Технологии чистого будущего

Еще в начале XX века Роттердамский порт удивлял мир кораблями с беспроводным телеграфом — символом технического прогресса своей эпохи. Сегодня он снова в авангарде перемен, но теперь вместо радиоволн здесь работают алгоритмы, анализирующие десятки параметров, — от маршрутов судов до уровня выбросов ими CO₂. Это лишь один пример тихой революции, охватившей самые «неэкологичные» отрасли.  Сталелитейные заводы, десятилетиями зависевшие от такого сырья, как уголь, с помощью машинного обучения находят способы сократить вредные выбросы без остановки производства. Горнодобывающие гиганты перекраивают логистику, подстраиваясь под прогнозы солнечной активности. Даже привычные супермаркеты, деятельность которых тоже оставляет углеродный след, теперь регулируют свои климатические системы с точностью швейцарских часов. «За рубежом» представляет перевод статьи из журнала The Economist, в которой рассказывается о том, как технологии помогают зеленому переходу.

Ещё в начале прошлого века корабли, отходившие от роттердамской гавани, уже оснащались беспроводным телеграфом и системой подводной сигнализации. Теперь самый загруженный порт Европы становится пионером в использовании искусственного интеллекта (ИИ). Разработанный портом и выделенный в отдельную структуру ortXchange использует искусственный интеллект для анализа множества факторов — от отслеживания судов и их выбросов в порту до расчёта предполагаемого времени прибытия.



Одна из главных причин перерасхода топлива - ситуация «спеши и жди», когда корабли торопятся прибыть в перегруженный порт, а затем простаивают там по разным причинам. Благодаря существованию этой платформы нефтяной гигант Shell сократил время прохода барж и судов, занимающихся оптовыми поставками, во всех портах на 20 %. Сегодня этот инструмент используют многие компании и порты по всему миру.


Возьмём, например, сталелитейную промышленность — на неё приходится около 10 % мировых выбросов CO₂. При традиционном производстве стали из первичной железной руды в доменных печах декарбонизация этого сектора становится крайне сложной, поскольку уголь используется одновременно как топливо и восстановитель (вещество, которое химически «восстанавливает» металл из руды, то есть помогает отделить металл от кислорода, с которым он связан в руде — прим. ред.). Гораздо перспективнее получать сталь из металлолома, переплавляя его в электродуговых печах, работающих на чистой энергии. Однако здесь есть загвоздка: лом поступает партиями с разным уровнем примесей, что усложняет процесс плавки и повышает энергопотребление.

Именно в этой области Gerdau — крупный бразильский сталелитейный гигант с международными активами — применяет машинное обучение (ML). Компания Fero Labs, специализирующаяся на разработке ПО для оптимизации производственных процессов с помощью искусственного интеллекта, проанализировала многолетние данные о производстве на одном из предприятий Gerdau в Северной Америке, чтобы определить, как различные «рецептуры» исходных материалов влияют на качество продукции.

Система определяет состав каждой партии металлолома и с помощью искусственного интеллекта рассчитывает минимально необходимое количество легирующих элементов (специальные элементы, которые добавляются в сталь или другие металлы для повышения устойчивости к коррозии, повышения прочности и др. — прим. ред.), чтобы получить сталь, соответствующую заданным стандартам. Это экономит время и позволяет избегать перерасхода добавок. В 2024 году благодаря этим мерам удалось сократить выбросы парниковых газов при производстве популярной марки стали на 3,3 %, причем без модернизации оборудования.

В докладе Международного энергетического агентства (МЭА) от 10 апреля говорится о том, что массовое применение подобных инструментов ИИ в промышленности к 2035 году позволит сократить энергопотребление на 8 эксаджоулей (ЭДж) — такой же объем энергии сегодня потребляет Мексика. Если же эти технологии получат широкое распространение и в непромышленных секторах, то экономия может составить ещё порядка 5 ЭДж.



Система автоматически рассчитывает, сколько энергии потребуется и как выстроить оптимальный маршрут для автономных тяжёлых машин. Причём делает это с учётом погодных условий. Например, если ожидается дождь и солнечных батарей будет недостаточно, ИИ заранее запускает самые энергозатратные задачи, пока солнце ещё светит и даёт энергию. По данным компании, такая гибкость в управлении позволяет уменьшить потребность в мощностях новой энергосистемы на 9 % и сэкономить почти полмиллиарда долларов.

Здания — это источник примерно пятой части всех антропогенных выбросов парниковых газов, и, поскольку они служат долго, их влияние на климат трудно сократить. Но, к счастью, искусственный интеллект может помочь и здесь. Канадская компания BrainBox, недавно приобретённая ирландской Trane Technologies, помогла сети магазинов Dollar Tree в США внедрить системы автономного отопления, вентиляции и кондиционирования воздуха в более чем 600 магазинах. Анализируя данные внутри зданий и прогнозы погоды, новые системы позволили сократить потребление электроэнергии почти на 8 ГВтч в год, что сэкономило компании более 1 миллиона долларов.

Также ИИ помогает с профилактическим обслуживанием, и это уже приносит ощутимые результаты. Например, с помощью программного обеспечения на основе ИИ, предоставленного британской компанией AVEVA, коммунальная компания Ontario Power Generation сэкономила около 4 миллионов долларов за два года, снизив при этом риски. А датская компания Sund & Baelt использовала ИИ от IBM в сочетании с дронами, что помогло снизить расходы на 2 % в год. Этот подход оказался настолько эффективным, что компания планирует удвоить срок службы своих активов и сократить выбросы CO₂ на 750 000 тонн.

Транспортно-логистические компании с большим энтузиазмом используют искусственный интеллект для повышения эффективности. Например, UPS, один из крупнейших игроков на рынке доставки, ежедневно пересчитывает маршруты для своих водителей, учитывая новые заказы, загруженность дорог и погодные условия. Это интеллектуальное программное обеспечение, по оценкам компании, улучшает своевременную доставку, сокращая ежедневные поездки водителей на 16-22 километра и экономя сотни миллионов долларов на топливе.

Cargill Ocean Transportation, подразделение мирового агробизнес-гиганта, использует ИИ, предоставляемый AWS от Amazon, чтобы сократить время, которое суда тратят на погрузку и разгрузку в порту. Это позволяет экономить до 2800 рабочих часов в год и сокращать выбросы CO₂.



И здесь есть смысл снова вернуться на причалы Роттердама. Платформа Routescanner, разработанная местным портом для более эффективной логистики, использует данные от терминалов и компаний, чтобы в реальном времени предложить грузоотправителям альтернативные маршруты, способы транспортировки (например, использовать баржу вместо грузовика) и варианты, минимизирующие воздействие на окружающую среду. Сегодня этой платформой пользуются ведущие мировые экспедиторы и порты от Хьюстона до Сингапура. Так что постепенно ИИ помогает превратить «коричневые» технологии в «зелёные».

---

Перевод Антона Дубровского
Иллюстрация: «За рубежом», Midjourney