Наука успеха. Как алтайский бизнес решает главные проблемы с помощью вузов

Иногда за решениями сложных технологических или производственных задач бизнес идет не в консалтинговые агентства, а в местные университеты. Это интересная, выгодная, но нечастая практика. Altapress.ru поговорил с предпринимателями и учеными о том, какие проблемы бизнеса решаются именно так и почему вузы становятся главными партнерами промышленности. Перед вами три примера успешного сотрудничества.

Формула миллионной экономии

Интеллектуальная система

У компании «Тонар» есть почти 40-летний опыт на рынке товаров для активного отдыха — охоты, рыбалки, туризма. Ледобуры, мангально-костровое оборудование, надувные лодки и прочие товары компании считаются одними из лучших в стране.

С 2022 года для решения сложных инженерных задач «Тонар» активно сотрудничает с Алтайским государственным техническим университетом. Путь от традиционного производства к технологичному партнерству начался с подготовки кадров — практик, стажировок и экскурсий для студентов. «Затем мы начали «закидывать» университету наши реальные производственные проблемы, сначала в формате конкурсов», — говорит Вячеслав Крымов, директор компании «Тонар».

Первым вызовом стала серьезная проблема с безопасностью. На новом оборудовании, предназначенном для зачистки металлических изделий, дважды произошло самовозгорание. Пыль, образующаяся в процессе обработки, внезапно воспламенялась. «Тогда никто не пострадал и оборудование сохранили, — вспоминает Крымов. — Но встал вопрос: почему это происходит и как исключить риск?».

Собственные инженеры и советы коллег по отрасли привели к временному решению — стали использовать специальную импортную присадку, которая предотвращала возгорание.

Однако ее цена была высока, а в условиях санкций и логистических сложностей поставки стали непредсказуемыми. Тогда в «Тонаре» обратились в АлтГТУ с предложением найти более дешевый и доступный отечественный аналог.

Присадки из обычного мела

За задачу взялись химики кафедры «Химическая технология». Суть проблемы заключалась в следующем: для очистки металла используют дробь со специальной минеральной присадкой, которая, как губка, впитывает масло. Накопленная пыль из оксида железа и масла при определенных условиях могла самовоспламеняться. «Мы провели химический анализ и выяснили, что импортная присадка — это разновидность модифицированной глины, — объясняет Данил Ефрюшин, кандидат химических наук, и. о. заведующего кафедрой. Подобный продукт не производится в России, стоит дорого, к тому же имеет очень низкую насыпную плотность — по сути, при ее перевозке компании платят за воздух».

Ученые предложили, на первый взгляд, странное решение — заменить дорогую импортную присадку мелом, который используют, например, в качестве добавки к корму для животных.

Лабораторные испытания показали, что мел не только в 3,5 раза лучше впитывает масло, но и безопасен. При нагревании он разлагается с выделением углекислого газа, который не поддерживает горение, то есть фактически обеспечивает эффект самотушения. «Решение оказалось изящным и экономичным, — говорит Данил Ефрюшин. — Раньше, когда присадку можно было легко купить, в эту проблему глубоко не погружались». Для «Тонара» результат превзошел ожидания.

«С того момента, как мы начали использовать мел, возгорания прекратились, — говорит Вячеслав Крымов. — Экономический эффект тоже налицо: если раньше на импортную присадку мы тратили около 500 тыс. рублей в месяц, то теперь — всего 50 тыс.».

Помимо ежемесячной экономии в 450 тыс. рублей, компания устранила риск потери станка стоимостью более 10 млн рублей. Студент-разработчик получил обещанный бонус, а у предприятия появилось доверие к возможностям университетской науки.

Без измерений на глаз

За успехом первого проекта последовали другие. Следующей больной темой стало производство ключевого продукта — ножей для ледобуров. Их качество и стойкость напрямую зависят от структуры стали после термообработки. Нагретый до определенной температуры металл должен быть вовремя охлажден.

