case #3

Разработка и сайтыИскусственный интеллект

Тимокс

Основными потребителями стали предприятия металлургии, лесного и строительного комплекса, обрабатывающих и добывающих отраслей из различных регионов РФ. В номенклатуру выпускаемой продукции входят вакуум-разливочные ковши, литейные машины, редукторы различного назначения, грузоподъемные механизмы, технологическая оснастка, запасные части для ремонта оборудования различного типа.

The challenge

Есть крупные гос корпорации, которые используют иностранное оборудование, это оборудование выходит из строя и нет возможности приобрести детали для ремонта, в следствие чего они заказывают такие детали у российских производителей, все происходит через тендерную закупку. В качестве тендерной документации предоставляются чертежи различного качества (старые/потертые, на сканах очень много шума (тоннер, краска и тп), качество сканирование низкое). По этим чертежам технологам Тимокс необходимо было сделать просчеты норм времени, какие производственные операции необходимо совершить, чтобы произвести эти детали, а также выяснить себестоимость работ и возможно ли эти детали произвести на оборудовании, которое есть у Тимокс Задача №1. Быстрый расчет норм времени на производство деталей. Расчет занимал до нескольких дней и недель. Задача №2. Понять себестоимость выпускаемой продукции, чтобы правильно рассчитать стоимость отгрузки детали и сформировать коммерческое предложение. Потому как некоторые детали уникальные, на них нет серийного производства, рынок не знает отпускных цен и не понимает себестоимости Задача №3. Понять, а возможно ли произвести эту деталь на оборудовании, которое имеется у Тимокс. Основные проблемы: - очень долгий расчет и отрыв технолога от основных обязанностей - из-за долгого расчета терялось до 20% контрактов - работа в минус из-за отсутствия понимания себестоимости и рыночной цены

What we did

Решение: Шаг 1: Внедрили ИИ-ассистента локально на серверах Шаг 2: Обучили его на ГОСТах, производственных нормах, исторических данных Шаг 3: Интегрировали в 1С — привычную среду технолога Шаг 4: Добавили модуль анализа чертежей и обработки изображений Шаг 5: Реализовали оценку производственной пригодности В результате: - Расчёт норм времени — от 1 до 3 минут - Погрешность — не более 5% - Автоматическое извлечение информации с чертежей — точность 85% - Точность расчёта себестоимости резко возросла - Определение пригодности оборудования — 99% случаев - Уменьшилась нагрузка на ключевых сотрудников

Where else it applies

- Машиностроение, где поступают заявки с чертежами - Мебельные и металлоконструкционные компании (с нестандартными заказами) - Проектные бюро и инжиниринговые компании - Заводы с малосерийным производством - Окна/двери — расчет по чертежу, выдача КП - Интеграторы, участвующие в тендерах с неструктурированными входными данными

Want to discuss a similar project?

More case studies

Automation case for Производство металлопластиковых окон (под NDA). 1С, Разработка и сайты, Искусственный интеллект. Delivered by Technologies and Business
Разработка и сайтыИскусственный интеллект

Производство металлопластиковых окон (под NDA)

Проблема клиента: Менеджеры взаимодействуют с дилерами, которые присылают заказы в произвольной форме — таблицы Excel, PDF, сканы, фото от руки.

Read case study
Automation case for Производство и обслуживание подвижного состава (под NDA). 1С, Разработка и сайты, Искусственный интеллект. Delivered by Technologies and Business
Разработка и сайтыИскусственный интеллект

Производство и обслуживание подвижного состава (под NDA)

В ДЕПО возникла критическая нехватка специалистов по техническому осмотру локомотивов.

Read case study
Automation case for Крупное ГУП (под NDA). 1С, Разработка и сайты, Искусственный интеллект. Delivered by Technologies and Business
Разработка и сайтыИскусственный интеллект

Крупное ГУП (под NDA)

Проблема клиента: Организация ежедневно получает огромный объем входящих документов: УПД, акты, счета-фактуры, договоры, счета и пр.

Read case study