Предиктивное обслуживание оборудования: как ИИ-агент предсказывает поломки и простои

У производственной компании уже был контур учёта: заказы, спецификации, остатки и себестоимость жили в 1С:ERP (ERP, Enterprise Resource Planning — планирование ресурсов предприятия), выработка и сменные задания — в MES (Manufacturing Execution System — система управления производством). Системы работали, отчёты строились, но техническое обслуживание и ремонт (ТОиР) оставались за периметром: журнал у мастера, таблица в Excel, телефонный звонок механику и надежда на опыт человека, который помнит, какой подшипник на какой машине «ходит» третью зиму.

Речь не о том, что ИИ заменит главного механика или отменит планово-предупредительный ремонт. Речь о другом: сегодня решение «лезть в узел или подождать» принимается по ощущению и по календарю, а не по данным. ИИ-агент — это программа, которая по заданному правилу сама читает документы и данные оборудования и выполняет шаги; он не крутит гайки и не останавливает линию, он собирает основание для решения, которое принимает человек.

Ниже — как такой агент встраивается поверх 1С:ERP и системы управления производством, что именно он читает, куда возвращает результат, какие риски это снимает и сколько часов возвращает. Отдельно — что остаётся за человеком и где граница: агент не выдаёт разрешение на работу и не отменяет требования промышленной безопасности.

Коротко: что меняет ИИ в обслуживании оборудования

ИИ-агент поверх 1С:ERP и системы управления производством читает наработку, историю ремонтов и телеметрию, сопоставляет их с нормой и заранее показывает узел, который идёт к отказу. Он готовит заявку на ремонт с приоритетом и потребностью в запчастях; решение об остановке и объём работ подтверждает мастер.

Содержание

• Почему поломка видна поздно
• Что съедает время между сигналом и решением
• Что делает ИИ-агент поверх 1С:ERP и системы управления производством
• Какие риски это снимает
• Сколько часов это возвращает
• Что остаётся за человеком
• Как это выглядит на практике
• Как внедрить поэтапно
• Что в итоге

Почему поломка видна поздно

Между системой и решением об остановке нет слоя данных. 1С:ERP знает, что заказ горит и что до отгрузки четыре дня. Система управления производством знает, что линия выдала 82% плана за смену. Но ни там, ни там нет ответа на вопрос, который на самом деле решает исход недели: какой узел сейчас идёт к отказу и сколько дней у нас есть. Данные о состоянии оборудования живут отдельно — в журнале, в памяти мастера, в лучшем случае в файле, который никто не сводит с выработкой.

Вторая причина — сам регламент. Планово-предупредительный ремонт (сокращённо ППР) устроен по календарю: раз в месяц, раз в квартал, раз в год. Календарь не знает, что конкретный насос отработал 1 400 часов в непрерывном режиме и что прошлая партия подшипников оказалась слабее. В результате одно и то же оборудование обслуживают и слишком часто — меняют живой узел, тратя деньги и окно остановки, — и слишком редко, когда ресурс выработан раньше срока.

Третья причина — износ фонда. По данным Росстата, степень износа машин и оборудования в обрабатывающих производствах на конец 2024 года составляла 63,0%, по предварительной оценке на конец 2025 года — 62,2%; износ всех основных фондов отрасли — 54,1%. Это не абстрактная цифра: чем выше износ, тем меньше запаса между «работает» и «встал», и тем дороже каждая ошибка в выборе момента ремонта.

Цена такой ошибки измеряется не в ремонтных часах, а в производственной мощности. По оценке Deloitte, плохие стратегии обслуживания снижают общую производственную мощность предприятия на 5–20%, а незапланированные простои обходятся мировой промышленности примерно в 50 млрд долларов в год. Пять–двадцать процентов мощности — это не «немного», это разница между прибыльным кварталом и работой в ноль.

И последнее: пока данные об отказах не собираются, предприятие не учится. Каждый ремонт заканчивается записью «заменили подшипник», без узла, причины, наработки и версии, а через год никто не может сказать, что именно ломалось чаще. Данные для предиктивного обслуживания не появляются сами — их нужно начать фиксировать, и это делается до всякой модели.

Что съедает время между сигналом и решением

Процесс выглядит безобидно, пока не разложить его по шагам. На каждом шаге кто-то идёт, звонит, ищет или ждёт, и всё это время линия стоит или работает «на последнем ресурсе».

