НЛМК-Инжиниринг в пилотном режиме применяет новый цифровой инструмент — автоматический трассировщик. Система автоматизированного проектирования с элементами искусственного интеллекта, встроенная в nanoCAD/Model Studio CS, способна выполнять компоновку технологического оборудования и трассировку сетей трубопроводов, сокращая сроки проектирования и стоимость решений.
Группа НЛМК — лидирующий международный производитель высококачественной стальной продукции с вертикально интегрированной моделью бизнеса. Добыча сырья и производство стали сосредоточены в низкозатратных регионах, а изготовление готовой продукции осуществляется в непосредственной близости от основных потребителей. Благодаря самообеспеченности в основных сырьевых материалах, энергии и высокой технологической оснащенности НЛМК входит в число наиболее эффективных производителей стали в мире.
Высокая технологичность — часть ДНК компании, поэтому автоматизация проектирования для нас не игрушка, а инструмент скорости и эффективности инвестиций. При проектировании промышленных объектов перед нами стоят три взаимосвязанные задачи: плотнее и рациональнее использовать производственные площади, уменьшить капитальные затраты за счет сокращения протяженности и сложности инженерных сетей, а также снизить эксплуатационные расходы — в первую очередь потери на перекачку и транспорт сред. Эти задачи напрямую зависят от качества компоновки оборудования и трассировки трубопроводов, и именно здесь мы увидели потенциал для алгоритмической оптимизации.
Почему задача компоновки остается одной из сложнейших
Оптимальная расстановка технологического оборудования и обвязка его трубопроводами — одна из самых трудоемких задач в промышленном проектировании. Сегодня за решение этой задачи отвечает проектировщик, и оно определяется ранее приобретенным опытом, экспертной оценкой и крайне ограниченным числом вариантов, которые человек в состоянии проработать. Как следствие — высокая трудоемкость, длительные сроки и не всегда оптимальный результат.
Проектирование — это не линейная дорожка, а «петли» обратных связей между этапами. Из-за дефицита времени этапы часто стартуют на неполных данных, и потом их приходится переделывать. Порядка 20% времени уходит на оформление документации. Любое изменение исходных условий запускает цикл заново (рис. 1).
Рис. 1. Каждый этап процесса проектирования содержит «обратные связи», которые в определенный момент могут подать сигнал пересмотреть ранее принятые решения
Подходы к автоматизации компоновки известны давно: еще в 1960-1970-х годах появились первые обзоры, один из которых содержал описание более 200 работ за десятилетие. Однако строгие математические методы в трехмерной постановке быстро упирались в вычислительную сложность. Реальное масштабное применение стало возможным лишь с развитием эвристических алгоритмов в конце XX века и ростом вычислительных мощностей.
Искусственный интеллект: не только ChatGPT
На профильных инженерных форумах нам не раз приходилось наблюдать парадоксальную ситуацию: докладчики в один голос говорят, что ИИ в проектировании не работает. При этом под искусственным интеллектом они подразумевают исключительно большие языковые модели (LLM) — ChatGPT и ему подобные. Настолько укоренилась в сознании идея, что ИИ = LLM.
На деле огромное количество прорывных ИИ-решений — вовсе не языковые модели. Достаточно вспомнить AlphaFold — систему предсказания структуры белков, за которую Демис Хассабис получил в 2024 году Нобелевскую премию по химии. Или AlphaGo, обыгравшую чемпиона мира по го. Это совершенно другие классы алгоритмов.
В нашем решении используются методы из семейства ИИ и операционного исследования. Генетический алгоритм отвечает за оптимизацию расстановки оборудования в пространстве: он учитывает разрешающие и запрещающие зоны и стремится минимизировать длину сетей. Алгоритм A* решает задачу поиска кратчайших маршрутов для трубопроводов, минимизируя совокупную стоимость, — длину, количество отводов, высоту прокладки. Наконец, кластеризация и задача линейного программирования позволяют выбрать оптимальные точки для размещения тройников и соединений между ними. Всё это — классические ИИ-поиск и оптимизация; методы, которые реально работают в промышленном проектировании и дают измеримый экономический эффект.
