OpaGPT Цифровой помощник в гончарной мастерской
Искусственный интеллект для руководителя гончарной мастерской — это не замена рук, а инструмент управления: от планирования обжигов до прогнозирования продаж. Ниже — практичный рецепт внедрения ИИ с точными параметрами.
Шаг 1. Автоматизация учёта брака и качества
Настройте фотофиксацию каждой партии изделий. Используйте ИИ-модель (например, TensorFlow или готовый сервис Google Vision) для классификации дефектов: трещины, деформация, пузыри.
- Снимайте изделия при одинаковом освещении (5000K, 45° к оси камеры).
- Обучите модель на 200+ изображениях каждого типа брака.
- Задайте порог уверенности 85% — ниже отправляйте на ручную проверку.
- Ведите журнал: дата, состав глины, температура обжига, влажность.
- Еженедельно получайте отчёт: % брака по партиям и причинам.
Шаг 2. Прогнозирование спроса и закупок
Используйте ИИ-алгоритм (ARIMA или Prophet) на основе данных о продажах за 2-3 года. Параметры: сезонность (перед Новым годом спрос +40%), тренд, праздники.
- Соберите историю продаж по SKU (артикулам) в CSV-файл.
- Загрузите в Python-скрипт или Google Colab.
- Задайте горизонт прогноза — 90 дней.
- Укажите минимальный запас глины и глазурей (например, 20% от прогноза).
- Автоматически формируйте заказ поставщикам при остатке ниже нормы.
Шаг 3. Персональные рекомендации для учеников
Внедрите чат-бота (на базе GPT или Dialogflow) на сайте для записи на курсы. Он анализирует уровень новичка и предлагает программу.
- Соберите анкету: опыт (0-1 год, 1-3, 3+), цель (хобби, продажа), удобное время.
- Бот подбирает группу и даёт советы по выбору глины (например, для новичков — терракота, обжиг 1000°C).
- После каждого занятия бот отправляет напоминание с техникой (видео 2-3 минуты).
- Раз в месяц — персональный отчёт о прогрессе (оценка по фото работ).
Шаг 4. Оптимизация режимов обжига
ИИ-модель (регрессия) предсказывает оптимальную кривую температуры в зависимости от толщины стенок и типа глины.
| Тип глины | Толщина, мм | Рекомендуемый режим |
|---|---|---|
| Фаянс | 5-8 | Нагрев 150°C/час, выдержка 30 мин при 1050°C |
| Каменная | 8-12 | Нагрев 100°C/час, выдержка 45 мин при 1200°C |
Внесите данные из 50+ обжигов в модель — она выдаст параметры для новой партии с точностью ±5%.
Совет: начинайте с одного процесса (учёт брака), затем масштабируйте. ИИ требует чистых данных — наладьте регулярную запись всех операций.
Практические советы по внедрению
- Используйте бесплатные инструменты: Google Sheets + дополнение AutoML для старта.
- Обучите сотрудников работе с дашбордом (Power BI или DataStudio) — 2 часа в неделю.
- Проверяйте прогнозы ИИ вручную первые 3 месяца, корректируйте параметры.
- Для малого бизнеса достаточно 5-10 часов настройки в месяц.