Промышленность
Химия уходит в цифру: как ИИ меняет подход к разработке полимеров
Скорость вывода новых продуктов на рынок становится важным фактором конкурентоспособности в нефтехимии. Традиционный НИОКР с его физическими испытаниями и дорогостоящей инфраструктурой слишком медленный и капиталоёмкий. Чтобы ускорить цикл исследований, крупнейшие игроки переходят к предиктивному ИИ-моделированию и созданию цифровых двойников. Применение искусственного интеллекта позволяет химическим предприятиям в среднем на 20% сократить время вывода продуктов на рынок и снизить операционные издержки. Как цифровые решения меняют экономику химической отрасли — в материале Сбер Про.
Содержание:
Почему нефтехимии нужны новые подходы к разработке материалов
Требования ключевых отраслей промышленности к полимерам и композитам усложняются. Авиация, автомобилестроение, энергетика и строительство нуждаются в материалах с заранее заданными характеристиками: прочностью, термостойкостью, устойчивостью к нагрузкам и химическим воздействиям. Так, по данным «Росатома», доля композитных материалов в гражданском авиастроении с начала 2000-х годов выросла с 10% до 50%.
В 2025 году государство запустило нацпроект «Новые материалы и химия», предусматривающий выстраивание 55 критических технологических цепочек и налаживание производства более 700 номенклатурных позиций химической и связанной с ней продукции.
Для российской нефтехимии важным стимулом к цифровизации стала необходимость форсированного импортозамещения после ухода западных поставщиков и лицензиаров. Отрасли необходимо оперативно создавать собственные катализаторы, спецхимию и химические компоненты. Однако классический путь НИОКР остается слишком медленным и дорогим. По словам партнера практики «Цифровая трансформация» Strategy Partners Сергея Кудряшова, полный цикл создания новой марки полимера от разработки рецептуры до вывода материала на рынок может занимать месяцы, а создание принципиально новых материалов, по опыту мировой практики, достигает 10–20 лет.
Сегодня классический подход уперся в физические ограничения: не хватает опытно-пилотных установок, исследовательских стендов, а дефицит кадров в химической отрасли, по оценкам Минпромторга, к 2030 году может достичь 100 тыс. человек. Для компаний критичным становится сокращение количества дорогостоящих физических испытаний и ускорение разработки новых материалов. Генеральный директор разработчика интеллектуальных решений в области химии AiNeuroChem Екатерина Корнюшина подтверждает: если раньше ограничением была генерация идей, то сегодня — скорость проверки гипотез и масштабирование.
Как ИИ и цифровое моделирование ускоряют разработку новых материалов
Искусственный интеллект и алгоритмы машинного обучения (ML) становятся для нефтехимии эффективным инструментом по ускорению разработки новых материалов и сокращению числа дорогостоящих физических испытаний. Они позволяют ученым приходить к пилотным установкам уже с оптимальной рецептурой.
Согласно опросу глобальной компании, применение ИИ позволило химическим предприятиям снизить время стандартного цикла НИОКР и вывода продукта на рынок на 20%, а операционные издержки – на 14%.
На практике сбор больших данных и цифровое проектирование переводят последовательную ручную проверку параметров в автоматизированный программный метод. Глава агентства Rupec Дмитрий Семягин отмечает, что это кардинально сокращает time-to-market новых продуктов — ключевую метрику, измеряющую время от зарождения идеи до ее полноценного запуска и доступности для конечных пользователей.
Дмитрий Семягин
глава агентства Rupec
Использование инструментов цифровизации позволяет ускорить как процесс разработки, так и процесс вывода на рынок продуктов в нефтехимии. В первую очередь, это сбор и анализ больших данных, цифровое моделирование, цифровое проектирование.
То, что раньше было рутиной и требовало больших трудозатрат — например, последовательная ручная проверка параметров — сейчас эффективно решается с помощью программных методов. Огромный потенциал отрасли лежит в плоскости развертывания ИИ-агентов и машинного обучения. По мнению генерального директора AiNeuroChem Екатерины Корнюшиной, именно ML-модели позволяют частично снять физические ограничения по скорости опытного процесса и дальнейшего масштабирования технологий.
Кроме того, ИИ выполняет критически важную функцию в управлении человеческим капиталом.
Сергей Кудряшов
партнёр практики «Цифровая трансформация» Strategy Partners
Искусственный интеллект компенсирует нехватку специалистов по рецептурам, которых после ухода западных лицензиаров на рынке стало критически мало. Модель аккумулирует накопленный экспериментальный опыт компании и делает его доступным для всей команды.
Есть и стратегический аспект. Предприятие, которое полагается исключительно на физические испытания, полностью зависит от пропускной способности одного канала валидации, указывает Кудряшов. Любой сбой, поломка оборудования, кадровый дефицит или очередь на установке мгновенно останавливают весь процесс НИОКР. ИИ-модели создают параллельный маршрут проверки гипотез и снижают эту критическую зависимость.
Ключевые области применения ИИ в разработке материалов:
Дополнительно цифровые технологии используются для планирования экспериментов, когда система сама предлагает ученым опыты, обладающие максимальной исследовательской ценностью.
Александр Филатов
старший менеджер The12 Capital
Наибольший эффект цифровые технологии на основе ИИ дают в области однотипных и «рутинных» исследований и разработок. В частности, исследования в области катализа, полимеров, функциональных материалов и электрохимии подразумевают последовательный анализ состава, условий реакций и свойств всевозможных конфигураций молекул. ИИ позволяет устранить большую часть человеческого участия в шаблонных итерациях для получения необходимого вещества
Практика лидеров: как цифровые инструменты внедряют российские компании
Наиболее активно цифровые технологии сегодня внедряют крупнейшие игроки нефтехимического и композитного рынка. Компании рассматривают ИИ и цифровое моделирование как стратегический способ снизить нагрузку на исследовательскую базу, ускорить разработку продуктов и защитить непрерывное производство от незапланированных простоев.