ИИ в проектировании — это не ChatGPT, рисующий чертежи. Это алгоритмы, которые за минуты просматривают тысячи вариантов компоновки и выбирают оптимальный по стоимости. Мы работаем именно с такими методами — генетические алгоритмы, поиск кратчайших путей, математическая оптимизация.
Генеративный дизайн: инженер задает правила, машина ищет решение
Генеративный дизайн — это подход к проектированию, при котором человек делегирует часть процессов компьютерным технологиям на основе алгоритмов. В этом случае инженер не ищет самостоятельно решение поставленной задачи, а описывает ее параметры и ограничения программе, после чего та генерирует варианты решения.
Можно выделить четыре базовых этапа взаимодействия пользователя с системой генеративного дизайна. Сначала происходит формулирование задачи — описание результата, который намерен получить пользователь. Затем выполняется установка параметров: задаются характеристики, которым должны соответствовать генерируемые решения. На этапе генерации программа, опираясь на заданные условия и заложенные в нее алгоритмы, перебирает сочетания и визуализирует варианты. Завершает цикл отбор результатов: пользователь оценивает сгенерированные решения и выбирает подходящее.
Принципиально важно: инженер остается «в контуре». Он ставит задачу, утверждает результат, вносит корректировки и выпускает документацию непосредственно в среде САПР.
Сила платформы: почему не отдельное приложение
На этапе НИОКР мы разрабатывали собственное отдельное приложение с расчетными алгоритмами. Для исследований это было удобно, но при переходе к реальным объектам всплыли серьезные проблемы. Прежде всего — отсутствие контекста окружения: трасса могла пройти сквозь строительную конструкцию, поскольку приложение не видело смежные дисциплины. Кроме того, приходилось вести и синхронизировать отдельные библиотеки оборудования, дублируя то, что уже есть в САПР. Наконец, отсутствовали полноценные инструменты выпуска документации — спецификации, чертежи и ведомости приходилось оформлять вручную (рис. 2).
Рис. 2. Работа в отдельном стороннем приложении
Встроившись в среду Model Studio CS и Платформу nanoCAD, мы получили обратное. Появился доступ к стандартным библиотекам оборудования, трубопроводов и фитингов. Объекты модели сохраняют свою семантику — колонна остается колонной, а не безымянным солидом, что позволяет корректно учитывать ограничения при расчетах. Спецификации формируются «на лету» — длины трубопроводов по участкам, число фитингов, ведомости. А главное — инженер работает в едином информационном пространстве с междисциплинарным переходом вплоть до выпуска полного комплекта проектной документации. Для промышленного темпа работы это критично: результат компоновки и трассировки появляется сразу в рабочей среде, без промежуточных конвертаций и потерь данных (рис. 3).
Рис. 3. Интеграция в Model Studio CS
Платформа nanoCAD и Model Studio CS: решаемые задачи
Несколько слов о программных решениях, с которыми мы теперь работаем.
Платформа nanoCAD — российская САПР, которая предоставляет базовую среду для двумерного и трехмерного проектирования, обеспечивает работу со знакомыми форматами файлов (*.dwg, *.ifc) и имеет развитый API для создания встраиваемых приложений. Именно открытость Платформы позволила нам интегрировать вычислительное ядро трассировщика непосредственно в среду проектирования.
Model Studio CS — комплексная система информационного моделирования промышленных объектов, работающая на Платформе nanoCAD. В нашем проекте ключевую роль играет конфигурация Model Studio CS Трубопроводы, предназначенная для проектирования технологических и инженерных трубопроводных систем: от прокладки трасс и расстановки арматуры до получения спецификаций и чертежей. Конфигурация включает параметрические библиотеки трубопроводных элементов, средства проверки на коллизии, инструменты формирования проектной документации. Для конструктивной части и проработки узлов зданий применяется Model Studio CS Строительные решения, а для общей координации модели — CADLib Модель и Архив.
Совместное использование этих продуктов позволяет вести проектирование в единой среде — от расстановки оборудования и прокладки трубопроводов до детализации строительных конструкций и выпуска комплекта документации. В перспективе мы рассматриваем расширение интеграции — в частности, использование средств Model Studio CS для автоматической проверки результатов трассировки на предмет коллизий с конструкциями и смежными системами, а также подключение модулей для трассировки воздуховодов и кабельных трасс (рис. 4).
