Фундаментальный концепт.
В CV-контроле качества частота дефектов — один-два процента. Дисбаланс классов: тысячи изображений «годен» и десятки «не годен». Чтобы получить набор для редких дефектов — нужно либо много времени, либо много экспертов. Эксперт умножить на часы равно дорого.
[пауза]
Сырые данные дёшевы. Эталонная разметка дорогая. Это рычаг для раздела четыре — первый критерий «ИИ не подходит» это есть ли эталонная разметка адекватного объёма.
И типичная картина — пять-пятнадцать процентов шума в разметке. ML-модель не превышает соглашение между экспертами. Чтобы дисциплинировать — активное обучение, согласованность нескольких разметчиков, класс «воздержаться», калиброванная неопределённость.»
[Переход на s17.]
Дискретное PdM + OEE callback¶
[На слайде — PdM кейсы + OEE math.]
«Прогностическое обслуживание. Маркетинг 2024-2025: «–25 до –40 процентов затрат, –50 до –70 процентов простоев». Реальность сложнее.
Tata Steel: «–20 процентов простоев» в горячей прокатке. BMW AIQX — постоянный мониторинг, на финале верификация человеком.
McKinsey в отчёте «Прогноз в масштабе» 2025: большинство компаний не захватывают предсказанную ценность. Сравнение по квартилям. Заявка вендора: 25-40 процентов. Верхний квартиль — 15-20 процентов. Медиана — 5-10 процентов. Нижний квартиль — ноль-два процента, иногда негативный эффект.
[понизить голос]
И OEE-перекличка. Помните Раздел 1: «–25 процентов простоев не равно +25 процентов OEE». Если PdM снижает простои, но ложные срабатывания заставляют чаще останавливать линию — производительность просядет, и OEE останется на месте.
Где PdM работает: быстрая обратная связь, доступная разметка, стоимость ложного срабатывания не превышает стоимость пропуска. Где нет: длинный MTBF, критичное по безопасности — там RCM лучше.»
[Переход на s18.]
Коботы Toyota Jidoka¶
[На слайде — Hyundai-BD Spot + Toyota GAIA.]
«Коботы — роботы, рассчитанные на безопасную работу рядом с человеком. Не «безлюдный завод», а инструмент дополнения.
Hyundai плюс Boston Dynamics. Spot, четвероногий робот — контроль качества на сварочном участке Hyundai Metaplant America. Atlas, гуманоидный — первое коммерческое внедрение, объявление январь 2026. Hyundai заявила 26 миллиардов долларов инвестиций. Целевая мощность Atlas — тридцать тысяч единиц в год к 2028. Это анонс, не уровень текущего выпуска. Реальный темп на май 2026 — десятки единиц в пилотах под супервизией.
Toyota. Контр-пример. GAIA — глобальный ускоритель ИИ. ИИ-моделей, созданных сотрудниками заводов — восемь тысяч в 2023, десять тысяч в 2024. Философия — дзидока для Industry 4.0. ИИ как инструмент для рабочих, не как замена. Если рабочий не понимает модель — модель не разворачивается на линии.
[медленно]
Toyota — крупнейший автоконцерн мира — публично выступает против полной автоматизации. Это не скептицизм к AI вообще. Это скептицизм к AI как замене человека. И, как мы с вами увидим через минуту, это и есть правильный паттерн.»
[Переход на s19.]
Tesla 2018 over-automation¶
[На слайде — Q1 2018 timeline + Musk цитата + IMD root cause.]
«Tesla 2018 — это лекция в лекции. Вокруг этого кейса строится автоматизационная литература последних восьми лет.
Первый квартал 2018. Tesla планирует 2 500 Model 3 в неделю. К концу квартала — 2 020. «Производственный ад» длится месяцами.
13 апреля Маск пишет каноническую фразу.
[медленно, прямая речь]
«Да, чрезмерная автоматизация на Tesla была ошибкой. Точнее — моей ошибкой. Людей недооценивают.»
CBS в тот же день: «У нас была безумно сложная сеть конвейеров, и она не работала, так что мы избавились от всей этой штуки целиком.»