1. Обход. Оператор или механик обходит оборудование два раза в смену. Между обходами состояние никто не видит: посторонний шум, нагрев, вибрация появляются и нарастают в промежутке.
2. Фиксация на бумаге. Замечание пишется в журнал или говорится вслух. Дальше оно либо доходит до мастера, либо живёт в памяти до конца смены, а при передаче смены теряется.
3. Диагностика. Механик приходит, слушает, трогает, вспоминает похожий случай. Это самый квалифицированный и самый дефицитный труд на предприятии — и он тратится на выяснение того, что можно было увидеть по данным.
4. Заявка и согласование. Заявка на ремонт идёт мастеру, мастер — начальнику участка, начальник участка согласует остановку с производством. Каждое согласование — телефонный звонок и ожидание ответа.
5. Поиск запчасти. Кладовщик смотрит остатки, снабженец ищет поставщика, выясняется, что нужного узла нет и срок поставки — три недели. Именно здесь чаще всего и возникает длинный простой.
6. Ожидание окна. Остановить линию «прямо сейчас» дорого: срывается смена, заказ уезжает. Ремонт откладывают до удобного момента — и он случается уже аварией.
7. Разбор после факта. Когда оборудование встало, все собираются, выясняют причину и договариваются, как больше не допустить. Через месяц история повторяется с другим узлом.

Дальше в этот процесс добавляется фактор, который усиливается каждый год. По данным отчёта Siemens «The True Cost of Downtime 2024», средние потери предприятия от незапланированных простоев составляют 27 часов в месяц (в 2019 году было 39 часов), то есть около 326 часов в год, а среднее время восстановления производства после остановки выросло с 49 до 81 минуты за пять лет. Авторы объясняют рост именно разрывом в знаниях: уходят опытные специалисты, и то, что раньше чинилось «по слуху» за полчаса, теперь диагностируется дольше.

Что делает ИИ-агент поверх 1С:ERP и системы управления производством

Агент не заменяет учётную систему и не встаёт вместо неё. Он читает то, что в системах уже есть, добавляет к этому данные оборудования и возвращает результат обратно — в ту же 1С:ERP и в рабочий чат мастера. Контур замыкается: сигнал → вывод → заявка → ремонт → запись в историю.

1. Читает наработку и режимы. Из системы управления производством — выработку, сменные задания, количество циклов; из журналов и контроллеров — часы работы, температуру, вибрацию, давление, если датчики есть. Если датчиков нет, агент работает на наработке и истории отказов: этого достаточно для первого контура.
2. Читает историю ремонтов и заявок. Из 1С:ERP и журнала ТОиР — что меняли, когда, на какой наработке, с какой причиной. Это самый недооценённый источник: даже год аккуратных записей показывает, какие узлы отказывают системно, а какие — случайно.
3. Сопоставляет с нормой и с прошлыми отказами. Для каждого узла есть нормативный ресурс и фактическая история. Агент считает отклонение и сравнивает профиль работы с профилем перед прошлыми отказами: та же вибрация, тот же рост температуры, та же просадка производительности.
4. Находит аномалию и оценивает срок. Результат — не «сломалось», а «узел 4 насоса: отклонение от нормы, по истории похожие профили заканчивались отказом через 6–12 дней». С основанием: какие признаки, за какой период, на какой наработке.
5. Сверяет потребность со складом. По спецификации узла смотрит остатки в 1С:ERP и показывает, чего не хватает. Если запчасти нет, риск пересчитывается: длинный простой будет не из-за ремонта, а из-за срока поставки — и это видно заранее, а не в момент аварии.
6. Готовит заявку на ремонт с приоритетом. Черновик заявки: оборудование, узел, основание, предлагаемое окно, потребность в запчастях и людях. Заявка попадает в 1С:ERP и в чат мастеру — с пометкой, что это предложение, а не распоряжение.
7. Пишет в историю. После закрытия заявки агент фиксирует, что сделали и подтвердился ли прогноз. Без этого шага система не учится: именно накопленная история отличает работающий контур от демонстрации.

Отдельно про то, чего агент не делает. Он не отдаёт команды контроллерам и не управляет оборудованием: это зона автоматизированной системы управления технологическими процессами (АСУ ТП), и смешивать её с аналитикой нельзя. Он не останавливает линию, не выдаёт наряд-допуск и не принимает решение о годности узла. Он не подменяет требования промышленной безопасности и не отменяет обязательные экспертизы — на опасных производственных объектах порядок работ определяется регламентом и надзором, а не прогнозом модели.

Какие данные нужны на старте

Начинать с большого проекта по датчикам не нужно. Первый контур собирается из того, что есть в системах, и расширяется по мере пользы.

