Ai para la producción, gestionada por la planta. No por un desarrollador.
Menos paradas, menos defectos, más producción. Escenarios listos para la industria que se ponen en marcha en 2–4 semanas: mantenimiento predictivo por vibración y sonido, control de calidad mediante cámaras, búsqueda en la documentación técnica, asistente Ai para el operario de línea. Nos conectamos a sus SCADA, MES, 1С:ERP e historiadores de datos — nada sale del perímetro. El ingeniero jefe, el jefe de taller y el tecnólogo configuran, prueban y ajustan la Ai por sí mismos — sin proyectos de TI ni integradores. On-prem, air-gap, 152-ФЗ y auditoría de cada decisión — de serie.
- ⚙ Mantenimiento predictivo
- ◉ Control de calidad por cámaras
- ⛯ SCADA / MES / 1С:ERP
- ⛨ 152-ФЗ · on-prem · air-gap
La Ai en las fábricas hoy es un piloto que nunca llegó al taller.
El departamento de digitalización lanzó un PoC, lo presentó a la dirección y ahí quedó: el modelo vive en el portátil de un científico de datos. La planta sigue trabajando como siempre. Las paradas, los defectos y el sobreconsumo de energía, también.
Cada solución de Ai = 9 meses y un integrador
Pliego técnico, licitación, diseño, entrenamiento del modelo con sus datos, ajustes, piloto, producción. Cuando por fin arranca, la línea ya cambió de nomenclatura y el modelo quedó obsoleto.
Cambió la pieza — el modelo se rompió
Cada actualización del escenario es una solicitud al integrador, espera y una factura adicional. La planta depende de un equipo que físicamente no está en las instalaciones.
SCADA, MES, 1С, IoT — y todo por separado
Los sensores escriben en el historiador, el MES calcula el plan, 1С lleva la contabilidad, el control de calidad fotografía con el móvil. La Ai no tiene con qué alimentarse.
No «implantamos Ai». Cifras en el P&L de la fábrica.
Cada escenario viene con una métrica de negocio clara y su ROI. Nada de «Ai por Ai». Solo lo que transforma la producción en dinero.
Paradas no planificadas
Mantenimiento predictivo por vibración, corriente y temperatura. La orden de mantenimiento llega antes de que la línea se detenga.
Tasa de defectos a la salida
Computer Vision en la línea de control de calidad. Inspección del 100% en lugar de muestreo. Los defectos se detectan en los primeros metros.
Consumo de energía y materias primas
Optimización de las consignas tecnológicas en tiempo real. El modelo aprende de sus regímenes de trabajo.
Producción por turno
Equilibrado de cuellos de botella, previsión del plan, despachador Ai para paradas y cambios de formato.
El stack se monta dentro del perímetro de la fábrica. Del sensor al agente de planta.
Conectamos las fuentes de datos, desplegamos agentes Ai sobre procesos concretos y entregamos el control al personal de producción. Sin nubes: todo dentro del perímetro.
-
01
Conectamos las fuentes de datos en un circuito cerrado SCADA, MES, 1С:ERP, OPC UA, cámaras, sistemas de laboratorio. Sin nube. Certificado ФСТЭК disponible bajo petición.
-
02
Tomamos una plantilla de agente del catálogo Mantenimiento predictivo, calidad por cámaras, optimización energética, despachador Ai. No diseñamos desde cero: configuramos algo ya listo.
-
03
El personal de producción lo configura por sí mismo El ingeniero jefe describe los criterios con palabras, fija umbrales, elige sensores y cámaras, prueba con el histórico y publica para el turno.
-
04
El agente trabaja en la interfaz de la planta Pantalla grande en la sala de control, tableta del jefe de taller, widget en 1С, bot en el mensajero corporativo. Sin un nuevo puesto de trabajo.
Lo que acelera de 5 a 10 veces el despliegue de Ai en producción.
No vendemos «modelos». Ofrecemos un constructor, plantillas y conectores para que el responsable monte la solución él mismo, en lugar de esperar un trimestre al integrador.
Constructor no-code de agentes
Los escenarios se montan con el ratón. Prompt, fuentes, umbrales, acciones — de forma visual.
Plantillas para la industria
Más de 20 escenarios listos: mantenimiento, calidad, energía, almacén, despachador. Se toman y se configuran.