Что провалилось. Конвейерная система Model 3 — демонтирована и заменена ручной перевалкой. Робот для автоматической установки стекловолоконных матов на батареи — не работал надёжно. Сборка батарейных модулей — слишком много автоматизированных стадий, бутылочное горлышко при отказе любого робота.
Корневая причина по IMD. Tesla попыталась заменить людей в зонах, где вариативность человека — это функция, а не баг. Сборка проводки, прокладка трубок — геометрия частично варьируется. Робот ломается на вариативности.
[понизить голос]
Структурный урок — парадокс автоматизации Бейнбридж 1983 года. Лизанн Бейнбридж в эссе «Иронии автоматизации»: чем больше автоматизация, тем критичнее остающиеся операторы. Если оператор только мониторит — навыков всё меньше, а ответственность за выход из аварии выше. Бейнбридж в 1983 предсказала парадокс AI-копилота 2026 почти буквально.
Альтернатива — Toyota Production System плюс дзидока. Правило, которое мы с вами уносим: человек в зонах вариативности, машины в зонах повторяемости.
И последняя деталь. Через шесть лет, в мае 2024, Tesla опять отступает — от гигалитья одной деталью для Model 2. Tesla не учится «один раз». Это не индивидуальный провал — это структурное тяготение в сторону «больше автоматизации — лучше».»
[Переход на s20.]
CV границы и альтернативы¶
[На слайде — три места где CV ломается + альтернативы.]
«Три места, где CV систематически ломается, плюс альтернатива для каждого.
Первое. Низкоконтрастные дефекты — шероховатость на одинаковой окраске, микротрещины в композитах. Альтернатива — усиление физического сигнала: структурированный свет, рентген, тепловидение. Дальше — простое правило-ориентированное зрение.
Второе. Сдвиг распределения при смене продукта. Модель на продукте A не переносится на B без переобучения. Завод разворачивает CV на одной линии — обнаруживает, что нужны пять моделей. Альтернатива — статистическое управление процессом, контрольные карты Шухарта.
Третье. Дорогая эталонная разметка — мы говорили на предыдущем слайде.
[пауза]
Эмпирически — 60-70 процентов задач инспекции в эксплуатации правило-ориентированного зрения достаточно. ML нужен для остальных 30-40. Когда вендор говорит «вам нужен глубокий ML» — спросите, какая доля задач у вас решается простыми порогами. Часто ответ обнаружит, что половина задач ML не требует.»
[Переход на s21.]
Foxconn FoxBrain 80% vendor claim¶
[На слайде — Янг Лю цитата + 3 уточняющих вопроса.]
«Председатель Foxconn Янг Лю в мае 2025: «Софт выполняет около 80 процентов работы по настройке оборудования для запуска новой производственной серии.»
[пауза, подчеркнуть]
Это заявление поставщика, а не независимая метрика. И вот навык, который мы с вами уносим. Когда слышите такую цифру — три уточняющих вопроса.
Первый. Базовая линия. Сколько часов и людей требовала настройка раньше?
Второй. Окно измерения. Один запуск, среднее за месяц, или лучший случай?
Третий. Перечень вмешательств. Что именно автоматизировано — параметры, фикстуры, документирование?
Без ответов 80 процентов — пресс-релизный тезис. В академической литературе аналогичные системы дают тридцать-шестьдесят процентов сокращение времени настройки.»
[Переход на s22.]
Failure matrix дискретного¶
[На слайде — 4 типа провалов на дискретном.]
«Сводный слайд. Четыре типа провалов на дискретном.
Первый — чрезмерная автоматизация в зонах вариативности: Tesla 2018, GM Hamtramck 1985. Альтернатива — дзидока Toyota.
Второй — сдвиг распределения при смене продукта: AOI для печатных плат. Альтернатива — правило-ориентированное зрение.
Третий — эталонная разметка дороже самой модели: частота дефектов один процент. Альтернатива — усиление физического сигнала, активное обучение.
Четвёртый — заявление вендора без базовой линии: Foxconn 80, IBM Watson. Альтернатива — три уточняющих вопроса плюс OEE-вопрос.»
[Переход на s23.]
Раздел 3 divider¶
«Третий раздел из пяти. Процессное производство глубоко.»
