Первая часть о внедрении агента: «Как RAG и ML-агенты повысили стабильность качества на предприятии «Строймаш»»
АО «Строймаш» — производственное предприятие, специализирующееся на выпуске резинотехнических изделий (РТИ) для автомобильной и промышленной отрасли. Качество продукции напрямую зависит от точной настройки параметров обработки резиновых смесей. Даже незначительные отклонения могут привести к браку и снижению эксплуатационных характеристик изделий.
С чем пришлось столкнуться
Когда ассистент вышел в цех, стало видно, что мешает ему приносить больше пользы.
Основные ограничения:
• Один список шагов на все случаи: пресс-формы на предприятии разные, и наладчику приходилось пролистывать шаги, которые к его ситуации не относятся.
• Параметры вносились вручную: наладчик слушал рекомендацию и переносил цифры в учетную систему. В базу попадали ошибки, и следующие рекомендации строились на искаженных данных.
• Голосовая связь иногда прерывалась: для наладчика в перчатках голос единственный способ работы с системой, так что любой обрыв останавливает наладку.
• Данные из 1С не всегда сходились: дубли выгрузок, пустые поля, разные форматы чисел. Из-за этого часть наладок не учитывалась в расчетах.
Что мы сделали
1. Шаги наладки пресса под конкретную пресс-форму
Теперь ассистент смотрит, какую пресс-форму снимают и какую ставят: тип, ориентация, есть ли холодноканальный блок, литьевой перенос, выдвижной стол. Из двух частей, «снятие» и «установка», он собирает единый список, и наладчик видит только нужные шаги. Важные шаги пропустить нельзя, а связанные с ними действия выполняются в любом случае.
2. Параметры до первой пробной прессовки
Пока наладчик готовит пресс, ассистент в фоне ищет лучшую наладку.
В работе три механизма:
• если истории пока мало, система берет наладку с наименьшим браком, сделанную после последнего ремонта пресс-формы;
• если по сочетанию пресса, формы и изделия накопилось достаточное количество наладок, модель машинного обучения (ML) рассчитывает температуру плит, объем материала, скорость и давление впрыска с учетом свойств конкретной партии резины;
• если после прессовки выявлен брак, наладчик называет дефекты голосом, и система предлагает, как скорректировать параметры.
Все рекомендации сверяются со спецификацией. Если значение выходит за допустимые границы, ассистент прямо говорит, какой это параметр, и предлагает позвать мастера или технолога.
3. Интеграция с 1С
Результат наладки уходит в учетную систему сам, без ручного ввода, и сразу появляется на планшете. Если 1С временно недоступна, параметры выводятся на экран списком, и результат не теряется.
4. Распознавание речи в шумном цеху
Связь с облачным сервисом распознавания речи время от времени обрывалась: стандартная библиотека подключения от разработчика сервиса не всегда могла найти рабочий адрес сервиса в сети предприятия. Мы написали собственный модуль подключения, который подключается только по проверенным адресам, и обрывы прекратились. При недоступности облака распознавание и синтез речи автоматически переключаются на локальные модели на сервере предприятия (on-premise), без интернета. Наладчик может попросить «Повтори сообщение», если не расслышал ответ в шуме цеха.
5. Речь наладчиков как она есть
По итогам командировки на производство мы перенастроили языковую модель и базу знаний под то, как люди на линии реально формулируют команды. Если в базе знаний нет подходящего решения, ассистент честно так и говорит и предлагает рассказать, как проблема была решена. Перед сохранением такое решение проверяет языковая модель.
6. Помощь опытного коллеги
Если система не нашла решения, а наладчик еще не имеет статуса опытного, ассистент предлагает позвать коллегу. Тот подключается к текущей сессии по своему штрихкоду, и наладку не приходится начинать заново.
7. Чистые данные
Хранилище данных теперь принимает 13 видов выгрузок из 1С, включая данные по резиновым смесям и характеристики пресс-форм. Вместе с IT-службой предприятия мы разобрали каждый тип расхождений и доработали обработку. При сбое загрузки ответственные получают письмо с этапом и причиной, а ошибки всех компонентов системы собираются в единой системе мониторинга.
Что это дало производству
Основные эффекты:
• Наладчик видит только те шаги, которые нужны для его пары пресс-форм.
• Рекомендация параметров готова до первой пробной прессовки, вместо подбора методом проб и ошибок.
• Ручной ввод параметров в 1С убран, а вместе с ним и ошибки, которые портили данные для следующих рекомендаций.
• Голосовая связь стабильна с августа 2026 года и не зависит от доступности интернета.
• Действия наладчиков полностью прослеживаются: сессии, сообщения и записи голоса сохраняются.
Итог
Внедрение искусственного интеллекта на производстве не заканчивается запуском. За полгода ассистент прошел путь от помощника, который отвечает на вопросы, до инструмента, который встроен в производственный процесс: он ведет наладчика по нужным шагам, подсказывает параметры и сам передает данные в учетную систему.
Главное остается прежним: AI не заменяет наладчика и технолога, а усиливает их опыт и делает его доступным каждой смене.
Узнали свою проблему?
Расскажите о ней, и мы предложим, как применить AI на вашем производстве: голосовой помощник, машинное обучение для подбора параметров, база знаний на RAG или интеграция с 1С. Свяжитесь с нами, чтобы получить персональную консультацию и предварительный расчет внедрения и экономической эффективности для вашего предприятия.
