Предиктивное обслуживание
Завод металлоконструкций в Караганде с 8 производственными линиями внедрил AI-систему предсказания поломок оборудования для сокращения простоев.
Проблема
Завод работает 24/7 в 3 смены. Оборудование старое — гидравлические прессы, станки ЧПУ, сварочные роботы работают по 15-20 лет. Поломки случались внезапно.
Основные проблемы:
- Незапланированные простои 40 часов в месяц — линия встает на 2-6 часов
- Срочный ремонт стоит в 3 раза дороже планового
- Приходится держать запас деталей на 8 млн ₸
- Механики не успевают — ремонтируют по факту поломки
- Пропадают заказы из-за срыва сроков
- Невозможно планировать профилактику — не знают когда что сломается
Пытались делать регулярную профилактику раз в 2 недели, но это не помогло — меняли детали которые еще могли работать, а критичные узлы ломались между ТО.
Решение
Установили датчики на 24 критичных узла оборудования: вибрация, температура, давление масла, ток двигателя. ML-модель анализирует паттерны перед поломкой.
Что отслеживает система:
- Вибрация подшипников — повышение говорит об износе
- Температура гидравлики — перегрев = утечка или засор
- Давление в системе — падение указывает на проблему
- Потребление тока — скачки = механические заедания
- Скорость работы станка — замедление = износ
- История прошлых поломок — когда и что ломалось
Модель обучена на данных за 3 года — 127 поломок, 450,000 часов работы оборудования. Точность предсказания — 82% (модель предупреждает за 7-14 дней до поломки).
Как это работает на практике:
- Механик получает alert в Telegram: "Пресс №3, подшипник А2 — замена через 10 дней"
- Заказывают деталь у поставщика (доставка 5-7 дней)
- Планируют замену на выходные или в межсменное время
- Меняют подшипник за 2 часа вместо экстренного ремонта на 6 часов
Результаты
Незапланированные простои сократились с 40 до 16 часов в месяц (-60%). Большинство ремонтов теперь плановые — в выходные или ночью.
Расходы на ремонт упали на 40% — перестали делать срочные заказы деталей с наценкой. Сократили запас деталей с 8 млн до 5 млн ₸ — заказывают точечно по прогнозу.
Производительность выросла на 12% за счет меньших простоев. Завод стал брать больше заказов — уверены что выдержат сроки.
Механики работают спокойнее — нет авралов, все ремонты запланированы. Директор видит дашборд здоровья оборудования и планирует бюджет на год вперед.
Система окупилась за 4 месяца. Экономия — 2.8 млн ₸ в месяц только на ремонтах.