Conectores OT/IT
OPC UA, Modbus, MQTT, S7, historiador SCADA, MES, 1С:ERP, sistemas de laboratorio.
Computer Vision de serie
Detección de defectos, EPI, dimensiones, marcado, cámaras BIM. Reentrenamiento con sus fotografías.
Analítica predictiva
Anomalías por vibración, corriente, T°. Previsión de avería con horas de antelación.
Base de conocimiento de la fábrica
Normativas, fichas técnicas de equipos, instrucciones, protocolos. La Ai busca y cita la fuente.
A/B y rollback en 1 clic
Probamos las consignas en parte de la línea y revertimos con un clic si algo va mal.
Air-gap e infraestructuras críticas
Despliegue sin internet. Compatible con los requisitos de ФСТЭК y 187-ФЗ.
Roles y talleres
Jerarquía fábrica → taller → sección → línea. Cada uno con sus datos y permisos.
SLA de inferencia
Tiempo de respuesta garantizado en el edge. Cámaras de calidad: hasta 30 ms por fotograma.
Catálogo de modelos
YOLO, GigaChat, YandexGPT, sus modelos propios. A través de AiST Gateway.
Analítica y ROI
Cuántas paradas se evitaron, cuánto dinero se ahorró, cuántas toneladas de defectos no se produjeron.
Nos conectamos a lo que ya tiene instalado en la planta.
Nada de «desmonte lo antiguo e instale algo nuevo». Tomamos sus sensores, SCADA, MES y 1С — y añadimos Ai encima. Protocolos estándar; para los no estándar, REST/SQL en pocos días.
// SCADA & control industrial
// buses industriales
// MES & gestión
// vídeo & control de calidad
// BD historiador & analítica
La planta gestiona la Ai desde las mismas pantallas que la línea.
No pedimos al operario que aprenda un software nuevo. El agente Ai escribe en su SCADA, abre una orden en 1С:ТОиР, envía una notificación al mensajero corporativo. La decisión la toma la persona; la recomendación la prepara la Ai.
Tags de SCADA, eventos de MES, telemetría de sensores, fotos de calidad. La Ai ve la producción en tiempo real.
Orden de mantenimiento, ajuste de consignas, parada de línea por defecto, aviso a la sala de control.
Pantalla grande del taller, tableta del jefe de turno, aviso por megafonía, bot en Telegram / VK Teams.
Más de 20 agentes Ai para las tareas típicas de producción.
Plantilla + sus datos = agente en funcionamiento. Sin meses de I+D. Cada uno con su métrica en dinero, no en «precisión del modelo».
Mantenimiento predictivo de equipos
Previsión de averías por vibración, corriente y T° horas antes del fallo. La orden de mantenimiento se genera automáticamente.
Control de calidad por cámaras
Inspección del 100% en línea en lugar de muestreo. Reconoce desconchones, arañazos, desviaciones dimensionales y defectos de soldadura.
Optimización de consignas y regímenes
La Ai aprende del histórico y sugiere los parámetros óptimos del horno, el reactor o el compresor. −10–18% de energía.
Control de EPI y zonas peligrosas
Las cámaras reconocen casco, gafas, chaleco y accesos a zonas peligrosas. Notificación a la sala de control en segundos.
Despachador Ai del plan de turno
Equilibrado de cuellos de botella, previsión de la producción por turno, recomendaciones sobre cambios de formato y paradas.
Asistente Ai del tecnólogo
Búsqueda en normativas, fichas técnicas y protocolos de ensayo. Selección de formulaciones y recomendaciones sobre defectos.
Previsión de existencias y compras
Puntos de pedido óptimos, previsión de desabastecimiento, control del almacén por cámaras. Menos stock inmovilizado y menos paradas.
Automatización de documentos en el control de acceso
Reconocimiento de cartas de porte, hojas de ruta y poderes. Emisión automática de pases. Cola en el acceso −60%.
Resumen de la fábrica para la dirección
Pregunte por voz: «¿Cómo va el plan del taller 3?» — y reciba las cifras, las causas de las desviaciones y los responsables. Sin reuniones de seguimiento.
La Ai de producción debe gestionarla quien gestiona la planta.