Мягкие сенсоры BASF Pfizer¶
[На слайде — soft sensors + Pfizer Vox + AI-formulation.]
«Процессное. Единица — партия или поток. Главный инструмент здесь — мягкий сенсор.
Мягкий сенсор — расчётная оценка переменной по другим сигналам. Концентрация примеси на выходе колонны — оценивается по температурам, давлениям, расходам внутри. Без отбора лабораторной пробы. Недостаток — работает только в распределении, на котором обучен.
BASF Geismar. Крупнейший интегрированный химический комплекс BASF в США. Мягкие сенсоры в реальном времени. По отраслевым обзорам внедрений мягких сенсоров в нефтехимии — двадцать-тридцать процентов снижения брака партий. Это диапазон по обзорам, а не публично подтверждённая цифра конкретно по Geismar. BASF в открытых документах конкретный показатель не раскрывает. Параллельно — знаниевая модель на 150-летней химической литературе для R&D подбора рецептуры.
Pfizer Vox. Внутренняя GenAI-платформа на AWS Bedrock. В производстве — идентификация эталонной партии, обнаружение аномалий, рекомендация действий операторам в реальном времени. Заявка — плюс двадцать тысяч доз вакцины на партию.
[пауза, подчеркнуть]
Критически важное слово — «рекомендация», не автономия. Явный сигнал архитектуры «человек в цикле», согласованной с FDA 21 CFR Part 11. Pfizer Vox станет проработанным примером в Разделе 4.
И последняя деталь. В фарме доминирующий инструмент мягкого сенсора — это PLS, регрессия методом частичных наименьших квадратов. Не нейросеть. Почему? PLS объясним и проходит регуляторный аудит FDA. В регулируемых индустриях объяснимость часто важнее точности.»
[Переход на s25.]
MPC / RL / CIRL гибрид¶
[На слайде — Yokogawa-JSR FKDPP + CIRL диаграмма.]
«MPC — управление с прогнозирующей моделью (Model Predictive Control). На каждом цикле решается оптимизация: какая уставка должна быть на следующих N шагах при ограничениях. Требует явной динамической модели. Объясним, валидируется, доминирует в управлении процессом.
RL — обучение с подкреплением. Чёрный ящик. Доверие давать сложнее.
[пауза]
Первый прецедент промышленной эксплуатации RL — Yokogawa плюс JSR, январь-февраль 2022. 35 дней автономного контроля дистилляционной колонны. Алгоритм FKDPP. Что FKDPP сделал, чего PID не мог — разрешил компромисс «качество — энергия — пропускная способность» в нелинейной системе. Премия премьер-министра Японии 2023.
Тонкость архитектуры: FKDPP не управляет клапанами напрямую. Он выбирает уставки на верхнем уровне; нижележащие PID-контроллеры выполняют управление в плотном контуре.
[медленно]
И вот CIRL — Control-Informed RL, 2024-2026. BASF плюс Royal Academy of Engineering. И здесь архитектурная деталь, которую часто понимают неправильно. Это не «RL вместо PID» — и не «два параллельных контура». CIRL — это PID работает внутри функции потерь глубокого RL. RL обучает политику с состоянием, на которое уже наведена базовая линия PID.
RL расширяет PID, не замещает. PID даёт базовую стабильность; RL добавляет нелинейное моделирование. Проверенная базовая линия плюс слой улучшений сверху.
Структурный принцип, который мы с вами уносим: в промышленном применении ML гибрид доминирует над заменой.»
[Переход на s26.]
RL distribution drift¶
[На слайде — четыре триггера дрейфа RL.]
«RL ломается в четырёх местах. Каждое — фундаментальное.
Первое. Переходы между партиями. При запуске или остановке — выход за пределы распределения; политика может переключиться на небезопасные действия.
Второе. Смена сырья. Новое сырьё — новая динамика. Реактор с партией от нового поставщика может оказаться вне обучающего распределения за часы.
Третье. Сезонные сдвиги. RL, обученный летом, не работает зимой.
Четвёртое. Износ оборудования. Динамика дрейфует медленно; политика медленно деградирует.
