10 mln. eurų parama DI: šansas regionų pramonei žengti į Pramonę 4.0

Ekonomikos ir inovacijų ministerija paskelbė naują, iki 10 mln. eurų siekiantį kvietimą Vidurio ir Vakarų Lietuvos labai mažoms, mažoms ir vidutinėms įmonėms, kuriančioms dirbtinio intelekto (DI) produktus ar sprendimus. Tai ne tik finansavimo priemonė – tai signalas, kad AI Lietuvos gamyboje pereina iš teorinių diskusijų į realius projektus cechuose ir sandėliuose.

2025 m. pabaiga – palankus laikas regionų verslams žengti kitą žingsnį. Energetikos kaštai, konkurencija dėl darbuotojų ir spaudimas didinti efektyvumą verčia ieškoti išmanių sprendimų. Ši parama gali tapti katalizatoriumi, leidžiančiu mažoms ir vidutinėms gamybinėms įmonėms nuo atsitiktinių skaitmenizavimo iniciatyvų pereiti prie sisteminės Pramonė 4.0 transformacijos.

Toliau aptarsime, ką praktiškai reiškia šis kvietimas regionų verslams, kaip jį panaudoti nuspėjamajai priežiūrai, kokybės kontrolei ir platesnei skaitmeninei transformacijai, ir kokius žingsnius verta suplanuoti jau dabar.

Ką reiškia 10 mln. eurų kvietimas DI sprendimams regionuose?

Nors oficialus kvietimo tekstas apibrėžia tikslias sąlygas, jau dabar aišku keli esminiai dalykai:

• Tikslinė grupė – Vidurio ir Vakarų Lietuvos labai mažos, mažos ir vidutinės įmonės (MVĮ).
• Fokusas – DI produktai ir sprendimai, o ne bendra IT infrastruktūra.
• Prioritetas – inovacijos, didinančios konkurencingumą ir produktyvumą.

Tai reiškia, kad parama orientuota į įmones, kurios ne tik naudos AI, bet ir kurs realius DI sprendimus, pritaikomus gamyboje, logistikoje, paslaugose ar kituose sektoriuose.

Kodėl šis kvietimas ypač svarbus pramonei?

Lietuvos pramonė, ypač regionuose, dažnai susiduria su panašiais iššūkiais:

• senstanti įranga ir didėjantys jos priežiūros kaštai;
• kvalifikuotos darbo jėgos trūkumas;
• spaudimas mažinti broką ir laikytis griežtų kokybės standartų;
• didelis sezoniškumas ir paklausos svyravimai.

Dirbtinis intelektas gali padėti spręsti visus šiuos klausimus, tačiau iki šiol daugeliui MVĮ trūko:

• lėšų pilotiniams projektams;
• kompetencijų ir patirties, kaip praktiškai diegti AI;
• pasitikėjimo, kad investicijos atsipirks.

Finansavimo kvietimas mažina šias įėjimo kliūtis ir leidžia riziką dalintis su valstybe, o ne prisiimti vien įmonei.

Kur AI duoda didžiausią naudą gamyboje: trys prioritetinės kryptys

Kad paraiška būtų konkurencinga, svarbu aiškiai parodyti, kaip DI projektas kurs apčiuopiamą verslo vertę. AI Lietuvos gamyboje jau dabar dažniausiai taikomas trimis kryptimis.

1. Nuspėjamoji priežiūra (predictive maintenance)

Nuspėjamoji priežiūra – tai DI modelių panaudojimas prognozuoti, kada įranga gali sugesti, ir atlikti planinę priežiūrą dar prieš atsirandant gedimui.

Pagrindiniai privalumai:

• mažiau neplanuotų prastovų;
• ilgesnis įrangos tarnavimo laikas;
• mažesnės remonto ir atsarginių dalių išlaidos;
• geresnis gamybos planavimas.

Praktiškas pavyzdys:

• metalo apdirbimo įmonė ant staklių sumontuoja vibracijos ir temperatūros sensorius;
• sensorių duomenys realiu laiku keliauja į DI modelį;
• modelis nustato tipinius „normalios“ darbo būsenos raštus ir fiksuoja nukrypimus;
• sistema iš anksto įspėja apie guolio dėvėjimąsi, todėl priežiūra atliekama planinės pauzės metu, o ne kritinio gedimo metu.

