Цифровой директор

Как организована пропускная система на вашем предприятии? В нашем московском офисном центре, например, всё по классике: есть карточки, есть система разовых пропусков, но бумажный журнал и пропуска «по звонку» тоже в ходу. Для офисов это, пожалуй, нормально, а вот для промышленного предприятия такой пропускной режим вряд ли подходит.Устные согласования, разовые пропуска, бумажные журналы — эти привычные вещи делают процесс неуправляемым и создают серьёзные дыры в системе безопасности. Очевидно, что нужна автоматизация. Но как именно она должна быть устроена, чтобы не стать системой «для галочки», чтобы навести порядок в пропускной системе, а не зафиксировать беспорядок?Об этом 25 февраля будут говорить наши друзья из Синерго на вебинаре «Пропускной режим на предприятии: где теряется контроль и как это исправить». Обещают поделиться практическим опытом и разобрать кейс с реального предприятия.Мы придем и вас приглашаем. Регистрация тут, до встречи!

В 2023 году сотрудник NASA Али Ага (Ali Agha), занимавшийся разработкой искусственного интеллекта для марсоходов, решил, что этим технологиям пора спуститься с небес на Землю. Его мотивация была проста: в чисто цифровых задачах AI уже достиг впечатляющих результатов, но в работе с физическим миром он по-прежнему заметно отстает. Причина банальна — нехватка данных. В общем-то, для искусственного интеллекта Земля сегодня изучена немногим лучше, чем Марс.Так появился стартап FieldAI, ориентированный на промышленные и прикладные сценарии.В основе FieldAI лежит идея универсального «робомозга», который можно встроить почти в любого робота. Главная особенность модели — акцент на физической природе среды, в которой этот робот существует. Разработчики говорят о дополнительном «физическом слое» в архитектуре модели, который наделяет систему отдельным набором знаний о реальном мире и позволяет оценивать физическую ситуацию. FieldAI выдает не готовые рекомендаций, а анализ физических рисков и ограничений среды.Вот что говорит сам Ага:Мы избрали принципиально иной путь. Вместо того чтобы пытаться втиснуть крупные языковые и визуальные модели в робототехнику — а затем постфактум бороться с их галлюцинациями и ограничениями, — мы с самого начала спроектировали систему с осознанным отношением к рискам.Рискованной для рядового предпринимателя выглядит и бизнес-стратегия FieldAI. В отличие от большинства стартапов, компания не пытается сначала нарастить критическую массу полезных функций, а уже потом выходить на рынок. Здесь логика обратная: как можно быстрее отправить роботов в свет — на стройки, заводы, склады и другие реальные объекты. Пусть на первых порах они будут мало что уметь и понимать, зато каждый такой выход дает данные для обучения модели. Улучшенная модель позволяет запускать еще больше роботов — и так далее.Видимо, так рисковать Али позволяют внушительный багаж и экспертизы, и связей, и авторитета. Об этом говорит и то, что в 2025 стартап поддержали Nvidia, Билл Гейтс

Пару лет назад, когда российский бизнес столкнулся с уходом Wonderware, мы разработали универсальную платформу мониторинга предприятий — UNIOS. И дело было не только в импортозамещении: в конце концов, системы уровня Wonderware были (да и есть) далеко не у каждого, даже крупного предприятия.Ключевой вопрос для бизнеса был в другом. Насколько экономически оправдано внедрение сложной цифровой системы ради гипотетического предотвращения неисправностей и аварий? Может ли такая система быть эффективнее опытного оператора или машиниста, который много лет работает на предприятии и знает оборудование досконально?UNIOS создавался как попытка дать практический ответ на этот вопрос (непременно положительный). Задачей было объединение данных разрозненных датчиков, их интерпретация, автоматизация эксплуатации, технического обслуживания и ремонта (ТОиР), построение AI-прогнозов, своевременное оповещение о неисправностях, а также упрощение и ускорение отчетности.Спустя два года мы можем сказать, что UNIOS со своей задачей справился. Нам удалось и дать бизнесу понятные ответы, и создать доступный отечественный продукт, доказавший свою эффективность на практике. Теперь мы хотим дать слово самому бизнесу.Мы пригласили пользователей UNIOS — Лахта-центр, Липецкий завод сэндвич-панелей и Городской мониторинговый центр Санкт-Петербурга — чтобы они в открытом формате поделились своим опытом работы с платформой.13 февраля пройдет онлайн-встреча с практическим разбором реальных кейсов и онлайн-трансляцией с действующего предприятия. Обсудим, почему для современного ТОиР умная система мониторинга перестала быть «опцией» и стала необходимостью. Если вы руководите производством или эксплуатацией, отвечаете за ТОиР, надежность, безопасность, управление персоналом и бюджетом — обязательно подключайтесь. Нам есть чем поделиться друг с другом.

