Система управления производством (MES) для завода пищевой промышленности

Клиент: Крупный завод пищевой промышленности (15 линий)

Задача

Завод производил 1200 тонн продукции в день на 15 полностью автоматизированных производственных линиях упаковки, но терял 8–10% времени на необъяснённые простои. Линия могла стоять 2–3 часа, пока кто-то не заметил. Планирование производства делалось в Excel с разделением по отделам: завсклада не координировался с планировщиком, часто возникали конфликты (материал закончился) или пустые окна (ждут заказа). Брак выявляли только на финальной проверке, после чего переделка обходилась в 150–200k рублей за партию. Срок поставок часто срывались потому что невозможно было в реальном времени узнать когда линия свободна.

Решение

Разработали и внедрили полнофункциональную MES (Manufacturing Execution System) с интеграцией всех 15 линий. Архитектура: на каждый станок установлены IoT-датчики (температура прессового цилиндра, давление воздуха, вибрация, скорость ленты), они передают 500+ параметров каждую секунду через MQTT в InfluxDB. ML-модель на TensorFlow обучена на 3 года истории отказов линий и может предсказать отказ за 2–4 недели до события. Система контролирует качество на выходе каждого этапа производства (камера компьютерного зрения, датчики веса), автоматически стопит линию если параметр выходит за пределы. Диспетчер видит в режиме реального времени в Grafana дашборде: состояние каждой линии, прогноз отказов, текущий прогресс заказов. Планирование автоматическое: система учитывает заказы, доступность материалов, состояние линий и рекомендует оптимальный график выпуска на неделю, учитывая сроки и приоритеты.

Результаты

Метрики которых достигли благодаря реализации проекта

35%

сокращение простоев (с 8–10% до 5–6% от времени) за счёт предсказания отказов

28%

рост пропускной способности завода за счёт оптимизации графика и исключения простоев

22%

снижение брака благодаря контролю качества на каждом этапе и немедленной остановке

3.5 дня

сокращение цикла от заказа до поставки готового товара (было 5.2 дня)

8.2 млн руб

экономия в год: 6 млн на предотвращённых простоях, 2.2 млн на сокращении брака

420 млн руб

дополнительной выручки за год благодаря 28% росту объёма при той же базе

Технологии

Python C# PostgreSQL InfluxDB Grafana MQTT TensorFlow React Docker OpenCV

Продолжительность проекта

4 месяца

Размер команды

7 специалистов

Отрасль

Производство и промышленность

Услуги

MES Implementation, IoT Integration, Data Analytics, Process Automation, AI/ML

"Первый месяц после внедрения диспетчеры не верили в рекомендации по графику — казалось, что система слишком агрессивная. Но она была права: за полгода простои упали с 9% до 6%, выручка выросла на 420 млн. И больше нет паники из-за внезапных отказов — мы видим проблему за месяц и успеваем отремонтировать в выходной. Это избавило завод от срывов сроков."

Валерий Иванов

Начальник производства

Похожая задача?

Расскажите о вашем проекте — поможем реализовать результаты как в этом кейсе

Обсудить проект