ИИ-агент для производства полимеров
Предыстория
Завод по производству полимеров столкнулся с проблемой внеплановых остановок оборудования. Критический насос на линии грануляции выходил из строя в среднем раз в 2-3 месяца, что приводило к потерям до 15 млн рублей за один простой из-за срыва контрактов и необходимости экстренного ремонта. Существующая система мониторинга лишь фиксировала факт поломки, но не могла предсказать её. Технологи вручную анализировали графики вибрации и температуры, но человеческих ресурсов не хватало для постоянного мониторинга всех 5000+ датчиков.
Решение
Мы разработали предиктивную платформу на базе ИИ-агента, которая в реальном времени агрегировала данные с датчиков (вибрация, температура, давление, частота тока) за последние 5 лет. Модель машинного обучения обучили на исторических данных о поломках, выявив неочевидные корреляции (например, комбинация повышения вибрации на 2% и падения напряжения в определенной фазе за 72 часа до отказа). ИИ-агент не просто выдавал прогноз, а интегрировался с ERP и Telegram-ботом главного инженера. За 3 дня до прогнозируемого отказа агент отправлял уведомление: «Риск выхода насоса №4 — 87%. Рекомендуемая замена подшипника в ближайшие 48 часов. Запчасть зарезервирована на складе».
Результат
Внеплановые простои по причине отказа этого оборудования были сведены к нулю в течение первого года. Завод перешел от реактивного обслуживания (чиним, когда сломалось) к предиктивному. Экономический эффект только на этом узле превысил 40 млн рублей в год за счет исключения потерь от простоев и срочных ремонтов.
