ПРОБЛЕМА

БОЛИ: беспроводные IoT-сети работают нестабильно из-за металлоконструкций и помех; простой датчика - остановка линии или аварийная ситуация; невозможность локализации зон потери сигнала. CustDev:

ЦЕЛЕВОЙ КЛИЕНТ
Промышленные предприятия с непрерывным или дискретным производством, где сбой связи останавливает технологический процесс.

ТЕКУЩИЕ МЕТОДЫ
Разовые замеры уровня сигнала переносными анализаторами спектра. Планирование «по формулам» без учёта реальной 3D-среды. Ручная расстановка шлюзов «на глаз», эмпирическая донастройка.

ПОЧЕМУ НЕ РАБОТАЕТ
 Формулы не учитывают металлические конструкции, влажность, пыль.
 Интеграторы дают проект «на бумаге», без адаптации к изменениям.
 Нет единой картины: где, почему и как деградирует связь.

МАСШТАБ ПРОБЛЕМЫ • рынок РФ
12 000 промышленных площадок с внедрёнными или планируемыми IoT-сетями.
20 % предприятий сталкиваются с деградацией беспроводного покрытия и простоями IoT.
1,5–12 млн руб./год средние потери от простоя одной линии из-за сбоя IoT-сети.

РЕШЕНИЕ

СУТЬ РЕШЕНИЯ
Программная платформа, которая собирает телеметрию со всех IoT-устройств и спектральных сканеров, строит цифровой двойник радиосреды площадки (3D + ML-коррекция), прогнозирует покрытие в любой точке, автоматически предлагает оптимальное размещение шлюзов и настройки, предупреждает о деградации и предлагает реконфигурацию.

ЭКОНОМИЧЕСКИЙ ЭФФЕКТ
Экономия 3–40 млн руб. на проектировании и оборудовании, сокращение простоев на 50–80 %, продление срока службы батарейных устройств.

СЦЕНАРИИ ПРИМЕНЕНИЯ
Развёртывание новой IoT-сети, аудит существующей, предктивное обслуживание, временные площадки (стройка, буровая).

ТЕХНОЛОГИЧЕСКОЕ ЯДРО ПРОЕКТА

ЯДРО: ГИБРИДНЫЙ ЦИФРОВОЙ ДВОЙНИК РАДИОСРЕДЫ

КРИТИЧЕСКАЯ ТЕХНОЛОГИЯ

Распределённый сенсорный слой на базе SDR.

Стационарные SDR-сканеры непрерывно сканируют эфир в диапазонах IoT, фиксируя шум и импульсные помехи от оборудования. Данные в реальном времени питают ML-модель, которая корректирует 3D-карту покрытия и выявляет деградацию до остановки линии. Дешевле и масштабируемее сертифицированных анализаторов.

«Искусственный интеллект» (перечень сквозных технологий НТИ); направления — цифровые двойники, предиктивная аналитика радиочастотного спектра и обучение с подкреплением (Reinforcement Learning) для автоматического управления сетями Industrial IoT.

СТЕК РАЗРАБОТКИ
Фронтенд React Native
Three.js + интерактивная 3D-карта покрытия, визуализация мёртвых зон и сценариев оптимизации
Бэкенд Node.js
REST API + очередь задач для AI, интеграция с оборудованием
База данных PostgreSQL
Цифровые двойники площадок, результаты
AI-слой Alisa AI / GigaChat
LLM-аудит решений

КОНКУРЕНТЫ И АНАЛОГИ

СРАВНЕНИЕ ПО КЛЮЧЕВЫМ ХАРАКТЕРИСТИКАМ

✓ есть ≈ частично — нет

МОНЕТИЗАЦИЯ, РЫНОК И ПОТРЕБИТЕЛИ

РЫНОК РФ: ТАМ – SAM – SOM
ТАМ: 12 000 площадок / 36 млрд руб.
SAM: 4 800 площадок / 14,4 млрд руб.
SOM: 240 площадок / 720 млн руб.

МОДЕЛЬ МОНЕТИЗАЦИИ: В2В, ПОДПИСКА
ПРОБНЫЙ 0 руб./ 14 дней — одна производственная зона
МЕСЯЦ 150 тыс. руб. / месяц — подписка на платформу, до 500 IoT-устройств
ВНЕДРЕНИЕ от 500 000 руб. — интеграция с SCADA/MES, обучение персонала

ПОТРЕБИТЕЛИ: главный инженер / начальник АСУ ТП (пользователь) + финансовый директор (плательщик).
КАНАЛЫ ПРОДАЖ: прямые продажи, партнёрство с интеграторами (Siemens, Cisco, отечественные), отраслевые выставки, пилоты на предприятиях.
КОМАНДА

ЛИДЕР / МАРКЕТОЛОГ
Дудкин Денис
Студент ПГУ, ФВТ
CustDev, юнит-экономика, продвижение, координация

ПРОЕКТИРОВЩИК БД
Пухарева Элина
Студент ПГУ, ФВТ
Проектирование PostgreSQL-схемы, банк задач, миграции

ПРОГРАММИСТ / АНАЛИТИК
Митрофанова Дарья
Студент ПГУ, ФВТ
Бэкенд Node.js, интеграция Alisa AI, аналитика

Проект направлен на создание программно-аппаратного комплекса, предназначенного для автоматизированного сбора, анализа и наглядной визуализации данных о качестве радиопокрытия в беспроводных сетях Интернета вещей (IoT).

На страницу проекта