Дмитрий Ивлиев: Типичная ошибка – воспринимать ИИ как замену инженерного анализа

Москва. В последние годы в ТЭК все чаще говорят о цифровизации, предиктивной аналитике, а также использовании ИИ для диагностики отказов оборудования. В 2025 году 69% внедрений ИИ-инструментов в ТЭК дают позитивный эффект, при этом по национальной стратегии к 2030 году 95% отраслей будут использовать ИИ на производстве. Машинные алгоритмы в нефтегазовом секторе позволяют увеличить выпуск продукции на 15% за счет сокращения незапланированных простоев. Однако на практике предприятия не всегда достигают ожидаемого результата.

Обзором основных трендов и их влияния на отрасль поделился с Агентством нефтегазовой информации технический эксперт Минтранса РФ, руководитель группы компаний «ЭСТЛС» Дмитрий Ивлиев.

По словам эксперта, ключ к успеху – не в установке «умных» систем и датчиков, а в четком понимании, какие риски отказов нужно контролировать (рост вибрации агрегатов, деградация изоляции, изменение температурного профиля и др.). Только тогда система становится продолжением работы службы надежности.

Дмитрий Ивлиев отмечает, что компании, инвестирующие в предиктивную аналитику, на 21 % увеличивают годовую прибыль, на 17 % снижают операционные издержки и на 23 % повышают прибыльность по сравнению с конкурентами.

При этом 76 % руководителей считают предиктивные технологии критически важными для конкурентоспособности, а 95 % компаний, внедривших предиктивную диагностику, отмечают положительную окупаемость инвестиций (27 % достигают полной окупаемости менее чем за год).

«Реальные результаты внедрения предиктивной диагностики: сокращение незапланированных простоев на 45 %, снижение затрат на обслуживание на 30 %, сокращение поломок на 70 % (по данным Deloitte), 10‑кратный рост ROI (по оценкам международных экспертов)», - добавляет эксперт.

Дмитрий Ивлиев отмечает, что одна из крупных нефтегазохимических российских компаний разработала собственную систему предиктивной диагностики на базе машинного обучения и добилась снижения потерь на оборудовании на 10-15 %. На другом предприятии удалось сократить незапланированные простои на 12-15 % за сезон.

Вместе с тем, эксперт отмечает, что внедрение аналитики на основе ИИ сталкивается с рядом проблем.

Так, негативно сказывается отсутствие сквозного реестра отказов. Если параметры измеряются нерегулярно, а часть событий фиксируется ситуационно, сложная модель превращается в «черный ящик», который нельзя проверить или использовать как доказательную базу.

Еще одна ошибка – подмена инженерного анализа ИИ. Алгоритмы помогают выявлять аномалии, но не заменяют знания об устройстве агрегата, его слабых местах и запасе прочности. Для эффективного применения ИИ требуется дорогостоящее обучение LLM‑моделей и техническая интерпретация решений.

«Цифровые инструменты управляют рисками отказов, если решают три задачи: своевременно выявляют изменения состояния оборудования, которые трудно заметить по разрозненным отчетам; обеспечивают прослеживаемость истории отказов (по типам агрегатов, поставщикам, режимам работы) через реестр со сквозной аналитикой, в том числе на основе ИИ; сокращают время от сигнала до управленческого решения за счет четкой дорожной карты», - считает Дмитрий Ивлиев.

По его словам, для корректного мониторинга применяется упрощенный FMEA‑анализ (Failure Mode and Effects Analysis) – метод, связывающий потенциальные дефекты и отказы с параметрами, собираемыми в реальном времени. Это позволяет выявлять риски на раннем этапе.

Эксперт считает, что успешная цифровизация НПЗ требует четырех этапов: оценки состояния предприятия и готовности к внедрению цифровых продуктов; построение и внедрение системы, отражающей текущую производственную деятельность, внедрения инструментов принятия решений (например, систем поддержки на базе цифровых двойников); автоматизации основных технологических и управленческих процессов с замкнутыми контурами управления.

«Главная ошибка – решение точечных проблем без охвата полного цикла производства. Например, межремонтный интервал российских НПЗ составляет 2-3 года (против 6-8 лет у западноевропейских предприятий) во многом из‑за фрагментарного использования цифровых технологий. Если цифровизация затрагивает только один производственный цикл, выигрыш в эффективности оказывается незначительным на фоне рисков в других частях цепочки», - добавляет Дмитрий Ивлиев.

Таким образом, цифровизация и ИИ не делают оборудование надежнее сами по себе - они лишь расширяют возможности инженеров и руководителей, умеющих работать с рисками отказов. Для российских компаний критически важно, чтобы каждая новая цифровая система становилась логичным продолжением уже выстроенной работы по сбору данных, анализу повторов и переоценке критичности узлов. Только тогда инвестиции в цифровизацию действительно снижают аварийность.