В прошлой статье я написал, что «Северсталь» получила свыше миллиарда рублей экономии на ИИ, а «Р-Фарм» сокращает R&D с трёх лет до двух месяцев, и это не где-то там, в «будущем», а прямо сейчас, в 2024-м. Но, как водится, настоящая дискуссия начинается в комментариях.
Пока одни хлопают по плечу, мол, «круто, Виктор», другие (и правильно!) спрашивают:
- А за счёт чего у них такая экономия?
- И что, это реально применимо у нас, на земле, а не только в корпорациях?
- И вообще, покажи, как считать эту самую «экономию», а то всё это напоминает бухгалтерское шаманство.
Ну что ж, ловите историю в деталях. Я люблю не голые цифры, а чтобы было понятно, где здесь правда жизни.
Как миллиард превращается в реальную выгоду?
Случай из металлургии
Был у них обычный прокатный стан, если, кто когда-то бывал на заводах, понимаете, какая это вечная битва за качество. Раньше трещины на рулоне искали глазами и приборами уже после того, как металл уехал на склад. Как итог 1,3% продукции на доработку, что-то и вовсе в переплавку. Казалось бы, мелочь, но на масштабе комбината это минус десятки миллионов рублей каждый год.
Что сделали?
Поставили две промышленные камеры, обучили нейронную сеть для решения задач компьютерного зрения YOLOv8 на тысяче с лишним фотографий брака, и подключили всю эту историю напрямую к системе управления производственными процессами (MES). Теперь если где-то всплыла микротрещина, автомат тут же останавливает линию, технолог подходит, чинит, и только потом продукция идёт дальше. За год брак упал с 1,3% до 0,5%. И вот тут начинается простая арифметика: каждые 0,1% брака - это примерно 3,3 миллиона рублей. То есть экономия получилась 26 миллионов рублей за год. Затраты? Примерно 4,5 миллиона на разработку и внедрение. За квартал всё уже окупилось, дальше только в плюс.
Вот и вся «магия». Камера, нейросеть и желание довести свой продукт до ума.
А как это может работать у малого бизнеса?
Давайте смоделируем ситуацию, максимально близкую к реальности. Допустим, у нас есть небольшой завод по выпуску кофе-капсул: цех, штат человек пятьдесят. Типичная история: часть капсул выходит «пустыми», то есть внутри нет кофе. Проблема знакомая для любой фасовки или пищевого производства.
Что бы я порекомендовал в такой ситуации?
По аналогии с «Северсталью» ставим простую камеру (например, на базе Raspberry Pi или на обычном ПК или даже на ноутбуке), подключается open-source нейросеть (снова YOLO, которую любой студент, который учится на ML разработчика, может дообучить на ваших фотографиях брака), и вся эта система начинает следить за капсулами прямо на линии.
Стоимость? По рынку: камера с контроллером 60–80 тысяч рублей, работа ML-специалиста ещё 30–50 тысяч. Всего, условно, до 120 тысяч.
Эффект? Если изначально брак был, допустим, 1,3%, а после внедрения стал 0,5%, на объёмах даже малой линии экономия выходит заметная. Себестоимость одной капсулы пусть 3 рубля, а выпуск 250 тысяч штук в месяц. За 20 месяце подобная система себя полностью окупит, а дальше только чистая прибыль.
И вот что самое интересное, никаких подписок по 300 долларов, никаких «умных» интеграторов. Всё на коленке, по-нашему.
Теперь про вопросы в комментариях
Первый от Тимура:
«Виктор, где тут реальная механика, не просто цифры?»
Вот она: камера + модель = меньше брака и меньше штрафов. Если раньше дефект уходил клиенту, теперь он даже с завода не уезжает. Это и есть реальная экономия, а не танцы с цифрами.
Второй от Дениса:
«Северсталь молодцы, но сколько это стоит тем, у кого не три смены в цехе, а одна?»
Ответ: как раз для таких и приведён пример с кофе-капсулами. Здесь порог входа сто тысяч, а не миллионы. Всё зависит не от размеров предприятия, а от наличия проблемы и желания её решать.
Третий от Алексея:
«Счёт лукавый, покажи формулу, чтобы не гадать.»
Без проблем. Вот моя любимая формула (её же можно найти в исследовании, если кто любит первоисточники):
Экономия/мес = (Брак ДО – Брак ПОСЛЕ) × Объём (мес) × Себестоимость (руб)
Окупаемость (мес) = CAPEX / Экономия/мес
Вставил свои данные - получил срок возврата. Если окупаемость больше года, то ищите другое узкое горлышко.