Новости

Модернизировать мониторинг T2 потребовалось из-за роста объемов данных и повышенных требований к надежности сервисов. Любые сбои в инфраструктуре напрямую влияют на миллионы абонентов, репутацию и выручку компании. Оператору требовалось зрелое вендорское решение, которое обеспечивает полную наблюдаемость инфраструктуры, высокую производительность и устойчивость к внешним воздействиям.

Разработка построена на базе российской системы «Пульт» компании «Лаборатория Числитель», в основе — ядро Zabbix. Одним из ключевых преимуществ системы перед Zabbix являются доработки, которые позволяют ей стабильно и надежно работать при высоких нагрузках в enterprise-инфраструктуре и хранить большие объемы данных. В результате удалось в три раза увеличить мощности по сбору данных мониторинга и оптимизировать их хранение в 10 раз.

Геораспределенная архитектура охватывает три ЦОДа и 12 площадок. Решение отличается повышенной производительностью — система обрабатывает до 15 млн метрик. Сбор данных происходит через прокси-серверы, а гибридное хранение обеспечивается PostgreSQL и ClickHouse. Комбинирование технологий обеспечивает высокую скорость обработки данных и простую масштабируемость.

Ключевой результат проекта — увеличение скорости реагирования на инциденты в 2,7 раза. Архитектура выдерживает трехкратный рост количества данных и обеспечивает долгосрочное хранение до семи лет и анализ больших данных.

Как отмечает Павел Ковальский, директор по стратегическому развитию сети Т2, внедрение катастрофоустойчивого мониторинга позволило не только повысить скорость реакции на инциденты, но и перейти к проактивному управлению инфраструктурой. Компания уверена в устойчивости системы даже в самых сложных сценариях.

Система, внедряемая в «Пятерочке», работает на базе нейросети. Алгоритмы распознают отсутствие ценников, наличие пустот в выкладке товаров на полках и т.д. Преобразуя визуальную информацию в структурированные данные, Shelf Sense позволяет видеть фактическое состояние магазинов без выездных проверок, обеспечивая дисциплину торгового пространства и точность аналитики.

Цифровой контроль ценников осуществляется по расписанию — автоматические сканирования проходят в заданное время. Алгоритмы выявляют ряд несоответствий, такие как: неправильные ценники, отсутствующие или лишние ценники. Каждая позиция, которая требует корректировки, для удобства и скорости выполнения содержит точную навигацию: номер стеллажа, полки, название товарной позиции, фотографию для визуального подтверждения.

Параллельно система решает задачу распознавания пустот на полках. Сканируя стеллажи по заданному графику, Shelf Sense определяет отсутствие товара, анализирует остатки на складе магазина и формирует рекомендации по пополнению — предлагая конкретное товарное наименование (SKU) для выкладки. Это исключает субъективность оценок и сокращает время реакции, что в конечном счете повышает эффективность точки.

Как отмечает Георгий Кононов, директор по поддержке и эффективности бизнеса торговой сети «Пятерочка», в ходе теста нейросеть проходит обучение, поэтому система может допускать неточности при распознавании. Успешность пилота напрямую зависит от обратной связи сотрудников магазинов, которые подтверждают или корректируют работу технологии. Такой подход позволит повысить точность алгоритмов перед масштабированием решения.

В начале 2024 года «КуйбышевАзот» запустил проект по созданию импортонезависимой ИТ-инфраструктуры и внедрению ERP-системы на базе программных продуктов «1С:Корпорация» и отраслевых решений «1С». В рамках проекта формируется единая централизованная система управления предприятием. Ее основа — модуль «1С:ERP Управление холдингом», к которому подключаются специализированные отраслевые решения. Первая очередь проекта была направлена на перевод критических бизнес-процессов на отечественную ERP-платформу, вторая — на масштабирование автоматизации и запуск новых подсистем.

