AI w produkcji: 10 zastosowań w zakładzie, od najprostszych do najtrudniejszych

AI w przemyśle najszybciej zwraca się nie na hali, tylko w biurze zakładu: przy zapytaniach ofertowych, dokumentacji i zamówieniach. Zastosowania na linii, takie jak wizyjna kontrola jakości czy predykcyjne utrzymanie ruchu, dają duży efekt, ale wymagają danych, czujników i dłuższego wdrożenia. Poniżej 10 zastosowań AI w produkcji, ułożonych od najprostszych do najtrudniejszych, z poziomem dojrzałości, jakiego wymagają.

Poziomy oznaczamy tak:

• Poziom 1: działa na dokumentach i danych, które już masz. Tygodnie, nie miesiące.
• Poziom 2: wymaga integracji z ERP, MES lub CRM i uporządkowanych danych.
• Poziom 3: wymaga danych z maszyn, czujników lub kamer, historii i pracy z inżynierami procesu.

Poziom 1: zastosowania biurowe, szybki start

1. Obsługa zapytań ofertowych

Zapytanie od klienta to zwykle mail z rysunkiem i kilkoma zdaniami. AI wyciąga z niego materiał, ilości, termin i załączniki, zakłada sprawę w CRM i przypisuje ją do handlowca lub technologa. Przy okazji może przygotować listę pytań, których brakuje do wyceny. Handlowiec zaczyna od uporządkowanej karty, nie od przekopywania skrzynki.

To jest też miejsce, gdzie AI łączy się ze sprzedażą: im więcej zapytań przychodzi, tym bardziej opłaca się ich szybka obsługa. Skąd brać same zapytania, opisujemy na stronie o generowaniu leadów dla producentów.

2. Asystent do instrukcji i dokumentacji

Instrukcje maszyn, procedury, karty technologiczne i historia awarii leżą w dziesiątkach folderów. Asystent oparty na wyszukiwaniu w Twoich dokumentach odpowiada na pytanie operatora lub mechanika i podaje, z którego dokumentu i strony pochodzi odpowiedź. Ważne: odpowiedź z cytatem źródła, żeby dało się ją sprawdzić.

3. Odczyt zamówień i dokumentów

Zamówienia od klientów, WZ, specyfikacje i świadectwa materiałowe przychodzą w różnych formatach. AI odczytuje je i przygotowuje dane do ERP, a człowiek zatwierdza to, czego system nie jest pewien. Szczegóły, w tym co zmienił KSeF, opisujemy w artykule Automatyzacja obiegu dokumentów z AI.

4. Dokumentacja jakościowa i raporty 8D

Przy reklamacji ktoś musi zebrać fakty, opisać problem, przyczyny i działania. AI pomaga w szkicu raportu na podstawie notatek, zdjęć i historii podobnych reklamacji. Analizę przyczyn i decyzje nadal robi zespół jakości, ale czas na papierologię wyraźnie spada.

Poziom 2: integracja z systemami

5. Wsparcie wyceny

Na podstawie historii podobnych zleceń (materiał, wymiary, operacje, czasy) AI może zaproponować wstępny koszt i czas realizacji. Technolog weryfikuje i koryguje. Warunek: historia wycen i rzeczywistych czasów musi być zapisana w systemie, a nie w głowach.

6. Prognozowanie popytu

Modele prognozujące na danych sprzedażowych pomagają planować zakupy materiałów i obłożenie. Działają dobrze przy powtarzalnym asortymencie i dłuższej historii. Przy produkcji jednostkowej na zamówienie dają mniej.

7. Wsparcie planowania produkcji

AI może proponować kolejność zleceń, uwzględniając terminy, przezbrojenia i dostępność maszyn. Planista dostaje warianty do wyboru. To zastosowanie wymaga aktualnych danych z ERP lub MES, inaczej plan rozjedzie się z rzeczywistością po pierwszej zmianie.

Poziom 3: dane z maszyn i linii

8. Wizyjna kontrola jakości

Kamera i model rozpoznawania obrazu wykrywają wady powierzchni, braki elementów czy błędy montażu. Wymaga to dobrego oświetlenia, zdjęć wadliwych i dobrych sztuk do uczenia oraz ustalenia, co dzieje się z odrzuconą sztuką. Na start najlepiej sprawdza się jedna, dobrze zdefiniowana wada na jednym stanowisku.