• Наработка и выработка — из системы управления производством и сменных заданий.
• История ремонтов и заявок — из 1С:ERP, журналов ТОиР, актов выполненных работ.
• Спецификации узлов и остатки — из 1С:ERP, чтобы прогноз сразу давал ответ про запчасть.
• Сменные журналы операторов — как есть: скан или таблица, агент разберёт и приведёт к общему виду.
• Телеметрия — опционально: там, где датчики уже стоят, и на критичных узлах, где простой дороже установки.

Какие риски это снимает

Авария вместо планового ремонта

Самый дорогой сценарий — не поломка, а поломка в неподходящий момент: линия встала в середине смены, заказ на отгрузку завтра, ремонт идёт ночью и в сверхурочные. По данным Siemens, среднее время восстановления производства после остановки — 81 минута, и это средняя по промышленным предприятиям; на сложном оборудовании счёт идёт на смены. Прогноз за 6–12 дней превращает аварию в плановую работу в согласованное окно.

Срыв отгрузок и неустойка по договору

Простой линии — это не только недопроизводство. Это сдвиг отгрузки, разговор с заказчиком и, если договором предусмотрена ответственность за просрочку, — неустойка. Отдельно считаются потери, которые в отчёте не видны: заказчик, которому второй раз подряд сдвинули срок, уходит к тому, кто отгружает в срок. Риск здесь не в сумме одной неустойки, а в потере повторных заказов.

Дорогой внеплановый ремонт

Внеплановая работа всегда дороже плановой при том же объёме: срочная доставка запчасти, сверхурочные, работа «в две бригады», простой соседнего оборудования. Если узел меняют в аварийном режиме, чаще страдают смежные детали — а это уже другой чек и другой простой.

Зависимость от опыта конкретного человека

Пока диагностика живёт в голове мастера, предприятие зависит от его отпуска, больничного и перехода на другое место. Siemens прямо связывает рост времени восстановления с 49 до 81 минуты с разрывом в знаниях после ухода опытных специалистов. Агент не заменяет мастера, но переносит часть его опыта в историю: что уже ломалось, на какой наработке, что помогло.

Потеря управляемости и прозрачности

Без истории отказов невозможно ответить на простые вопросы: какой узел даёт треть простоев, стоит ли держать его на складе, что дешевле — менять по регламенту или по состоянию. Решения принимаются по впечатлению, а бюджет на ТОиР распределяется по привычке. Прозрачность появляется тогда, когда у каждого простоя есть причина, узел и стоимость.

Промышленная безопасность на опасных объектах

Если узел входит в состав опасного производственного объекта (ОПО), его отказ — это не только простой, но и потенциальный инцидент с последствиями для людей и производства. Предиктивный контур здесь работает как дополнительный слой контроля: отклонение видно раньше, чем оно станет событием. Но ответственность и порядок работ остаются у эксплуатирующей организации, и никакая модель эту ответственность не переносит на себя.

Сколько часов это возвращает

Часы — уже следствие. Первым считается риск, вторым — деньги, и только потом время, которое освобождается у людей. Ниже прозрачная модель на типовых вводных площадки: 180 единиц оборудования, 22 внеплановые остановки в месяц, средняя длительность остановки 95 минут, маржинальная прибыль участка около 7 500 ₽ за час работы.

| Показатель | Вручную | С агентом | | Время от отклонения до заявки на ремонт | 1–3 дня, до ближайшего обхода | 15–30 минут после появления отклонения | | Формат истории отказов | журнал и память мастера | запись в 1С:ERP: узел, причина, наработка | | Планирование работ службы | около 137 часов в месяц | 103–110 часов в месяц | | Средняя длительность внеплановой остановки | 95 минут | 78–86 минут | | Обоснование выбора момента ремонта | опыт и календарь | отклонение, история, срок до отказа | | Видимость потребности в запчасти | в момент поломки | заранее, вместе с прогнозом |

Арифметика простая и открытая. Двадцать две остановки по 95 минут — это около 35 часов простоя в месяц. При маржинальной прибыли 7 500 ₽ за час недопроизводство стоит около 262 000 ₽ в месяц. Оценка Deloitte по доступности оборудования — рост на 10–20%, то есть сокращение внепланового простоя на те же 10–20%: это 3,5–7 часов, или 26 000–52 000 ₽ в месяц на одной площадке.

