Экспертные заключения: 0
Консультации: 0

PredictGuard

Предприятия малого и среднего бизнеса (небольшие производства, локальные сборочные цеха, удаленные объекты) эксплуатируют критически важное, но стандартизированное оборудование (электродвигатели, насосы, конвейерные ленты, компрессоры). В отличие от крупных корпораций, у МСБ нет бюджетов на внедрение тяжелых и дорогостоящих систем АСУТП, покупку собственных серверов и содержание штата специалистов. Техническое обслуживание проводится либо по жесткому регламенту (что избыточно и дорого), либо реактивно — когда оборудование уже сломалось.

Требуемый результат: Разработка прототипа (MVP) облачной платформы предиктивной диагностики, работающей по модели подписки (SaaS). Платформа должна принимать данные с недорогих IoT-датчиков (температура, вибрация, потребляемый ток), установленных на оборудовании клиента или типовых систем контроля состояния оборудования, анализировать их в облаке с помощью статистических моделей и заранее предупреждать персонал об аномалиях через удобный веб-интерфейс или мессенджер.
Проблемы:
1. Высокий порог входа: Существующие на рынке системы предиктивной диагностики ориентированы на крупный промышленный сектор (сложные, дорогие, требуют локальной инфраструктуры).
2. Внезапные простои: Поломка даже одного критичного насоса или конвейера может остановить все производство, что ведет к срыву контрактов и тяжелым финансовым потерям для небольшого бизнеса.
3. Отсутствие IT-экспертизы: У потенциальных пользователей нет квалификации для настройки сложных алгоритмов машинного обучения.

Цель и ожидаемые метрики решения:

∙ Разработать архитектуру облачного сервиса (Data Ingestion, Data Processing, ML-inference, Frontend/Alerting).

∙ Снижение затрат на внедрение: Решение должно разворачиваться без установки локальных серверов у заказчика (только IoT-шлюз и доступ в интернет).

∙ Точность: Выявление не менее 85% аномалий и потенциальных поломок на основе тестового датасета.

∙ Горизонт прогнозирования: Система должна выдавать предупреждение о критическом отклонении до фактического отказа оборудования.

∙ Удобство (UX/UI): Наличие интуитивно понятного дашборда для мониторинга «здоровья» оборудования (индикация по принципу «светофора»: зеленый — норма, желтый — внимание, красный — критическое состояние). Сигналы должны быть понятны пользователю без технического образования и не перегружать его избыточной информацией.

Ссылка

На страницу проекта

Направление

IT, Металлургия и добывающая промышленность

Рынки

EnergyNet, TechNet

Сквозные технологии

Искусственный интеллект, Новые производственные технологии, Технологии сенсорики