[пауза]
Сквозной вывод. MPC надёжнее RL при смене сырья. MPC использует явную модель, которую легче обновить. RL обучает неявную, и при выходе за пределы политика ломается без сигнала.
Поэтому RL в промышленной эксплуатации всегда требует слой надзора за безопасностью — отдельный модуль, который при выходе за пределы переключает контур на MPC. Не «оптимально». «Безопасно». Золотой стандарт для промышленного RL.»
[Переход на s27.]
Edge PdM + детерминизм¶
[На слайде — POSCO 180 nodes + 1мс vs 100мс.]
«POSCO. 180 узлов вывода на границе сети на прокатном оборудовании. Обнаружение отказов работает независимо от доступности корпоративной сети. По отраслевым отчётам — несколько процентных пунктов улучшения, до десяти процентов снижения энергопотребления.
И где архитектурно живут эти 180 узлов? Между уровнем PLC и SCADA в ISA-95. Это новый «L1.5» или ОТ-слой границы сети. ИИ на границе мостит границу между ними.
[медленно, подчеркнуть]
Детерминизм вывода на границе сети — фундаментальная концепция. Формула: «Задержка равна детерминированности, а не только скорости.»
Цикл PLC — одна-десять миллисекунд, детерминированный. LLM — сто-пятьсот миллисекунд, недетерминированное. Может быть сто, может восемьсот — зависит от нагрузки.
Поэтому ИИ на границе сети работает по паттерну: PLC выполняет детерминированную логику; ML на границе даёт совет; оператор или PLC принимает финальное решение.
Зачем граница сети, а не облако? Задержка контуров. Устойчивость к отказу сети. Пропускная способность — камеры 4K дают терабайты в день. Конфиденциальность и регуляторика.
И отсылка к Лекции 9, одной строкой. F-35 ALIS — около 44 тысяч долларов за лётный час по базовой линии 2018 финансового года, по данным 2024-го — порядка 35 тысяч; замена на ODIN, ложные срабатывания подорвали доверие. Гражданское прогностическое обслуживание учит тому же.»
[Переход на s28.]
Регуляторные блокеры FDA + ATEX + Указ 250¶
[На слайде — три регуляторные рамки.]
«Процессное — регулируемое. Регуляция уже есть, и ИИ обязан вписываться.
FDA 21 CFR Part 11, фарма. Электронные записи и подписи требуют журналов аудита, валидированных систем. Чёрный ящик ML не даёт ясного журнала.
Что работает — ИИ для прогноза качества партии как подсказка оператору. Pfizer Vox образец. Что не работает — автономный выпуск партии средствами ИИ. Финальное решение «партия годна» не может быть автоматическим, даже при 99,9 процента точности. Это не вопрос точности — вопрос юридической ответственности.
ATEX, взрывоопасные среды. В зоне 0 несертифицированное ИИ-железо физически запрещено. Стандартное оборудование на границе сети — NVIDIA Jetson, Intel NUC — не сертифицировано. Обходное решение — датчики в зоне передают данные по оптоволокну на шлюз вне зоны.
Указ Президента РФ номер 250, 2022. Обвязка критической информационной инфраструктуры. Большинство процессного производства попадает в КИИ: ТЭК, металлургия, химия. Импортозамещение к 2027. Локальный ИИ на границе сети обязателен.
[пауза]
Сводный вывод. AI должен валидироваться как программное обеспечение, не получать особого режима. GAMP®5 — стандарт валидации, который FDA принимает. Когда вендор говорит «у нас ИИ, нам нужны особые правила» — спросите про GAMP®5 IQ, OQ, PQ. Зрелый вендор знает эти аббревиатуры.»
[Переход на s29.]
Российский контекст¶
[На слайде — Норникель + СИБУР + ММК/НЛМК/Северсталь.]
«Российский контекст. Публично-проверяемые внедрения скудны, но не отсутствуют.
Норильский никель. ИИ на флотации и измельчении — пилотная, ранняя промышленная стадия. Публично подтверждено. Существенная оговорка — полное соответствие OEE-критерию из открытых источников не верифицируемо. Компания не публикует детализованную метрику.
