IFS Nexus Black: ИИ для промышленного обслуживания ускорил устранение неисправностей на 25%

Задача

IFS Nexus Black делает ИИ-ПО для компаний из производства, полевого обслуживания, энергетики, авиации и обороны, то есть для отраслей, где остановка линии или сети недопустима. Условия суровые: инженер в перчатках не будет печатать в чат-боте, морские ветропарки должны работать без сигнала, а на заводах стоит 40-летнее оборудование. Одна ошибка затягивает отключение электричества, останавливает линию или превращается в миллионы потерь на лишних запасах.

Шотландская винокурня William Grant & Sons, где делают виски Grant’s и джин Hendrick’s, только что завершила крупное расширение. Из-за разрозненных данных техники реагировали на поломки, а не предупреждали их: 38% ремонтов были вынужденными, а простои обходились дорого.

Что сделали

IFS Nexus Black создала помощника Resolve на Claude. Он работает рядом с инженерами на опорах линий электропередач, в машинных отделениях и в поле, анализирует изображения оборудования, сопоставляет показания датчиков и связывает закономерности из визуальных осмотров с эксплуатационными данными.

На винокурне Resolve читает сложные схемы завода как обученный инженер, подключается к существующим датчикам и ловит проблемы заранее. Во время ремонта он в реальном времени подсказывает причину неисправности.

Как это устроено

Resolve использует мультимодальные возможности Claude для анализа тысяч изображений оборудования. Открытый протокол MCP облегчает подключение систем, включая устаревшую инфраструктуру, и позволяет модели связать разрозненные данные. Механизм «навыков» помогает управлять контекстом, накопленным за десятилетия промышленных данных, чтобы инженер получал нужное, а не тонул в документации.

Для сложных процессов команда использовала Agent SDK и собрала агентные возможности: они координируют полевые рабочие процессы от первичной диагностики до заказа запчастей и итоговой проверки. Возможные сценарии идут и дальше: Resolve оценивает, где может усилиться шторм, определяет районы с наибольшим риском отключений и направляет бригады на приоритетные объекты.

Цифры

• ●на 25% быстрее устраняются неисправности в активах на заводе, объекте или в поле
• ●38% ремонтов на винокурне были вынужденными до внедрения
• ●оценка экономии винокурни: 8,4 млн фунтов в год на одной площадке после выхода на штатный режим
• ●на странице заявлено, что простои сокращены, а выпуск вырос; численных значений для этого нет

Что повторить у себя

1. Посчитайте долю вынужденных ремонтов: это самая наглядная база для перехода к профилактике.
2. Выбирайте помощника, который работает в условиях поля: фото, видео и работа без сети, а не только чат.
3. Подключайте данные, которые уже есть (схемы, датчики, журналы осмотров), вместо того чтобы заменять оборудование.
4. Дайте модели доступ к знаниям отрасли и ограничьте контекст нужным: без этого инженеру придётся читать лишнее.
5. Закладывайте в расчёт срок выхода на штатный режим: обещанная экономия появляется после него, а не сразу.