Время подводить итоги года — отраслевые и личные.2025 год для цифровых решений в индустрии наверняка запомнится широчайшим, а местами и взрывным развитием генеративного ИИ — или как минимум беспрецедентным интересом к нему. К концу года уже можно сказать, что genAI прошёл путь от моды — к цели и далее к привычке.Не хочется дублировать истины, которые за этот год прозвучали практически во всех тг-каналах. Гораздо интереснее оглянуться на уходящий год со своей, личной точки зрения.Для «Цифрового директора» это был ещё один насыщенный, полный открытий год. Мы пролистали наш канал на год назад и отобрали несколько постов, к которым предлагаем вернуться и вам.Например, пост о “страхах цифрового директора”. В начале года главными рисками для лидеров цифровизации мы называли кибербезопасность, отсутствие единой IT-стратегии и проблемы функциональной совместимости со старыми решениями. Год спустя эти риски, пожалуй, так и остались ключевыми.А вот обещанный Forbes тренд уходящего года — полностью автономные «тёмные фабрики». На наш взгляд, трендом в полном смысле слова они не стали, но по частоте упоминаний в новостях уверенно входят в топ-10 индустриальных тем.Мы делились не только новостями, но и собственным, нет-нет да и экспертным, мнением. Рассуждали о том, что же в итоге победит: централизация или децентрализация в AI. Победитель пока не определён, продолжаем наблюдать. А ещё рассказывали об использовании ИИ в металлургии — разумеется, на собственном опыте.Были и новости о необычных, а местами даже странных, но при этом неожиданно успешных решениях. Например, AI-робот для разделки рыбы по старинному японскому методу икэ дзимэ. Или очень узкое и очень успешное решение исключительно для сбора шампиньонов. Делились и собственными успехами: вот «Синильга» — дрон для промышленной инспекции с защитой лопастей, а вот «ВеКо» — AI-инструмент, помогающий операторам досмотра сохранять внимание и не отвлекаться.В 2026 продолжим следить за новостями, делиться опытом, обсуждать уда

Вебинар о видеоаналитике в гранулометрии уже сегодня! Если еще не успели, регистрируйтесь на вебинар здесь. Обсудим плюсы, минусы и границы применимости современных методов контроля качества сырья и цифровизации.

В процессе автоматизации часто возникают ситуации, когда неочевидно, должно ли «умное» решение полностью заменить классический подход или лишь дополнить его. Один из таких примеров — доменная печь, в которой из железорудного сырья (шихты) выплавляют чугун. В шихту входят материалы самого разного размера: окатыши, кокс, известняк. При этом гранулометрический состав шихты в значительной степени определяет эффективность работы печи.Есть стандартный способ определения гранулометрического состава — метод рассева. Из потока отбирают небольшую порцию шихты и просеивают её через набор сит (“грохотов”), получая точный гранулометрический состав. Однако на производстве по конвейеру могут проходить тонны сырья в минуту, тогда как на рассев отбирается не более 200 кг. Очевидно, что такой подход не даёт полной картины и тем более не позволяет отслеживать состав шихты в каждый момент времени.Современное решение — система компьютерного зрения, камера которой установлена прямо над конвейером и в режиме онлайн позволяет отслеживать гранулометрический состав шихты. Система определяет размер каждого увиденного “камня”, а затем уже рассчитывает все гранулометрические характеристики. Эта система работает на фреймворке VideoAI.NTR и дополнительно обучена на рассевах, чтобы не только определять состав на поверхностном слое, но и оценивать распределение фракций во внутренних слоях материала, недоступных прямому обзору камеры. Казалось бы, такое решение должно заменить трудоемкое и очень выборочное (пусть и локально очень точное) определение состава. Однако практикам не очевидны границы применимости потоковой гранулометрии. По мнению одних специалистов, от рассевов нужно отказываться полностью (собственно, с таким запросом к нам когда-то и обратились), по мнению других — система компьютерного зрения, даже обученная на реальных рассевах и работающая 24/7, не может заменить точный рассев — любая умная модель упирается в физические ограничения и верить ее результатам нельзя.Вопрос интересный и