Рис. 4. Model Studio CS — единое пространство, обеспечивающее бесшовный переход (в том числе междисциплинарный) рассчитанного решения, вплоть до выдачи итогового комплекта документации
Что внутри: методы и архитектура
Формально задача оптимальной компоновки и трассировки сводится к задачам упаковки и поиска минимального графа при заданных ограничениях. Для решения этих задач мы используем комбинацию алгоритмов, каждый из которых отвечает за свою часть.
Генетический алгоритм — основной движок расстановки. Принцип работы напоминает биологическую эволюцию. Алгоритм создает «популяцию» — десятки и сотни вариантов расстановки оборудования. Каждый вариант оценивается по целевой функции: насколько он выгоден по совокупной стоимости. Лучшие варианты «выживают», скрещиваются между собой — обмениваются фрагментами расстановки, — и порождают новое поколение решений. Иногда вносятся «мутации»: случайный сдвиг аппарата, поворот, изменение точки ветвления. Это не дает алгоритму «залипнуть» на локальном оптимуме.
«ДНК» одного решения — это координаты и ориентации аппаратов на площадке плюс порядок соединений. Через десятки поколений решения заметно «худеют» по стоимости: трассы меньше петляют, отводов меньше, габариты компактнее. Алгоритм успевает проанализировать тысячи вариантов — чего ни один проектировщик не сделает вручную.
Алгоритм A* находит кратчайшее расстояние между точками соединения, минимизируя совокупную стоимость маршрута: длину участка, количество отводов, высоту прокладки.
Кластеризация и задача линейного программирования позволяют выбрать оптимальные точки для размещения тройников и соединений между ними. Где уместно, рассчитываются точки Штейнера для ортогональной сетевой топологии — это позволяет получить более короткую трассу при стандартной «прямоугольной» прокладке.
Экспертная система: как опыт инженера становится кодом
Качество решения определяет не только математика, но и экспертная система — формализованные правила взаимодействия объектов. Что к чему на каком расстоянии, где можно прокладывать трубы, как учитывать зоны обслуживания и ремонтов — всё это кодируется в виде настраиваемых правил и штрафов.
Система позволяет гибко задавать штрафы за различные типы нежелательных взаимодействий. Например, если трубопровод проходит слишком близко к оборудованию или другим трубам, алгоритм «видит» это через увеличение целевой функции. То же касается пересечения трассы с запрещающими зонами, прохода трубопровода по полу или стене, нарушения зон обслуживания и ремонтов, недостаточных зазоров между объектами. По сути, это «машиночитаемые» требования, основанные на опыте компании. Экспертная система превращает знания инженеров-проектировщиков в формальные критерии, которые напрямую участвуют в расчетах генетического алгоритма.
Целевая функция — это стоимость решения. В нее входят длины труб и фитинги, штрафы за нарушения зон, а также — и это принципиально — калькулятор строительных конструкций. Алгоритм «видит» цену габаритов: если расстановка требует расширения корпуса, это отражается в целевой функции. Поэтому оптимизируется не абстрактная геометрия ради геометрии, а совокупная стоимость компоновки в рублях.
Отдельная серьезная работа — настройка операторов генетического алгоритма: методов селекции, типов мутаций и их комбинаций. Разные наборы параметров дают заметно различающиеся скорость сходимости и качество результата. Мы экспериментируем с настройками и фиксируем лучшие конфигурации для типовых задач (рис. 5).
Рис. 5. Настройка генетического алгоритма — подбор коэффициентов и методов для решения конкретной прикладной задачи
Алгоритм не заменяет инженера, а расширяет его возможности. Человек ставит правила и утверждает результат — машина перебирает тысячи вариантов и предлагает лучшие. За инженером остается главное: постановка задачи, проверка решения и инженерное суждение.
Результаты: цифры говорят сами
Программа анализирует многие сотни и тысячи вариантов размещения, учитывая технические ограничения и критерии оптимальности, и предлагает инженеру наилучшие решения. В тестовом режиме инструмент был применен для автоматической расстановки технологического оборудования. В таблицах и на иллюстрациях представлены два показательных кейса (рис. 6).