В рамках второй очереди проекта команда К2Тех внедрила новые отраслевые и корпоративные решения, ориентированные на повышение качества управления вспомогательными процессами, унификацию учета и ускорение подготовки отчетности. В состав внедренных продуктов вошли решения для управления качеством сырья и выпускаемой продукции, метрологической службы, производственной безопасности, транспорта и логистики, а также технического обслуживания и ремонтов оборудования.

Новые подсистемы органично встроены в уже действующий единый информационный контур. Это позволило масштабировать автоматизацию без потери управляемости и создать основу для дальнейшего развития цифровой платформы предприятия.

В результате второй очереди проекта автоматизированы ключевые процессы в областях качества, метрологии, казначейства, МСФО, инвестиционных проектов, документооборота, транспорта, ТОиР и EHS. Автоматизация позволила сократить долю ручных операций при сборе, проверке и обработке данных; повысить оперативность подготовки управленческой и регламентированной отчетности; усилить контроль за затратами, активами и исполнением планов; повысить прозрачность производственных и вспомогательных процессов; снизить влияние человеческого фактора на рутинные операции.

Так, в блоке качества и метрологии был обеспечен сквозной контроль показателей и методик измерений, а также автоматизирован учет затрат на метрологические и ремонтные работы. В финансовом контуре реализованы процессы по казначейству, планированию и анализу проектов, а также автоматизирована подготовка данных для МСФО и консолидированной отчетности. Для документооборота и логистики проект обеспечил переход к более прозрачной маршрутизации документов, а в части транспорта и ремонтов — автоматизацию учета выработки, планирования техобслуживания, формирования заявок и анализа технического состояния оборудования.

По итогам второй очереди проекта при сохранении непрерывности производства и стабильной работы предприятия было автоматизировано более 200 бизнес-процессов в ключевых функциональных областях, а на новую систему перешли более 1,3 тыс. пользователей. Таким образом, «КуйбышевАзот» получил единый цифровой контур для управления качеством, метрологией, казначейством, МСФО, инвестиционными проектами, документооборотом, EHS, транспортом и ремонтом оборудования, что позволило повысить прозрачность процессов, ускорить подготовку отчетности и усилить контроль за затратами, активами и исполнением планов.

В настоящее время половина российских промышленных компаний уже имеет опыт применения отечественных систем автоматизации. Российское ПО используется более чем на десяти миллионах рабочих мест в авиа и судостроении, железнодорожном машиностроении и других сферах. В этом году ЦИПР зафиксировал важный сдвиг в повестке: промышленная автоматизация перешла из фазы «догоняем Запад» в режим «строим свое». Отечественная промышленная платформа активно развивается и готова к работе с искусственным интеллектом, однако есть некоторые сложности, которые мешают предприятиям двигаться дальше в этом направлении.

Первым барьером является инфраструктура. Развернуть полноценный ЦОД под LLM, способный обслуживать корпоративный контур крупного промышленного предприятия – это серьезные капитальные затраты. В данный момент рынок перегрет спросом, комплектующие в дефиците, а сроки растянуты. Но это решаемая инженерная задача, и компании уже находят рабочие модели.

Вторым барьером являются данные. Пока данные не описаны корректно – не нормализованы, не структурированы, не разложены под конкретные задачи – разговор о промышленном ИИ остается декларативным. Стандарты типа ОРС UA – это не опция и не «хорошая практика». Это базовое условие любой цифровизации вне зависимости от того, есть ли в проекте ИИ или нет. Именно поэтому в реальных проектах первые месяцы часто уходят не на внедрение умных алгоритмов, а на то, чтобы собрать данные с оборудования в единую точку и привести их в порядок.

Третьим барьером стали датасеты, причем у крупных предприятий этой проблемы нет. Получить качественный промышленный датасет со стороны практически невозможно. Это связано со спецификой процессов, коммерческой тайной и требованиями безопасности. Но крупным компаниям, как правило, своих данных хватает в силу масштаба. Многие из них уже давно обучают модели на собственных данных. Сложнее приходится предприятиям среднего размера – им придется искать партнерские модели или отраслевые консорциумы.

