Как мы оцифровали мат на заводе. ИИ-Диагност, который чинит станки и спасает от простоя

На производствах есть дикая проблема. Когда встает линия ЧПУ, завод начинает терять сотни тысяч рублей в час. Но самое смешное — это то, как эту аварию пытаются чинить.

Обычная ситуация: у оператора Васи на пульте станка загорается красная ошибка. Вася не пишет служебные записки. Вася звонит диспетчеру и орет матом, что шпиндель горячий и план горит. Диспетчер ищет механика. Механик идет через весь цех (минут 15), смотрит на пульт, чешет репу. Потом идет в подсобку, листает бумажный мануал на 500 страниц. Понимает, что сгорел кулер. Идет на склад, оформляет бумажку, берет кулер, возвращается к станку. Прошло 2 часа. Линия стоит. Деньги сгорают.

Вчера ковырял архитектуру, чтобы выжечь эту рутину. Задача — сделать так, чтобы механик шел к станку ОДИН раз и уже с нужной деталью.

Начинаем смотреть внутрянку процесса. Главное узкое горлышко — это диагностика и поиск запчасти.

Почему здесь сдохнут обычные no-code костыли типа Make или Zapier? Потому что нам нужно переварить тяжелые данные. Распознать голос, прочитать пиксели с фото, залезть в базу знаний и дернуть склад. Make просто захлебнется по таймаутам. А если писать это голым кодом на Python — при любом отвале API придется полдня ковырять логи в терминале, пока завод простаивает. Поэтому собираем всё на взрослой инфраструктуре — n8n. Она стоит в закрытом контуре, держит нагрузки и дает визуальный контроль. Красный крестик на узле — починил за 2 минуты — работаем дальше.

Наше решение:

1. Вася фоткает экран станка с ошибкой и кидает в рабочий Telegram.

2. Следом записывает голосовое: «Бля, Михалыч, 4-я линия встала, мигает красная херня, вызывай ремонтников!».

3. Внутренняя логика (n8n) ловит это дело. ИИ переводит голос в текст, убирая эмоции и мат. Другая нейросеть читает код ошибки прямо с фотографии экрана (например, EX1009).

4. Дальше система лезет в загруженную базу знаний (строго по PDF-мануалам этого завода, без отсебятины). Находит причину — сбой маслоохладителя.

5. ИИ сам проверяет базу 1С, находит нужный артикул вентилятора и создает сделку в amoCRM.

В итоге диспетчер и механик получают готовый инженерный акт.

Мясо и математика: Мы сократили процесс реакции с 2 часов до 10 секунд. Механик получает пуш в телефон: "Станок 4, сгорел кулер, деталь на стеллаже С-04". Он просто берет деталь и идет чинить. Один предотвращенный час простоя окупает внедрение такой системы на годы вперед. ФОТ дорогих инженеров тратится на ремонт, а не на работу курьером между цехом и складом.

Видео с демонстрацией того, как ИИ переваривает маты и выдает артикул со склада, оставил здесь: https://youtu.be/iuz3vnm142c