Výroba
AI aplikovaná na skutočnú prevádzku závodov
Nákup a výroba sa plánujú v Exceli, ktorý mieša históriu, intuíciu obchodu a „čo sme robili minulý rok“. Výsledok: nadbytočné zásoby alebo výpadky kľúčových položiek.
Stroje sa pokazia, linky stoja, volajú sa technici. Náklady na neplánované odstávky zostávajú hlavným bodom mesačnej porady.
Chybné šarže zachytené na konci linky alebo, čo je horšie, cez reklamáciu klienta. Procesné dáta skrývajú príčiny, no nikto ich nečíta v reálnom čase.
Týždenné či mesačné uzávierky vyžadujú ručnú konsolidáciu naprieč systémami. Kým ich vedenie uvidí, už sa podľa nich nedá konať.
01
Modely, ktoré kombinujú vašu históriu predaja so sezónnosťou, kalendárom a externými signálmi (ceny surovín, počasie, sviatky). Nákup prestane hádať.
Čo sa zmení
Typické zníženie nadbytočných zásob o 20 – 35 %. Výpadky kľúčových položiek klesnú o 40 – 60 %. Nákupné rozhodnutia vopred o týždne oproti ručnému modelu.
02
Modely sa naučia bežné správanie linky – teploty, tlaky, časy cyklu, vibrácie – a v reálnom čase upozornia, keď sa vzorec naruší. Dávno predtým, než si to všimne operátor alebo sa pokazí šarža.
Čo sa zmení
Chyby zachytené počas procesu, nie dodatočne. Merateľný pokles nepodarkov a reklamácií. Príčiny podložené dátami, nie „hypotézami majstra zmeny“.
03
Na základe histórie porúch a telemetrie kritických zariadení modely odhadnú pravdepodobné okno poruchy. Údržba sa plánuje pred odstávkou – nie po nej.
Čo sa zmení
Neplánované odstávky na sledovaných zariadeniach klesnú o 20 – 40 %. Celkové náklady na údržbu klesnú vďaka menšiemu počtu havarijných zásahov.
04
Pre závody s mnohými položkami a obmedzenou kapacitou: týždenné návrhy výrobného mixu, ktoré zohľadňujú maržu, termíny, suroviny a vyťaženie. Rozhoduje človek; model dá východisko podložené dátami.
Čo sa zmení
Vyššie marže vďaka lepším rozhodnutiam o mixe. Menej zbytočných prestavieb. Termíny splnené bez nadvýroby.
05
Jeden prehľad pre OEE, kvalitu, náklady a plán vs. skutočnosť, napájaný z existujúcich systémov (MES, ERP, senzory). Vedenie vidí prevádzku, keď na tom záleží, nie na konci mesiaca.
Čo sa zmení
Rozhodnutia, ktoré trvali týždeň, padnú v ten istý deň. Porady bežia na aktuálnych dátach – žiadne pondelkové prezentácie s číslami z minulého štvrtka.
3 – 4 týždne
Audit prevádzkových systémov, dostupnosti dát a kritických procesov. Určíme 2 – 3 prípady použitia s najlepšou 12-mesačnou návratnosťou pre váš konkrétny závod.
8 – 14 týždňov
Kompletná implementácia jedného prípadu použitia (prognózy, anomálie, prediktívna údržba) v ohraničenom rozsahu – jedna linka, kľúčová položka alebo rodina zariadení.
6 – 9 mesiacov
Pre priemyselné skupiny, ktoré chcú zjednotiť viacero prípadov nad spoločnou, priebežne aktualizovanou vrstvou dát a modelov.
Nie. Potrebujete nejaké dáta. Náš úvodný audit zistí, či vaše dáta unesú prípad použitia. Často sú prvé mesiace prácou na dátovej infraštruktúre – a povieme vám to pred začiatkom, nie potom.
Záleží na prípade. Prognóza s ročnou sezónnosťou potrebuje 2 – 3 roky čistých dát. Detekcia anomálií môže začať s niekoľkými týždňami bežnej prevádzky. Prediktívna údržba potrebuje históriu porúch a telemetriu. Upresníme to vo fáze pripravenosti na AI.
Väčšina ponúka reporting označený ako AI. Opýtajte sa: robíte vďaka nemu iné rozhodnutia v nákupe, výrobe či údržbe? Ak nie, ich AI sa v praxi nevyužíva – zvyčajne ide o problém adopcie či nastavenia. Preveríme to skôr, než si kúpite niečo nové.
Pripravenosť: 6 000 – 12 000 €. Pilot jedného procesu: 30 000 – 70 000 €. Platforma s viacerými prípadmi: 90 000 – 180 000 € a viac v priebehu mesiacov. Pravidlo: každé investované euro musí mať biznis prípad s návratnosťou do 18 mesiacov.
Nepodkročiteľná podmienka. Nasadzujeme architektúry, ktoré rešpektujú oddelenie OT/IT, v prípade potreby on-premise, a prevádzkových sietí sa dotýkame len kontrolovane, podpísaným prístupom iba na čítanie. Dáta opustia závod len vtedy, keď je to dôkladne odôvodnené.