И параллельно — отдельный кейс. В ноябре 2024 объявлено соглашение Газпром нефти на Северо-Соленинском газоконденсатном месторождении. Это не Норникель — разные операции, разные операторы. Их часто конфлуируют в обзорной прессе.
СИБУР. Маркетплейс технологического моделирования. Запуск объявлен на первый квартал 2025. Это попытка построить «GitHub для моделей процесса» внутри одной компании. Контекст — импортозамещение, государственная цель 2027.
ММК, НЛМК, Северсталь. Общие декларации без производственных метрик. Финансовый контекст 2024-2025 — глубокий кризис: прибыль Северстали минус 55 процентов в 2024.
[понизить голос]
Педагогический вывод. Публичное раскрытие скудно — это сам анти-паттерн в отчётности, а не доказательство отсутствия внедрения. Различать заявление для прессы и измеримый эффект — это один из ключевых навыков, который мы с вами здесь и тренируем. В российской промышленности вы будете задавать те же три уточняющих вопроса, но ответ часто будет «коммерческая тайна». Ваше право и обязанность — относиться к цифре как к гипотезе, не как к факту.»
[Переход на s30.]
Process failure matrix¶
[На слайде — 4 типа провалов на процессном.]
«Сводный слайд Раздела 3. Симметричный к слайду 22.
Первый — сдвиг распределения в обучении с подкреплением, четыре триггера. Альтернатива — MPC как безопасный запасной вариант плюс слой надзора.
Второй — регуляторный блокер. FDA Part 11 запрещает автономный выпуск, ATEX зона 0 запрещает несертифицированное оборудование. Альтернатива — режим рекомендации плюс человек в цикле.
Третий — раскол ОТ и ИТ. Модель в ИТ-облаке, процесс на ОТ-стороне; журнал аудита не сшивается. Альтернатива — ИИ на границе сети, на слое L1.5.
Четвёртый — рекламные заявления вендора без метрик. Альтернатива — пять вопросов вендору.»
[Переход на s31.]
Раздел 4 divider¶
«Четвёртый раздел из пяти. Это итоговый раздел лекции. Карманный инструмент.»
Четыре категории критериев¶
[На слайде — 4 категории × 10 критериев.]
«Десять критериев «ИИ не подходит», объединённых в четыре категории. Это и есть тот карманный инструмент, ради которого мы с вами и затевали эту лекцию. Конкретные ручки управления.
Категория A — Данные.
Первый. Малая выборка отказов — MTBF более года. Альтернатива: CBM, RCM, плановое обслуживание.
Второй. Явление описывается известной физикой. Альтернатива: CFD, FEA, кинетические модели, гибрид через физически-информированные нейронные сети.
Третий. Эталонная разметка дорогая — дисбаланс классов. Альтернатива: усиление физического сигнала, правило-ориентированное зрение, DOE.
Категория B — Асимметрия стоимости.
Четвёртый. Стоимость ложного срабатывания значительно превышает стоимость пропуска отказа. Ложная тревога в прокатке — четыре часа простоя, до миллиона долларов. ML редко калибруется так точно. Альтернатива: SPC, RCM.
Пятый. SIL 2 или 3 — критичность по безопасности. ML — последний выбор, не первый. Альтернатива: детерминированная логика PLC, формальная верификация.
Категория C — Регуляторика.
Шестой. Журнал аудита обязателен — FDA 21 CFR Part 11, GAMP®5. Альтернатива: объяснимый AI, гибрид с правилами, человек в цикле.
Седьмой. ATEX Zone 0 — физическое ограничение.
Восьмой. Указ 250 и КИИ в РФ. Альтернатива: локальное отечественное ПО.
Категория D — Человек.
Девятый. Недоверие оператора — обходное поведение неизбежно. Альтернатива: разработка моделей самими рабочими.
Десятый. Пилот без критериев продолжения или закрытия — застревание. 80-95 процентов статистика. Альтернатива: структурированные пилоты с базовой линией плюс критериями до старта.
[пауза]
Сквозное правило: заявления на основе демонстраций без шестимесячной истории промышленной эксплуатации — покупатель должен быть осторожен.»
[Переход на s33.]
Матрица альтернатив 6 инструментов¶
[На слайде — 6×5 матрица.]