9. Predykcyjne utrzymanie ruchu

Na podstawie drgań, temperatury, prądu i historii awarii model ostrzega, zanim maszyna się zatrzyma. Potrzebne są czujniki, historia danych z okresem obejmującym awarie i zespół utrzymania ruchu, który zaufa ostrzeżeniom. To jedno z najbardziej opłacalnych zastosowań przy kluczowych maszynach, ale też jedno z najdłuższych we wdrożeniu.

10. Optymalizacja parametrów procesu

W procesach takich jak wtrysk, obróbka cieplna czy spawanie AI szuka zależności między parametrami a jakością i proponuje ustawienia. Wymaga dużo danych procesowych i ścisłej współpracy z technologami. Zmiana parametrów zawsze przechodzi przez człowieka i procedurę zatwierdzenia.

Jak wybrać pierwsze zastosowanie

Zadaj trzy pytania:

1. Gdzie ludzie tracą najwięcej czasu na powtarzalną pracę? Zwykle to obsługa zapytań, zamówień i dokumentów.
2. Czy dane już istnieją? Jeśli trzeba najpierw zamontować czujniki, zaplanuj to jako osobny projekt.
3. Kto będzie właścicielem wyniku? Wdrożenie bez osoby, która codziennie z niego korzysta, umiera po pilotażu.

Większość zakładów zaczyna od poziomu 1, bo daje szybki efekt i uczy zespół pracy z AI. Pamiętaj też o obowiązku z art. 4 AI Act, który od 2 lutego 2025 r. wymaga zapewnienia pracownikom odpowiednich kompetencji w zakresie AI. Szerszy plan opisujemy w artykule Jak wdrożyć AI w firmie, a przegląd zastosowań poza produkcją w tekście Jak wykorzystać AI w firmie.

Najczęstsze błędy przy AI w zakładzie

Start od najtrudniejszego. Projekt predykcyjnego utrzymania ruchu na całym parku maszynowym jako pierwszy krok to przepis na długi pilotaż bez efektu. Lepiej zacząć od jednej maszyny krytycznej albo od zastosowania biurowego.

Brak danych o wyniku. Model jakości potrzebuje informacji, które sztuki były wadliwe. Jeśli odrzuty nie są zapisywane z przyczyną, najpierw trzeba to zmienić, a dopiero potem uczyć model.

Narzędzie bez procesu. Asystent do instrukcji, którego nikt nie aktualizuje, po pół roku podaje nieaktualne procedury. Ktoś musi odpowiadać za bazę dokumentów.

Pominięcie ludzi z hali. Operatorzy i mechanicy wiedzą, gdzie powstają problemy. Jeśli nie są włączeni od początku, nie będą korzystać z wyników.

Brak miary sukcesu. Przed startem zapisz, co mierzysz: czas obsługi zapytania, liczba przestojów, odsetek reklamacji. Bez punktu odniesienia nie obronisz projektu przed zarządem.

Ile to kosztuje

Nie podajemy widełek, bo koszt zależy głównie od poziomu dojrzałości. Zastosowania z poziomu 1 opierają się na dokumentach, które już masz, i narzędziach dostępnych w modelu subskrypcyjnym. Poziom 2 dokłada integrację z ERP lub MES. Poziom 3 to często sprzęt (czujniki, kamery, oświetlenie), zbieranie danych przez dłuższy czas i praca inżynierów procesu. Więcej o tym, co składa się na koszt, piszemy w artykule Ile kosztuje agent AI.

Checklista przed pierwszym projektem AI

• Lista 3–5 powtarzalnych zadań z szacowanym czasem tygodniowo.
• Wiadomo, gdzie leżą dane i dokumenty, których system będzie potrzebował.
• Jest właściciel procesu po stronie zakładu.
• Ustalone, które decyzje zawsze zatwierdza człowiek.
• Sprawdzone warunki przetwarzania danych u dostawcy narzędzia.
• Plan krótkiego szkolenia zespołu.

Porozmawiajmy o pierwszym wdrożeniu

Jeśli chcesz sprawdzić, od którego zastosowania zacząć w Twoim zakładzie, umów bezpłatną rozmowę o wdrożeniu AI. Przejdziemy przez Twoje procesy i wskażemy jedno zastosowanie, które da się uruchomić szybko i zmierzyć.