Цифровая трансформация в автомобильной промышленности

Селиверстов, А. С. Цифровая трансформация в автомобильной промышленности / А. С. Селиверстов, Д. Ю. Уткин, А. Р. Семидотченко, В. В. Постнов. — Текст : непосредственный // Молодой ученый. — 2020. — № 7 (297). — С. 188-189. — URL: https://moluch.ru/archive/297/67471/ (дата обращения: 27.06.2023).

Цифровая трансформация — это фундаментальное изменение в том, как бизнес работает и обеспечивает ценность для своих клиентов. Однако это преобразование будет выглядеть совершенно по-разному для каждой организации, в зависимости от того, где они находятся в своем цифровом путешествии. Для некоторых это может означать автоматизацию новых процессов на производственной линии, в то время как для других это может означать передачу файлообменников в облако.

Автомобильная промышленность переживает цифровую трансформацию, как в своих автомобилях, так и на заводах. Это большой сдвиг, призванный идти в ногу с быстро меняющимися требованиями отрасли. По данным от General Electric Digital были определены три в значительной степени транспортные тенденции, меняющие способы использования и производства транспортных средств:

1. Connected cars или «подключенные автомобили» — это транспортные средства, которые оснащены интеллектуальными системами и сервисами с выходом в интернет. Количество подобных автомобилей возрастает крайне быстро. С 2015 года самоуправляемые автомобили признаны законным средством передвижения в Англии, как это уже произошло в нескольких штатах Америки.

На сегодняшний день, в подключенные транспортные средства внедряют все более мощными интегрированными интеллектуальными системами с возможностью выйти в интернет. По этой причине становится популярным такая функция, как автомобильная телематика, которая позволяет дистанционно передавать информацию поставщикам услуг из автомобиля. Также в нескольких странах приняты законы, согласно которым новые автомобили будут оснащаться SIM-картами. Данная система называется eCall, которая будет подавать сигналы, если произойдёт угон или автомобиль попадет в аварию [1].

2. Автономные транспортные средства — это вид транспорта, который основан на автономном управлении. Управление таким транспортом полностью автоматизировано и происходит без человека при помощи оптических датчиков, алгоритмов и радиолокации.

На данный момент автономные транспортные средства оснащены такими функциями как парковочный автопилот или круиз-контроль. Эти функции считаются всего лишь базовой основой автономии. Стандартными функциями считаются: предупреждение об опасности, контроль тормозов и т. д.

3. Электрификация на сегодняшний день стремительно развивается. Многие эксперты считают, что через 5–6 лет этот рынок вырастет более чем в 10 раз.

В последние годы было продано несколько миллионов электромобилей. Согласно новому докладу BloombergNEF, это только начало тотальной электрификации транспорта. Эксперты считают, что будет происходить рост продаж данного вида транспорта: в 2025 году — 10 млн машин, в 2030–28 млн, а в 2040–56 млн, что составит больше половины рынка автомобилей [2].

Представленные тенденции открывают большие возможности для рынка производства автомобилей, однако необходимо внедрять цифровую трансформацию в свою компанию, чтобы сохранить свою конкурентоспособность.

Консультант по цифровым преобразованиям Capgemini (одна из крупнейших в мире консалтинговых компаний в сфере менеджмента и информационных технологий) сообщает, что к 2022 году 24 % заводов по производству автомобилей станут «умными заводами». То есть эти фабрики будут в значительной степени полагаться на искусственный интеллект и другие цифровые стратегии, чтобы лучше использовать данные для повышения производительности производства. Уже 49 % автопроизводителей вложили свыше 250 миллионов долларов в эти «умные заводы». Но инвестиции не обязательно означают результаты. В том же исследовании сообщается, что 42 % умных заводских проектов борются за успех, потому что производственные операции не имеют цифровой зрелости.

Цифровое преобразование не означает принятие технологии просто ради использования большего количества технологий. Речь идет о создании более высоких уровней улучшения за счет лучшего управления системами и данными, чтобы лучше обслуживать все заинтересованные стороны организации [3].

Стратегическое начало долгосрочной цифровой трансформации требует внимания к следующим четырем элементам:

1. Культура компании

Никакие изменения не будут продолжаться, если они не являются частью самой компании. Например, одно исследование Boston Consulting Group, посвященное 40 цифровым преобразованиям, показало, что компании, сосредоточенные на продвижении культурного сдвига, имеют в пять раз больше шансов на достижение революционной производительности, к которой они стремились. Тем не менее, опрос от Automotive IT определил, что изменение культуры является самой большой проблемой для цифровой трансформации автомобильной промышленности.

