Piątek, 15:47. Szef utrzymania ruchu dostaje telefon. Silnik napędu głównego na linii pakowania stanął. Produkcja stoi. 200 palet towaru czeka na zapakowanie. Klient oczekuje dostawy w poniedziałek rano.
Dzwoni do serwisu producenta maszyny. "Najwcześniej możemy być w poniedziałek". Dzwoni do niezależnego serwisanta. "Mogę zajrzeć jutro rano, ale nie mam gwarancji, że będę miał część". Dzwoni do szefa. "Mamy problem".
Weekend: nadgodziny, awaryjny serwis, ekspresowa dostawa części z Niemiec (koszt 3x normalny). Poniedziałek rano: linia rusza z 18-godzinnym opóźnieniem. Kara umowna za nieterminową dostawę: 15 000 zł. Koszt awaryjnej naprawy: 8 000 zł. Utracona produkcja: 25 000 zł.
Razem: 48 000 zł za jedną awarię, której można było uniknąć.
Ile kosztuje nieplanowany przestój
Według raportu Deloitte "Manufacturing Operations" (2025), nieplanowany przestój kosztuje średnio:
| Typ produkcji | Koszt przestoju na godzinę |
|---|---|
| Lekka produkcja (pakowanie, montaż) | 5 000 - 15 000 zł |
| Średnia produkcja (obróbka metali, tworzywa) | 15 000 - 30 000 zł |
| Ciężka produkcja (chemia, farmacja, automotive) | 30 000 - 50 000 zł+ |
| Produkcja ciągła (huty, cementownie) | 50 000 - 200 000 zł |
W polskich realiach te kwoty bywają niższe niż globalna średnia, ale relacje się zgadzają. Fabryka mebli w Swarzędzu traci inaczej niż zakład chemiczny w Płocku, ale obie tracą.
Nieplanowany przestój to kaskada kosztów: utracona produkcja, kary umowne, nadgodziny, ekspresowe części, strata materiału i spadek jakości przy ponownym rozruchu. Aberdeen Group podaje: przeciętna fabryka traci 800 godzin rocznie na nieplanowane przestoje - 100 dni roboczych.
Większość polskich fabryk (ok. 85%) stosuje reactive maintenance (naprawiaj, gdy się zepsuje) lub preventive maintenance (wymieniaj wg harmonogramu). Oba podejścia są kosztowne. Predictive maintenance - gdzie monitorujesz stan maszyny i wymieniasz, gdy dane wskazują na zbliżającą się awarię - obniża koszty utrzymania o 25-30% i redukuje nieplanowane przestoje o 70-75% (Deloitte).
Jak agent AI przewiduje awarie
Agent AI do predictive maintenance to nie jeden program. To system, który zbiera dane, analizuje wzorce i podejmuje decyzje.
Warstwa 1: Zbieranie danych (IoT)
Czujniki zamontowane na maszynach mierzą:
- Wibracje - zmiana wzorca wibracji to najwcześniejszy sygnał zużycia łożysk, wałów, przekładni
- Temperatura - przegrzewanie silników, łożysk, przekładni
- Prąd elektryczny - wzrost poboru prądu przy tym samym obciążeniu = zwiększone tarcie
- Ciśnienie - w układach hydraulicznych i pneumatycznych
- Akustyka - ultradźwięki wychwytują mikropęknięcia, wycieki
Czujniki raportują co kilka sekund. Agent zbiera tysiące pomiarów dziennie z każdej maszyny.
Warstwa 2: Analiza wzorców (AI/ML)
Agent porównuje bieżące dane z:
- Historią tej konkretnej maszyny - jak wyglądały dane przed ostatnimi 5 awariami?
- Historią podobnych maszyn - jeśli silnik model X w fabryce A zaczął wibrować tak samo, ile czasu minęło do awarii?
- Specyfikacją producenta - jakie parametry są normalne, a jakie wykraczają poza normę?
Na tej podstawie agent wylicza prawdopodobieństwo awarii w określonym horyzoncie czasowym. Nie "maszyna się zepsuje", ale "z 87% prawdopodobieństwem łożysko główne wymaga wymiany w ciągu 2-3 tygodni".
Warstwa 3: Rekomendacja działania
Agent nie tylko mówi "coś jest nie tak". Mówi:
- Co wymaga naprawy (łożysko, uszczelka, pasek, silnik)
- Kiedy - ile czasu pozostało do prawdopodobnej awarii
- Jak pilne - czy to kwestia dni, tygodni, czy godzin
- Co zamówić - numer katalogowy części, dostawca, czas dostawy
- Kiedy zaplanować naprawę - sugeruje okno serwisowe (np. piątek po 14:00, gdy linia ma mniejsze obciążenie)
Przypadek: fabryka opakowań, 120 pracowników, Wielkopolska
Fabryka produkuje opakowania kartonowe dla branży spożywczej. 3 linie produkcyjne, praca na 2 zmiany. Główne maszyny: wykrawarki, bigówki, sklejarki.