В 2013 году, после визита на АЭС, двое студентов Grove City College запустили проект Gecko — роботов-краулеров, способных передвигаться по стенкам котлов и проводить их инспекцию. Еще будучи студенческим проектом, Gecko провёл несколько успешных промышленных испытаний, после чего превратился в Gecko Robotics. На протяжении многих лет компания фокусировалась именно на инспекции котлов с помощью своих краулеров.Вероятно, на этом история могла бы и закончиться — Gecko жили бы долго и счастливо, продолжали бы развивать технологию, плавно масштабировать бизнес. Но по мере роста компании и появления заказчиков крупнее и требовательнее в Gecko нащупали неожиданно слабое место всей отрасли: инспекция кровельных покрытий. Даже небольшая трещина на крыше приводит к попаданию влаги, а та очень быстро превращается в заметные дефекты и дорогостоящие проблемы.При этом оказалось, что автоматизация в этой области развита удивительно слабо. Большинство крыш продолжают осматривать вручную — что не только небезопасно, но и крайне неэффективно: человек способен пропустить до 50% критических, но мелких дефектов.В итоге в Gecko решили расширить фокус с краулеров и внутренних котловых поверхностей на крыши и дроны. С технической точки зрения наружный осмотр крыши совершенно не является проблемой: на рынке полно готовых дронов, полностью подходящих для такой задачи. Оставалось оснастить их нужным ПО, а за более чем десять лет существования Gecko успели разработать зрелую аналитическую платформу. Так появился дрон StratoSight. Он облетает крышу, собирает фотограмметрические и термографические данные и сразу загружает их в облако. Там с помощью ИИ формируется отчёт с 3D-визуализацией и всей необходимой аналитикой.Разумеется, всё это применимо не только к крышам котлов, но и к любым промышленным и коммерческим кровлям. А таких — склады, заводы, логистические терминалы — тысячи зданий и миллионы квадратных метров, которые до сих пор обследуются вручную.По сути, Gecko удалось очень малой дорабо

А вот про нашу Синильгу в Дронофлоте пишут

Дрон для промышленных инспекций 🧱⬛️⬜️Беспилотник прилетает на помощь уже почти в любую сферу жизни, вот и промышленность не исключение. Здесь дрон заменяет человека в зонах повышенного риска — на высоте, в тесных помещениях и тп. Чем полезен промдрон:🔹Металлургия: Контроль состояния печей, конвейеров, кран-балок 🔹Машиностроение: Осмотр оборудования, контроль сварных швов конструкций и балок 🔹Тяжелая промышленность: Оперативный осмотр оборудования и конструкций без остановки производства🔹Химическая промышленность: Осмотр производственного оборудования, поиск утечек и коррозии🔹Энергетика: Точная диагностика труднодоступного энергооборудования (лотков, кабель-каналов, систем освещения) 🔹Строительство: Контроль качества монтажа на высотных конструкциях внутри помещений Один из таких дронов "Синильга", разработанный компанией "НТР Томск". Он назван женским эвенкийским именем, которое означает «снег».Чем оснащена "промышленная женщина":🔺4К камера на стабилизированном подвесе с рабочим освещением для обследований даже вплотную к объекту🔺Специальная система связи, которая позволяет работать бесперебойно в закрытых пространствах🔺Визуальная навигация NaviNTR для точного удержания координатПока дрон способен работать чуть более 10 минут на одной батарее, общее время инспекции на комплектном наборе батарей — 30 минут. Авторы проекта утверждают, что этого времени работы на одной батарее достаточно для выполнения дроном узконаправленной задачи. Промышленные дроны только начинают набирать тренд. Пока еще понаблюдаем за развитием рынка, прежде чем дроны будут за нас красить стены, клеить обои и устанавливать плинтуса🐸Дронофлот

Компания Brightpick представила новый — очередной в своей линейке — мультифункциональный робот для складских задач. Он может автоматически передвигаться, искать товары и собирать заказы на складе, но главное — делает это не медленнее человека.Autopicker 2.0 позиционируют как человекоподобного робота, но, к счастью, в данном случае человекоподобность не про форму, а про поведение. Техническое оснащение перечислять не будем — всё, примерно, стандартно. Главное, что действительно делает его ближе к человеку, — способность одновременно двигаться и собирать товары. То есть, робот забирает не нужный товар, а всю корзину и сразу же продолжает движение к следующей точке. Сборка происходит по дороге от одной точки до другой. Маршрут тоже по-умному оптимизируется, получается почти непрерывный поток действий: в одном месте забрал, в другом поставил, где-то там же рядом взял следующий — и всё это без пауз на вытаскивание товара из корзины.Отказ от остановок увеличивает скорость работы, примерно, в 1,5 раза — до 70–80 операций в час.Есть важное уточнение, которое, возможно, слегка охладит впечатление: всё это работает только внутри складской экосистемы Brightpick — со стандартизированными контейнерами, стеллажами и заданными размерами. Но как демонстрация концепции Picking-in-Motion — вполне любопытно.