2. Вклад сотрудника

Не совсем правильно думать о цифровой трансформации как об уходе от доверия к людям. На самом деле, технологии работают лучше всего, когда работают в тандеме с людьми. Индустрия 5.0 — это использование лучшего из обоих миров. Одна из стратегий заключается в том, чтобы побудить сотрудников на заводе вносить предложения о том, как технологии могут помочь им работать лучше. Этот вклад может привести к более эффективным изменениям. Сотрудники, которые видят свои идеи, оказывают влияние на производственный цех, чувствуют себя частью «чего-то большего», что делает их более заинтересованными. Это также повышает мотивацию сотрудников к продолжению поиска возможностей улучшения, которые могут повысить производительность [5].

3. Тестирование и изучение подходов к улучшению

Инновации работают лучше всего, когда в организациях есть структура для запуска новых систем и оценки фактических и ожидаемых результатов. Кайдзен, или ежедневный процесс непрерывного совершенствования, предлагает такую структуру. Поскольку автомобильные компании претерпевают быстрые изменения, многие удваивают кайдзен и его инструменты и принципы для тестирования текущих изменений, как впервые было разработано Toyota Production System в 1940-х годах [4].

4. Интеграция цепочки поставок

Производителям автомобилей недостаточно просто принять внутренние цифровые решения. Им понадобится цепочка поставок, которая также может идти в ногу с быстро меняющимися ожиданиями. Многие автомобильные компании переименовывают себя в «мобильные компании» в качестве одного из шагов к переосмыслению своих партнеров. Глобальная консалтинговая компания Deloitte отмечает, что автомобильные компании перестраивают цепочки поставок, чтобы стать более гибкими.

Участие в цифровой трансформации приведет к чему-то совершенно новому. Необходимо прислушиваться к тем, кто лучше всех знает этот продукт, а именно к конечным пользователям и операторам.

1. Прохоров А., Коник Л. Цифровая трансформация. Анализ, тренды, мировой опыт. — М.: Издательские решения, 2018. — 460 с.
2. Вайл П.,Ворнер С. Цифровая трансформация бизнеса: Изменение бизнес-модели для организации нового поколения. — М.: Альпина Паблишер, 2019. — 264 с.
3. Сологубова Г. С. Составляющие цифровой трансформации. — М.: Юрайт, 2019. — 147 с.
4. Масааки Имаи. Кайдзен. Ключ к успеху японских компаний. — М.: Альпина Паблишер, 2016. — 416 с.
5. Имаи М. Книга: Гемба кайдзен путь к снижению затрат и повышению качества. — 11. — М.: Альпина Паблишер, 2019. — 414 с.

Основные термины (генерируются автоматически): цифровая трансформация, автомобиль, автомобильная промышленность, вид транспорта, завод, компания, средство, цепочка поставок.

Искусственный интеллект в автомобильной индустрии: варианты использования машинного обучения для самоуправляемых транспортных средств

Горельчик, М. Р. Искусственный интеллект в автомобильной индустрии: варианты использования машинного обучения для самоуправляемых транспортных средств / М. Р. Горельчик. — Текст : непосредственный // Исследования молодых ученых : материалы XIV Междунар. науч. конф. (г. Казань, ноябрь 2020 г.). — Казань : Молодой ученый, 2020. — С. 8-11. — URL: https://moluch.ru/conf/stud/archive/382/16134/ (дата обращения: 27.06.2023).

В статье авторы пытаются проанализировать дальнейшие перспективы развития искусственного интеллекта в автомобильной индустрии.

Ключевые слова : искусственный интеллект, машинное обучение, транспортные средства

Самым перспективным направлением развития автомобильной индустрии считается развитие искусственного интеллекта (ИИ), который выполняет задачи по контролю и управлению транспортным средством. Большой объем данных, собранных с помощью подключенных устройств и служб, является важнейшим ключом корректной работы ИИ в любой отрасли, поскольку так система учится анализировать и выявлять человеческий фактор, что позволит ИИ думать и поступать как человек. Заключительным этапом разработки создание полностью автономных (самоуправляемых) автомобилей, а дальнейшее развитие ИИ получит посредством совершенствования к тому времени созданных алгоритмов и наращиванию вычислительных мощностей.