«Весь этот процесс зависел от одного уникального специалиста — опытного термиста, который «на глаз», по цвету каления, определял температуру с точностью до десятков градусов, — объясняет Вячеслав Крымов. — Проблема была в человеческом факторе. Таких специалистов не найдешь, а имеющийся мог заболеть или уйти в отпуск. Мы пытались использовать различные термодатчики, но из-за специфики нашего изделия они давали очень большую погрешность».

Сейчас разработкой системы автоматического бесконтактного контроля температуры руководит кандидат технических наук, доцент кафедры «Информационные технологии» Дмитрий Кривобоков.

«Бесконтактные пирометры имеют большую погрешность и чувствительны к условиям, например к парам масла в цеху, — объясняет ученый. — Мы предложили решение на основе машинного зрения».

Суть разработки заключается в следующем: специальная камера в видимом оптическом диапазоне фиксирует цвет раскаленного металла. Алгоритмы искусственного интеллекта, обученные на тысячах снимков, анализируют спектр излучения и с точностью определяют температуру, внося корректировки в режим работы установки. Система включает алгоритмы компенсации фоновой засветки, что делает ее устойчивой к изменениям освещения в цехе. «Сейчас мы завершаем создание конструкторской документации и изготовление опытного образца, — говорит Дмитрий Кривобоков. — Уже провели успешные испытания на экспериментальных стендах. Весной планируем установку и запуск системы на предприятии».

Драгоценная практика

Промышленные предприятия хоть и нечасто, но обращаются за решениями в университет, а не в сторонние инжиниринговые компании.

«Для нас это вопрос стратегической эффективности и снижения рисков, — объясняет Вячеслав Крымов. — Каждая решенная проблема — это либо прямая экономия, как с присадкой, либо устранение критической зависимости от уникального человеческого навыка, как с термообработкой. Мы четко считаем окупаемость: если решение проблемы экономит больше, чем стоит его разработка, проект получает зеленый свет».

Со стороны университета интерес не менее прагматичен. «Для нас это драгоценная практикоориентированность, — отмечает Данил Ефрюшин. — Реальные задачи производства — лучший материал и для исследований, и для обучения студентов. Они видят, как фундаментальные знания по химии или информатике превращаются в работающее решение для заводского цеха». Финансовая модель сотрудничества строится на принципе открытости: предприятие оплачивает работы по мере получения конкретных результатов. Это дисциплинирует обе стороны и фокусирует на итоге. Ключевым этапом партнеры называют начальную стадию — поиск решения.

«Это самый длительный и сложный период, — признает Вячеслав Крымов. — Нужно перебрать множество вариантов, не опустить руки после первых неудач. Но когда решение найдено и утверждено, дальше — дело техники и четкого планирования».

От магнитной плиты до цифрового будущего

Успешные кейсы закрепили модель взаимодействия. Сейчас в активной стадии находится еще один проект — разработка собственной магнитной плиты для шлифовальных станков. После исчерпания советских запасов и неудачного опыта с китайскими аналогами «Тонар» с помощью ученых АлтГТУ создал проект и уже изготавливает первый образец плиты, который показывает на испытаниях требуемые результаты.

Партнерство вышло за рамки решения точечных задач.

«Мы постоянно подкидываем университету новые идеи, но делаем это дозированно, — говорит Вячеслав Крымов. — У преподавателей есть основная нагрузка, и мы уважаем их время. Поэтому работаем по принципу конвейера: один проект подходит к завершению — запускаем следующий. Постоянно в работе находится один-два проекта». В перспективе — выход на новый уровень. Разработка системы контроля температуры — это лишь первый шаг. Как отмечает Дмитрий Кривобоков, этот метод имеет потенциал для применения в других отраслях, например для контроля температуры в промышленных печах.

Кадровый резерв

Сотрудничество оказалось двусторонне полезным и в образовательном контексте. Для университета это возможность обкатать учебные программы на реальных кейсах, а для бизнеса — присмотреться к будущим специалистам.

«Есть большая вероятность, что студент, который решает нашу производственную задачу и погружается в специфику предприятия, захочет прийти к нам работать,– рассуждает Вячеслав Крымов. — Таким образом, мы не только решаем текущие инженерные проблемы, но и инвестируем в будущие кадры».