Рис. 6. Сравнение результатов
Важно различать масштаб эффектов. На уровне всего процесса проектирования экономия составляет 10-15% времени за счет ускорения расчетов и снятия «петель» обратных связей — конкретная цифра зависит от зрелости смежных процедур постановки задачи и верификации. На уровне самой задачи расстановки и трассировки сокращение времени достигает 90%: минуты вместо дней и недель — при корректно подготовленных исходных данных.
Алгоритмы позволяют не просто ускорить расчет, а просматривать десятки и сотни вариантов и выбирать лучший по заданным критериям — что человеку физически трудно или невозможно сделать.
Что уже сделано и что дальше
На сегодняшний день трассировщик реализован как встраиваемое приложение для САПР nanoCAD/Model Studio CS с полным набором функций, необходимых для пилотной эксплуатации. Инженер может сохранять и загружать конфигурации проекта, настраивать разрешающие и запрещающие зоны, загружать оборудование из стандартной библиотеки и задавать трубопроводные соединения между аппаратами — как «точка-точка», так и через общую шину. Система учитывает зоны обслуживания и ремонтов, позволяет задать желаемое количество вариантов для отображения из числа оптимальных и формирует спецификации с длинами трубопроводов по участкам и числом фитингов. Важная возможность — оптимизация пользовательской расстановки: инженер может взять свою ручную компоновку и улучшить ее алгоритмически, не начиная с нуля. Реализовано также объединение оборудования в группы для удобства работы со сложными технологическими схемами.
Сейчас мы углубляем программное взаимодействие с nanoCAD и Model Studio CS — движемся не всегда быстро, но поступательно. Параллельно подключаем алгоритм для оптимального размещения сооружений на генеральном плане. В перспективе предполагается адаптация системы для трассировки других инженерных систем: воздуховодов, кабельных трасс, лотков. Совместно с разработчиком программного обеспечения движемся по интеграции вычислительного ядра в Платформу.
Честно отметим и ограничения: хуже всего алгоритм ведет себя, когда в одной задаче соседствуют объекты с сильно различающимися габаритами — очень длинные и очень мелкие. В таких случаях повышается чувствительность к настройкам. Мы знаем об этом и целенаправленно донастраиваем алгоритм.
Выводы
Генеративный дизайн на основе классических методов искусственного интеллекта — это не футуризм, а рабочий инструмент, уже применяемый в промышленном проектировании. Опыт НЛМК-Инжиниринг показывает, что подход работает: автоматический трассировщик, встроенный в среду nanoCAD/Model Studio CS, дает измеримые результаты на реальных проектах.
Применение трассировщика сокращает сроки проектирования за счет автоматизации рутинных и трудоемких операций — как уже сказано, время на задачу расстановки и трассировки снижается до 90%. Качество компоновочных решений возрастает благодаря объективной оценке сотен и тысяч вариантов, а не нескольких, выбранных вручную. Стоимость проектных решений снижается за счет выявления более компактных и эффективных схем размещения оборудования — в наших кейсах экономия составила от 21 до 38%.
При этом алгоритм не заменяет инженера-проектировщика. Он расширяет возможности специалиста, берет на себя перебор вариантов и оценку стоимости, оставляя за человеком постановку задачи, формирование правил экспертной системы и финальное инженерное суждение. Такой подход снижает зависимость результата от квалификации и опыта конкретного проектировщика — базовый уровень качества обеспечивает алгоритм.
Принципиально важно, что решение построено на Платформе nanoCAD и Model Studio CS — российских продуктах, доступных отечественным проектным организациям. Интеграция в Платформу, а не создание изолированного приложения, оказалась ключевым фактором успеха: инженер работает в привычной среде, использует стандартные библиотеки и выпускает документацию без промежуточных конвертаций.
Успешное пилотное тестирование стало основой для масштабирования. Следующие шаги — расширение на другие инженерные системы (воздуховоды, кабельные трассы, лотки), применение алгоритмов для оптимального размещения сооружений на генеральном плане и углубление интеграции с Платформой. Для индустрии, где каждый метр трубопровода — это деньги, а каждый квадратный метр площади — инвестиции, генеративный дизайн на основе классического ИИ становится реальным конкурентным преимуществом.
