Искусственный интеллект в промышленности: инструменты и практики

О курсе

Курс посвящён практическим аспектам внедрения ИИ в промышленность — от базовых концепций до отраслевых кейсов. Слушатели изучат, как технологии искусственного интеллекта в промышленности применяются для оптимизации производственных процессов: предиктивное обслуживание оборудования, автоматизация КИПиА, неинвазивный контроль качества продукции и состояния оборудования и повышение эффективности смежных и поддерживающих процессов.

Программа охватывает машинное обучение, компьютерное зрение и предиктивную аналитику, а также инструменты для обработки больших данных и принятия решений.

Практическая часть построена на разборе кейсов применения искусственного интеллекта в промышленности на примере предприятий различных отраслей, включая нефтегазовую, машиностроительную, химическую, обрабатывающую и другие сферы промышленного производства.

В итоге формируется понимание, где применение ИИ в промышленности даёт измеримый эффект, а где его внедрение сопряжено с рисками и нецелесообразно.

Для кого этот курс

Руководители, принимающие участие в управлении производственными процессами, внедрении цифровых технологий, эксплуатацией и ремонтами оборудования, улучшении производственных процессов.

Приобретаемые навыки

После завершения курса «ИИ в промышленности» слушатели получат навыки, позволяющие им:

• Знать о базовых концепциях искусственного интеллекта (ИИ), его возможностях и ограничениях, в том числе в контексте промышленного производства.
• Знать о потенциале ИИ в оптимизации производственных процессов, повышении энергоэффективности, обеспечении промышленной безопасности и управлении цепочками поставок.
• Знать об основах промпт-инжиниринга как инструмента эффективного взаимодействия с языковыми моделями ИИ для решения управленческих задач (подготовка отчетов, анализ данных, стратегическое планирование, коммуникации).
• Знать о различиях между такими понятиями, как машинное обучение и нейронные сети, включая иерархию этих технологий.
• Выявлять перспективные направления внедрения ИИ на производственных площадках и оценивать риски и выгоды от таких инициатив.
• Совершенствовать и/или получать новые компетенции в области цифровой трансформации, включая понимание ключевых ИИ-инструментов (включая генеративный ИИ и системы принятия решений) и их применимости в химической промышленности.

Программа

Практическая часть программы будет построена на разборе кейсов применения ИИ на промышленных объектах (в том числе в нефтегазовой, химической и смежных отраслях), включая системы предиктивного обслуживания, автоматизацию КИПиА, мониторинг выбросов, управление качеством продукции, повышение энергетической эффективности и пр.

1. Введение в искусственный интеллект (ИИ)

• • Понятие искусственного интеллекта: определение, ключевые направления развития
  • Отличие ИИ от традиционных автоматизированных систем
  • Общая классификация технологий ИИ: слабый и сильный ИИ, узкоспециализированные системы

2. Машинное обучение и нейронные сети: понятия, различия, применение

• • Что такое машинное обучение: принципы работы, виды обучения
  • Нейронные сети: принципы работы, архитектура, области применения
  • Соотношение понятий: ИИ, машинное обучение, нейронные сети

3. Инструменты искусственного интеллекта

• • Обзор современных ИИ-платформ и решений (включая генеративный ИИ, LLM, системы анализа данных)
  • Предиктивные инструменты
  • Компьютерное зрение
  • Инструменты для обработки больших данных, визуализации и принятия решений
  • Практика – разбор кейса

4. Основы промпт-инжиниринга

• • Что такое промпт и зачем он нужен
  • Принципы составления эффективных промптов для решения управленческих задач
  • Практические примеры: подготовка отчётов, анализ регламентов, формулирование решений, работа с технической документацией
  • Ограничения и риски при использовании генеративного ИИ
  • Практика – разбор кейса

5. Практическое применение ИИ на промышленных площадках

• • Применимость различных инструментов в условиях химического производства
  • Кейсы внедрения ИИ в химической, нефтегазовой и смежных отраслях
  • Опыт ведущих мировых компаний

6. Интерактивная практика и групповые задания

• • Работа с реальными сценариями, близкими к деятельности вашей компании — обсуждение и сбор гипотез.
  • Подготовка кейсов и обработка гипотез по группам (2 группы) с преподавателями
  • Разбор сформированных кейсов (презентация результатов групп): выявление возможностей внедрения ИИ на производственных участках, дискуссия
  • Обсуждение стратегических инициатив и барьеров цифровой трансформации