«Шесть инструментов без ИИ или с меньшей долей ИИ — каждый мы с вами должны знать и уметь применить.
Первый. SPC — статистический контроль процесса плюс Six Sigma. Одномерный мониторинг по картам Шухарта. Объясним, дружелюбен к аудиту FDA. Слаб на многомерных корреляциях.
Второй. DOE — планирование эксперимента (Design of Experiments). Защищаемая прослеживаемость. Слаб при более чем десяти переменных.
Третий. MPC. Доминирует в управлении процессом. Требует точной модели.
Четвёртый. RCM плюс CBM. Инженерный подход без ML. Сертифицируется в авиации.
Пятый. Физическое моделирование — CFD, FEA, кинетика. Известная физика, экстраполяция за пределы обучающего распределения.
Шестой. Правило-ориентированное зрение. Контролируемая среда, чёткие дефекты.
[пауза, подчеркнуть]
И четыре гибридных паттерна. PINN — физика в функции потерь ML. CIRL — PID внутри RL. ML поверх SPC — ML снижает ложные срабатывания SPC. PLC плюс сопроцессор ML на границе сети — PLC детерминирован, ML советует.
В каждом гибриде ИИ дополняет проверенный инструмент, не заменяет. Третий раз за лекцию: гибрид доминирует над заменой.»
[Переход на s34.]
Pfizer Vox worked example PASS¶
[На слайде — 5-step framework + Pfizer применение.]
«Возвращаемся к Pfizer Vox и применяем пятишаговую рамку. Показать, что рамка работает на реальном кейсе.
Шаг первый. Колонна — процессное, биопроцесс. Проходит.
Шаг второй — карта альтернатив. SPC — да для отдельных параметров, недостаточно для многомерных аномалий. DOE — не для эксплуатации. MPC — может управлять уставками, не покрывает редкие аномалии. Классический мягкий сенсор — недостаточно. Базовая линия есть, но разрыв есть.
Шаг третий — четыре категории.
Данные — много данных по партиям, разметка из лабораторных тестов. Проходит.
Стоимость — управляема. FP — оператор проверит. FN — плохая партия может уйти. Проходит.
Регуляторика — критический момент. FDA 21 CFR Part 11 — режим рекомендации, не автономный выпуск партии. Архитектура «Vox рекомендует операторам» соответствует. Если бы Pfizer попытался автономный выпуск — был бы регуляторный провал. Проходит при правильной архитектуре.
Человек — операторы обучены. Проходит.
Все четыре категории проходят.
Шаг четвёртый. Pfizer заявил плюс двадцать тысяч доз — базовая линия известна.
Шаг пятый. «Vox рекомендует» — явное дополнение. Архитектура — поддержка принятия решений, не контроллер.
[подчеркнуть]
Урок. Различие между «работает» и «не работает» здесь — на архитектурном выборе, не на качестве модели. Тот же AI в режиме рекомендации проходит, в режиме автономии — не проходит.»
[Переход на s34b.]
Слайд 34b — Авиадвигатель worked example FAIL] 66:30–69:00¶
[На слайде — 5-step framework с провалом.]
«Симметричный пример. Pfizer показывал, как рамка пропускает. Этот покажет, как рамка отсекает.
Производитель авиадвигателей хочет ИИ для прогностического обслуживания коробки передач турбовального двигателя. MTBF — восемь лет. SIL 2. FP — внеплановая разборка коробки, около двухсот тысяч долларов. FN — катастрофа в полёте.
Шаг первый. Дискретное. Проходим.
Шаг второй. RCM существует — виброанализ, анализ масла, плановый осмотр. Базовая линия зрелая, отработана пятьдесят лет в авиации.
Шаг третий.
Данные — провал. MTBF восемь лет, флот 500 двигателей, двадцать лет эксплуатации — порядка ста отказов. Малая выборка. Разметка дорогая — разборка плюс экспертиза металловедов.
Стоимость — провал. Один пропуск катастрофичен. Но частота отказа ниже частоты ложных срабатываний у любой ML-модели. Частота ложных срабатываний 1 процент на 500 двигателей — пять ложных тревог в год; каждая — внеплановая разборка по 200 тысяч. Структурно дороже планового обслуживания.