Второй блок — время инженеров. Четыре инженера и мастер тратят на сбор данных, сверку журналов и планирование около 8 часов в неделю каждый, то есть примерно 137 часов в месяц. Оценка Deloitte по времени планирования — сокращение на 20–50%: остаётся 103–110 часов, освобождается 27–68 часов. При стоимости часа инженера около 1 100 ₽ это 30 000–75 000 ₽ в месяц.

Итого по площадке: 56 000–127 000 ₽ в месяц, а на трёх площадках такого же масштаба — 170 000–380 000 ₽ в месяц. Это не обещание результата, а расчёт на вводных выше: если у вас простой стоит дороже или служба больше, цифры будут другими — важна не сумма, а то, что она считается до внедрения, а не после.

Отдельно считается эффект, который в эти суммы не попал: снижение затрат на обслуживание на 5–10% по Deloitte — это про меньшее число замен «на всякий случай», когда ресурс узла выработан не полностью. На площадке с 180 единицами и годовым бюджетом ТОиР это отдельная строка экономии, которая появляется не сразу, а по мере накопления истории.

Что остаётся за человеком

• Решение об остановке. Агент предлагает окно и приоритет, останавливает производство мастер или начальник участка.
• Диагностика и работа с узлом. Разбор, дефектовка, замена — за ремонтной службой. Агент показывает основание, а не причину с гарантией.
• Разрешительные документы. Наряд-допуск, работы повышенной опасности, требования промышленной безопасности — только люди и только по регламенту.
• Закупка. Заявку агент готовит, заказ поставщику и оплату подтверждает человек.
• Оценка качества ремонта. Подтвердился прогноз или нет — фиксирует мастер; агент принимает эту отметку как факт, а не спорит с ней.
• Изменение регламента ППР. Переход от календаря к обслуживанию по состоянию — управленческое решение, и принимается оно по накопленной статистике, а не по первой удачной модели.

Как это выглядит на практике

В нашей практике был контур на производственной компании, которую мы вели по индивидуальной программе под задачи производства: доступ к данным, разбор процессов обслуживания и планирования, пилот на участке. Рамка проекта — диагностика, определение узкого места, сбор данных из учётных систем и первая версия агента, которую можно проверить на реальных заявках.

Своих замеров «до и после» по этому контуру у нас нет, и мы не будем выдавать оценку за факт: в проекте не было методики измерения эффекта, а самооценки участников эффектом не считаются. Что можно утверждать по факту: данные для такого контура обычно уже есть в системах, узкое место находится на первом же разборе, а основная работа — не в модели, а в приведении истории ремонтов в вид, по которому можно считать.

Поэтому цифры в этой статье — отраслевые бенчмарки и прозрачный расчёт, а не результат конкретного завода. Разница принципиальная: бенчмарк говорит, сколько меняется в среднем по отрасли, расчёт показывает, что это значит на ваших вводных, а собственный результат появляется только после пилота с замером.

Как внедрить поэтапно

1. Разбор простоев за последние 6–12 месяцев. Что стояло, сколько, почему. На этом шаге обычно выясняется, что 30–40% часов простоя дают 3–5 узлов.
2. Приведение истории в порядок. Узлы, причины, наработка — в единый справочник в 1С:ERP. Без этого шага любая модель будет гадать.
3. Выбор пилота. Один участок и 10–20 критичных единиц оборудования, где простой дороже всего и данные доступны.
4. Первая версия агента на существующих данных. Наработка, история отказов, выработка, остатки. Без новых датчиков — чтобы проверить пользу до затрат на железо.
5. Проверка на прошлом. Агент прогоняется по истории: показал бы он отказ за 6–12 дней до факта? Если нет — правила и признаки правятся, а не «объясняются» задним числом.
6. Встраивание в контур заявок. Черновик заявки в 1С:ERP, уведомление мастеру, фиксация подтверждения прогноза. Дальше — расширение на остальное оборудование и, при пользе, датчики на критичных узлах.

Заменяет ли ИИ-агент ремонтную службу?

Нет. Агент читает данные, находит отклонение и готовит заявку с приоритетом, но ремонт делает человек. Он не отдаёт команды оборудованию, не останавливает линию и не подписывает наряд: решение об остановке и объёме работ принимает мастер или главный механик.

Нужны ли датчики на каждом станке, чтобы это заработало?

Нет. Начинать можно с того, что уже есть: наработка из 1С:ERP, история ремонтов и заявок, выработка из системы управления производством, журналы операторов. Датчики вибрации и температуры расширяют картину, но первый контур риска видно и без них — по частоте отказов одного узла и по отклонению наработки от нормы.