Наконец, четвертый барьер – безопасность. Регулирование доступа ИИ к промышленным данным – горячая тема, но на практике она снимается правильно выбранной архитектурой. Базовый принцип прост: ИИ развернут внутри корпоративного контура, не имеет прямого автоматизированного воздействия на технологический процесс и работает в рекомендательном режиме для оператора. Когда система видит отклонение, она предлагает решение, а человек в дальнейшем принимает решение и действует. Регулярных проблем при такой схеме, как правило, не возникает.

MES играет огромную роль при внедрении ИИ в промышленной автоматизации. MES – это точка, где сходятся данные с оборудования, операционная логика предприятия и человек, принимающий решения. Именно здесь промышленный ИИ начинает давать измеримый результат – не в пилоте, а в продакшене. Нужна среда, в которой телеметрия с датчиков, инциденты, заявки на обслуживание, ТОиР, производственные задания и выездной сервис живут в едином контуре и связаны между собой.

Нагрузка на транспортные сети операторов связи кратно растет вместе с количеством абонентов, поэтому критически важно не просто оперативно устранять аварии, а предотвращать их ещё до того, как они повлияют на качество связи. Теперь «Ростелеком» может проводить профилактику серверов, дисковых массивов, коммутаторов и каналов связи, а также оперативно локализовывать любые неисправности. В результате среднее время недоступности сетевого элемента сократилось с нескольких дней до 1–2 часов, а сама сеть перешла из режима регулярных сбоев в состояние контролируемой и прогнозируемой работы.

Первым и самым трудоемким этапом стала полная актуализация топологии: инженеры РТК-Сервис собрали данные со всей России, нарисовали новую схему и заполнили ее реальными параметрами конфигурации. Сеть включала более 4 тыс. элементов, в том числе коммутаторы, маршрутизаторы и конвертеры, от самых старых устройств 90-х годов до оборудования, установленного непосредственно перед 2022 годом. Весь этот разнородный «зоопарк» был объединен в единую систему управления.

Следующим шагом стало точечное устранение критических замечаний в каждом регионе. Инженеры интегратора систематически анализировали конфигурации, находили неверные настройки, конфликты, проблемы с резервированием и исправляли их. Важно, что оборудование при этом не заменялось. Работы велись исключительно на уровне конфигураций и схемных решений. Такой подход позволил уложиться в минимум затрат, используя только собственные ресурсы компании, и при этом заложить фундамент для превентивного реагирования.

Однако самым значимым шагом стало решение, которое изначально вообще не входило в договор технической поддержки. Специалист РТК-Сервис проявил инициативу и развернул на сети систему мониторинга Zabbix. До этого момента оборудование DCN никто не контролировал в реальном времени, о выходе из строя коммутатора или жесткого диска на сервере управления узнавали постфактум, когда проблема уже приводила к потере управляемости сетевыми элементами.

Внедрение системы мониторинга кардинально изменило ситуацию. Теперь инженеры РТК-Сервис в онлайн-режиме видят состояние всех коммутаторов, каналов связи и серверов. Если начинают сыпаться жесткие диски, система сигнализирует об этом за недели до потенциального краха. Если канал перешел на резервный, это сразу заметно, и можно разобраться с причиной без потери управления. Если какой-то сетевой элемент показывает аномальное поведение, профилактика проводится до того, как произойдет отказ. Благодаря возможности превентивно реагировать на возможные проблемы удалось вовремя заметить массовый выход из строя жестких дисков на серверах, проработавших более пятнадцати лет, и заменить их без остановки системы управления.

По итогам проекта количество заявок по недоступности сетевых элементов сократилось в несколько раз. Но ключевой показатель – среднее время недоступности сетевого элемента – уменьшилось с нескольких дней до 1–2 часов. Достигнуто это за счет двух факторов. Во-первых, точная схема сети позволяет оперативно локализовать отказ, не тратя дни на выяснение топологии. Во-вторых, система мониторинга дает возможность узнать о проблеме еще до того, как она переросла в аварию. При этом все работы выполнялись удаленно, без выезда на узлы связи, и практически незаметно для текущей эксплуатации.

