ММООЗЗГГ.ru

Машиностроение: кейсы, статьи и разборы

Заводы, станки, производство оборудования, контроль качества. Кейсы с цифрами, статьи, разборы и новости этой сферы, новые сверху.

РазборМашиностроение

ИИ в промышленности: где решения дают эффект от добычи до рынка

ИИ в промышленности уже дает эффект в рублях, и его можно посчитать до запуска. В альманахе Института ИИ МФТИ 2026 года собраны 17 кейсов российских предприятий: одно решение приносит от 11,5 до 457 млн ₽ в год, а сквозное планирование на «Северстали» дало 9,6 млрд ₽. Ниже эти кейсы по цепочке от добычи до рынка и то, как такой кейс превращается в строку карты ИИ-решений для вашего завода. Кейсы альманаха удобно разложить по цепочке создания стоимости. На каждом звене есть решение с эффектом в рублях, и это не опыты лабораторий, а линии, карьеры и склады работающих компаний. В добыче работают автономные буровые установки «Норникеля» (+2% добычи, 457 млн ₽ в год), цифровой двойник Самотлора у «Роснефти» (+0,5% суточной добычи) и автономные карьерные самосвалы СУЭК (+20% производительности). В логистике МФТИ оценивает оптимизацию цепочек поставок рулонной стали в 2,76 млрд ₽ в год, а роботов на одном складе X5 в 154 млн ₽ в год.

Простыми словамиМашиностроение

Предиктивная аналитика простыми словами: ИИ видит проблему заранее

Предиктивная аналитика это прогноз проблемы до того, как она случилась: поломки, ухода клиента, болезни. ИИ замечает первые признаки в данных и предупреждает заранее, пока есть время на решение. На ЧерМК «Северстали» такая модель сократила простой на 7 часов, это 65 млн ₽ по оценке альманаха Института ИИ МФТИ 2026 года. Простыми словами, это ответ на вопрос «что случится, если ничего не менять, и сколько у нас времени». Обычный отчет показывает то, что уже произошло, а прогноз показывает то, что еще можно предотвратить. Логика одна для любой отрасли. Пока процесс в норме, показатели колеблются в привычных пределах. Перед проблемой они начинают меняться: растет вибрация подшипника, клиент реже заходит в приложение, у пациента меняются анализы. Человек замечает такие сдвиги поздно, потому что они слабые и их много. Модель следит за всеми показателями сразу и подает сигнал на первых признаках. Между сигналом и проблемой появляется время, чтобы успеть: заказать деталь, позвонить клиенту, пригласить пациента к врачу.

РазборМашиностроение

Карта ИИ-решений для крупного бизнеса: внедрение ИИ на предприятии

Внедрение ИИ на предприятии меняет работу продаж, закупок, учета и производства, поэтому решение о нем принимает первое лицо, а не ИТ-отдел. По отчету MIT NANDA 2025 года, проекты с внешним партнером доходили до рабочего использования примерно в 67% случаев, внутренние разработки в 33%. ИТ-отдел отвечает за то, чтобы системы работали без сбоев. ИИ меняет то, как работают продажи, закупки, учет, производство и люди, и такими изменениями может управлять только первое лицо вместе с командой, у которой это главная задача. По BCG, около 70% трудностей при внедрении ИИ связаны с людьми и процессами, 20% с технологией и только 10% с алгоритмами. ИТ-отдел силен в технологии, а основная часть трудностей лежит за ее пределами. ИТ-отдел остается нужен: он подключает ИИ к CRM, 1С и телефонии и отвечает за доступы. Но решение, что менять и зачем, принимает не он. Чего именно не хватает ИТ-отделу и как распределить роли, разобрали отдельно.

КейсМашиностроение
Михаил Мозг

Производство: один утренний отчет вместо совещания по цифрам

Простой3 мин

Разбор на открытых данных. Модель: завод на 120 человек, три цеха, склад и отдел продаж. Директор собирает цифры на планерке: начальники цехов приносят таблицы, продажи свои, склад свои, и к обеду картина уже устарела. Один процесс пилота. Агент к 8:00 собирает выпуск по цехам, брак, остатки сырья и готовой продукции, отгрузки и заявки из 1С и CRM в один отчет, отмечает отклонения от плана и отвечает на вопросы директора в мессенджере. Метрика из договора. Отчет к 8:00 каждый рабочий день и часы, освобожденные от ручных сводок. Что подключили. 1С, CRM, таблицы цехов, мессенджер директора. Как передавали сложные случаи. Расхождение данных между 1С и цехом агент показывает как отклонение, решение принимает директор.

КейсМашиностроение
Михаил Мозг

Производство: от агента на заявках к ИИ-отделу для продаж, закупок и денег

Средний5 мин

Разбор на открытых данных. Модель: завод на 120 человек, три менеджера на заявках и КП, отдел закупок, бухгалтерия. 38% клиентов не дождались обратного звонка, каждое обращение стоит 3 231 ₽, крупный производитель ускорил проверку предложений поставщиков в семь раз, а просрочка по оплатам в стране 8,2 трлн ₽. Отдел закрывает вход, закупки и деньги.

КейсМашиностроение
Михаил Мозг

Производство: ответ по заявке и черновик КП без ожидания менеджера

Простой3 мин

Производственная компания с тремя менеджерами на заявках. Почти половина обращений приходит на почту, с чертежами и списками позиций. Заявки идут с 7 утра, вечером и в субботу. Один процесс пилота. Входящие заявки: агент разбирает письмо и вложения, уточняет позиции и объем, готовит черновик КП по прайсу. Метрика из договора. Время до первого ответа и доля заявок, по которым черновик КП готов без менеджера. Что подключили. Почта, CRM, 1С с прайсом и остатками, телефония и мессенджеры. Как передавали сложные случаи. Нестандартное изделие или скидка уходят менеджеру: он проверяет черновик КП и отправляет клиенту.

Написать в Telegram