De ce este utilizarea IA în industria prelucrătoare din Cehia și Slovacia mult mai mare decât în Polonia sau România?

Datele Eurostat nu explică cauzele. Ambele țări s-au dublat aproximativ între 2024 și 2025, iar o parte din salt vine din chestionarul mai larg din 2025. Tratați decalajul ca semnal al unor puncte de plecare diferite, nu ca pe un clasament al fabricilor.

Putem sări peste etape și începe cu mentenanța predictivă?

Puteți, pe o singură mașină, cu un mod de defectare clar și senzori dedicați. Așteptați-vă ca proiectul să refacă părți din etapele 1 și 2 pentru acea mașină. IA la nivelul întregii fabrici fără etapele 1–3 se blochează de obicei din cauza datelor lipsă sau neetichetate.

Cât durează trecerea de la etapa 1 la etapa 4?

Depinde de cât de repede se stabilizează codurile de cauză și utilizarea zilnică. Analiza are nevoie de câteva luni de date colectate în același mod. Nu publicăm o durată tipică, pentru că nu avem o cifră verificată.

Avem nevoie de specialiști în știința datelor pentru etapele 1–3?

Nu. Aceste etape au nevoie de oameni din producție, mentenanță și calitate care își asumă definițiile și folosesc datele în fiecare zi. Competențele de specialitate contează mai ales în etapa 5.

Ajută stratul de date la auditurile IATF?

Da. Opririle și numărătorile colectate automat oferă o bază mai solidă pentru obiectivele OEE, MTBF și MTTR pe care clauza 8.5.1.5 din IATF 16949 le dă ca exemple, precum și pentru tendința lor lunară și analiza lor.

Acasă

Ghid · Date și IA · situația la 22 septembrie 2026

De ce doar 3–8% dintre producătorii din ECE folosesc IA și stratul de date care trebuie să vină primul

Ancheta Eurostat din 2025 plasează utilizarea IA de către producătorii din România, Polonia și Ungaria sub jumătate din rata UE. Soluția este rareori un model mai bun. Sunt datele fiabile de la mașini, colectate în fiecare schimb.

Pe scurtÎn 2025, cel puțin o tehnologie IA era folosită de 3,2% dintre producătorii cu 10+ angajați din România, 7,7% din Polonia și 7,8% din Ungaria, față de 17,3% în UE (Eurostat). IA industrială are nevoie de stări ale mașinilor, numărători și cauze de oprire complete și cu marcaj de timp. Construiți întâi acest strat: colectare automată, cauze adăugate, utilizare zilnică, apoi analiză, apoi IA pentru ce rămâne.

Cifrele adoptării

Întreprinderi care folosesc cel puțin o tehnologie IA, 10+ angajați, % din întreprinderi
Țara	Toate sectoarele 2024	Toate sectoarele 2025	Industria prelucrătoare 2024	Industria prelucrătoare 2025
România	3,1	5,2	1,3	3,2
Polonia	5,9	8,4	5,1	7,7
Ungaria	7,4	10,4	4,8	7,8
Cehia	11,3	17,6	9,6	16,7
Slovacia	10,8	18,0	8,1	15,8
UE-27	13,5	20,0	10,6	17,3
Germania (referință)	19,8	26,0	16,1	24,4

Sursa: Eurostat isoc_eb_ai (toate sectoarele) și isoc_eb_ain2 (industria prelucrătoare, NACE C), indicatorul E_AI_TANY, 2024–2025. Eurostat a lărgit întrebările despre IA în 2025, deci o parte din creșterea 2024→2025 se datorează schimbării anchetei, nu doar adoptării reale.

Se disting două grupuri. În România, Polonia și Ungaria, utilizarea IA în industria prelucrătoare este sub jumătate din rata UE. În Cehia și Slovacia s-a dublat aproximativ într-un an și este acum aproape de nivelul UE, deși schimbarea anchetei explică o parte din acest salt.

