Обзор_информационно_коммуникационных_технологий_в_сфере_материального

1. Обзор информационно-коммуникационных технологий в сфере материального производства и инженерной деятельности: компьютерное

ОБЗОР ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫХ
ТЕХНОЛОГИЙ В СФЕРЕ МАТЕРИАЛЬНОГО ПРОИЗВОДСТВА
И ИНЖЕНЕРНОЙ ДЕЯТЕЛЬНОСТИ: КОМПЬЮТЕРНОЕ
МОДЕЛИРОВАНИЕ И ПРОТОТИПИРОВАНИЕ, СИСТЕМЫ
АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ, ИНТЕРНЕТ ВЕЩЕЙ,
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (ДАЛЕЕ – ИИ), РАБОТА С
ЗАДАННЫМИ ДАННЫМИ (ДАЛЕЕ – BIGDATA), ОБЛАЧНЫЕ
ТЕХНОЛОГИИ

2. Почему ИКТ — основа современного производства?

■ Происходит переход от механистических систем к
цифровым, интеллектуальным и связанным — Индустрия
4.0.
■ ИКТ — не вспомогательные инструменты, а ключевые
драйверы эффективности, качества, гибкости и инноваций.
■ Позволяют переосмыслить проектирование, производство,
контроль и обслуживание — делая их адаптивными и
управляемыми данными.
■ Цель презентации: Обзор 6 ключевых технологий и их
синергии в создании умного производства.
■ Актуальность: Без цифровизации — потеря
конкурентоспособности и исключение из глобальных
цепочек создания стоимости.

3. Компьютерное моделирование

Что это?
■ Создание цифровых реальных
объектов/процессов для анализа
физического производства.
Возможности:
■
Проверка модели под воздействием
различных нагрузок(механика, тепло,
гидродинамика).
■
Моделирование процессов: литье, сборка,
штамповка.
■
Сокращение физических испытаний →
экономия времени и денег.
■
Инструменты: CAD (проектирование), CAE
(анализ), CAM (производство), BIM
(строительство).

4. Компьютерное моделирование

5. Быстрое прототипирование — Графическая верификация цифровых моделей.

Ключевая технология — 3D-печать:
■ Создает сложную модель.
■ Используется для прототипов, оснасток и конечных изделий.
■ Материалы: пластик, металл, композиты, биоматериалы.
Пример: GE — топливная форсунка: одна деталь, легче на 25%, прочнее на 500%.

6. Системы автоматического управления (САУ) -Управление процессами без участия человека.

Цель: Поддержание заданных параметров
(температура, давление, скорость).
Компоненты: Датчики → Контроллеры →
Исполнительные механизмы → Интерфейс
оператора.
Системы: ЧПУ, ПЛК, SCADA.
Пример: Автозавод — сборка кузова 45 секунд без
сбоев.

7. Роль САУ и интеграция с ИКТ

Преимущества:
Интеграция:
■ Повышенная точность и
повторяемость.
■ Интернет вещей → данные в
облаке.
■ Рост производительности
(24/7).
■ BigData → анализ истории для
оптимизации.
■ Снижение брака и
повышение безопасности.
■ ИИ → предсказание сбоев.
■ Облако → удаленное
управление.
Пример: Siemens MindSphere — анализ данных
с ПЛК по всему миру.

8. Интернет Вещей (IoT) -Физические объекты + сенсоры + связь → сбор и обмен данными без участия человека.

Архитектура:
■ Сенсоры → Шлюзы → Сеть (5G, Wi-Fi)
→ Платформа обработки (облако).
■ Пример: Датчик вибрации на насосе
→ система предсказывает
неисправность → создаётся заявка в
ТО.

9. Промышленный IoT (IIoT)

Отличия от
потребительского IoT:
■ Надёжность
■ Безопасность
■ Масштаб
■ Интеграция со старым
оборудованием.
Применение:
■ Мониторинг оборудования в
мгновение ока.
■ Предиктивное обслуживание.
■ Управление энергопотреблением.
■ Контроль качества.
■ Цифровой двойник.
Пример: Bosch — снижение простоев на 25%, энергопотребления на 15%.

10. Искусственный интеллект — Мозг умного производства

ИИ в производстве: не андроиды, а алгоритмы, которые учатся:
■ Машинное обучение — прогноз отказов.
■
—Компьютерное зрение — контроль качества (дефекты лучше, чем у человека).
■
Генеративный дизайн — ИИ предлагает оптимальные конструкции (Autodesk).
Пример: BMW — II предупреждает о дефектах до схода автомобиля с конвейера .

