Кейсы
О компании
Продукты
Главная
Связаться
Находясь на нашем сайте, Вы даете согласие на обработку файлов cookie.

Промышленность

Кейсы внедрения ML
Прогноз поломки оборудования
Прогноз качества продукции
Оптимизация
закупки сырья
Расчет плана производства
Прогноз котировок
И другие кейсы внедрения ML
Ритейл
E-commerce
Логистика
Промышленность
Телеком
Банки и страхование
Агро сектор
Медицина
Девелопмент
Медиа и реклама
Образование
Государственный сектор

Прогноз выхода оборудования из строя

ML-модель прогнозирует поломку оборудования на основе данных спецификации оборудования (срок службы, рекомендуемый график ТО, информации о комплектующих и др.) и исторических данных его эксплуатации (история обслуживания и ремонта, дефектов и неполадок, данные ​с датчиков мониторинга оборудования и пр.).

Решение позволяет предотвратить поломку оборудования, снизить расходы на ремонт и риски простоя производственной линии.

Эффект

до 10%
Снижение расходов на ремонт
Снижение числа поломок техники
до 5%

Предсказание качества произведенной продукции

ML-модель прогнозирует качество произведенной продукции в зависимости от настроек оборудования, погодных условий и свойств сырья (примеси, химический состав и пр.).

Решение также может учитывать себестоимость сырья и производства, что позволяет найти комбинацию параметров не только для получения продукции нужного качества, но и для экономии издержек.

Эффект

до 15%
Экономии ресурсов в год

Расчет оптимального производственного плана

ML-решение прогнозирует оптимальное количество сотрудников по сменам и режим их работы.
Модель учитывает потребности предприятия, ограничения (нормы труда, режим рабочего дня и др.) и особенности производственного процесса (например, стоимость энергоресурсов в зависимости от времени суток).
Решение дает возможность оптимизировать производственное расписание и снизить расходы.​

Эффект

до 4%
Рост объем выпускаемой продукции
Снижение издержек производства
до 7%

Динамическое прогнозирование котировок

ML-модель прогнозирует котировки на основе исторических данных о продукте, сырье, субститутах, показателях баланса рынка и биржевых ценах. Решение также учитывает макроэкономические показатели различных стран и динамику отраслей.

ML-модель повышает качество прогнозов и скорость их подготовки, тем самым помогает с высокой точностью определять стоимость продукции в любой момент времени.

Эффект

до 90%
Рост точности определения стоимости продукции

Оптимизация закупки сырья и материалов

ML-модель прогнозирует оптимальные время и объем закупки сырья.
Решение учитывает потребности предприятия в производственном сырье, экономические и сезонные условия, динамику цен и особенности логистики.
Данный инструмент позволяет снизить себестоимость производства и тем самым повысить операционную эффективность предприятия.

Эффект

до 10%
Снижение себестоимости производства
Нормализация загрузки мощностей
до 15 п. п.

Оптимизация режимов работы оборудования

Модель машинного обучения на основе телеметрии, данных о характеристиках сырья и погодных условиях предсказывает потенциальные отклонения оборудования от стабильной работы. Система выдает рекомендации по настройке оптимальных параметров для устойчивой работы оборудования. Инструмент позволяет повысить производительность и вместе с тем снизить избыточную нагрузку на оборудование, сокращая его износ.

Эффект

до 15%
Снижение расходов на ремонт
Повышение производительности
до 5%

Прогнозирование потребности
в запчастях для ТО

Система анализирует множество факторов спецификации оборудования (срок службы, рекомендуемый график ТО, информации о комплектующих и др.) и исторических данных его эксплуатации (история обслуживания и ремонта, дефектов и неполадок, данные ​с датчиков мониторинга оборудования и пр.). В результате модель формирует рекомендацию о необходимом объеме определенных комплектующих, которое необходимо держать в наличии на стоках.

Эффект

до 5%
Увеличение производительности

Контроль качества выпускаемой продукции

Система, используя компьютерное зрение, способна значительно повысить операционную эффективность и пропускную способность производственных линий без ущерба для качества выпускаемой продукции.
Алгоритм проводит анализ видео и фото продукции на необходимом для проверки качества этапе и определяет дефектные изделия. Система подает автоматическое оповещение для отсеивания соответствующего бракованного изделия.

Эффект

до 7 п.п.
Снижение уровня брака
Рост прибыльности
до 5%

Планирование объемов производства через прогноз спроса

Решение на базе машинного обучения учитывает, экономические и сезонные условия, динамику цен на производимую продукцию, анализирует исторические данные спроса и особенности логистики и хранения продукции. Применение данной системы позволяет динамически управлять такими факторами как: маржинальность производства, издержки хранения, отвлечения средств и требования к хранению, на основе анализа которых формируются рекомендации по наиболее оптимальному планированию логистики и хранения.

Эффект

до 15%
Сокращение издержек на хранение

Построение системы безопасности

Инструменты на базе машинного обучения позволяют снизить уровень аварийности на промышленных объектах. Например, специальная система видеонаблюдения на базе ML способна определить отсутствие каски или жилета на работнике. Также модель способна спрогнозировать ЧП, сопоставляя историю происшествий с типом объекта, погодными условиями, временем суток, сезоном и пр. факторами.

Эффект

Сокращение расходов на ликвидацию последствий от несчастных случаев

Логистика
Телеком