Следует отметить, что машинное обучение (МО) является частью общей концепции ИИ. На рис. 1 показано отношение между ИИ и МО.

Рис. 1. Отношение между ИИ и МО

При рассмотрении ИИ в автомобильной индустрии выделяют различные степени автономности, то есть способности обходиться без помощи человека — водителя. Международный орган автомобильных инженеров (SAE) определил шесть уровней автономии для беспилотных автомобилей [1]:

1. Уровень 0 — без автоматизации. На этом уровне отсутствует автоматизация. Большинство транспортных средств на дорогах сегодня управляется вручную. Могут существовать системы, помогающие водителю, например система экстренного торможения, но она технически не «управляет» автомобилем и поэтому не может считаться автоматизацией.
2. Уровень 1 — помощь водителю. В этих автомобилях предусмотрена только одна автоматизированная система помощи водителю, например, адаптивный круиз-контроль. Человек-водитель управляет рулевым управлением и торможением с помощью адаптивного круиз-контроля, поэтому он соответствует уровню автономности 1.
3. Уровень 2 — частичная автоматизация вождения. Автомобиль может управлять как рулевым управлением, так и ускорением и замедлением. Человек-водитель может взять под свой контроль машину в любой момент.
4. Уровень 3 — условная автоматизация. Здесь в игру вступают возможности обнаружения окружающей среды. Автомобиль может принимать обоснованные решения, например, обгонять медленно движущееся транспортное средство. Однако водитель может отменить управление транспортным средством, если система не может выполнить задачу.
5. Уровень 4 — высокая автоматизация. Эти автомобили полностью автоматизированы в большинстве случаев. Однако водитель-человек может вручную заблокировать систему.
6. Уровень 5 — полная автоматизация. Эти автомобили не требуют участия человека-водителя и даже не имеют рулевого колеса или педалей ускорения и торможения.

На рис. 2 приведена классификация степеней автономности, разработанная непосредственное SAE.

Рис. 2. Классификация степеней автономности согласно SAE

Для лучшего понимания роли ИИ в беспилотных автомобилях, следует проанализировать функции человека. Водитель использует сенсорные функции, такие как зрение и звук, для наблюдения за дорогой, дорожными знаками и другими транспортными средствами. Многолетний опыт вождения помогает водителю выработать привычку искать такие нюансы, как, например, дорожные ямы или пешеходные переходы.

Как было озвучено ранее, целью автомобильной промышленности является создание автономных автомобилей пятого уровня, способных управлять автомобилем, как опытные водители. Это означает, что у транспортных средств должны быть сенсорные функции, когнитивные функции и исполнительные способности. Процесс, который позволит достичь этого, можно разделить на три части.

1. Сбор данных с транспортных средств (ТС). Множество датчиков, камер и систем связи установлено на автономных ТС для сбора данных об окружающей среде. Эта система собирает информацию обо всем, что автономное ТС видит и слышит на дороге, например, о других ТС, скорости, с которой движется каждое ТС вокруг него, дорожной инфраструктуре и каждом объекте на дороге или рядом с ней. Затем эти данные обрабатываются и используются для передачи значимой информации в программы ИИ.
2. Принятие решений облачным ИИ. Собранные данные должны быть обработаны, и для ускорения процесса целесообразно отправлять их на сервер, поскольку в автомобиле физически невозможно разместить вычислительные мощности, схожие с серверами облака. Когда облако получает данные с ТС, запускаются алгоритмы ИИ, и эти данные обрабатываются. Механизм ИИ является мозгом всей этой системы и помогает принимать правильные решения. Он подключен к базе данных, которая действует как память, в которой хранится весь предыдущий опыт вождения миллионов водителей, как людей, так и автономных ТС. В результате обработки получаются и отправляются обратно инструкции для ТС.
3. Реализация возможностей ИИ. Основываясь на решениях, принимаемых ИИ, автономное ТС знает, что делать, когда оно сталкивается с любой дорожной ситуацией, передвигается без какого-либо вмешательства человека и безопасно достигает места назначения.