Tokio tipo projektai puikiai atitinka Pramonė 4.0 logiką: fizinė įranga, jutikliai, duomenys ir DI veikia kaip vientisa sistema.

2. AI pagrįsta kokybės kontrolė

Daugelis Lietuvos gamintojų vis dar remiasi rankine vizualine patikra. Tai lėta, brangu ir priklauso nuo žmogaus nuovargio. DI leidžia daug procesų automatizuoti.

AI kokybės kontrolės sprendimai gali:

• naudoti kameras ir kompiuterinį matymą brokui aptikti;
• atpažinti paviršiaus defektus, įbrėžimus, netikslumus matmenyse;
• analizuoti produktų nuotraukas realiu laiku ties gamybos linija.

Pavyzdinė situacija:

• baldų gamintojas diegia kamerų sistemą prie pakavimo linijos;
• DI modelis lygina produkto vaizdą su „idealiu“ šablonu;
• jei pastebimas įbrėžimas, kraštų nelygumas ar spalvos neatitikimas, gaminys automatiškai nukreipiamas atskirai patikrai;
• sumažėja klientams išsiunčiamo broko kiekis, auga pasitenkinimas ir mažėja grąžinimų.

Tokio tipo projektai ypač aktualūs toms MVĮ, kurios eksportuoja ir privalo laikytis griežtų kokybės standartų.

3. Skaitmeninė transformacija ir gamybos optimizavimas

Trečioji kryptis – platesnė skaitmeninė transformacija, kai DI tampa įrankiu efektyviau valdyti visą gamybos grandinę.

Galimos sritys:

• gamybos planavimas ir pamainų grafikai;
• žaliavų ir atsargų poreikio prognozės;
• energijos suvartojimo optimizavimas;
• logistikos ir maršrutų planavimas.

Pavyzdys:

• maisto pramonės įmonė DI pagalba prognozuoja paklausą pagal sezoniškumą, akcijas ir istorinius pardavimų duomenis;
• sistema rekomenduoja žaliavų užsakymo apimtis ir gamybos planus;
• sumažėja nurašymai dėl trumpų galiojimo terminų ir sandėliavimo kaštai.

Šio tipo projektai dažnai kuria tiesioginę finansinę grąžą, todėl yra patrauklūs tiek įmonėms, tiek finansuotojams.

Kaip pasiruošti paraiškai: 5 žingsnių planas MVĮ

Kad 10 mln. eurų kvietimas netaptų praleista galimybe, verta struktūruotai pasiruošti. Žemiau – praktinis žingsnių planas.

1. Aiškiai nusibrėžkite verslo problemą

Vietoje abstraktaus „norime diegti AI“, apibrėžkite konkrečią problemą:

• kiek kainuoja neplanuotos prastovos per metus?
• koks yra broko procentas ir jo finansinė išraiška?
• kiek laiko užtrunka kokybės patikra ar planavimas?

Kuo skaičiais aiškiau įvardysite pradinę situaciją, tuo lengviau parodysite būsimos DI investicijos naudą.

2. Įsivertinkite turimus duomenis ir infrastruktūrą

DI sprendimai remiasi duomenimis. Įsivertinkite:

• kokie duomenys jau renkami (sensoriai, ERP, CRM, gamybos apskaita);
• kokiu formatu jie saugomi ir ar lengvai pasiekiami;
• ar turite bazinę IT infrastruktūrą (serveriai, debesijos sprendimai, tinklai);
• kokių jutiklių ar sistemų dar trūksta.

Šis įsivertinimas padės suprasti, kokia projekto dalis bus skirta techniniam pasiruošimui, o kokia – pačiam DI kūrimui.

3. Pasirinkite prioritetinį AI taikymo scenarijų

Mažai įmonei dažnai geriau ne skaidyti dėmesio, o pasirinkti vieną prioritetinę kryptį:

• nuspėjamoji priežiūra;
• AI kokybės kontrolė;
• gamybos ar logistikos optimizavimas.

Svarbu, kad pasirinktas scenarijus būtų:

• finansiškai reikšmingas (ne „gražus žaisliukas“);
• realiai įgyvendinamas per projekto laikotarpį;
• svarbus įmonės strategijai ir Pramonė 4.0 vizijai.

