Экспертные заключения: 9
Консультации: 0

СканКИП

Проект «СканКИП» посвящен разработке программного комплекса для автоматизации первичного сбора и верификации полевых данных в нефтегазовой отрасли.

Проблема: На текущий момент сбор технологических параметров (КИП) на месторождениях осуществляется вручную. Заполнение отчетов занимает до 5-7 минут, сопровождается высоким процентом ошибок ввода (человеческий фактор), а задержка передачи данных в диспетчерскую достигает 8-12 часов. Суровые климатические условия и необходимость работы в средствах индивидуальной защиты делают классические ИТ-интерфейсы неудобными.

Решение: Мы создаем интеллектуальную систему на базе интерфейса ВКонтакте (VK-бот), которая избавляет линейный персонал от бумажной рутины и ручного ввода на планшетах.

Технологическая новизна: В основе системы лежит современный стек (Python, FastAPI) и нейросетевые модели, дообученные на уникальном отраслевом датасете (фреймворк PyTorch) для работы в условиях промышленных помех:

  1. ASR-модуль (Automatic Speech Recognition) распознает и транскрибирует голосовые отчеты пользователя.
  2. OCR-модуль (Optical Character Recognition) обрабатывает фотографии аналоговых приборов, автоматически считывая их показания.
  3. Алгоритм проводит кросс-модальную верификацию и проверку на аномалии «на лету», блокируя отправку недостоверной информации. Система поддерживает полностью локальное развертывание (on-premise) для гарантии безопасности корпоративных данных.

Результат: Внедрение «СканКИП» позволит сократить время формирования одного отчета с 7 до 1-2 минут, отфильтровать до 90% ошибок ручного ввода и обеспечить мгновенную маршрутизацию валидированных данных в корпоративные ERP/ТОиР системы без капитальных затрат на закупку оборудования. Проект имеет официальную поддержку индустриального партнера ООО «УТНГО», на базе которого планируются испытания прототипа.

Ссылка

На страницу проекта

Направление

IT, Нефтегазовая отрасль

Рынки

TechNet, SafeNet

Сквозные технологии

Искусственный интеллект, Технологии машинного обучения и когнитивные технологии