Как я научил ИИ читать советские ГОСТы и сократил подготовку карт контроля с 2 часов до 5 минут
Реальный кейс: как LLM заменяет трех технологов на металлургическом заводе — и почему «универсальный подход» не сработал. Вначале было... 2 часа на одну карту контроляПредставьте металлургическое предприятие полного цикла: 3200 человек и 4500 тыс номенклатуры, которая все время добавляется....Как раньше происходила подготовка к испытаниям? Технолог открывал ГОСТ (или ОСТ, или другой нормативный документ), находил таблицу, подставлял в нее параметры номенклатуры, например, диаметр поковки. Находил нужное значение контроля и записывал в карту ... Дальше технолог повторял эту процедуру для 40+ параметров контроля.
Экспертная система в отраслях: почему человеческий фактор остается ключевым
Несколько раз бывало, что меня привлекали на поздних стадиях к провальным проектам, по крайней мере три раза отчетливо помню детали по крупным проектам. Тогда работал на металлургическом комбинате, занимался качеством сортовых и фасонных профилей - уголки, балки, рельсы, сортовая заготовка и ещё сотня наименований в прокатных цехах. А прокатный цех это вершина технологий и опыта металлургии, выше не было.
Плохо прогнозируемые эффекты при внедрении ИИ — ключевой барьер для 61% промышленных предприятий
Совместное исследование ФГАУ «Цифровые индустриальные технологии» (ФГАУ «ЦИТ») и ИТ-компании К2Тех на выставке ИННОПРОМ показало, что ключевым барьером при применении ИИ являются плохо прогнозируемые эффекты. Также респонденты называли проблемы с кибербезопасностью, кадрами, нехваткой реальных кейсов, неготовностью ИТ-инфраструктуры. Но даже плохо прогнозируемые эффекты являются главным стимулом для компаний применять ИИ — предприятия поделились, каких эффектов они ожидают.
