Планирование производства с ИИ: от плана в Excel и 1С к оптимальному плану выпуска

Где план производства теряет деньги

Плохой план не виден в отчетах отдельной строкой. Он растворяется в себестоимости, сверхурочных и штрафах за просрочку. Если разложить, потери почти всегда сводятся к четырем вещам.

Переналадки. Каждый переход с одного изделия на другое это остановка оборудования, работа наладчика, расход сырья на пробный пуск и брак в начале партии. Когда партии идут в порядке поступления заказов, линия перестраивается чаще, чем нужно.

Простои узких мест. На любом производстве есть участок, который ограничивает выпуск всего завода. Час простоя на нем это час потерянного выпуска всей фабрики, а не одного станка. При ручном планировании узкое место то перегружено, то ждет полуфабрикат с предыдущего передела.

Срывы сроков. Срочный заказ вставляют в план «поверх», остальные сдвигаются, часть уходит в просрочку. Дальше штрафы, сверхурочные, экспресс-доставка и недовольный клиент.

Лишние запасы. Чтобы не срывать сроки, производят «с запасом» и заранее. Деньги замораживаются в незавершенке и готовой продукции, а склад заполняется тем, что понадобится через месяц.

Эти потери связаны между собой. Если сгруппировать партии, чтобы сократить переналадки, вырастут запасы и риск просрочки. Если делать все строго по срокам, переналадок станет больше. Хороший план это компромисс между ними, и найти его вручную тем сложнее, чем больше изделий, линий и заказов.

Уровни планирования: от S&OP до сменного задания

Организация и планирование производства обычно устроены в несколько уровней. Названия на разных заводах отличаются, но логика одна.

Централизованное планирование производства означает, что все уровни связаны: S&OP задает рамки для объемного плана, объемный план для расписания, а факт выпуска возвращается наверх. На практике связь часто рвется на нижнем уровне. В учетной системе есть заказы и нормативы, а расписание по сменам составляется вручную.

Это типичная картина и для заводов на 1С:ERP. В разборе на Хабре от Инфостарта это сформулировано так: ERP отвечает на вопрос, что нужно произвести, а система детального планирования отвечает на вопрос, как именно это лучше произвести. Excel держится потому, что гибкий, но план в нем держится на одном человеке, несколько сценариев быстро не пересчитать, а ошибки не видны.

Как ИИ и оптимизация строят план

Под «ИИ в планировании» обычно скрываются два разных инструмента, и их полезно различать.

Прогнозные модели: сколько нужно произвести

Машинное обучение прогнозирует спрос по истории продаж, сезонности, акциям, ценам, иногда погоде. Это вход для S&OP и объемного плана. Мы делали такой прогноз для сети ресторанов: история продаж за 3 года, погода, отзывы и праздники дали точность прогноза больше 90% и на 20% меньше пищевых отходов (проект). Подробнее о прогнозах на производстве будет в статье о предиктивной аналитике.

Оптимизация: как выпустить с наименьшими потерями

Расписание строят не нейросети, а оптимизационные алгоритмы: математическое программирование, программирование в ограничениях, эвристики и метаэвристики для больших задач. Задача формулируется так:

• Что решаем: какие партии, в каком порядке и на какой машине запускать.
• Ограничения: мощность и график работы оборудования, смены и люди, сроки заказов, наличие сырья, какие изделия можно делать на какой машине, обязательные паузы и чистки.
• Цель: минимизировать суммарную стоимость. В нее входят переналадки, штрафы за просрочку, стоимость хранения, сверхурочные. У каждого слагаемого свой вес в рублях, который согласуется с руководством.

Алгоритм перебирает миллионы вариантов и выдает план, который соблюдает все ограничения и дешевле ручного по выбранному критерию. Главное отличие от Excel не только в качестве первого плана, а в скорости перепланирования. Сломалась машина или пришел срочный заказ: новый план считается за минуты, и видно, во что обходится каждый вариант.

Языковые модели здесь в роли интерфейса: планировщик может спросить «что будет, если взять заказ X на эту неделю» и получить ответ на основе расчета. Но сам расчет делает оптимизатор, а не чат-бот.

Пример: как порядок партий меняет число переналадок

Покажем на условном примере, почему порядок важен. Это иллюстрация, а не данные конкретного завода.

В плане 10 партий в четырех цветах: черный (Ч), телесный (Т), серый (С), белый (Б). Объем выпуска одинаковый во всех вариантах, меняется только порядок.

1. По дате поступления заказов: Ч, Т, Ч, С, Т, Б, Ч, С, Т, Ч. Цвет меняется после каждой партии, это 9 переналадок.
2. Только группировка по цвету: Б, Т, Т, Т, С, С, Ч, Ч, Ч, Ч. Это 3 переналадки, минимум. Но срочный черный заказ оказывается в конце очереди и уходит в просрочку.
3. С учетом сроков и стоимости переходов: алгоритм группирует цвета там, где сроки позволяют, и разрывает группу только ради срочного заказа. Получается 4 переналадки и ни одной просрочки.

В реальной задаче переходы стоят по-разному. Переход со светлого на темный обычно проще, чем обратно. Смена размера на той же машине дешевле смены типа нити. Поэтому оптимизатор работает не с числом переналадок, а с матрицей их стоимости в рублях и минутах. Когда партий не 10, а несколько сотен на десятках машин, вручную такой баланс не найти.

Наш проект: план выпуска на производстве колготок

Сейчас мы строим алгоритм производственного плана для производства колготок. Задача ровно та, что выше: определить порядок выпуска так, чтобы учесть стоимость переналадок и сроки заказов.