Директор «Тонара» дает главный совет для других компаний, которые сомневаются в эффективности коллаборации с наукой. «Нужно просто попробовать», — говорит он.

Нейросеть вместо интуиции

Энергия знаний

Николай Серебряков пришел в «Алтайкрайэнерго» в 2015 году — сразу после окончания университета — и начал заниматься закупками на оптовом рынке. Два года ушло на то, чтобы вникнуть в обязанности, разобраться в процессах и, главное, увидеть системную проблему, которая тормозит точность планирования и стоит компании денег.

К 2017 году, когда встал вопрос о поступлении в аспирантуру, научная проблема по запросу самого предприятия уже была сформулирована. «Алтайкрайэнерго» обеспечивает бесперебойное электроснабжение потребителей в 83 населенных пунктах. В зоне обслуживания компании — более 11,5 тыс. юридических и свыше 345 тыс. физических лиц. Это порядка 22% всех потребителей региона. Сегодня Николай Серебряков совмещает работу в «Алтайкрайэнерго» и преподавание на кафедре «Электроснабжение промышленных предприятий» АлтГТУ.

Прогноз нагрузки

Электроэнергию невозможно запасать: в любой момент времени нужно вырабатывать ровно столько, сколько потребляют здесь и сейчас. Нарушение баланса между выработкой и потреблением приводит к катастрофическим последствиям. Авария на Саяно-Шушенской ГЭС — техногенная катастрофа, известная всей стране, — произошла именно вследствие такого дисбаланса.

В России большинство генерирующих объектов — тепловые маломаневренные станции. Чтобы станция начала отдавать мощность, необходимо прогреть турбоагрегат и генератор. Остановить этот процесс мгновенно тоже нельзя: если просто перестать забирать энергию, котел может взорваться. Оборудование требует плавного снижения нагрузки. Чтобы в целом изменить режим работы ТЭЦ, требуется порядка 10 часов. Поэтому этот режим необходимо планировать заблаговременно и делать это максимально точно.

В России организован оптовый рынок электроэнергии, где крупные потребители, в том числе гарантирующие поставщики, обязаны прогнозировать собственное потребление на сутки вперед. Эта обязанность закреплена законодательно.

Компания «Алтайкрайэнерго» формирует прогнозы по совокупному электропотреблению всех своих потребителей: населения, промышленных предприятий, сельхозпроизводителей, торговых сетей и прочих. У каждого — свой график, зависимость от сезона, дня недели и погоды.

Компания прогнозирует совокупный график нагрузки, и эти планы подаются регулятору рынка для покупки электроэнергии. Любое отклонение от плана оборачивается убытками: если потребили больше запланированного — недостающие объемы покупаются на рынке по высокой цене; если потребили меньше — излишки продаются с дисконтом. Главная задача была в том, чтобы минимизировать эти отклонения. Основной инструмент компании — краткосрочный прогноз. И проблема заключалась в том, что традиционные статистические методы для такой сложной структуры малопригодны. Нельзя было просто вычислить расчет в Excel и на его основе сделать прогноз.

Путь к решению

В 2017 году, когда Николай Серебряков начал работать над диссертацией, искусственный интеллект был скорее темой научного изучения, чем прикладным инструментом, а рынок готовых решений практически отсутствовал.

Никаких продуктов, которые можно было бы приобрести и применить для прогнозирования электропотребления, не существовало. Более того, даже если бы аналоги появились, их стоимость исчислялась бы десятками миллионов рублей, а этого компания позволить не могла. Поэтому выбор был предопределен — университет.

Трудности программирования

Программирование не входило в базовые компетенции Николая Серебрякова, а нейросети — тем более. «Это же не волшебная палочка, — объясняет он. — В основе нейросетей — сложная математика, точнее статистика. Чтобы создать рабочий продукт, нужно полностью погрузиться в теорию. Этому этапу я отдал больше всего времени».