Наталья Ермакова
лидер отрасли химическая промышленность в Сбере
Мы активно участвуем во внедрении новых технологий в российскую химическую промышленность: помогаем перестраивать процессы и инфраструктуру под цифровые решения, развиваем собственную ИИ‑модель и создаём на её основе практические инструменты для бизнеса. Такой подход позволяет ускорять вывод инноваций и повысить конкурентоспособность предприятий. По оценке Сбера, совокупный эффект от внедрения ИИ в химической промышленности составит около 6% от EBITDA к 2030 году.
СИБУР: ускорение аналитики в 7 раз
Компания запускает в Казани масштабный научно-исследовательский центр «СИБУР Инновации» (30 лабораторий, 800 единиц оборудования), где ИИ интегрирован непосредственно в контур обработки экспериментальных данных.
По словам Сергея Кудряшова, модели машинного обучения позволяют сократить количество натурных испытаний на 40–70% за счёт предсказания физико-механических свойств полимера по составу и условиям синтеза.
Росатом: Цифровые двойники материалов
Композитный дивизион госкорпорации «Росатом» перешёл от точечных ИТ-решений к сквозному использованию технологии цифровых двойников при проектировании инновационных материалов и перспективных видов топлива.
Мировой опыт
По данным Strategy Partners, платформы предиктивного моделирования (например, класса Citrine Informatics) ускоряют создание материалов до 80%. А автономные ИИ-лаборатории способны тестировать до 700 полимерных смесей в сутки, что значительно превосходит возможности классического НИОКР.
«Газпром нефтехим Салават»: Сквозной сбор данных и цифровые двойники производств
Для построения точных ИИ-моделей и цифровых двойников компаниям необходим сквозной автоматизированный сбор чистых лабораторных данных. «Газпром нефтехим Салават» реализовал этот подход, внедрив ИТ-решение для прямой интеграции лабораторных информационно-управляющих систем (ЛУМС) с единой информационной системой предприятия.
Ещё больше кейсов применения ИИ в производстве читайте на Сбер Про.
Почему ИИ не заменит физические испытания
Эксперты подчёркивают: цифровые технологии в нефтехимии не отменяют необходимость опытно-промышленных испытаний, а позволяют сократить их объём, ускорить проверку гипотез и повысить устойчивость процесса разработки новых материалов.
Сергей Кудряшов
партнёр Strategy Partners
Это ключевое разграничение: речь идет не о виртуальной замене физической инфраструктуры, а о том, чтобы приходить на опытную установку уже с оптимальной, математически просчитанной рецептурой, а не подбирать её вслепую методом проб и ошибок.
По мнению старшего менеджера The12 Capital Александра Филатова, максимальный эффект ИИ дает только как часть комплексной цифровизации производства и НИОКР. «Говоря про ИИ, стоит одновременно иметь в виду технологии цифровых двойников, промышленного интернета вещей (IoT) и системы усовершенствованного управления технологическими процессами (APC), – поясняет он. – ИИ выступает скорее интеллектуальной надстройкой над ними, которая повышает общую эффективность и предиктивные возможности предприятия».
Что тормозит цифровизацию нефтехимии
Несмотря на растущий интерес к ИИ и цифровому моделированию, уровень внедрения таких технологий в химической отрасли пока остаётся ограниченным. Он сдерживается высокой сложностью интеграции ИИ в реальное производство. ИИ не может работать в вакууме — ему нужны чистые, накопленные массивы данных и развитая базовая автоматизация.
Наталья Ермакова
лидер отрасли химическая промышленность в Сбере
Цифровизация наводит порядок в данных, создавая прочный фундамент для работы ИИ. Без цифровой основы у моделей не будет основы, на которой можно строить прогнозы. Поэтому сначала необходимо перестроить инфраструктуру и процессы, а уже затем полноценно внедрять ИИ-инструменты.
Согласно актуальным отраслевым данным, структура проникновения ИТ-инструментов в российском химпроме распределена неравномерно. По данным Минпромторга РФ, индекс цифровизации химической и нефтехимической промышленности находится на уровне 40%.
Цифровые технологии в нефтехимии:
41% — автоматизация производственных процессов
Распространение технологий в нефтехимии
Источник: CNews
Эксперты объясняют низкий уровень проникновения чистого ИИ сложностью перестройки исследовательских процессов. Однако аналитики НИУ ВШЭ ожидают, что до 2027 года цифровая трансформация нефтехимии будет ускоряться практически по всем направлениям. Основным драйвером останется цифровизация производственных процессов, тогда как внедрение ИИ в разработку новых материалов будет происходить более постепенно из-за высокой технологической сложности этой сферы.
Нефтехимия постепенно переходит от классической модели НИОКР к разработке материалов на основе данных и цифрового моделирования. ИИ уже помогает компаниям ускорять подбор рецептур, сокращать количество физических испытаний и быстрее выводить новые продукты на рынок. При этом цифровые технологии не заменяют лаборатории и пилотные установки, а делают их работу более точной и эффективной. На фоне роста требований к материалам и ускорения импортозамещения именно скорость разработки и проверки гипотез становится для отрасли новым фактором конкурентоспособности.
Что это значит для бизнеса
Кирилл Матвеев
Автор