Автомобильная промышленность сосредоточена не только на создании автономных ТС, работа идёт и над другими аспектами комфортных поездок на автомобиле. Они оснащаются средствами для распознавания речевых команд на основе ИИ, системами управления жестами, отслеживания взгляда и другими системами мониторинга вождения. Анализ дорожной ситуации в крупных городах позволяет избегать пробок и экономить время [2], строить маршруты [3]. Эти функции также выполняются так же, как описано в предыдущих разделах.

Искусственный интеллект и машинное обучение называют четвертой промышленной революцией. Жизни людей и их рабочие задачи стремительно изменяются, и темп изменений будет только нарастать. Около 20 лет назад ИИ можно было увидеть только в научно-фантастических фильмах, а сейчас он стал частью повседневной жизни: смартфоны, виртуальный помощник Google, приложение для совместного использования поездок Uber, и многое другое. Исходя из текущих исследований и примеров использования ИИ, с уверенностью можно ожидать значительных достижений в автомобильной промышленности в ближайшие годы.

1. SAE International Releases Updated Visual Chart for Its “Levels of Driving Automation” Standard for Self-Driving Vehicles [Электронный ресурс]. — Режим доступа: https://www.sae.org/news/press-room/2018/12/sae-international-releases-updated-visual-chart-for-its- %E2 %80 %9Clevels-of-driving-automation %E2 %80 % 9D-standard-for-self-driving-vehicles
2. Яндекс: Пробки [Электронный ресурс]. — Режим доступа: https://yandex.ru/company/technologies/yaprobki/
3. Яндекс: Маршруты [Электронный ресурс]. — Режим доступа: https://yandex.ru/company/technologies/routes/

Применение AI в автомобильной индустрии

По данным Международной федерации робототехники (IFR), сегодня в мире насчитываются сотни тысяч профессиональных сервисных роботов. Если же говорить о сервисных роботах для личных нужд, то их количество таково, что подобными роботами можно было бы полностью заселить среднюю европейскую страну, например Испанию. При этом наибольшее число сервисных роботов сосредоточено в клининговой и медицинской сферах. Первое место по числу компаний, работающих над созданием сервисных роботов, занимает США, но и Россия выглядит достаточно неплохо, находясь на 12-й позиции по этому показателю

Евгений Гришкевич
Директор департамента послепродажного обслуживания
группы компаний “АвтоСпецЦентр”

Если речь идет о промышленности, то в первую очередь искусственный интеллект может быть задействован в мониторинге систем с использованием датчиков. В этом случае искусственный интеллект может запускать либо прекращать те или иные производственные процессы, основываясь на показаниях датчиков. Кроме того, с помощью искусственного интеллекта можно прогнозировать качество продукции путем построения аналитических моделей, позволяющих выявлять большинство проблем уже на начальном этапе производства.

В автомобилестроении на сегодняшний день созданы все предпосылки для качественного рывка в сфере применения искусственного интеллекта. Речь идет об интеллектуальных системах помощи на дороге, или ADAS (Advanced Driver Assistance Systems). Например, в Израиле компания Mobileye разработала программно-аппаратный комплекс. Его задача – распознавать потенциально опасные ситуации на дороге, предупреждать о них водителя и контролировать сохранение безопасной дистанции. Есть чем похвастаться и отечественным разработчикам. Российская компания Cognitive Technologies выпустила технологию Cognitive Smart Situation Capture, которая во многом опережает достижения Mobileye. Эта технология отвечает за создание и реализацию алгоритмов безопасного движения, в том числе и в экстремальных ситуациях. За технологиями ADAS будущее автопрома. Эксперты американской аналитической компании Lux Research полагают, что к 2020 г. объем рынка этих технологий будет составлять $10 млрд. А японская компания маркетинговых исследований Yano Research Institute еще более оптимистична, прогнозируя объем рынка ADAS в $75 млрд.

Конечно, в развитии искусственного интеллекта есть не только неоспоримые плюсы и преимущества, но и серьезные риски. В марте в США произошло ДТП с летальным исходом – погиб водитель автомобиля Tesla Model X, которым в момент трагедии управлял автопилот. Примечательно, что именно глава Tesla Илон Маск назвал искусственный интеллект “самым большим риском, с которым мы сталкиваемся как цивилизация”. Тем не менее главная опасность – это не сбои, которые неизбежны в любой технологии, а вопрос контроля искусственного интеллекта. Впрочем, у людей всегда есть, фигурально выражаясь, “красная кнопка” – возможность отключения питания искусственного интеллекта.