Почему именно здесь это критично. Ассортимент складывается из моделей, плотностей, цветов и размеров, а заказы приходят с разными сроками. Каждая переналадка это остановка машин и потери на старте партии. При ручном планировании мастер держит в голове, какие переходы дешевые, а какие нет, и это знание не масштабируется: в отпуске планировщика план становится хуже.

Как устроена работа:

• Данные: заказы со сроками, остатки, нормы выработки по машинам, график смен. Большая часть уже есть в учетной системе.
• Матрица переналадок: вместе с технологами описываем, сколько стоит переход с одного изделия на другое. Это самая важная и самая трудоемкая часть, ее нет ни в одной учетной системе.
• Модель: оптимизатор строит порядок выпуска по машинам и показывает, сколько переналадок и просрочек будет в каждом варианте.
• Сравнение с фактом: прогоняем модель на прошлых периодах и сравниваем с тем, что реально было сделано.

Проект в работе, результатов в цифрах пока нет, поэтому мы их не приводим. Похожая логика работает и на бетонном заводе, где мы собираем аналитику против потерь по данным 1С, техники и GPS водителей: бетон нельзя держать на складе, и ошибка в плане отгрузок сразу превращается в потери.

Кейс Северстали: сколько стоит хороший план в масштабе холдинга

Самый крупный по эффекту кейс в альманахе МФТИ «ИИ в промышленности» именно про планирование: интегрированная система Северстали, которая связывает прогноз спроса, производство и логистику. Эффект по данным альманаха: рост EBITDA до 7%, 9,63 млрд рублей.

О системе «IPS Производственное планирование» Северсталь рассказывала публично в 2024 году. По данным CNews, в нее входят прогнозы, оптимизация цепей поставок, планирование продаж и операций и производственные планы. Компания оценивала, что в зависимости от зрелости процессов качество планирования может вырасти до 10%, ручные операции сократиться до 50%, а плановая EBITDA вырасти на 5-7%. Система заменяет SAP APO.

Что из этого переносится на средний завод:

• Логика переносится. Связать спрос, производство и отгрузки в одну модель полезно на любом масштабе.
• Цифры не переносятся. 9,63 млрд рублей это масштаб металлургического холдинга. Средний завод считает эффект от своих потерь.
• Масштаб внедрения другой. Северсталь строит собственную платформу годами. Среднему производству разумнее начать с одного уровня, обычно с оперативного расписания, где потери видны сразу.

APS-система или своя модель поверх 1С

Когда понятно, что Excel не справляется, есть три пути.

APS сильна широтой: она умеет многое из коробки. Но на внедрение уходят месяцы, а производство приходится подстраивать под логику продукта. Своя модель решает конкретную задачу, например переналадки и сроки на одном участке, и встраивается рядом с учетной системой. Тот же разбор на Хабре описывает похожую архитектуру: данные и бизнес-логика остаются в 1С, а внешний решатель только считает.

Наш подход: начинать с модели под главную потерю, а если со временем задач станет много, решение о коробочной APS принимать уже на понятных данных.

Какие данные нужны для оптимизации плана

Хорошая новость: большая часть данных у завода уже есть.

• Заказы: изделие, объем, срок, приоритет клиента.
• Остатки: сырье, полуфабрикаты, готовая продукция.
• Маршруты и нормы: какие операции, на каких машинах, сколько времени.
• Оборудование и смены: график работы, плановые ремонты, кто на какой машине может работать.
• Матрица переналадок: время и стоимость перехода между изделиями. Обычно ее нет в системе, и ее собираем с технологами.
• Факт выпуска за 3-6 месяцев: чтобы проверить модель на прошлом и сравнить с ручным планом.

Типичные проблемы с данными: нормы в 1С не обновлялись годами, простои не фиксируются, а часть ограничений существует только в голове мастера. Поэтому первые недели проекта уходят на сверку данных с реальностью, а не на алгоритм. Если данных с участков в одном месте нет, как это было на лакокрасочном заводе, с которым мы работаем, начинать нужно с цифрового контура: данные из 1С и с участков в одном месте, отчеты и KPI без ручной сборки.

Производственные данные чувствительны. Мы работаем под NDA, а расчеты можно держать на серверах заказчика.

Как запустить пилот: порядок по шагам

1. Разбор процесса, 30-40 минут, бесплатно. Кто составляет план, в чем, сколько времени уходит, где чаще всего срывы.
2. Оценка потерь в рублях до старта. Сколько переналадок в месяц и сколько стоит одна, сколько просрочек и штрафов, какой запас готовой продукции. Здесь же фиксируем показатель, по которому будем сравнивать: например, число переналадок на 1000 единиц выпуска или доля заказов в срок.
3. Выбор участка. Один цех или узкое место, где потери максимальны, а данные доступны.
4. Сбор данных и матрицы переналадок. Выгрузка из 1С, сверка норм, работа с технологами.
5. Модель и проверка на истории. Прогоняем прошлые месяцы: что предложил бы алгоритм и чем это отличалось бы от факта.
6. Параллельный режим. Несколько недель планировщик получает план модели рядом со своим, принимает решения сам и отмечает, где алгоритм ошибается. Модель дорабатываем.
7. Решение о масштабировании. Если показатель улучшился, подключаем следующие участки и обратную загрузку плана в 1С.

Пилот у PingAI стоит от 300 000 рублей. Точная цена фиксируется после разбора и зависит от числа систем (1С, MES) и участков. Как в целом устроены этапы и стоимость внедрения ИИ, мы разбирали в статье о внедрении ИИ в бизнес, а о том, как ИИ-агент может сам собирать данные и отвечать планировщику, в статье об ИИ-агентах для бизнеса.

Главная ошибка в оптимизации производства: начинать с выбора системы, а не с подсчета потерь. Если неизвестно, сколько стоит одна переналадка и один день просрочки, никакой алгоритм не покажет, что план стал лучше.

Частые вопросы