ПромНейроТехИдея «Нейротех» родилась из практики проектов цифровой трансформации на машиностроительных предприятиях. Работая с производственными командами, мы увидели задачу, для решения которой было недостаточно отдельных систем учёта и мониторинга. Нам требовалось связать данные о работе людей, состоянии оборудования и выполнении производственных заданий.
С какой проблемой мы столкнулись
Предприятия внедряли MES-системы, подключали оборудование для мониторинга его общей эффективности — OEE, устанавливали камеры видеоаналитики. Однако в проектах, с которыми мы работали, сами по себе эти меры не обеспечивали ожидаемого роста производительности труда. Данные собирались, но разобраться в причинах отклонений и простоев по-прежнему было сложно.
Учёт проходов и присутствия показывал, что сотрудник находится в цеху, но не давал полной картины происходящего на рабочем месте. Наладка станка, изучение чертежей, выполнение операции и ожидание следующего задания — разные ситуации, которые важно рассматривать вместе с состоянием оборудования. Без этой связи руководителям было трудно оценивать причины невыполнения плана и обоснованность дополнительной работы, в том числе в выходные дни.
Как появилась идея «Нейротех»
Мы задумали промышленную платформу с искусственным интеллектом, которая помогала бы анализировать вклад производственных операций в создание добавленной стоимости. Для этого требовалось объединить видеоаналитику с данными производственных систем и рассматривать рабочее место как часть общего процесса: сотрудник, оборудование, задание и перемещение деталей между операциями.
На первых схемах мы связали камеры цеха, видеоаналитику, ядро платформы, хранилище событий и шлюз интеграций с внешними системами. Результаты анализа должны были поступать мастерам и руководителям через веб-интерфейс и отчёты. В концепции также предусмотрели ИИ-ассистента для работы с накопленными данными и размещение компонентов на площадке предприятия.
Какие задачи заложили в платформу
Производительность труда
Первое направление — сопоставление действий сотрудника с работой оборудования. Мы хотели видеть время выполнения операций, отсутствия на рабочем месте и простоев, а также понимать, что в эти периоды происходило со станком. Отдельной задачей стал анализ многостаночного обслуживания: данные должны были помогать оценивать возможность работы сотрудника на втором или третьем станке и обосновывать распределение нагрузки.
Исполнение заказов
Через интеграции с ERP, MES и MDC мы планировали получать производственные задания и сопоставлять плановую трудоёмкость изготовления деталей с фактическим ходом работ. Отклонения должны были собираться в общей системе и передаваться руководителям вместе с данными, необходимыми для разбора причин.
Логистика
Ещё одно направление — связь выполнения производственных заданий с перемещением деталей. В концепции платформы завершение операции и готовность поддона с деталями должны были становиться основанием для передачи задания логистическому роботу или штабелёру. Анализ времени пролёживания между операциями рассматривался как инструмент последовательного сокращения незавершённого производства.
Безопасность
В платформу также заложили фиксацию событий, связанных с использованием средств индивидуальной защиты, курением в неположенных местах, протечками, задымлением и другими нештатными ситуациями. Для каждого события предполагалось сохранять время, место и сведения, необходимые для последующего рассмотрения и включения в отчёт.
Какие данные должны получать руководители
Мы предусмотрели индивидуальные и сводные отчёты для мастеров и руководителей. Они должны были объединять информацию о выполнении заданий, работе оборудования, загрузке сотрудников и зарегистрированных событиях. Общая цель — сформировать единую информационную основу для анализа производственных процессов и принятия управленческих решений. В перспективе мы видели «Нейротех» одним из ключевых компонентов ИТ-инфраструктуры предприятия.
С чего началась практическая работа
На старте готового продукта ещё не было — были идея, понимание производственной проблемы и первые эскизы. При этом пилотные проекты уже были согласованы: несколько предприятий заинтересовались предложенным подходом и предоставили возможность работать в своих цехах. Так появилась основа для обучения ИИ на реальном производстве и проверки заложенных в платформу идей в практических условиях.