Регуляторика — провал. SIL 2 в авиации требует детерминированный след. ML не сертифицируется как критичный по безопасности по DO-178C.
[пауза]
Три категории провалили. Шаги 4 и 5 не выполняются.
Вывод. ИИ-PdM на коробке авиадвигателя не нужен. Альтернатива — обслуживание по надёжности плюс физические сенсоры плюс обмен данными по всему парку двигателей. Без введения сертификационного риска ML.
Это и есть критическое суждение — главная цель всего курса. Умение сказать «нет» неподходящему AI на основании структурных критериев, а не интуиции.»
[Переход на s34c.]
Слайд 34c — Пивоварня worked example PASS] 69:00–71:30¶
[На слайде — 5-step framework пропускает.]
«Третий пример. Пивоварня, контроль упаковки.
Линия идёт тридцать тысяч бутылок в час, около семисот тысяч в сутки. Дефекты — скол горлышка, повреждённая этикетка, недолив, оторванная пробка. Доля брака полпроцента. Ручной отбор пропускает дефекты — глаз не успевает.
Шаг первый. Дискретное. Проходим.
Шаг второй. Ручной отбор и периодический контроль есть, но недостаточны. Узкое место понятно.
Шаг третий.
Данные — семьсот тысяч бутылок в день, полпроцента брака — около трёх с половиной тысяч размеченных дефектов каждый день. Класс-баланс за тридцать дней — порядка ста тысяч размеченных примеров. Разметка дешёвая — визуально очевидные кривые этикетки. Проходит легко.
Стоимость — ложное срабатывание это потеря бутылки, незначительно. Пропуск — клиент получает бутылку со сколом, потенциальная претензия. Асимметрия в правильную сторону. Проходит.
Регуляторика — ISO 22000 для пищевой безопасности. Мягче, чем FDA Part 11 или авиа DO-178C. Режим «характеристика» уместен. Проходит.
Человек — операторы переходят от непрерывной визуальной инспекции к обработке исключений. Улучшение качества рабочей жизни. Проходит.
Шаг четвёртый. Базовая линия — ручная инспекция пропускает 0,3 процента дефектов. Критерий пилота — AI должен показать не больше 0,2 процента пропущенных при доле «воздержаться» не больше 15 процентов за три месяца.
Шаг пятый. 12 камер, вывод ИИ на границе сети, очередь «воздержаться» на станцию оператора. Журнал аудита с временной меткой и уверенностью.
[пауза]
Сквозной урок трёх примеров. Рамка работает как фильтр в обе стороны. Pfizer проходит — режим рекомендации. Авиадвигатель не проходит — данных мало, сертификация блокирует. Пивоварня проходит — асимметрия правильная.»
[Переход на s35.]
Пятишаговая рамка¶
[На слайде — 5 шагов фреймворка.]
«Компактное замыкание рамки. Пять шагов.
Первый. Определить колонну. Дискретное или процессное? Определяет ИИ-стек.
Второй. Картировать альтернативы. Шесть инструментов — SPC, DOE, MPC, RCM, физическое моделирование, правило-ориентированное зрение. Если не-ИИ решает адекватно — ИИ не нужен.
Третий. Четыре категории критериев. Данные, стоимость, регуляторика, человек. Хотя бы одна проваливается — ИИ не подходит без архитектурного изменения.
Четвёртый. Пилот с явными критериями плюс базовая линия. До старта определить: какая базовая линия? Какие критерии «вывод в промышленную эксплуатацию» и «закрытие»?
Пятый. Промышленная эксплуатация с человеком в цикле плюс журналом аудита. Поддержка принятия решений или автономный контроллер? В регулируемой индустрии — почти всегда поддержка.
[пауза, подчеркнуть]
Сквозной вывод на уровне несущей оси лекции. AI в производстве — инструмент дополнения, не замена. Работа инженера — знать, где AI применим, где традиционный инструмент лучше, и где их сотрудничество. Это критическое суждение — главная цель курса.»
[Переход на s36.]
Раздел 5 divider¶
«Пятый раздел из пяти. Замыкание.»
Recap двухколонный + failure callback¶
[На слайде — двухколонный recap.]
