🧪 Один расчёт розлива в Krones раньше шёл 3–4 часа: запустил и ждёшь полдня. В пилоте — 5 минут и меньше. Правку можно проверить прямо на обсуждении.

Krones делает линии розлива и моделирует поведение жидкости при наполнении: колебания, риск пролива. Это CFD-расчёт (моделирование течения) в Ansys Fluent. Его перенесли в облако с GPU и добавили AI-агентов: они разбирают результат, меняют параметры и сами запускают следующую итерацию.

⏱ Результат пилота: с 3–4 часов до 5 минут и меньше на один расчёт. Пилот развернули на около 30 инженеров.

Важна не скорость, а ритм. При 3–4 часах цикл такой: запустил, ушёл, вернулся к выводу. Вопрос коллеги «а если изменить скорость наполнения?» становится задачей на завтра. При 5 минутах ответ приходит, пока совещание ещё идёт. Спор закрывает расчёт, а не вес голоса в комнате.

🧾 Граница цифры. Минуты расчёта — KPI процесса, а не P&L. Экономию материала источник называет ожиданием, а не измеренным результатом. Расширение ещё до 500 инженеров — пока план. И это материал поставщика, без независимой проверки.

🔍 Что должно подтвердиться, прежде чем расширять с 30 до 500: — стоимость вычислений, когда расчётов станет в разы больше; — лицензии решателя: хватит ли их на сотни одновременных пользователей и во что это обойдётся; — совпадение результатов с эталонным расчётом, которому инженеры доверяют сегодня; — кто владеет процессом: инженерный отдел, IT или поставщик.

Урок не привязан к стеку: те же четыре вопроса встанут и на своём кластере, и с отечественным решателем.

❔ Что у вас должно подтвердиться на 30 пользователях, прежде чем вы дадите инструмент пятистам?

Источник: кейс Microsoft о Krones.

#AIвБизнесе #AIROI #XAMStrategy #ЦифровизацияПроизводства