Andon shop-floor: AI sugeruje przyczynę awarii — czas naprawy -52%

Sytuacja przed wdrożeniem

Fabryka motoryzacyjna (komponenty zawieszenia), 380 osób. Linia produkcyjna z 24 stanowiskami, system andon (operator dzwoni dzwonkiem, gdy jest problem). Technik podchodził, diagnozował 38 min średnio, naprawiał. Roczne downtime: 740 godz. = 2.8 mln zł utraconej produkcji.

Co zrobiliśmy

• Operator wciska andon → AI dostaje sygnał + ostatnie 60 min danych z czujników wszystkich elementów tej linii (vibracje, temperatura, prąd, ciśnienia, alarmy SCADA).
• AI porównuje z bazą historycznych awarii (8 lat danych).
• Generuje TOP 3 najbardziej prawdopodobne przyczyny:
• 1. "75% prawdopodobieństwo: zatkany filtr hydrauliczny w stanowisku 14 (vibracja w osi Y wzrosła o 18%, ciśnienie spadło 4 bar)".
• 2. "18%: zużyte łożysko wrzeciona 7 (temperatura wzrosła o 12°C)".
• 3. "5%: błąd PLC".
• Sugeruje też procedurę: "1. Zatrzymaj stanowisko 14. 2. Sprawdź filtr (lokalizacja: pod stołem). 3. Jeśli filtr zatkany, wymień (czas 4 min, koszt 78 zł). 4. Uruchom test 5-cykli".
• Technik podchodzi z briefem do telefonu, naprawa średnio 18 min.

Rezultat

Średni czas diagnozy + naprawy: z 38 min na 18 min (-52%). Roczne downtime: z 740 godz. na 320 godz.. Produkcja zwiększona o 5.7% (przy tych samych obrabiarkach). Technicy są lepsi — uczą się od AI, znają coraz więcej awarii (knowledge transfer). Oszczędność: 1.6 mln zł/rok.