ROI пилота AI на производстве: как посчитать окупаемость до старта проекта

Начальник цеха приносит фотографию бракованной детали — царапина в 0,1 мм, которую оператор пропустил. Говорит: «В прошлом месяце из-за такого рекламации на 2 млн рублей». Технический директор предлагает поставить систему машинного зрения на линию, а главный инженер — автоматизировать этот участок. Вы как CEO или CFO смотрите на смету: камеры, платы Edge AI, промышленный компьютер, интеграция, обучение. Итого 5–7 млн рублей. Вопрос: когда это окупится?

AI-проекты на производстве продают как «очевидное решение», но цифры окупаемости часто размыты. В этом гайде — пошаговый метод расчёта ROI для пилота, основанный на реальных статьях затрат и выгод, без «волшебных» коэффициентов. Мы разберём, что считать, что игнорировать, на какие сроки ориентироваться и как защитить проект перед советом директоров.

Гайд написан для CEO, директора производства и CFO, которые принимают решение о запуске пилотного AI-проекта — на основе реальных категорий оборудования из каталога Завод.dev: промышленные камеры, системы машинного зрения, edge AI платы, промышленные компьютеры.

Что включать в затраты: оборудование, интеграция, обучение

Это самая недооценённая часть. Многие CEO смотрят только на стоимость камеры, забывая про «хвост» интеграции и владения.

1. Оборудование (CAPEX)

• Промышленные камеры: от 30 000 до 300 000 ₽ за штуку в зависимости от разрешения, скорости, интерфейса (GigE, USB3, Camera Link). Для пилота — 1–2 камеры + запасная.
• Объективы: 10 000–100 000 ₽. Светосила, фокусное расстояние, формат (1/1.8", 2/3").
• Освещение: кольцевые, линейные, бэк-лайты — от 20 000 до 150 000 ₽ за модуль. Спектр (белый, красный, IR) подбирается под задачу.
• Платы Edge AI / IPC: от 50 000 до 300 000 ₽ за промышленный компьютер с GPU (NVIDIA Jetson, Intel Core с VPU, специализированные AI-ускорители) или мощный IPC с дискретной видеокартой (для сложного инференса).
• Коммутация: кабели, разъёмы, кронштейны, шкафы управления — часто 10–15% от суммы оборудования.
• Итого на оборудование: для типового пилота — 300 000 – 1 500 000 ₽ в зависимости от сложности.

2. Интеграция (самая большая статья, часто 2–3× от оборудования)

• Инжиниринг под задачу: 40–100 человеко-часов на анализ (тип дефекта, освещение, скорость линии) — 300 000 – 800 000 ₽.
• Разработка ПО: интерфейс с оператором, отчёты, интеграция с MES/ERP. Для пилота — 50–100 человеко-часов.
• Настройка оборудования: монтаж, юстировка камер, настройка освещения — 100 000 – 200 000 ₽ (выезд инженера).
• Пусконаладка: обучение модели на выборке 10 000–20 000 изображений, разметка, обучение, оптимизация под производительность — 200 000 – 600 000 ₽.
• Интеграция с существующими системами: OPC UA, Modbus, MES, SCADA — зависит от сложности стека.
• Итого на интеграцию: 600 000 – 1 600 000 ₽ для типового пилота.

3. Обучение персонала и поддержка

• Обучение операторов ОТК: как распознавать сигналы от AI, как реагировать, как делать контрольные прогоны — 50 000 – 100 000 ₽.
• Обучение технолога: как менять модель при смене номенклатуры, обновлять софт — 50 000 – 100 000 ₽.
• Поддержка первого года: гарантия, обновления, удалённая помощь — часто 10–15% от CAPEX (считайте как 50 000 – 150 000 ₽).
• Итого на обучение и поддержку: 150 000 – 350 000 ₽.

Полная стоимость пилота: (оборудование 300–1,5 млн) + (интеграция 0,6–1,6 млн) + (обучение 0,15–0,35 млн) = 1,05 – 3,45 млн рублей для малой линии. Для сложной системы с 4 камерами, высокими скоростями и интеграцией с ERP — до 6–8 млн.

Что включать в выгоды: снижение брака, рост OEE, экономия ФОТ

Выгоды — это не «увеличим продажи». Выгоды AI на производстве — это конкретные статьи снижения потерь.

1. Снижение брака и рекламаций

• Самый прямой эффект. CV-система выявляет дефекты, которые оператор пропускает (усталость, сложный дефект, высокая скорость линии).
• Как считать: берёте статистику брака за 6–12 месяцев (включая рекламации от клиентов). Например, брак на участке — 3% от объёма, из них 1% пропускается ОТК и идёт к клиенту (рекламации). Годовой оборот участка — 200 млн ₽. Потери от рекламаций — 2 млн ₽ (1% × 200 млн). CV-система снижает пропущенный брак на 70–90% (в зависимости от сложности дефекта). Значит, экономия = 1,4 – 1,8 млн ₽/год.
• Скрытый эффект: снижение возвратов и репутационных потерь (трудно оценить, но для KPI можно закладывать +20% к расчёту).

