Кейс: как сократить издержки на заводе с помощью ИИ

Содержание

Причины убытков
Как AI решает проблему
Кейс

Чтобы понять, как ИИ помогает производствам, определим ключевые причины убытков компаний с ручным контролем. Переплаты, как правило, связаны с неэффективностью процессов, человеческим фактором и техническими ограничениями.

Причины убытков в производственных процессах

Простой оборудования

Простои из-за ремонта, ожидания запчастей или нехватки материалов увеличивают затраты и снижают производительность.

Бракованная продукция

Брак требует переработки или утилизации, что влечёт дополнительные расходы. Кроме того, это негативно влияет на репутацию компании и уровень доверия со стороны клиентов и партнёров.

Износ оснастки

Со временем инструменты и механизмы теряют эффективность и точность, что отражается на качестве продукции.

Перерасход материалов

Низкий уровень контроля использования материалов и неэффективные процессы ведут к излишнему расходованию сырья, повышая себестоимость и снижая маржинальность.

Неэффективные подготовительные работы

Плохая организация наладки оборудования и рабочего пространства замедляет производство и задерживает выполнение заказов. Это также может ухудшать качество выпускаемой продукции.

Высокие затраты на рабочую силу

Низкая производительность сотрудников и переработки увеличивают расходы.

Искусственный интеллект помогает производству работать быстрее и точнее. С его помощью снижают издержки, улучшают качество продукции и делают работу безопаснее. Разберёмся в основных направлениях использования ИИ на производстве.

Как ИИ автоматизирует производственные процессы

Контроль качества и выявление брака в реальном времени

ИИ мгновенно фиксирует дефекты на линии, снижает долю брака и уменьшает затраты на переработку. Системы обучаются на примерах и адаптируются к условиям конкретного производства.

Мониторинг технологических процессов

ИИ анализирует данные в реальном времени, выявляет отклонения и сигнализирует о возможных неисправностях. Это снижает количество простоев и повышает стабильность работы.

Анализ поведения сотрудников

ИИ отслеживает, как персонал взаимодействует с оборудованием и соблюдает требования безопасности. Это позволяет выявить зоны для улучшения, разрабатывать обучающие программы и более эффективно распределять задачи.

Рассмотрим влияние ИИ на производственные процессы на кейсе ижевского предприятия «Иж-Рэст»: как удалось сэкономить на издержках благодаря модулю интеллектуальной видеоаналитики и анализу звука.

Кейс: как AI помог сократить издержки на ижевском заводе штампов и пресс-форм ООО «Иж-Рэст»

ООО «Иж-Рэст» — высокотехнологичное предприятие, занимающее одно из ведущих мест в Приволжском федеральном округе в сфере производства инструментальной оснастки. Компания проектирует и изготавливает пресс-формы, штампы и приспособления различного назначения.

Запросы заказчика:

Сократить продолжительность подготовительных операций.
Предотвратить брак из-за износа оснастки.
Минимизировать влияние человеческого фактора.
Снизить риск выхода оборудования из строя.
Интегрировать AI с системой контроля станков для автоматизированного сбора данных.
Повысить безопасность.

Наше решение: интеллектуальная видеоаналитика.

Мы предложили систему видеоконтроля для отслеживания загруженности станков и качества выпускаемой продукции. Разработали ИИ-модель, способную распознавать деталей внутри станка на всех этапах производства, определять дефекты: сколы, деформации, трещины, анализировать статус производственного процесса.

Реализация проекта:

Обучили искусственный интеллект без остановки производственного процесса собирать данные для анализа работы станков.
Попробовали анализировать вибрации с помощью камер, дополнительных индикаторов для анализа звуков станка и выявления неполадок для определения износа оснастки. Видеоаналитика не выявила значимых вибраций камеры, установленной на шпинделе.
Предложили альтернативу — анализ звукового спектра станка, который оказался более перспективным для диагностики неисправностей.

Когда анализировали звук, обнаружили статистически значимые различия между звуками исправного и неисправного станков. Метод усреднения спектра и расчет евклидова расстояния подтвердили возможность классификации состояний оборудования.

Результаты внедрения:

AI-модель в реальном времени предупреждает о возможных поломках.
Система фиксирует время начала и окончания операций с помощью нейросетей, определяющих заготовку и шпиндель.
Реализовали интеграцию с MES-системой через HTTP-API.

Выводы

— Видеоаналитика эффективна для хронометража, но требует дообучения моделей для масштабирования.

— Анализ звука — перспективный метод мониторинга износа оборудования.

— Необходима дальнейшая работа по уточнению метрик и увеличению объёма данных.

Дальнейшие шаги: разработка регламентов для обработки нескольких деталей на станке, уточнение состава данных для интеграции с MES-системой, расширенное исследование звукового анализа для диагностики неисправностей.

Где ещё применимо решение: предприятия по производству металлических изделий, автокомпонентов, электротехники, бытовой техники и мебели.

А вы уже внедряли интеллектуальную видеоаналитику на производстве?

С какими задачами и сложностями сталкивались? Что удалось улучшить? Делитесь опытом в комментариях — обсудим вместе.

О всех преимуществах видеоаналитики для производственных предприятий можно почитать на сайта zool.ai.

Также, в нашем телеграмм канале.

Новости технологий, кейсы внедрения ИИ в бизнес - Пилим AI в «Гараже».

Реклама. ООО «ПРОСТО», ИНН 1841039706. Erid: 2SDnjeHWnmL