Перейти к содержанию
SoftSimpleНаши проекты
  1. Проекты и решения
  2. Данные, цены и прогнозы

Типовое решениеАнализ данных и прогнозыПроизводство

Модели ИИ без программирования: цеховые специалисты сами решают свои задачи

Опытные сотрудники цеха сами создают модели прогноза брака в простом интерфейсе без кода, а готовая модель отмечает проблемные детали на линии.

Типовое решение для внедрения

Это не выполненный проект и не кейс клиента: подход, стек и сроки — ориентир. План и критерии результата согласуем после разбора вашей задачи.

Задача, решение и результат

01Задача

На производстве опытные сотрудники цеха хорошо знают процессы, но у них нет навыков программирования, чтобы самим создавать решения на ИИ.

02Решение

Сотрудник в простом интерфейсе без кода выбирает данные с датчиков и контроля качества и задаёт цель — например, «предсказать, какие детали скорее всего окажутся бракованными». Система сама обучает, проверяет и разворачивает модель машинного обучения (автоматический подбор модели). Готовая модель в реальном времени отмечает проблемные детали на линии.

03Что это даёт

Знания цеховых специалистов превращаются в работающие модели без программиста под каждую задачу, а вероятный брак отмечается прямо на линии.

Как это работает

Путь данных и решений — по шагам

  1. Данные датчиков и контроля качества собираются в ClickHouse или PostgreSQL

  2. Сотрудник в интерфейсе без кода (Loginom или своё веб-приложение) выбирает данные и задаёт цель прогноза

  3. Открытая библиотека LightAutoML от Сбера сама обучает и проверяет модель

  4. Модель разворачивается в Docker/Kubernetes без программирования

  5. Развёрнутая модель в реальном времени отмечает вероятный брак на линии

1С

Как решение работает с 1С

Метки для обучения — выпуск, контроль качества, брак — берутся из 1С:ERP или УПП. Сигналы о вероятном браке можно записывать в 1С через HTTP-сервис как задания на контроль.

Технологии, команда и что учесть

Технологии

Российские и открытые продукты, а также системы, которые уже работают у вас.

  • ClickHouse
  • PostgreSQL
  • LightAutoML
  • Loginom
  • Docker
  • Kubernetes
  • Yandex DataSphere

Команда

Кто нужен для внедрения — с нашей и с вашей стороны.

  • аналитик данных
  • инженер машинного обучения (ML)
  • инженер данных
  • тренер по ИИ
  • разработчик 1С

Что важно учесть

  • Нужны исторические данные датчиков, связанные с результатами контроля качества (отметками брака), — без них модель не обучить.
  • Главный риск — плохо обученные модели, ограничений которых рабочие не понимают, поэтому проект совмещают с обучением и проверкой моделей аналитиком.
  • Первый шаг — курс по ИИ для производственников и одна модель прогноза брака на готовых данных.

Другие решения

Все решения

Похожая задача?

Обсудим, как это сделать у вас

Расскажите, какой процесс хотите улучшить. Договоримся о критериях результата до начала пилота.

MailSoftSimple@yandex.ru+7 (980) 192-00-02Telegram: @SoftSimpleRu

Заявка

Как с вами связаться

Заполните хотя бы одно поле.

Перед отправкой подтвердите, что вы не робот.