Снижение брака на производстве с помощью ИИ-датчиков: кейс реальной линии
Кожевников Илья Андреевич, генеральный директор компании ИНДИНС. VII Санкт-Петербургский Промышленный Конгресс. Организатор ВО «РЕСТЭК». Задача — снизить брак на производстве с помощью прикладного ИИ, а не «попсовых» LLM-решений. Кейс — компания РемосАльфа, производство гофрокартона; проблема была в короблении на гофроагрегате, которое приводило к браку и потерям. Масштаб проблемы — коробление могло возникать до 30 раз в сутки, что давало до 30 000 м² брака в месяц и около 750 000 ₽ потерь. Решение — собрали датасет из 75 000 кадров, разметили на 4 класса, включая «пограничное состояние», и внедрили визуальный классификатор со световой индикацией. Результат — за 2 недели зафиксировали снижение брака на 3 000 м², или 6 000 м² в месяц; экономия составила около 150 000 ₽ в месяц, окупаемость — 6 месяцев. Дополнительно — сотрудники сначала не доверяли системе, но затем начали ей пользоваться и даже адаптировали рабочее место под световой индикатор. Вывод спикера — такие ИИ-решения можно применять не только для визуального контроля, но и для вибрационных, акустических и других промышленных задач; реакция может быть разной: оповещение, интеграция в QС-системы, остановка линии. Спикер объяснил, что в период замедления экономики производствам особенно важно сокращать издержки, прежде всего за счёт снижения брака. В качестве кейса разобрали компанию РемосАльфа — производителя гофрокартона; проблема была в короблении на гофроагрегате, которое приводило к браку и потерям. Масштаб проблемы был заметным: коробление могло возникать до 30 раз в сутки, что давало до 30 000 м² брака в месяц и около 750 000 ₽ потерь. Решение построили на данных: собрали 75 000 кадров, разметили их на 4 класса, включая пограничное состояние, и сделали визуальный классификатор со световой индикацией. Сначала сотрудники не доверяли системе, но позже начали ориентироваться на неё и даже адаптировали рабочие места под индикатор. По результату за 2 недели снизили брак на 3 000 м², что автор перевёл в 150 000 ₽ экономии в месяц; окупаемость оценили в 6 месяцев. Общий вывод спикера: такие ИИ-решения можно применять не только для визуального контроля, но и для вибрационных, акустических и других промышленных задач, интегрируя их в системы контроля качества или в управление линией
Кожевников Илья Андреевич, генеральный директор компании ИНДИНС. VII Санкт-Петербургский Промышленный Конгресс. Организатор ВО «РЕСТЭК». Задача — снизить брак на производстве с помощью прикладного ИИ, а не «попсовых» LLM-решений. Кейс — компания РемосАльфа, производство гофрокартона; проблема была в короблении на гофроагрегате, которое приводило к браку и потерям. Масштаб проблемы — коробление могло возникать до 30 раз в сутки, что давало до 30 000 м² брака в месяц и около 750 000 ₽ потерь. Решение — собрали датасет из 75 000 кадров, разметили на 4 класса, включая «пограничное состояние», и внедрили визуальный классификатор со световой индикацией. Результат — за 2 недели зафиксировали снижение брака на 3 000 м², или 6 000 м² в месяц; экономия составила около 150 000 ₽ в месяц, окупаемость — 6 месяцев. Дополнительно — сотрудники сначала не доверяли системе, но затем начали ей пользоваться и даже адаптировали рабочее место под световой индикатор. Вывод спикера — такие ИИ-решения можно применять не только для визуального контроля, но и для вибрационных, акустических и других промышленных задач; реакция может быть разной: оповещение, интеграция в QС-системы, остановка линии. Спикер объяснил, что в период замедления экономики производствам особенно важно сокращать издержки, прежде всего за счёт снижения брака. В качестве кейса разобрали компанию РемосАльфа — производителя гофрокартона; проблема была в короблении на гофроагрегате, которое приводило к браку и потерям. Масштаб проблемы был заметным: коробление могло возникать до 30 раз в сутки, что давало до 30 000 м² брака в месяц и около 750 000 ₽ потерь. Решение построили на данных: собрали 75 000 кадров, разметили их на 4 класса, включая пограничное состояние, и сделали визуальный классификатор со световой индикацией. Сначала сотрудники не доверяли системе, но позже начали ориентироваться на неё и даже адаптировали рабочие места под индикатор. По результату за 2 недели снизили брак на 3 000 м², что автор перевёл в 150 000 ₽ экономии в месяц; окупаемость оценили в 6 месяцев. Общий вывод спикера: такие ИИ-решения можно применять не только для визуального контроля, но и для вибрационных, акустических и других промышленных задач, интегрируя их в системы контроля качества или в управление линией