Греческое предприятие BIC, выпускающее бритвы, довело показатель общей эффективности оборудования (OEE) до стабильных 95%. Для справки: раньше он колебался в районе 91–92%, и это уже считалось неплохо. Прирост в несколько процентных пунктов в масштабах кампуса с пятью бизнес-единицами — это не косметическая правка, а серьёзная экономика.
Секрет — в веб-платформе iQ process observer от Engel. Это инструмент на основе искусственного интеллекта, который анализирует данные с машин, выявляет отклонения и выдаёт конкретные рекомендации по оптимизации. Иными словами, инженеры получают не сырые графики, а готовые подсказки: «на этой машине что-то пошло не так, проверьте». Разбираемся, как это работает и чему может научить российских и белорусских переработчиков.
Задача: прозрачность без раздувания штата
«Наша проблема не в эксплуатации машин как таковой, — цитирует отраслевое издание слова Янниса Вулцатиса, старшего менеджера по индустриализации пресс-форм и процессов литья под давлением, который руководит проектом. — Наша проблема — поддерживать полную прозрачность процессов и быстро реагировать, чтобы инженерная экспертиза была сосредоточена там, где она создаёт наибольшую ценность».
Именно поэтому BIC обратилась к Engel и её iQ process observer. Началось всё в 2019 году с пилота на одной машине: ранняя версия системы устанавливалась прямо на панель термопластавтомата и умела автоматически анализировать данные, отмечать отклонения и постепенные дрейфы. Но главная ценность была не в этом, а в рекомендациях по оптимизации на основе ИИ.
Как система работает на практике
С сентября 2024 года BIC использует веб-версию iQ process observer для мониторинга примерно 30 машин в реальной работе. Ключевой элемент — так называемые Process Notes: рекомендации, которые ИИ генерирует автоматически на основе собранных данных с машин. Они непрерывно оценивают поведение процесса, выявляют паттерны, отклонения и тренды и переводят всё это в понятные и применимые подсказки.
«Через инструмент мы получаем интеллектуальные рекомендации, — говорит Вулцатис. — Машина, по сути, говорит нам: «Здесь что-то не совсем так — пожалуйста, проверьте»».
Система уже показала себя в повседневной работе. Она может уведомить, когда декомпрессия неэффективна из-за того, что заданное значение превышает фактическую подушку материала, или выявить неблагоприятное соотношение длины к диаметру, которое влияет на стабильность процесса. Также она отмечает аномальное поведение температуры, которое может указывать на неисправные зоны нагрева. В одном случае это позволило быстро выявить проблему с горячеканальной системой пресс-формы.
Отдельный плюс — работа в парке машин с системами управления от разных производителей. Именно в таких гетерогенных условиях автоматический анализ особенно ценен: не нужно держать в голове особенности каждой системы, система сама подскажет, где искать проблему.
С пятью технологами на весь кампус главный выигрыш — не в экономии времени как таковой, а в фокусировке. Вместо того чтобы проверять десятки машин одну за другой, инженеры сразу видят, какие процессы требуют немедленного вмешательства, а приоритизация на основе ИИ направляет их точно к нужным агрегатам.
«Реальное преимущество не в отслеживании времени. Оно в том, что система ведёт нас прямо к нужным машинам».
Результаты: 95% OEE и меньше брака
Что это даёт на практике? Раннее выявление рисков качества помогает предотвращать брак до того, как он возникнет. Снижение простоев и более стабильное время цикла добавляют эффективности. Для полимерной отрасли, где каждая секунда цикла и каждый процент брака имеют значение, это вполне конкретные деньги.
«Все цифры основаны на данных машин, — подчёркивает Вулцатис. — Это не оценка, а измеримая реальность».
Успех на одноcomponentных машинах вдохновил BIC на следующий шаг: компания тестирует iQ process observer в более сложных двухкомпонентных процессах литья под давлением. Цель — одновременно отслеживать оба компонента, применять ту же логику ИИ к новым параметрам процесса и закрыть оставшиеся пробелы в прозрачности. Ранние результаты обнадёживают, и компания планирует более широкое внедрение.
Что это значит для отрасли: ИИ как усилитель, а не замена
История BIC — хороший пример того, как цифровизация может приносить реальную пользу, не заменяя человеческую экспертизу, а дополняя её. Система не принимает решения за инженеров, она даёт им информацию и приоритеты. Именно такой подход позволяет малым инженерным командам управлять большими парками машин.
Для российских и белорусских переработчиков здесь есть несколько практических уроков. Во-первых, цифровизация не обязательно начинается с покупки новых машин — можно начать с инструментов, которые вытаскивают больше пользы из уже установленного оборудования. Во-вторых, ИИ-ассистенты особенно полезны там, где инженерных ресурсов мало, а парк оборудования разнообразен.
В-третьих, важна методология: BIC начала с пилота на одной машине в 2019 году, постепенно расширяла охват и только потом вышла на 30 машин в постоянном мониторинге. Это не история про «купили и внедрили за месяц», а про последовательное движение. И для нефтехимии и переработки пластмасс, где ошибки стоят дорого, такой подход разумен.
Наконец, есть и более широкий контекст. Разговоры о том, что ИИ заменит инженеров, в этой истории звучат неубедительно. Скорее, ИИ меняет роль инженера: от рутинного мониторинга к принятию решений на основе данных. И это, пожалуй, лучший сценарий для отрасли, где опытные технологи становятся всё более дефицитным ресурсом.
Вывод простой: 95% OEE — это не магия и не чудо-таблетка. Это результат того, что данные с машин превратились в понятные подсказки, а инженеры перестали тратить время на то, что можно автоматизировать. Для BIC это уже реальность, измеряемая в процентах и деньгах. Для остальных — повод задуматься, сколько данных с их машин сейчас просто уходит в никуда.