01Задача
На производстве опытные сотрудники цеха хорошо знают процессы, но у них нет навыков программирования, чтобы самим создавать решения на ИИ.
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.
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
Данные датчиков и контроля качества собираются в ClickHouse или PostgreSQL
Сотрудник в интерфейсе без кода (Loginom или своё веб-приложение) выбирает данные и задаёт цель прогноза
Открытая библиотека LightAutoML от Сбера сама обучает и проверяет модель
Модель разворачивается в Docker/Kubernetes без программирования
Развёрнутая модель в реальном времени отмечает вероятный брак на линии
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.
Российские и открытые продукты, а также системы, которые уже работают у вас.
Кто нужен для внедрения — с нашей и с вашей стороны.
Похожая задача?
Расскажите, какой процесс хотите улучшить. Договоримся о критериях результата до начала пилота.
MailSoftSimple@yandex.ru+7 (980) 192-00-02Telegram: @SoftSimpleRu