Когда владельцы заводов говорят «нам бы тоже ИИ на производство», в голове у них обычно роботы и камеры на конвейере. Расскажу, что реально можно внедрить среднему заводу за недели — без миллионов на машинное зрение — и честно проведу границу, где заканчивается моя зона.
6 мин чтения
ИИ в производстве: с чего начать среднему заводу
Разбираю ИИ в производстве без хайпа про роботов: документы и отчёты, планирование, контроль качества по фото, база знаний по регламентам. Плюс честно — что не моя зона и почему.
«Нам бы тоже ИИ на производство» — за последний год эту фразу мне говорили раз десять, не меньше. И почти всегда за ней стоит одна и та же картинка из презентаций больших холдингов: роботы-манипуляторы, камеры на конвейере, нейросеть, которая ловит брак быстрее человеческого глаза. Мы все насмотрелись этих кейсов в новостях — я и сам иногда показываю их клиентам как иллюстрацию. Если у вас в голове та же картинка — сразу скажу честно: не про это статья. Внедрение ИИ в производстве для среднего завода почти всегда начинается совсем в другом месте — с документов, отчётов и рутины, которая съедает часы у людей, а не у станков.
Коротко:
- Для среднего завода (50–300 человек) реальная точка входа в ИИ — документы, отчёты и планирование, а не роботы и камеры на конвейере
- Бот, который сверяет фото детали с эталоном по чек-листу, ускоряет рутинную часть контроля качества втрое
- Тариф «Бизнес» закрывает такую задачу под ключ: RAG над базой знаний, интеграция с 1С, дашборд метрик — сроки и цена в предложении по чат-ботам ниже
- Пилот строится по схеме «аудит → одна задача → 30–60 дней» и только потом масштабируется на другие процессы
- Из запросов «ИИ на производство» 8 из 10 на деле оказываются про документы, отчёты и регламенты, а не про машинное зрение
Где ИИ на производстве уже работает
Крупные заводы вроде КАМАЗа или сахарных комбинатов действительно ставят машинное зрение в цеха: камеры на линии, распознавание дефектов в реальном времени, интеграция с ПЛК станка. Это дорого, долго и требует отдельной инженерной команды — месяцы на пилот, специальное железо, инженеры машинного зрения. Красиво в кейсах. Нерелевантно для завода на 50–300 человек с обычным бюджетом на ИТ.
А вот применение ИИ в производстве среднего масштаба выглядит скучнее и полезнее одновременно: он читает документы, сверяет цифры, готовит отчёты и подсказывает по регламенту. Не заменяет станок — разгружает людей вокруг него. У моих клиентов из производственного сектора цифровизация производства почти всегда стартует именно тут, а не с роботов.
Четыре процесса, где ИИ снимает рутину
Коротко — где именно ИИ реально экономит часы на среднем заводе:
| Процесс | Что делает ИИ | Что остаётся за человеком |
|---|---|---|
| Документы и отчёты | Сводит цифры из смен, готовит черновик отчёта | Проверка и финальная цифра для руководства |
| Планирование | Подсказывает по загрузке линий и остаткам | Решение по приоритетам и срокам |
| Контроль качества по фото | Сверяет фото детали с эталоном, находит подозрительное | Финальный вердикт «брак / не брак» |
| База знаний по регламентам | Отвечает мастеру по инструкции 24/7 | Обновление и утверждение самих регламентов |
Дальше — подробнее про одну из строчек (именно на ней я больше всего наступал на грабли).
Контроль качества по фото — не то же самое, что камера на конвейере
Типичная картина, которую я не раз наблюдал у производственников среднего масштаба: металлообрабатывающий цех, контролёр ОТК ходит по цеху со штангенциркулем и бумажным журналом, а отчёт вбивает в Excel уже вечером, задним числом — то есть брак часто находят только на следующий день.
Не камерами. Ботом. Решение обычно такое: контролёру даём простого помощника в Telegram — он фотографирует деталь на телефон, бот по фото и короткому чек-листу сверяет с допуском и сразу пишет результат в общий журнал. Типовая болячка на старте: первая версия путает ржавчину с браком на тёмных деталях — точнее, не путает совсем, а просто сомневается чаще, чем нужно, — модель доучивают на реальных примерах за пару недель, и странности уходят. Не заменяет ОТК — ускоряет рутинную часть втрое, а брак видно в моменте, а не в конце смены.
С документами и планированием логика похожая, только скучнее: ИИ сводит цифры из журналов смен, готовит черновик отчёта для руководства, подсказывает, где план по загрузке линий разъезжается с фактом. А для базы знаний по регламентам — своя пошаговая архитектура: как из разрозненных инструкций собрать бота, который отвечает мастеру по вашему регламенту, а не по общим знаниям модели из интернета.
Что я не беру в работу
Тут честная граница, а не маркетинговая скромность. Я не занимаюсь промышленной робототехникой (манипуляторы, интеграция со станками, ПЛК) и не ставлю компьютерное зрение на конвейер в реальном времени — это отдельная инженерная профессия, требующая специализированного железа и совсем другой команды, не разработчика ботов и автоматизаций вроде меня. Кстати, если вам предлагают «ИИ-завод под ключ» за пару недель и без этой оговорки — я бы насторожился.
Общую рамку, что вообще стоит отдавать алгоритму, а что нет, я разбирал в статье что нельзя поручать ИИ — там же принцип «чем выше цена ошибки, тем меньше места для алгоритма без присмотра». На производстве это работает буквально: финальный вердикт «брак — не брак» и решение по приоритетам в плане — всегда за человеком, ИИ только готовит черновик и экономит время на рутине.
С чего начать пилот
Общую механику пилота — аудит, выбор одной задачи, 30–60 дней, только потом масштабирование — я раскладывал в статье как внедрить ИИ в бизнес. Для производства добавлю одно уточнение: начинайте не со всего завода, а с одного цеха и одного процесса — того, где боль измерима в часах или в деньгах, а не «в целом хотелось бы автоматизировать».
С какого процесса начать — с отчётов, с планирования или с контроля качества? 🤔 Чаще всего у моих клиентов первый пилот — это бот с базой знаний по регламентам или сводчик отчётов. Такую задачу закрывает Чат-боты (сценарные и с ИИ) от 30 000 ₽ — тот же движок, что я ставлю для клиентской поддержки, только регламенты внутренние, а не для покупателей.
Если искали именно машинное зрение
Не хочу тратить ваше время: если задача — камера на линии в реальном времени, это не ко мне. Но 8 из 10 запросов «ИИ на производство», с которыми ко мне приходят, на деле оказываются про документы, отчёты и регламенты — и тут я как раз могу помочь.
Готов ли ваш завод к пилоту с ИИ
Готов ли ваш завод к пилоту с ИИ
6 вопросов на 5 минут
- Знаете, сколько часов в неделю уходит на ручные отчёты и сверки
- Регламенты и инструкции собраны в одном месте, а не в головах у мастеров
- Есть один конкретный процесс с измеримой болью, а не «автоматизируем всё сразу»
- Готовы начать с одного цеха или отдела, а не сразу всего завода
- Внутри есть человек, который будет вести пилот и отвечать за результат
- Готовы, что первая версия бота будет ошибаться, и её придётся доучивать
/
В общем, ИИ в производстве — это почти никогда не про роботов, если у вас средний завод, а не гигант с отдельным бюджетом на машинное зрение. Это про то, чтобы контролёр, плановик и мастер участка тратили время на дело, а не на бумажки.
Разберём процессы вашего завода?
Опишите, где именно вязнут документы и отчёты — прикинем, с чего начать пилот. Бесплатно, 15 минут.