Przed wdrożeniem
- Nieplanowane przestoje: 12-15 na kwartał
- Średni czas przestoju: 4-8 godzin
- Roczny koszt przestojów: ok. 1.2 mln zł (utracona produkcja + naprawy + kary)
- Utrzymanie ruchu: 3 mechaników, reactive + preventive maintenance
Co wdrożono
- 96 czujników wibracji i temperatury na krytycznych elementach 3 linii
- Agent AI analizujący dane w czasie rzeczywistym
- Dashboard dla szefa utrzymania ruchu - przegląd stanu maszyn, alerty, rekomendacje
- Integracja z systemem CMMS - automatyczne tworzenie zleceń serwisowych
Wdrożenie: 6 tygodni. Koszt: 85 000 zł (czujniki + agent AI + integracja).
Wyniki po 6 miesiącach
- Nieplanowane przestoje: spadek z 12-15 do 3-4 na kwartał (-70%)
- Średni czas przestoju: spadek z 4-8h do 1-2h (bo planowane naprawy trwają krócej)
- Fałszywe alarmy: 8% (agent uczył się przez pierwsze 2 miesiące, potem ustabilizował się na 5%)
- Oszczędności roczne: ok. 850 000 zł
- ROI: zwrot inwestycji w 7 tygodni
Kluczowy moment: w trzecim miesiącu agent wykrył anomalię w głównym silniku wykrawarki. Wibracje wzrosły o 15% w ciągu 2 tygodni - niewidoczne gołym okiem, ale wyraźne w danych. Agent zalecił wymianę łożyska. Wymiana w zaplanowanym oknie w sobotę: 3 godziny, koszt 2 400 zł. Gdyby łożysko się zatarło podczas pracy - szacowany koszt: 35 000 zł + 2 dni przestoju.
Ile to kosztuje i kiedy się zwraca
Mała linia produkcyjna (1-2 maszyny krytyczne)
- Czujniki: 5 000 - 15 000 zł
- Agent AI + wdrożenie: 18 000 - 40 000 zł
- Utrzymanie miesięczne: 1 000 - 2 500 zł
- Zwrot inwestycji: 3-6 miesięcy
Średnia fabryka (3-5 linii, 10-20 maszyn)
- Czujniki: 20 000 - 60 000 zł
- Agent AI + wdrożenie: 40 000 - 90 000 zł
- Utrzymanie miesięczne: 2 500 - 5 000 zł
- Zwrot inwestycji: 2-4 miesiące
Duża fabryka (10+ linii, 50+ maszyn)
- Czujniki: 60 000 - 200 000 zł
- Agent AI + wdrożenie: 90 000 - 250 000 zł
- Utrzymanie miesięczne: 5 000 - 15 000 zł
- Zwrot inwestycji: 1-3 miesiące (bo koszty przestojów są proporcjonalnie wyższe)
FAQ
Czy predictive maintenance działa na starych maszynach?
Tak. Czujniki montujemy na zewnątrz maszyny (wibracje, temperatura). Nie trzeba ingerować w elektronikę maszyny. Działa na maszynach z lat 90.
Ile czujników potrzeba na jedną maszynę?
Typowo 3-8: silnik główny, łożyska, przekładnia, układ hydrauliczny. Zależy od złożoności maszyny.
Czy agent AI wymaga ciągłego internetu?
Agent może działać lokalnie (edge computing). Dane nie muszą wychodzić z fabryki. Ważne dla firm z wymogami bezpieczeństwa.
Jak szybko agent się uczy?
Pierwsze rekomendacje po 2-4 tygodniach. Pełna dokładność po 2-3 miesiącach (potrzebuje danych z co najmniej jednego cyklu serwisowego).
Co dalej?
Każda awaria, której można było uniknąć, to pieniądze wyrzucone w błoto. Nieplanowane przestoje to nie "koszt prowadzenia biznesu" - to problem, który da się rozwiązać.
1. Policz swoje przestoje - ile razy w kwartale linia staje? Ile to kosztuje?
2. Oceń infrastrukturę - czy na Twoich maszynach da się zamontować czujniki?
3. Porozmawiaj z kimś, kto to wdrożył - nie z vendorem czujników, z firmą, która buduje pełne rozwiązania
W Syntalith w Warszawie budujemy agentów AI do predictive maintenance dla polskich fabryk. Od czujników po dashboard i automatyczne zlecenia serwisowe.
Umów rozmowę - pokażemy, jak agent AI może obniżyć koszty przestojów w Twojej fabryce.
Sprawdź też: Agent AI do kontroli jakości - wizja komputerowa | Agent AI do raportowania finansowego | Agentic AI - rynek 28 miliardów