La nivelul UE, cel mai frecvent motiv invocat de întreprinderile care au luat în calcul IA, dar nu au folosit-o, a fost lipsa expertizei relevante, menționată de 70,9% dintre ele, urmată de consecințele juridice neclare (52,5%) și de preocupările privind protecția datelor (48,8%) (Eurostat, Use of artificial intelligence in enterprises, 2025). Eurostat nu publică în acea ediție o cifră pentru calitatea datelor ca barieră, așa că nu cităm niciuna.

De ce se blochează proiectele de IA industrială în date

Nu avem o statistică fiabilă despre câte proiecte de IA industrială eșuează și nu avem încredere în cele care circulă. Mecanismul este mai ușor de arătat decât de numărat. Un model care prezice o defectare, recomandă un parametru sau explică o pierdere are nevoie de istoric. Acest istoric trebuie să îndeplinească patru condiții.

Complet. Fiecare oprire, inclusiv cele scurte, cu ora de început și de sfârșit. Un model antrenat pe defectări notate de mână nu vede niciodată blocajele de două minute care fac o mare parte din pierdere.
Etichetat. Opririle au nevoie de cauze dintr-o listă scurtă și stabilă. „Altele” ca cea mai mare categorie nu învață modelul nimic.
Aliniat. Stările mașinilor, numărul de piese, codurile de piesă, schimburile și, unde există, valorile de proces trebuie să aibă același ceas. Alinierea ulterioară a unui jurnal PLC cu un raport de schimb pe hârtie este lentă și adesea imposibilă.
Suficient de lung și de stabil. Luni de date colectate în același mod, pe un proces care nu a fost redefinit în fiecare trimestru.

Dacă aceste condiții nu sunt îndeplinite, prima fază a unui proiect de IA devine un proiect de date, fie că a fost planificat așa, fie că nu. Este mai ieftin să bugetați stratul de date ca proiect separat, cu propria recuperare a investiției prin reducerea zilnică a pierderilor, și să tratați IA ca pe o opțiune ulterioară, construită deasupra.

Deficitul de expertizăBariera de 70,9% privind expertiza este și un argument pentru stratul de date. Etapele 1–3 de mai jos au nevoie de oameni din producție și mentenanță, nu de specialiști în știința datelor. Etapa 5 este singura în care competențele de specialitate în IA sunt esențiale, iar până atunci problema este suficient de îngustă pentru a fi externalizată.

O foaie de parcurs în cinci etape

Colectați automat stările mașinilor și numărul de pieseFiecare mașină-cheie raportează dacă funcționează, este oprită sau produce, cu numărul de piese, dintr-un semnal, nu din pix. Criteriul de finalizare: pentru orice schimb din ultima lună puteți arăta fiecare oprire cu începutul și sfârșitul ei, iar numărul de piese corespunde raportării producției, cu o diferență mică și cunoscută.
Atribuiți cauze opririlorOperatorii aleg o cauză dintr-o listă scurtă, la mașină sau pe o tabletă, în timp ce oprirea are loc. Mentenanța este responsabilă de listă. Criteriul de finalizare: peste nouă din zece minute de oprire au o cauză, iar „altele” nu este între primele trei.
Folosiți datele zilnic în ședințele de schimbȘedința de la începutul schimbului folosește pierderile de ieri pe mașini și cauze, nu memoria. Acțiunile sunt consemnate, cu responsabili. Criteriul de finalizare: șefii de schimb cer ecranul când lipsește, iar principala pierdere de pe fiecare linie-cheie are o acțiune deschisă.
Analiză pe date stabileCu câteva luni de date consecvente, căutați tipare: pierderi pe cod de piesă, schimb, tip de schimbare de fabricație, timp scurs de la mentenanță. Aici tendințele MTBF, MTTR și OEE devin suficient de fiabile pentru audituri și clienți. Criteriul de finalizare: puteți răspunde într-o oră, cu cifre, la întrebarea „de ce a pierdut linia 3 patru puncte luna trecută”.
ML și IA pentru problemele rămaseAlegeți o problemă îngustă și costisitoare pe care analiza nu a rezolvat-o: un mod de defectare cu semne de avertizare, o derivă de calitate legată de valorile de proces, o problemă de planificare. Adăugați senzorii sau datele de care are nevoie acea problemă. Criteriul de finalizare: un model cu efect măsurat asupra unei pierderi anume, având un responsabil în producție.