4. Susiraskite technologinį partnerį arba formuokite komandą

Ne kiekviena MVĮ turi savo duomenų mokslininką ar DI inžinierių. Galimi du keliai:

• bendradarbiauti su technologijų įmone, kuri specializuojasi DI sprendimuose gamybai;
• formuoti vidinę komandą, samdant bent vieną duomenų analitiką / DI specialistą ir derinant jų darbą su išoriniais konsultantais.

Paraiškoje verta aiškiai parodyti, kas bus atsakingas už:

• duomenų paruošimą;
• modelių kūrimą ir testavimą;
• integraciją su esamomis sistemomis;
• darbuotojų mokymus.

5. Paruoškite projekto planą ir aiškius rodiklius

Sėkmingam projektui reikia aiškių rodiklių (KPI):

• planuojamas broko sumažėjimas (pvz., nuo 4 % iki 2 %);
• prastovų valandų sumažėjimas per metus;
• energijos ar žaliavų sunaudojimo optimizavimas;
• planuojamas atsipirkimo laikotarpis.

Rodikliai parodo, kad DI diegimas – ne tik madinga technologija, bet ir konkreti investicija į produktyvumą.

Dažniausios klaidos diegiant DI gamyboje ir kaip jų išvengti

Kad naujasis kvietimas taptų realia sėkmės istorija, verta žinoti ir tipines klaidas.

Klaida Nr. 1: „Pirmiausia nusipirksime technologiją, o paskui sugalvosime, kam ją naudoti“

DI projektas neturi pradėti nuo įrangos ar licencijų pirkimo. Pirmas žingsnis – verslo problema ir tikslas, tik vėliau – technologinis sprendimas.

Klaida Nr. 2: Nepakankamas duomenų pasiruošimas

Net ir pažangiausias modelis bus bevertis, jei:

• duomenų trūksta;
• jie nėra kokybiški (nepilni, netikslūs);
• nėra nuoseklios duomenų rinkimo tvarkos.

Todėl projekto plane privalo būti etapas, skirtas duomenų kokybės gerinimui.

Klaida Nr. 3: Darbuotojų „neįtraukimas“

Jei AI sprendimas diegiamas „iš viršaus“, neaiškinant cecho meistrams ir operatoriams, kas ir kodėl keičiasi, kyla pasipriešinimas:

• darbuotojai bijo, kad juos pakeis mašinos;
• naujos sistemos apeinamos ir ignoruojamos;
• projekto nauda neišnaudojama.

Sėkmės atveju DI tampa pagalbininku, o ne grėsme: darbuotojai gauna įrankius sprendimams priimti, o ne praranda galimybę juos priimti.

Klaida Nr. 4: Per dideli ambicijų mastai pirmajame projekte

Geriau sėkmingai įgyvendinti vieną aiškiai apibrėžtą pilotą, nei bandyti iš karto automatizuoti visą gamyklą. Mažas, bet sėkmingas projektas:

• suteikia patirties ir pasitikėjimo;
• leidžia sukurti vidinius „DI ambasadorius“ įmonėje;
• tampa pagrindu tolimesniems Pramonė 4.0 žingsniams.

Ką šis kvietimas reiškia „AI Lietuvos Gamyboje: Pramonė 4.0“ kontekste?

Šis 10 mln. eurų kvietimas yra dar vienas aiškus ženklas, kad AI Lietuvos gamyboje iš nišinių projektų pereina į platesnį etapą. Regionų MVĮ gaus realią galimybę:

• išbandyti nuspėjamąją priežiūrą savo įrenginiuose;
• automatizuoti kokybės kontrolę ir mažinti broką;
• žengti į gilesnę skaitmeninę transformaciją.

Tie, kurie pasinaudos šia proga, sustiprins savo pozicijas tiek Lietuvos, tiek eksporto rinkose. Tie, kurie atidės sprendimus „geresniems laikams“, rizikuoja atsilikti nuo konkurentų, kurių procesai bus greitesni, lankstesni ir pigesni.

Jei svarstote, nuo ko pradėti – pradėkite nuo klausimo: kuri konkreti problema jūsų gamyboje šiandien labiausiai skauda ir kaip DI galėtų ją išspręsti? Nuo šio atsakymo prasideda ne tik gera paraiška, bet ir tikra Pramonė 4.0 kelionė jūsų įmonėje.