Автоматизация нейросетями в металлообработке: 9 задач, которые экономят 8 часов в неделю

Николай Захаров, технический эксперт по общему машиностроению в компании COMETAL, опубликовал на Хабре подробный разбор того, как он передал часть инженерной рутины нейросетям. Речь не про эксперимент ради статьи, а про работающий процесс: проверка конструкторской документации, расчёт стоимости, поиск узких мест в изготовлении. Всё это делается на реальных заказах в российской металлообработке.

Что понадобится?

• Доступ к одной из двух моделей. Захаров использует Claude (от Anthropic) как основной инструмент и ChatGPT (от OpenAI) как запасной. По его наблюдению, качество ответов сопоставимо, но на разных задачах точнее оказывается то одна, то другая модель.
• Конструкторская документация в цифровом виде. Чертежи, спецификации, техзадания, которые можно загрузить в чат с нейросетью.
• Навык составления промптов (промпт, это текстовая инструкция для нейросети, описывающая, что именно нужно сделать). Готовый пример есть ниже.
• Процедура обезличивания данных. Перед загрузкой в нейросеть Захаров убирает из документов всё, что подпадает под коммерческую тайну и 152-ФЗ (закон о персональных данных).
• Время на внедрение: результат появляется с первой задачи, но на отладку промптов под свою специфику закладывайте несколько итераций.

Девять задач, которые уже делает нейросеть

Захаров выделил девять направлений, где автоматизация нейросетями даёт измеримый результат:

1. Проверка комплектности конструкторской документации (КД). Нейросеть проверяет, все ли чертежи приложены к заявке. Самая рутинная операция и самая благодарная для автоматизации.
2. Проверка массы изделий. Документация часто содержит некорректную массу, и это всплывает только при детальном разборе. ИИ ловит несоответствия.
3. Выявление редких марок материала. Автоматическое обнаружение нестандартных материалов, которые легко пропустить при беглом просмотре.
4. Формирование маршрутного техпроцесса. Предварительный маршрут обработки по чертежам.
5. Выявление узких мест в изготовлении. Анализ конструктивных элементов, которые могут создать проблемы на производстве.
6. Расчёт стоимости по КД. Формирование ТКП (технико-коммерческого предложения) с заполнением бланка.
7. Предварительная оценка по техзаданию. Когда полноценной документации нет, ИИ считает по средним рыночным ценам.
8. Оценка сроков разработки КМД (конструкций металлических деталированных) для строительных металлоконструкций.
9. Сводные таблицы по материалам. Структурированный перечень металла по документации.

Пошаговая инструкция

1. Подготовьте документы. Соберите чертежи, спецификации или техзадание в цифровом виде. Уберите из них персональные данные и информацию, составляющую коммерческую тайну.

2. Загрузите файлы в чат с нейросетью (Claude или ChatGPT). Убедитесь, что модель «видит» вложения.

3. Отправьте промпт. Ниже приведён рабочий промпт Захарова для проверки комплектности КД. Адаптируйте правила под свои ГОСТы и внутренние стандарты.

Во вложении — чертежи деталей и спецификация изделия.
Проверь комплектность конструкторской документации по следующим правилам.

Считать комплектными без чертежа:
— стандартные крепёжные изделия (болты, гайки, шайбы, винты по ГОСТ);
— покупные стандартные изделия (подшипники, уплотнения, электрокомпоненты);
— любые позиции спецификации с пометкой «покупное» или «стандартное».

Требовать чертёж для:
— оригинальных деталей и сборочных единиц собственного изготовления;
— деталей без указания стандарта в спецификации.

Формат ответа:
— список позиций, по которым чертежи есть;
— список позиций, по которым чертежей не хватает (только оригинальные детали);
— итоговый вывод: комплект полный или не полный.

1. Проверьте результат вручную. На текущем этапе все результаты работы нейросети проходят проверку человеком. Захаров подчёркивает: полностью доверять ИИ пока рано.

2. Используйте побочные продукты. При проверке комплектности нейросеть попутно формирует таблицы с перечнем деталей, размерами, массой и марками материала. Раньше на их составление уходило отдельное время.

Где автоматизация нейросетями уже надёжна, а где нет?

Захаров оценивает точность по пятибалльной шкале:

• 5 из 5: проверка комплектности КД и формирование ТКП по техзаданию без чертежей. Результат надёжный.
• 4 из 5: выявление редких материалов, составление сводных таблиц.
• 3 из 5: формирование маршрутного техпроцесса, оценка сроков КМД, выявление узких мест. Результаты требуют обязательной проверки.
• Самое сложное: расчёт стоимости по КД. Нейросеть не всегда корректно выстраивает техпроцесс, а без точного маршрута невозможно точно посчитать цену. Захаров называет это «бутылочным горлышком».

Что делать с этим прямо сейчас?

Если вы инженер или технолог на производстве: возьмите промпт Захарова, замените правила на свои ГОСТы и внутренние стандарты, проверьте на одной реальной заявке. 20% рабочего времени, которые он высвободил, это не теория, а измеренный результат на конкретном предприятии.

Если вы автор на Дзене и пишете про производство, технологии или бизнес: этот кейс показывает, как строить контент с цифрами. «Было два дня, стало 30 минут» убедительнее любого рассуждения о «потенциале ИИ».

Если вы руководитель малого или среднего производства в РФ: оба инструмента (Claude и ChatGPT) доступны из России, хотя и с ограничениями. Из российских аналогов для подобных задач стоит смотреть на YandexGPT и GigaChat, но автор кейса работает именно с зарубежными моделями и про отечественные альтернативы не отчитывается.

Главный аргумент для скептиков, как пишет сам Захаров, один: экономия. Если рутина уходит нейросети и качество не падает, значит, инструмент работает. Восемь часов в неделю, это целый рабочий день, который можно потратить на задачи, где нужен не терпеливый проверяльщик, а думающий инженер.