11. BigData — Анализ петабайтов для принятия решений BigData: 5V — Объём, Скорость, Разнородность, Достоверность, Ценность

Источники данных:
■ Датчики и Интернет вещей.
■ САУ (ПЛК, SCADA).
■ ERP/MES.
• CAD/CAE.
■ Камеры, документация. — Ценность: в соединении разрозненных источников.
Пример: 1 ТБ данных/час с реактивного двигателя.
Пример: «Сбер» — оптимизация охлаждения дата-центров → экономика миллионов.

12. Откуда берутся эти данные? Всё, что дышит — шлёт данные

■ Датчики и IoT — вибрация, температура, давление.
■ САУ (ПЛК, SCADA) — логи, ошибки, простои.
■ ERP/MES — заказы, склады, закупки.
■ CAD/CAE — чертежи, симуляции, версии.
■ Камеры — видео с линии, контроль качества.
■ Документы — акты, отчёты, паспорта
■ Ценность — не в количестве, а в связке. Например: данные с датчика + MES (брак)
+ ERP (стоимость ремонта) = решение, где теряются деньги.

13. Аналитика BigData — От отчётов — к предписаниям

Четыре уровня:
■ Описательная — «Что случилось?» → дашборды.
■ Диагностическая — «Почему?» → ищем корень.
■ Предиктивная — «Что будет?» → прогноз поломки.
■ Предписывающая — «Что делать?» → система говорит: “Замени подшипник”.
■ Цифровой двойник — тест изменений без риска..
Пример: «РЖД» — на 40% меньше внеплановых ремонтов благодаря прогнозу износа рельсов

14. Облака — Сервера не у тебя, а в интернете

■ IaaS — арендный сервер (AWS EC2)
■ PaaS — платформа для разработки.
■ SaaS — софт как услуга (Fusion 360, 1С-Облако).
Пример: инженер из Москвы считает прочность — коллеги из Казани видят результаты онлайн. Без
своих серверов.

15. Облака — Плюсы и Минусы

Плюсы:
Минусы:
■ Масштабируемость — добавил
ресурсов за 5 минут
■ Безопасность — данные могут
украсть.
■ Нет затрат на железо и админов.
■ Зависимость от интернета.
■ Работа из любых точек.
■
Устаревшее оборудование не
дружит с облаком

16. Индустрия 4.0

Это когда:
■
Машины говорят друг с другом.
■
Принимают решения сами.
■
Всего есть виртуальные копии.
■ Платишь за использование, а не за станок.
■ Перенастроить линию — день.
Пример: завод Bosch — станки сами договариваются о ТО и логистике

17. Цифровой двойник как результат интеграции

Цифровой двойник — это не 3D-модель. Это живая, синхронизируемая
виртуальная копия физического объекта, процесса или системы,
синхронизированная с ним в первый момент времени через поток данных.
Он решает в себе:
■ Исторические данные (BigData) — как объект вёл себя в прошлом.
■ Аналитические и прогнозные модели (ИИ) — что произойдёт в будущем.
■ Инженерные расчёты и симуляции (CAD/CAE) — как объект поведёт себя при
соблюдении условий.
■ Облачная инфраструктура — где всё это сохраняется, обрабатывается и
визуализируется.
Пример: КАМАЗ — моделирует влияние изменений такта конвейера на производительность — без
остановки линии.

18. Эффекты от комплексного применения Когда технологии работают вместе — возникает синергетический эффект: 1+1=5.

Результат внедрения (CAD, IoT, ИИ, BigData, облака,
САУ):
■
↑ Эффективность — за счёт автоматизации, оптика
■
↓ Издержки — меньше брака, простоев, незапланированных ремонтов, избыточных запасов.
■
↑ Гибкость — производство быстро перенастраивается под новые заказы и продукты.
■
↑ Качество — контроль на каждом этапе, основанный на данных, а не на выборочных
проверках.
■
↑ Скорость инноваций — инженеры могут быстро и дёшево экспериментировать с новыми
идеями в цифровой среде, не создавая сложные физические прототипы.
Это переход:
От жёсткого, реактивного, ручного управления — → к адаптивному, проактивному и
самообучающемуся производству.
Пример: Завод Siemens в Амберге — 75% процессов управляются автоматически, цифровой двойник сопровождает каждый товар от зак
отгрузки. Уровень брака — менее 0,001%.