В четвертом квартале 2016 года подразделение Яндекса Yandex Data Factory (YDF) подписало соглашений на сумму, равную показателю за предыдущие три года. Как сообщает руководитель YDF Евгения Завалишина, по итогам 2016 года сумма подписанных контрактов оказалась почти в три раза выше, чем в 2015 году.
Спектр возможных применений технологий машинного обучения в промышленности очень широк - особенно в процессном производстве, когда выпускаются не отдельные товары, а материалы, смеси и тому подобное. Промышленные компании обладают большим количеством исторических данных, которые требуются для машинного обучения. Кроме того, такие компании умеют внедрять новые технологии в существующие процессы. Как показывает опыт Yandex Data Factory, именно это и является одним из критически важных факторов успешности проекта.
Сегодня, когда технологические компании одна за другой объявляют о своей приверженности искусственному интеллекту и машинному обучению, направление Yandex Data Factory оказалось среди немногих игроков, обладающих практическим опытом применения искусственного интеллекта в традиционных отраслях. Сделанные за это время проекты, а также многочисленные выступления на конференциях, статьи в отраслевых изданиях и прочая пропагандистская работа во второй половине 2016 года принесли свои плоды. Однако то, о чем Яндекс одним из первых рассказывал не вполне еще подготовленному рынку несколько лет назад, прямо сейчас превращается в мейнстрим. YDF стремительно теряет фору.
«Поэтому мы решили сосредоточиться на главном: пойти туда, где мы нащупали наибольший потенциал, где у нас сейчас лидирующие позиции и где мы заметны на международном уровне - в ту самую промышленность, где революция уже началась на наших глазах и при нашем участии, - говорит Евгения Завалишина. - Рынок промышленного ИИ растет и формируется на наших глазах. Это огромная новая история, в которой Яндекс намерен сыграть свою роль - примерно так же, как и двадцать лет назад, в эпоху зарождающегося интернета».
Yandex Data Factory — направление Яндекса, созданное для решения бизнес-задач с помощью анализа данных и технологий машинного обучения, было открыто в декабре 2014 года . В рамках этого направления, в сентябре 2016 года Яндекс разработал модель прогнозирования спроса на товары со скидкой для сети магазинов «Пятерочка»: в 87% случаев она предсказывает спрос с точностью до одной упаковки. Для Магнитогорского металлургического комбината был создан рекомендательный сервис, оптимизирующий расход добавочных материалов при производстве стали без потери ее качества. Он позволяет снизить расход ферросплавов в среднем на 5%, годовая экономия может превысить 275 млн рублей.
«Для еще одной металлургической компании мы делаем прогноз дефектов проката на ранних этапах производства. Модель учится предсказывать, из каких слябов (огромные стальные слитки) получится листовая сталь с дефектом. Заранее зная, где возникнут дефекты, можно своевременно отправить сляб по другому маршруту для производства другого сорта листовой стали. Так можно избежать значительных затрат на высокотехнологичную обработку», - поясняют в Яндексе.
Для компании нефтехимической отрасли Yandex Data Factory оптимизирует работу установки, которая разделяет смеси газов на отдельные фракции. Решение рекомендует параметры работы установки - это еще один пример сложного процесса, где анализ исторических данных позволяет сократить общие издержки.