Українська компанія IT-Enterprise приєдналася до європейського проєкту WASABI, щоб побудувати AI-асистента для виробничого підприємства GIPANIS. Розробка має контролювати технологічний процес випуску EVA-компонентів взуття та зменшувати обсяги відходів.
У співпраці задіяні одразу чотири сторони: команда IT-Enterprise, саме підприємство GIPANIS, Агенція сталого розвитку АСТАР та EDIH CLOTEX HUB. Разом вони перевіряють, як штучний інтелект може працювати безпосередньо на взуттєвому виробництві.
У рамках експерименту CIRC-SHOE на GIPANIS запроваджують цифрового асистента AI-WVMA (AI Waste Valorization & Monitoring Assistant). Систему налаштовують під конкретну лінію виготовлення EVA-деталей, і вона працюватиме з реальними даними технологічного процесу на діючому підприємстві.
Проєкт фінансується в межах програми ЄС «Горизонт Європа» (Horizon Europe). Учасники наголошують, що мета не лише створити технологію, а й довести її практичну користь у реальних виробничих умовах.
Ролі між партнерами розподілені так: GIPANIS надає виробничий майданчик і виступає партнером-виробником, IT-Enterprise відповідає за інтеграцію з ERP-системою та аналітичну частину рішення, а Агенція сталого розвитку АСТАР разом з EDIH CLOTEX HUB супроводжують цифрову трансформацію підприємства і допомагають поширювати результати проєкту серед інших виробників.
WASABI цікавий саме тим, що поєднує інтереси всіх учасників проєкту: для GIPANIS це AI-інструмент, який вирішує щоденні виробничі завдання вже зараз, для Агенції сталого розвитку АСТАР — практичний приклад цифрової трансформації, який можна поширювати серед підприємств регіону, а для IT-Enterprise — можливість розвивати AI-технології на реальних промислових даних. Саме тому ми розглядаємо цей проєкт, як модель, яку варто масштабувати на всю галузь
Олександр Очкасов, керівник AI-проєкту IT-Enterprise
Що відбувається на виробничій лінії
Випуск EVA-компонентів вимагає суворого дотримання технологічних режимів. На лінії GIPANIS встановлена інжекційна машина KCLKA EK3–6E2, на якій виготовляють підошви, устілки, сабо, чоботи та інші елементи взуття.
Кінцевий результат циклу залежить від температури, тиску, об'єму впорскування та інших параметрів. Навіть незначне відхилення здатне погіршити якість продукції або спричинити зайві витрати матеріалу й енергії.
Окрема важлива категорія даних — облік відходів. У процесі обробки EVA утворюються ливники, обрізки та бракована продукція. Без системного обліку цих потоків підприємству складно з'ясувати причини втрат, оцінити їхній масштаб і знайти спосіб повторно використати матеріал.
Саме тут штучний інтелект здатен додати виробництву новий рівень контролю.
Як працюватиме асистент
AI-WVMA збиратиме дані безпосередньо з технологічного процесу і стежитиме за ключовими показниками. У разі виявлення відхилень система сигналізуватиме відповідальним працівникам, які матимуть змогу перевірити ситуацію.
Наступний крок роботи асистента — аналіз накопиченої інформації. Порівнюючи різні виробничі цикли, система шукатиме повторювані закономірності та ознаки проблем, які важко помітити під час звичайного контролю.
Такий підхід дозволяє переключитися з реагування на наслідки на раннє виявлення причин збоїв. Якщо технолог отримує сигнал про нетипову поведінку процесу під час циклу, у нього залишається час перевірити обладнання чи скоригувати налаштування, поки проблема ще не вплинула на якість готового виробу.
Для підприємства це потенційно означає менше браку та простоїв, точніше витрачання сировини й енергії, а також кращу керованість виробництва загалом.
Водночас асистент не ухвалює технологічних рішень замість людей і не керує обладнанням самостійно. Його завдання — зібрати дані, проаналізувати їх і своєчасно передати фахівцю інформацію для прийняття рішення.
Чому досвід GIPANIS має значення для галузі
Випробування AI на реальній виробничій лінії, а не в тестовому середовищі, дає точніші дані для подальшого масштабування рішення: саме на живому виробництві видно, наскільки ефективно працюють алгоритми і що варто змінити для їхньої адаптації.
Для легкої промисловості такий досвід може бути корисним у кількох напрямках одразу. Контроль технологічних параметрів стабілізує процес і знижує ризик браку. Аналіз EVA-відходів дає основу для точнішого обліку матеріальних втрат та пошуку варіантів повторного використання сировини. Робота з енергетичними показниками додає дані для оцінки й оптимізації споживання ресурсів.
У результаті підприємство отримує не просто масив цифр, а інструмент, що пов'язує ці показники з конкретними виробничими ситуаціями.
Проєкт має і регіональну перспективу: у Хмельницькій області розглядають можливість поширити рішення ще на 8–12 підприємств протягом двох років. Якщо результати CIRC-SHOE підтвердять очікувану ефективність, підхід зможуть адаптувати й для інших виробництв легкої промисловості.
Для IT-Enterprise участь у WASABI — це також можливість розвивати AI-рішення на справжніх промислових даних і перевіряти їхню роботу в конкретних виробничих процесах. Такий практичний досвід дозволяє переходити від окремих AI-функцій до повноцінних інтегрованих інструментів управління виробництвом.
Довідково
WASABI — європейський проєкт, спрямований на практичне впровадження цифрових та AI-рішень у малому й середньому бізнесі для підвищення ефективності, сталості та конкурентоспроможності.
У межах WASABI реалізується експеримент CIRC-SHOE — створення AI-асистента для взуттєвого виробництва. Проєкт фінансується програмою ЄС «Горизонт Європа» (Horizon Europe) і передбачає впровадження штучного інтелекту на підприємствах у різних країнах світу.
Українська продуктова IT-компанія IT-Enterprise понад 35 років супроводжує цифрову трансформацію найбільших компаній реального сектору економіки країни. Серед її клієнтів — Interpipe, Ferrexpo, Нібулон, ДТЕК, Укроборонпром, Укрпошта, Укрнафта, Укрзалізниця та інші. Компанія розвиває AI-інфраструктуру з 2014 року і має понад 40 проєктів впровадження Industrial AI, а загальний портфель включає понад 1450 реалізованих проєктів у MilTech, агросекторі, енергетиці, ритейлі, виробництві та фінансово-банківській сфері.
Джерело: IT Ukraine Association