2. Рост OEE (Overall Equipment Effectiveness)

• AI может давать прирост OEE за счёт:
  • Сокращения простоев на переналадке (быстрая калибровка камеры под новую номенклатуру).
  • Сокращения времени контроля (автоматическая проверка вместо ручной).
  • Предиктивного обслуживания (прогноз износа инструмента, компонентов).
• Как считать: рост OEE на 5% для типового производства даёт +5% к выработке при тех же затратах. Если линия выдаёт продукцию на 200 млн в год, 5% роста OEE = 10 млн ₽ дополнительной выручки или сокращения затрат. Но это — совокупный эффект для полноценной AI-системы, не только CV. Для пилота CV закладывайте 1–3% прироста OEE, если контроль был узким местом.

3. Экономия ФОТ (фонд оплаты труда)

• Прямая замена: 1–2 оператора ОТК на линии могут быть переведены на другие задачи (или сокращены). Зарплата оператора — 50 000–80 000 ₽/мес. + налоги (30–40%) = 80 000–110 000 ₽/мес на человека. За год — 1–1,3 млн ₽ на одного.
• Косвенная экономия: снижение сверхурочных (ночные смены, усталость). Если AI работает 24/7 без перерыва, можно перевести линию на автоматический контроль без участия человека.
• Важно: не заменяйте всех операторов сразу — обычно 1 человека на смену, т.е. 3 человека в сутки. Экономия до 3 млн ₽/год.

4. Снижение затрат на переработку и пересорт

• AI может сократить пересортицу (неправильная маркировка, упаковка). Это не всегда основная статья, но для пищевой, фармацевтики — критично.

Итоговые выгоды для типового CV-пилота (3 года):

• Снижение рекламаций: 1,6 млн ₽/год × 3 года = 4,8 млн.
• Экономия ФОТ: 2,0 млн ₽/год × 3 года = 6,0 млн.
• Рост OEE (консервативно 1%): 2,0 млн ₽/год × 3 года = 6,0 млн (при обороте 200 млн/год).
• Итого за 3 года: 16,8 млн ₽ выгод (без учёта инфляции и роста объёмов).

Горизонт окупаемости: типичные сроки для CV, предиктивного обслуживания, автоматизации

Вывод: для CV-пилота типичная окупаемость — 1–1,5 года. Это приемлемый срок для промышленных инвестиций. Проект с окупаемостью > 2 лет — требует дополнительного обоснования (например, стратегические цели).

Пример расчёта: CV-система на участке ОТК

Условия:

• Линия штамповки металлических деталей.
• Объём — 100 000 деталей/мес.
• Брак — 3% (3000 деталей/мес). Из них 1% (1000 деталей) пропускают операторы ОТК к клиенту.
• Стоимость одной детали — 200 ₽.
• Потери от пропущенного брака = 1000 × 200 = 200 000 ₽/мес = 2,4 млн ₽/год.
• ФОТ операторов ОТК (2 человека в смену, 3 смены = 6 человек) = 6 × 70 000 × 1,35 (налоги) = 567 000 ₽/мес = 6,8 млн ₽/год.
• Время контроля на линии — 5 мин/деталь (медленно).

Решение:

• Поставить 2 камеры (GigE, 5 Мп) + объективы + освещение + Edge AI плата (NVIDIA Jetson). Оборудование — 700 000 ₽.
• Интеграция + разработка + обучение — 1 000 000 ₽.
• Итого CAPEX = 1 700 000 ₽.

Эффект:

• Снижение пропущенного брака на 80% → экономия = 2,4 × 0,8 = 1,92 млн ₽/год.
• Автоматизация контроля → высвобождение 4 операторов (один остаётся на подмене) → экономия = 4 × 70 000 × 1,35 × 12 = 4,54 млн ₽/год.
• Сокращение времени контроля → линия работает быстрее, OEE +2% → при обороте 200 млн/год → 4 млн ₽/год (консервативно).
• Итого выгоды = 1,92 + 4,54 + 4,0 = 10,46 млн ₽/год.

ROI за 3 года:

• Выгоды за 3 года = 10,46 × 3 = 31,38 млн ₽.
• Затраты (CAPEX + обслуживание 3 года по 150 000 ₽/год) = 1,7 + 0,45 = 2,15 млн ₽.
• ROI = (31,38 – 2,15) / 2,15 × 100% = 1 359%.
• Окупаемость = 2,15 / 10,46 ≈ 2,5 месяца.

Реалистично: окупаемость 6–8 месяцев с учётом обучения, наладки и первых ошибок. Но цифра впечатляющая — и это без учёта снижения репутационных рисков.

Как защитить проект перед советом директоров: что считать KPI

Совет директоров видит не технологии, а риски и деньги. Ваш питч должен быть на цифрах. Вот структура презентации:

1. Проблема (без AI)

• Факты: % брака, % рекламаций, время контроля, стоимость.
• Фото/видео дефекта, который пропускают операторы.
• Стоимость проблемы: например, 5–10 млн ₽/год потерь.