Параллельно пришлось осваивать программирование с нуля, под конкретную задачу. Никаких готовых материалов и «обученных моделей» — только исходные данные, гипотезы и желание создать свой инструмент.

Нейросеть в деле

В основе разработки — нейросетевой алгоритм кратко­срочного прогнозирования.

Нейронная сеть обучается на больших массивах статистических данных:

• графиках электропотребления;

• погодных условиях (температура, осадки, облачность);

• календарных факторах (будний или выходной день, праздники, высокий сезон);

• данных о работе крупных потребителей.

В процессе обучения у нейросети формируется внутреннее представление о том, как ведет себя совокупный график нагрузки в зависимости от внешних факторов. Для модели подают параметры прогнозируемых суток: «Завтра — будний день, температура –15°, ясно, крупные промышленные предприятия работают в штатном режиме, праздников нет». На выходе нейросеть выдает почасовой прогноз электропотребления на следующие сутки, который сотрудники «Алтайкрайэнерго» используют для формирования за­явок на покупку электроэнергии на оптовом рынке.

Методы алгоритма

До внедрения разработки в компании делали экспертные оценки. То есть сотрудник на основе опыта, интуиции, текущего состояния и собственного видения ситуации формировал прогноз вручную. Минусы этого метода — человеческий фактор. Эксперт может ошибиться в расчетах, может испытывать стресс, усталость или просто плохо себя чувствовать. На качестве прогноза это сказывается напрямую.

Так что задача была четкая — нейросеть должна превзойти эксперта по точности прогноза. После нескольких лет разработки алгоритм стабильно выдает более точный прогноз, чем ручные методы.

Без погрешности в экономии

В 2020 году разработка была внедрена в операционную деятельность «Алтайкрайэнерго». Эффект за первый год таков, что среднегодовая погрешность прогнозирования снизилась на 7,7%, а издержки на покупку электроэнергии на оптовом рынке сократились на 1,44 млн рублей.

Совокупный экономический эффект за 2020–2025 годы — более 27 млн рублей экономии. Но выгоду получили не только в компании. Точное прогнозирование позволяет снижать цену на электроэнергию для конечных потребителей. За пять лет с момента внедрения экономия для жителей и предприятий Алтайского края составила более 4,5 млн рублей.

Университетская поддержка

Николай Серебряков не пользовался грантовой поддержкой. Все данные, время, вычислительные и кадровые ресурсы ему предоставила компания, она же выступила полноценным соинвестором разработки.

АлтГТУ оказал научно-методическую и административную поддержку. Ученого консультировали по теории нейронных сетей, помогали в оформлении программы и получении свидетельства о регистрации. Николай защитил диссертацию и вместе с вузом оформил права на авторство.

При этом вуз не претендовал на финансовое вознаграждение со стороны компании. Университет заинтересован в накоплении научной базы, вовлечении студентов в реальные проекты и усилении своей репутации как центра компетенций.

Мост в профессию

«Алтайкрайэнерго» сотрудничает с университетом и в других форматах. Студенты энергетического факультета проходят производственную практику в компании, она участвует в днях открытых дверей, ее специалисты регулярно приходят на занятия и делятся опытом.

«В нынешних условиях острого кадрового дефицита мы видим в политехническом университете ключевого партнера, — говорит Николай Серебряков. — Выпускники          А­лтГТУ — наши потенциальные сотрудники».

Успех привел к тому, что в компании взяли серьезный курс на цифровизацию. Инструментами искусственного интеллекта сегодня пользуются не только в отделе покупки электроэнергии, но и в техническом блоке.

Например, специалисты обращались в АлтГТУ с задачей распознавания дефектов на воздушных линиях электропередачи. И эта разработка тоже была реализована, внедрена в 2021 году, а проект получил поддержку фонда «Сколково».

«Если возникает задача — мы обращаемся в университет, — резюмирует энергетик. — Механизм отлажен. Есть понимание, как формулировать запрос, кто может стать научным руководителем, как задействовать студентов. И главное — есть доверие».

Источник: Altapress.ru