«Подытоживая ось дискретное-процессное.
Дискретное — компьютерное зрение, коботы, копилоты. Режим провала — чрезмерная автоматизация и сдвиг распределения. Tesla 2018 каноническая. Boeing 737: «CV — последняя линия защиты, не первая».
Процессное — мягкие сенсоры, гибрид MPC и RL, прогностическое обслуживание, регуляторика. Yokogawa-JSR FKDPP — первый прецедент промышленного RL. POSCO 180 узлов — детерминизм вывода на границе сети. FDA Part 11 запрещает автономный выпуск партии.
Общее — фундаментальные модели как дополнение, не контроллер. Застревание универсально. Четыре категории критериев: данные, стоимость, регуляторика, человек.
[медленно, подчеркнуть]
Возврат к провалам. Завтра вендор обещает «–70 процентов простоев» — задайте три вопроса плюс OEE-вопрос. Если ответы расплывчатые — это демо, не промышленная эксплуатация. 95 процентов пилотов не доходят до промышленной эксплуатации не потому, что ИИ плох, а потому что инженеры не задают эти вопросы.»
[Переход на s38.]
Q&A + 5 вендор-вопросов¶
[На слайде — пять вопросов к вендору.]
«Артефакт для кармана. Распечатать и положить с собой. Использовать на каждой презентации ИИ-поставщика независимо от индустрии.
Первый. Базовая линия. Какая метрика была до развёртывания и как мерилась? Отделяет «ИИ улучшил» от «начали измерять».
Второй. Окно измерения. За один запуск, среднее за месяц или лучший случай? Отделяет демо от устойчивого эффекта.
Третий. Перечень вмешательств. Что именно изменилось — люди, процесс, технология? Отделяет вклад AI от реорганизации.
Четвёртый (бонусный) — OEE-вопрос. В какую компоненту OEE добавляется эффект — в доступность, производительность или качество? Ответ «во всё сразу» означает, что поставщик не считал.
Пятый — прошлые провалы. Дайте мне три документированных провала вашей системы за последние 24 месяца в той же индустрии. Что произошло, что выученный урок, как изменена архитектура?
[пауза]
Если вендор не может назвать ни одного провала — это сильный сигнал. Либо нет реальной промышленной эксплуатации, либо скрывают проблемы. Зрелый вендор отвечает: «у нас был X, мы изменили Y, теперь делаем Z» — и это вызывает доверие.
Эти пять вопросов мы с вами будем задавать всю карьеру. Они применимы к любому заявлению поставщика в любой индустрии.»
[Переход на s39.]
Closing hero BMW Digital Twin + bridge к Лекции 12¶
[На слайде — BMW Werk + digital twin overlay.]
«Закрывающая иллюстрация — наложение цифрового двойника на завод BMW. Цифровые двойники BMW готовы ко всем тридцати с лишним заводам в 2024-2025. И здесь мы с вами остановимся — это территория другой лекции.
Сегодня — отдельные инструменты: компьютерное зрение, прогностическое обслуживание, мягкие сенсоры, гибрид MPC и RL. Каждый — точечный, со своей задачей.
Лекция 12 — сшивка. Цифровые двойники как унифицирующая абстракция. ИИ в автоматизации как несущая ткань производства. ГОСТ Р 57700.37-2021 даёт регуляторную основу в РФ.
Что мы унесём в следующую лекцию: ось дискретное-процессное, четыре категории критериев, пятишаговую рамку, пять вопросов к вендору. На цифровом двойнике это будет работать с тем же ядром суждения — задача остаётся той же: знать, где ИИ работает, где не работает, и как выбрать.
[пауза, медленно]
Финальная мысль. ИИ в производстве 2026 — не «революция» в смысле полной замены старых инструментов. Это новый слой, который кладётся поверх SPC, DOE, MPC, RCM, физического моделирования и правило-ориентированного зрения. Правильный паттерн — гибрид. Инженерное искусство — знать, где AI добавляет ценность, где не добавляет, и где он опасен.
Эта лекция была про развитие этого искусства.
Спасибо. Вопросы — на семинаре на следующей неделе. До встречи.»
[Свет, аплодисменты.]