El ingeniero jefe no espera al sprint de TI: cambia la configuración él mismo. En el mismo lugar que las consignas del SCADA. La Ai se convierte en una herramienta de producción, no en un proyecto de TI.
Ai = proyecto de TI llave en mano
- ✕Cambió una pieza: solicitud a TI y espera de 2–6 semanas.
- ✕Cada actualización del modelo: licitación, contrato, presupuesto.
- ✕El científico de datos no conoce su proceso tecnológico. El tecnólogo no sabe Python.
- ✕La línea depende de un equipo que no está en las instalaciones.
- ✕El caso no funciona — la culpa es de «los datos».
Ai = herramienta en manos de la producción
- ✓El ingeniero jefe cambia por sí mismo umbrales, clases de defecto y formulaciones — en su panel, sin código.
- ✓El jefe de taller ajusta los escenarios según el turno y el lote — en minutos.
- ✓El tecnólogo monta el agente, lo prueba con el histórico y lo publica en la línea él mismo.
- ✓TI solo se necesita en la fase de conexión al SCADA. Después, todo es producción.
- ✓Versiones, A/B, rollback — como en DevOps, pero para la planta.
Una solución que convence a la dirección, a seguridad y a la planta a la vez.
La industria es un compromiso entre el beneficio productivo, la seguridad de las infraestructuras críticas y la estabilidad operativa. AiST está diseñado para que las tres partes digan «sí».
Cifras en el P&L de la fábrica
- OEE +5–12 p.p. por trimestre
- Defectos −30–70% por línea
- Paradas −30–45%
- Energía y materias primas −8–18%
- ROI en 3–9 meses
- Métricas en BI y 1С — suyas, no «en la nube»
Seguridad del perímetro
- On-prem o AiST BOX en el CPD de la fábrica
- Despliegue air-gap
- Compatible con 187-ФЗ y ФСТЭК
- Segmentación OT/IT, diodo de datos
- Auditoría completa de las peticiones
- Exportación a SIEM (Kaspersky, MaxPatrol)
Control y fiabilidad
- SLA de inferencia en el edge
- Versiones, A/B, rollback en la línea
- Sin internet ni «llamadas a casa»
- Plantillas para su sector de actividad
- Reentrenamiento de modelos con sus datos
- Soporte 24/7 e ingeniero en las instalaciones
Las preguntas que se hacen antes de un piloto en la fábrica.
¿En cuánto tiempo arranca el primer escenario?
De 2 a 4 semanas desde la conexión de los datos hasta un agente operativo en la planta. El control de calidad por cámaras, a menudo en 21 días. El mantenimiento predictivo, en 4–6 semanas: hay que reunir el histórico de fallos.
¿De verdad el responsable de planta montará un escenario sin programador?
Sí. Toma una plantilla, elige los sensores, fija los umbrales y describe la clase de defecto con palabras o con fotos de ejemplo. Lo prueba con el histórico y lo publica para el turno. TI se necesita una sola vez: para conectar el SCADA.
¿Y qué pasa con las infraestructuras críticas y el circuito cerrado?
La plataforma se despliega en su CPD o como AiST BOX en la planta. Air-gap de serie. Compatible con los requisitos de ФСТЭК y 187-ФЗ. Sin API externas: todo en su propio hardware.
¿Su Ai podrá con nuestro proceso único?
La plantilla cubre el 60–80% de lo típico. El resto es adaptación a su proceso tecnológico: sensores, clases de defecto, regímenes. Un desarrollo a medida único supone 6–12 semanas de I+D, pero es poco frecuente.
¿Y si el modelo se equivoca y detiene la línea?
Por defecto, la Ai emite una recomendación y la decisión la toma el operario. Las acciones automáticas se activan tras un periodo de rodaje y solo donde lo hayan acordado sus equipos de seguridad laboral y de seguridad de la información.
¿Cuánto cuesta?
Suscripción según el número de líneas y escenarios, o compra de una licencia perpetua para on-prem. El piloto tiene precio fijo con un modelo de ROI claro desde el inicio. Podrá defender el presupuesto ante el CFO por adelantado.
En 30 minutos le mostramos qué escenario generará dinero primero en su fábrica.
Recogemos su sector, las operaciones típicas y la lista de sistemas — y volvemos con 3 casos a su medida, una estimación de ROI y un plan de piloto de 4 semanas.