W skrócie
- Firma
- Herges Stahl- und BlechbauRodzinny producent spawanych konstrukcji stalowych i z blachy, głównie jednostkowych
- Wielkość
- Średnie (50–249 pracowników)
- Branża
- Produkcja
- Gdzie i kiedy
- Niemcy. Opublikowane w marcu 2026.
- Kto podał liczby
- Oficjalny dokumentLiczby zmierzyło i opublikowało Mittelstand-Digital Zentrum Saarbrücken, finansowane ze środków publicznych centrum, które prowadziło projekt razem z firmą. Dotyczą jednego procesu: walcowania blachy.
Co zrobili
Herges to rodzinna firma, która od ponad 80 lat produkuje spawane konstrukcje stalowe i z blachy. Większość jej produktów to jednostkowe wyroby na zamówienie klienta. Każdy wymaga wyceny, a wycena zależy od tego, ile potrwa praca. Zbyt niska wycena oznacza stratę. Zbyt wysoka oznacza utratę zamówienia.
Czasy produkcji szacowano na podstawie doświadczenia. Firma próbowała zapisywać czasy ręcznie, ale zapisy dla identycznych części różniły się nawet o 30 minut i niewiele dawały.
Projekt miał dwa kroki i ograniczono go do jednego procesu: walcowania blachy.
- Zapisywać rzeczywiste czasy. Centrum i firma podzieliły proces na etapy i zbudowały prostą aplikację, w której pracownicy zapisują każdy etap przy danym zleceniu. Prototyp poprawiano krok po kroku razem z pracownikami, których z niego przeszkolono.
- Wytrenować na nich model. Model AI wytrenowano tak, żeby przewidywał czas nowego zlecenia na podstawie wymiarów blachy. Sprawdzono go na zleceniach, których wcześniej nie widział.
Liczby
O ile średnio szacunek różnił się od rzeczywistego czasu:
| Cały proces, z przemieszczaniem materiału | Samo walcowanie | |
|---|---|---|
| Doświadczeni pracownicy | 24,3 minuty (72,6%) | 8,6 minuty (39,0%) |
| Model AI | 4,5 minuty (15,2%) | 3,8 minuty (16,5%) |
- Około pięć razy bliżej niż eksperci w całym procesie.
- Około dwa razy bliżej przy samym walcowaniu.
Centrum wyjaśnia, że eksperci na podstawie osobistego doświadczenia przeszacowywali zadania poboczne, takie jak przemieszczanie materiału.
Co było dalej
Model wbudowano w narzędzie do przygotowywania wycen, które firma testuje. Pracownicy wpisują wymiary i dostają oczekiwany czas pracy ludzi i maszyn. Wbudowano trzy rzeczy:
- Dowody obok każdego szacunku. Narzędzie pokazuje dziesięć najbardziej podobnych dawnych zleceń z ich zmierzonymi czasami. Pracownicy od razu widzą, jeśli szacunek wygląda źle, i mogą go zmienić.
- Firma może sama trenować model. Herges chciało móc samo trenować model. Nowe zlecenia są nadal zapisywane, a model jest na ich podstawie regularnie aktualizowany.
- Miejsce na rozwój. Aplikację można skonfigurować dla innych etapów, takich jak spawanie czy montaż, bez programowania.
Co pokazuje ten przypadek
- Doświadczeni ludzie mogą konsekwentnie mylić się co do czasu. Tu przeszacowywali te części pracy, którym nikt się uważnie nie przygląda.
- Danych nie było, dopóki ktoś ich nie zebrał. Pierwsza połowa projektu polegała na stworzeniu sposobu pomiaru.
- Porównanie zrobiono, zanim zaufano narzędziu. AI i eksperci szacowali te same zlecenia, a oba szacunki porównano z tym, co naprawdę się wydarzyło.
- Narzędzie pokazuje swoje dowody. Podobne dawne zlecenia są obok każdego przewidywania, dzięki czemu człowiek może je sprawdzić w kilka sekund.
Co ten przypadek mówi o praktykach
Praktyki, które firma zastosowała
- Dla każdego rodzaju zadania sprawdź, czy człowiek z AI wypada lepiej niż każde z nich osobno Zanim model trafił do użytku, jego przewidywania porównano z szacunkami doświadczonych pracowników dla tych samych zleceń. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Mierz czas zaoszczędzony na zadaniu względem pomiaru wyjściowego Firma najpierw zbudowała sposób zapisywania rzeczywistych czasów produkcji. Jej wcześniejsze ręczne zapisy dla identycznych części różniły się nawet o 30 minut. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Niech człowiek sprawdza wszystko, co trafia do klienta lub ma znaczenie prawne Przy każdym przewidywaniu narzędzie pokazuje dziesięć najbardziej podobnych dawnych zleceń i ich zmierzone czasy, żeby pracownicy mogli ocenić szacunek i go zmienić. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Zacznij od jednego kosztownego procesu, a nie od wdrożenia w całej firmie Projekt ograniczono do jednego procesu, walcowania blachy, w konstrukcji, którą można rozszerzyć na spawanie i montaż. Zrób najpierw · Nakład pracy: średni (tygodnie, kilka osób)
- Uporządkuj własne dane, zanim AI zacznie na ich podstawie przewidywać Pierwszym krokiem projektu była prosta aplikacja, w której pracownicy zapisują rzeczywiste czasy produkcji, bo ręczne zapisy dla identycznych części różniły się nawet o 30 minut. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
- Niech AI pokazuje, na czym opiera swoją odpowiedź Przy każdym przewidywaniu narzędzie pokazuje z bazy dziesięć najbardziej podobnych dawnych zleceń z ich zmierzonymi czasami. Zrób potem · Nakład pracy: średni (tygodnie, kilka osób)
Źródła
- Mittelstand-Digital Zentrum Saarbrücken (March 2026). KI-gestützte Datenanalyse zur Prozesszeitenermittlung. Project report, in German. digitalzentrum-saarbruecken.de