Сколько времени экономит предиктивное обслуживание?

По оценке Deloitte, предиктивное обслуживание сокращает время планирования работ на 20–50%, повышает доступность оборудования на 10–20% и снижает затраты на обслуживание на 5–10%. В типовом расчёте для площадки с 180 единицами оборудования это 3,5–7 часов простоя и 27–68 часов работы инженеров в месяц.

Что будет, если агент ошибётся и предскажет поломку, которой не будет?

Будет лишняя проверка узла — это дешевле, чем остановка линии. Поэтому агент не выносит приговор, а показывает, на чём основан вывод: узел, отклонение, история отказов, сколько дней до прогнозируемого отказа. Мастер видит основание и решает, идти на внеплановую проверку сейчас или дождаться планового окна.

Можно ли доверить агенту заказ запчастей?

Можно подготовить заявку, но не оплачивать её. Агент сверяет потребность со складом в 1С:ERP, показывает, чего не хватает, и предлагает количество; заказ поставщику подтверждает человек. Автоматическая закупка без подтверждения — это риск заморозить деньги в неликвидном узле или купить не то.

Что входит в бесплатный разбор стратегии внедрения ИИ?

За 30 минут на ваших данных мы смотрим, какое оборудование даёт основную долю простоев, что уже есть в 1С:ERP и системе управления производством, каких данных не хватает и какие шаги агент может закрыть первыми. Разбор бесплатный и без обязательств.

Что в итоге

Предиктивное обслуживание начинается не с модели и не с датчиков, а с решения фиксировать отказы так, чтобы их можно было считать. Дальше появляется контур: данные оборудования и история ремонтов → агент находит отклонение и оценивает срок → заявка с приоритетом и потребностью в запчастях → решение мастера → запись в историю. Система остаётся, регламент остаётся, ответственность остаётся у людей.

Риски, которые снимаются, называются конкретно: авария вместо планового ремонта, срыв отгрузки и неустойка, дорогой внеплановый ремонт, зависимость от опыта одного человека, потеря управляемости и истории, инцидент на опасном объекте. Деньги и часы — следом: по типовому расчёту это 56 000–127 000 ₽ в месяц на площадке, а на трёх — до 380 000 ₽. И самый ценный результат не в этих суммах: предприятие начинает знать, что именно у него ломается и почему.

Если хотите понять, что из этого применимо к вашему парку оборудования, начните с бесплатного разбора стратегии внедрения ИИ — на нём видно, какие данные у вас уже есть и что можно запустить без новых датчиков.

Источники

• Степень износа машин и оборудования в обрабатывающих производствах: 63,0% на конец 2024 года, 62,2% по предварительной оценке на конец 2025 года; по всем основным фондам отрасли — 54,1%: Основные фонды и другие нефинансовые активы — Росстат (файл «Степень износа основных фондов по видам экономической деятельности», обновлён 25.09.2026).
• Плохие стратегии обслуживания снижают производственную мощность на 5–20%; незапланированные простои стоят промышленности около 50 млрд долларов в год; предиктивное обслуживание сокращает время планирования на 20–50%, повышает доступность оборудования на 10–20% и снижает затраты на обслуживание на 5–10%: Making maintenance smarter: predictive maintenance and the digital supply network — Deloitte Insights, 2017 (отраслевой бенчмарк).
• Средние потери от незапланированных простоев — 27 часов в месяц (в 2019 году — 39 часов), около 326 часов в год; среднее время восстановления производства выросло с 49 до 81 минуты за пять лет; совокупные потери 500 крупнейших компаний мира — 1,4 трлн долларов в год: The True Cost of Downtime 2024 — Siemens (опрос специалистов по обслуживанию и ИТ на промышленных предприятиях).
• Технологии искусственного интеллекта применяют 5,2% крупных и средних российских организаций (на 0,4 п. п. больше, чем в 2024 году), в компаниях с численностью более 500 человек — 17%; примерно каждая вторая организация-пользователь ИИ применяет его в производстве продукции: Крупный бизнес наиболее активно внедряет ИИ — ИСИЭЗ НИУ ВШЭ по данным сплошных обследований Росстата, 2025–2026.

Материалы по теме на сайте: ИИ-агент поверх MES для планирования, качества и простоев, ИИ в производстве: смены, качество и простои, производственный блок 1С:ERP, контроль качества на производстве с ИИ и 1С:MES, нейросети на производстве: диспетчер и технолог, ИИ в машиностроении.