2. Решение (что предлагаем)

• Кратко: система машинного зрения на Edge AI, автоматический контроль в реальном времени.
• Оборудование: камеры, платы, ПО.
• Сроки: пилот 3–4 месяца (наладка + обучение + эксплуатация).

3. Затраты

• CAPEX: оборудование + интеграция.
• OPEX: обслуживание, обучение, доработки (закладываем 10–15% от CAPEX в год).

4. Выгоды (консервативный прогноз)

• Снижение брака: ХХХ ₽/год.
• Экономия ФОТ: ХХХ ₽/год.
• Рост OEE: ХХХ ₽/год.
• Итого: ХХХ ₽/год.

5. ROI и окупаемость

• Срок окупаемости: 6–18 месяцев.
• ROI за 3 года: > 300% (показываем таблицу).
• Сравнение с другими проектами: если у вас есть альтернативы (новый станок, модернизация) — покажите сравнительную таблицу.

6. Риски и их снижение

• Технические: не хватит данных для обучения — закладываем контракт с разметчиками.
• Организационные: сопротивление операторов — обучение + программа мотивации.
• Финансовые: пилотный проект с возможностью остановки через 3 месяца (бюджет ограничен).

KPI пилота:

• Точность детекции: не менее 95% на тестовой выборке.
• Производительность: время обработки кадра < 50 мс.
• Снижение пропущенного брака: не менее 60% за 3 месяца.
• Окупаемость (ROI пилота): 1,2× за 12 месяцев.

Типичные ошибки при оценке ROI AI-проекта

Ошибка 1. Завышение ожиданий по точности

• Заявляют «99,9% точности», но реально на новых данных — 85–90%. Оператор пропускает 1% дефектов, AI — 5%. Вроде хуже. Но AI не устаёт и считает 24/7, а оператор в ночную смену пропускает 5% (реальные данные). Сравнивайте не с идеальным оператором, а со средним за сутки.

Ошибка 2. Игнорирование стоимости интеграции с MES/ERP

• Камера выдаёт результат, но как его загрузить в MES? Нужен программист, адаптер, тестирование. Закладывайте 20–30% бюджета на интеграцию, даже если кажется, что «это просто Ethernet».

Ошибка 3. Неучёт стоимости обновления модели

• Через 6 месяцев поменялся материал (другая партия) — точность упала. Нужно досылать данные, переобучать, это 100–200 тыс. ₽ за раз. В OPEX закладывайте 1–2 обновления в год.

Ошибка 4. Сравнение с «нулевым вариантом» без учёта альтернатив

• AI-система за 3 млн против нового станка за 10 млн. Но может быть более дешёвое решение: ужесточить контроль, нанять ещё 2 операторов (1 млн ₽/год). Сравнивайте все альтернативы и показывайте, почему AI лучше.

Ошибка 5. Неучёт психологического фактора операторов

• Если система будет «стыдить» оператора, он будет её саботировать. Нужно проектировать интерфейс «помощник», а не «контролёр». В бюджет обучения закладывайте работу с персоналом.

Ошибка 6. Слишком оптимистичный горизонт

• Окупаемость за 3 месяца бывает только на идеально подготовленных линиях. Средний срок для CV-пилота — 8–14 месяцев. При защите проекта закладывайте 18 месяцев, а если получится быстрее — будет сюрприз для совета.

Ошибка 7. Считать выгоды только от снижения брака

• Вы упускаете: рост скорости линии, снижение пересортицы, сокращение простоев на наладку, снижение рекламаций, улучшение репутации. Эти выгоды сложно посчитать — но они реальны и обычно в 1,5–2 раза превышают прямую экономию от брака.

Таблица: статьи затрат и выгод для AI-пилота

Итог: как принять решение за 3 шага

Шаг 1. Соберите данные по проблеме (брак, рекламации, время контроля, ФОТ). Без данных защита проекта бессмысленна.

Шаг 2. Посчитайте затраты по формуле: (Оборудование + Интеграция + Обучение) × 1,2 (буфер). Не забывайте про OPEX.

Шаг 3. Посчитайте выгоды по трём основным статьям: брак, ФОТ, OEE. Будьте консервативны — закладывайте 80% от ожидаемого эффекта.

Если окупаемость < 18 месяцев — проект экономически оправдан. Если > 24 месяцев — ищите пилот меньшего масштаба или смежную задачу с быстрым эффектом.

А теперь — самое важное: даже если ROI не идеален, AI-проект даёт стратегические преимущества — цифровизацию, интеллектуальную собственность (собственные алгоритмы), повышение квалификации команды. Это может быть решающим аргументом для совета директоров, если бизнес смотрит в будущее, а не только в квартальный отчёт.

Оборудование для AI-пилота — промышленные камеры, edge AI платы, IPC — в каталоге Zavod.dev. Мы поможем подобрать комплект под вашу задачу и бюджет, а также дадим контакт интеграторов с опытом пусконаладки. Если сомневаетесь в цифрах — пришлём детальную смету с тремя вариантами бюджета: «базовый», «оптимальный» и «максимальный» под вашу линию.