Как понять, нужен ли вам ИИ на производстве — честный чеклист от того, кто внедрял

Я делаю промышленное оборудование с 2014 года. Конвейеры, системы стыковки, механика. Последние два года внедряю на производства компьютерное зрение и ИИ-автоматизацию. Вот что я понял за это время.

Большинство заводов, с которыми я работал, начинают с одного и того же: «Давайте поставим ИИ». Куда — непонятно. Зачем — потому что все ставят. Результат — пилот, который никогда не доходит до прода.

Вот 5 вопросов, которые я задаю себе перед каждым проектом. Если хотя бы на один ответ «нет» — лучше не лезть.

1. Есть ли повторяющаяся задача, которую делают глазами?

Пример: на одном предприятии оператор 8 часов в смену смотрит на детали и отбраковывает дефектные. После обеда у него глаза замыливаются. Пропуск брака растёт в 3 раза. Это идеальная задача для компьютерного зрения — камера не устаёт.

2. Сколько стоит ошибка?

Если пропущенный дефект — это возврат партии на 700 тысяч, внедрение окупается за месяц. Если ошибка — это переделка на 300 рублей, то никакой ИИ это не окупит. Считайте деньги, а не тренды.

3. Есть ли данные?

Нейросеть учится на примерах. Нет фоток дефектов — нет модели. На практике минимум — 500 размеченных изображений на класс. Меньше — модель будет угадывать, а не распознавать. Кстати, сбор данных часто занимает больше времени, чем само внедрение. Об этом никто не предупреждает.

UPD. Сейчас внедряем модель, которая работает от обратного: показываешь ей только хорошие детали, а она сама учится видеть отклонения. Никакой разметки дефектов, никаких 500 примеров брака — достаточно примеров нормы. Порог входа по данным кратно ниже, но пока тестим.

4. Готовы ли люди на местах?

Самое сложное — не технология. Самое сложное — мастер смены, который работает 20 лет и считает, что его хотят заменить. Если не проработать этот момент до внедрения, систему будут саботировать. Не специально — просто не будут пользоваться.

5. Можно ли начать с малого?

Лучший первый проект — одна камера, один конвейер, один тип дефекта. Не пытайтесь автоматизировать всё сразу. Мы начинали с обнаружения трещин на металлических заготовках. Одна задача, понятный результат, быстрый запуск. Потом масштабировали.

Итого: ИИ на производстве — не про моду. Это про конкретную задачу, которую дешевле решить машиной, чем человеком. Если такой задачи нет — не надо ничего внедрять.

Если есть вопросы по конкретным кейсам — пишите в комментарии. Расскажу, где ИИ реально работает, а где пока рано.