ИИ для производства: планирование, цифровой контур и контроль качества на заводе

Где завод теряет деньги

Производство редко теряет деньги в одном большом месте. Потери размазаны по десяткам решений каждый день, и почти все они видны в данных, которые завод уже собирает.

• Переналадки. Порядок выпуска составляют вручную, линия перестраивается чаще, чем нужно. Каждая лишняя переналадка это простой и брак на старте партии.
• Брак. Дефект находят в конце линии или у клиента, когда партия уже сделана.
• Простои и срывы сроков. План не учитывает реальную загрузку оборудования и сроки заказов, срочные заказы ломают график.
• Лишние запасы. Сырье и готовую продукцию закупают и выпускают «на всякий случай», потому что спрос никто не прогнозирует.
• Ручная отчетность. Данные лежат в 1С, в таблицах мастеров и в журналах на участках. Чтобы собрать KPI, экономист тратит дни, а руководитель видит картину с опозданием.

Наш подход: сначала посчитать, сколько стоит каждая из этих потерь, и только потом выбирать технологию. Если потеря не посчитана, непонятно, окупится ли ее закрытие.

Какие ИИ-решения на производстве окупаются

Институт ИИ МФТИ собрал 17 российских промышленных кейсов с эффектом в рублях, мы подробно разобрали их в статье ИИ в промышленности. Главный вывод для среднего завода: самые большие деньги дает не «умная камера», а планирование. Ниже решения, которые мы внедряем, и чьи результаты стоят за ними.

Цифры в правой колонке взяты из альманаха МФТИ «ИИ в промышленности» 2026 года. Это кейсы крупных холдингов и оценки МФТИ для типового предприятия, а не наши результаты. Они показывают масштаб, но эффект для своего завода нужно считать от своих потерь: у холдинга другие объемы.

Что требует подготовки: предсказание поломок и оптимизация режимов оборудования. В альманахе они дают десятки и сотни миллионов рублей, но им нужны данные с датчиков за длительный период. Если телеметрии нет, первым шагом будет ее сбор, и честнее сказать об этом до старта, чем продать красивый пилот.

Наш опыт: три завода в работе

Сейчас мы работаем с тремя производствами. Названия не раскрываем, результатов в цифрах по ним пока нет, поэтому рассказываем, что именно строим.

Лакокрасочный завод: цифровой контур. Данные из 1С и с участков собираются в одном месте, отчеты и KPI считаются без ручной сборки. Мы начали именно с этого, потому что без контура любая модель работает вслепую: непонятно, откуда брать данные и с чем сравнивать результат.

Производство колготок: алгоритм производственного плана. Алгоритм составляет порядок выпуска с учетом стоимости переналадок и сроков заказов. Переналадка в трикотажном производстве означает простой машин и брак на старте партии, а все данные для оптимизации уже есть в учетной системе. Как устроены такие алгоритмы, разбираем в статье про планирование производства.

Бетонный завод: техника, отгрузки и продажи. Сводим 1С, данные по технике и GPS водителей, строим аналитику против потерь в рейсах и поиск новых строек по разрешениям и тендерам. Бетон нельзя хранить, поэтому ошибка в планировании сразу становится потерей. Подробнее на странице ИИ для логистики и дистрибуции.

Из завершенных проектов к производству ближе всего цифровой помощник по базе знаний: поиск в 7 раз быстрее и 30% экономии времени сотрудников. На заводе это ответы по регламентам, рецептурам и инструкциям к оборудованию. Логику прогноза мы отработали на прогнозе продаж для сети ресторанов: точность выше 90% и на 20% меньше пищевых отходов. Для завода это прогноз заказов по позициям.

С чего начать заводу

1. Выбрать один процесс, где потери уже видны в деньгах: переналадки, брак, простои, запасы, ошибки в отгрузках.
2. Проверить данные. Что лежит в 1С, MES, таблицах мастеров. Чего не хватает и сколько стоит это собрать.
3. Посчитать эффект до старта и зафиксировать показатель, по которому будем сравнивать: часы переналадок в месяц, доля брака, дни запаса.
4. Собрать цифровой контур, если данных в одном месте нет. Это не отдельный большой проект, а минимум, нужный для пилота.
5. Запустить пилот на одном участке. Одна линия, одна группа изделий, один склад.
6. Масштабировать только то, что подтвердило эффект.

Главная ошибка, которую мы видим: начинать с технологии («давайте внедрим нейросеть») вместо потерь («где и сколько мы теряем»). Хорошо поставленная задача звучит так: «переналадки на линии 3 стоят столько-то в месяц, хотим сократить их на треть».

Данные и безопасность

Рецептуры, техкарты, себестоимость и клиенты завода это коммерческая тайна. Мы работаем под NDA. Персональные данные сотрудников и клиентов обезличиваем до отправки в модель. Если данные нельзя выносить за периметр, разворачиваем модели в контуре завода, и документы не уходят во внешние сервисы.

Интегрируемся с тем, что уже стоит: 1С, MES, таблицы, системы видеонаблюдения, телефония. Менять учетную систему ради ИИ не нужно.

Сколько стоит

Разбор процесса на 30-40 минут бесплатный: на нем выясняем, где теряются деньги, какие данные есть и стоит ли вообще запускать пилот. Пилот на одном участке стоит от 300 000 ₽. Точную цену и срок фиксируем после разбора, они зависят от числа систем и участков. Как выглядит внедрение целиком, от разбора до масштабирования, описано в статье внедрение ИИ в бизнес.