Etapele 1–3 produc și dovezile pe care clauza 8.5.1.5 din IATF 16949 le cere pentru obiectivele de mentenanță; vedeți ce așteaptă auditorii privind OEE, MTBF și MTTR. Cu contoare divizionare de energie adăugate, același strat răspunde la întrebările clienților despre energia pe piesă.

Date gratuite

Pachetul de date privind industria prelucrătoare din ECE 2026

Toți indicatorii de pe această pagină pentru 7 țări, UE-27 și Germania, cu codurile și linkurile seturilor de date Eurostat. Excel.

Descărcați pachetul de date →

Checklist: sunt datele dumneavoastră pregătite pentru IA?

Răspundeți pentru o linie-cheie, nu pentru întreaga fabrică
Verificare	Pregătit	Încă nepregătit
Cum se înregistrează opririle?	Automat, din semnalul mașinii, cu marcaj de timp	Pe hârtie sau introduse la sfârșitul schimbului
Sunt vizibile micro-opririle?	Da, la nivel de minut sau mai fin	Doar opririle mai lungi de câteva minute
Ponderea timpului de oprire cu cauză	Peste circa 90%, „altele” redus	Categorie mare „altele” sau „necunoscut”
Numărul de piese	De la mașină, pe cod de piesă	Din raportul de schimb sau din înregistrările ERP
Ceas comun	Stările, numărătorile și datele de proces au aceeași bază de timp	Sisteme separate, aliniate manual
Istoric	Șase luni sau mai mult, colectate în același mod	Săptămâni, sau definiții schimbate recent
Utilizare zilnică	Folosite în ședințele de schimb; erorile sunt observate și corectate	Consultate lunar sau pentru audituri
Responsabilitate	Responsabil numit pentru codurile de cauză și definiții	Nimeni, sau doar IT-ul

Pragurile sunt reguli practice, nu repere publicate.

Dacă majoritatea răspunsurilor sunt în coloana din dreapta, un proiect de IA își va petrece primele luni corectându-le. Munca merită făcută, dar numiți-o pe nume când o bugetați și când solicitați finanțare.

Legătura cu finanțarea

Mai multe programe de digitalizare din ECE menționează colectarea datelor de producție, MES sau IoT drept costuri eligibile, ceea ce se potrivește bine cu etapele 1–3. Situația apelurilor se schimbă des. Site-ul nostru înrudit listează schemele pe țări, cu date și linkuri oficiale: finanțări pentru digitalizarea fabricilor în ECE. Verificați documentația apelului în vigoare la agenție; aceasta nu este consultanță în finanțări.

De unde poate veni stratul de date

Trei variante obișnuite
Varianta	Se potrivește când	Atenție la
MES	Aveți nevoie și de comenzi, trasabilitate și instrucțiuni de lucru în secție	Proiecte mai lungi; colectarea stării pe mașinile mai vechi poate necesita totuși hardware suplimentar
Integrator local (date PLC și SCADA)	Mașinile au controlere accesibile și aveți suport IT intern	Definițiile și dashboardurile sunt personalizate; păstrați documentația
Produs de monitorizare (de exemplu TeepTrak)	Vreți rapid stări, cauze de oprire și numărători, inclusiv pe mașini mai vechi	Costul abonamentului; integrarea cu ERP sau MES, dacă aveți nevoie ulterior

Acest site este publicat de TEEPTRAK SAS, care vinde software de monitorizare a producției și OEE (peste 450 de fabrici echipate în peste 30 de țări; echipă pentru ECE în București). Nu suntem neutri față de a treia variantă. Toate trei pot livra etapele 1–3. La fel poate și un tabel Excel ținut cu disciplină pe o singură linie, ca prim test al disponibilității echipelor de a folosi datele.