Одно из ключевых направлений применения искусственного интеллекта – это автоматизация трудоемкой рутинной работы, которую сегодня делают люди. Многими это воспринимается как угроза стабильности на рынке труда, но скорее здесь нужно говорить о том, что внедрение искусственного интеллекта породит новые профессии. Если речь идет о промышленности, то в первую очередь искусственный интеллект может быть задействован в мониторинге систем с использованием датчиков. В этом случае искусственный интеллект может запускать либо прекращать те или иные производственные процессы, основываясь на показаниях датчиков. Кроме того, с помощью искусственного интеллекта можно прогнозировать качество продукции путем построения аналитических моделей, позволяющих выявлять большинство проблем уже на начальном этапе производства.

Что касается автомобильной индустрии, то практически все крупные разработчики ориентированы на выпуск беспилотных автомобилей. Для того чтобы не отставать от конкурентов, автомобильные концерны либо создают собственные подразделения по разработке систем искусственного интеллекта, либо объединяют усилия с перспективными стартапами. Например, General Motors выкупила стартап Cruise Automation и анонсировала выпуск в 2019 г. полноценного электромобиля Cruise AV. У этой модели не будет ни руля, ни педалей. Весь процесс движения автомобиля будет контролироваться двумя синхронизированными компьютерными системами. При этом вторая система будет брать автомобиль под управление, если в первой системе произойдет сбой. И это лишь один из многих примеров. В целом же прогнозы по продажам беспилотных автомобилей на 2020 г. составляют 2 млн штук, а на 2035-й – более 30 млн. Как уже говорилось, сбои в работе искусственного интеллекта неизбежны. Это и уже упоминавшееся ДТП со смертельным исходом в США в марте, и инцидент в декабре 2016 г., когда беспилотное такси компании Uber проехало на красный свет в Сан-Франциско.

С одной стороны, Россия вроде бы находится на задворках применения искусственного интеллекта в сервисной робототехнике и автомобилестроении, да и вообще в промышленности. По данным IFR, на 10 тыс. работников в России приходится всего три робота. Для сравнения: в Южной Корее этот показатель равен 631 роботу на 10 тыс. человек. В то же время в 2017 г. российский рынок продемонстрировал взрывной рост – установка роботов на промышленных производствах возросла на 84% по сравнению с 2016 г. Все это говорит о больших перспективах промышленного искусственного интеллекта в нашей стране.

Когда речь идет о работе системы, интеллектуальные способности которой намного превосходят человеческие, стоит исходить из того, что ей под силу буквально все. В этой связи существует несколько вариантов контроля возможностей искусственного интеллекта – от физического ограничения его доступа к Интернету или различным приложениям и процессам до разработки дружественных по отношению к человеку мотиваций. Пока эта сфера, так же как и само промышленное применение искусственного интеллекта, находится на стадии развития. Кроме того (и об этом недвусмысленно говорят и в России, и за рубежом), необходима разработка законодательной базы, регламентирующей применение искусственного интеллекта.

С одной стороны, Россия вроде бы находится на задворках применения искусственного интеллекта в сервисной робототехнике и автомобилестроении, да и вообще в промышленности. По данным IFR, на 10 тыс. работников в России приходится всего три робота. Для сравнения: в Южной Корее этот показатель равен 631 роботу на 10 тыс. человек. В то же время в 2017 г. российский рынок продемонстрировал взрывной рост – установка роботов на промышленных производствах возросла на 84% по сравнению с 2016 г. Все это говорит о больших перспективах промышленного искусственного интеллекта в нашей стране.

В качестве наиболее ярких примеров можно привести не только уже упомянутую отечественную компанию Cognitive Technologies, успешно конкурирующую с израильскими разработчиками ADAS. Стоит сказать и о КАМАЗе, который в 2015 г. впервые протестировал на полигоне беспилотный автомобиль, а в 2017 г. продемонстрировал на ИННОПРОМ беспилотный автобус “Шатл”. Отставание от мировых лидеров робототехники наша страна компенсирует развитием технологий не только в автопроме, но и в энергетике, банковской сфере, нефте- и газодобывающей промышленности.

При подготовке материала использовались источники:
https://moluch.ru/archive/297/67471/
https://moluch.ru/conf/stud/archive/382/16134/
https://lib.itsec.ru/articles2/Oborandteh/primenenie-ai-v-avtomobilnoy-industrii