Проект, реализуемый «Интер РАО», направлен на оптимизацию управления ИТ-активами в энергетике и решение задач по автоматизации учета активов, управлению их жизненным циклом, прогнозированию эксплуатационных затрат и усилению контроля использования. Применение принципов ITAM позволит компаниям группы «Интер РАО» оптимизировать затраты на ИТ-активы, обеспечить соответствие требованиям регуляторов к их учету, повысить эффективность инвестиций в ИТ-инфраструктуру.

Решение должно обеспечить централизованный учет и контроль ИТ-активов, упростить процессы управления и значительно повысить прозрачность расходов на ИТ. Благодаря этому появится основа для управляемой цифровой трансформации и повышения операционной эффективности, что позволит «Интер РАО» оптимизировать свои ресурсы и сосредоточиться на стратегических задачах. В условиях быстро меняющегося рынка и растущих требований к безопасности и надежности, такие инициативы становятся особенно актуальными.

В перспективе решение может стать отраслевым стандартом.

Ранее в «Модмаш-Софт» был автоматизирован только регламентированный учет на базе «1С:Бухгалтерии». Вся остальная работа велась вручную: менеджеры по продажам учитывали заказы и продажи в отдельных электронных таблицах, производственные участки фиксировали планы и фактический выпуск — также в таблицах. Склад работал без какой-либо интеграции с планами производства и продаж. Не было единой системы управления взаимоотношениями с клиентами и контроля исполнения заказов от коммерческого предложения и спецификаций до производства и отгрузки. Из за разрозненности данных и позднего отражения операций в бухгалтерской системе отчеты формировались с большими задержками. Было сложно контролировать загрузку производства и планировать закупки, возникали отрицательные остатки и дубли номенклатуры.

При этом у компании уже была приобретена новая система «1С:Управление нашей фирмой», но она не была настроена и не использовалась, обучение сотрудников тоже не проводилось. Руководство искало подрядчика с опытом сложных внедрений в производстве и возможностью очных встреч. Выбор был остановлен на нижегородском филиале компании «1С:Первый Бит», обладающем подтвержденным опытом реализации аналогичных проектов.

Проект длился один месяц. Стратегия внедрения строилась на максимальном использовании типового функционала системы и только точечных доработках там, где они давали заметный бизнес эффект (дополнительные реквизиты, удобные печатные формы, отдельные отчеты и настройки представлений).

В ходе проекта специалисты интегратора изучили работу подразделений и определили, какие задачи решаются типовым функционал, а где нужны доработки. Смоделировали ключевые процессы в демо-базе 1С:УНФ. Настроили роли, права доступа и интерфейсы для различных категорий сотрудников (продажи, снабжение, склад, производство, бухгалтерия, руководство). Выполнили интеграцию с «1С:Бухгалтерией» и унифицировали справочно-нормативную информацию. Реализовали точечные доработки под потребности компании, в частности, расширили реквизиты в справочнике номенклатуры, спецификациях и в заказе поставщику; настроили отчет поступлений и оплат по заказам для отображения инициатора закупки, сумм и статусов оплат; реализовали отображение материалов и комплектующих по группам и категориям в производственном учете и др. Далее — в тестовом режиме перенесли в систему исторические данные, обучили пользователей, после чего запустили рабочую базу 1С:УНФ.

Такой подход снизил риски, позволил сотрудникам отработать сценарии на безопасной базе и плавно перейти к работе к полноценной работе в системе. Существенную роль сыграла вовлеченность руководителей предприятия: два внутренних лидера проекта участвовали в обследовании, согласовании целевой модели, тестировании и обучении коллег, что обеспечило устойчивое принятие изменений внутри компании.

«Ростелеком» и «Галактика» начинают совместную работу по замене зарубежной ERP-системы на отечественную платформу. Сотрудничество развернется по двум направлениям. Первое — внедрение системы «Галактика ERP HR» для управления человеческим капиталом. Решение охватит полный жизненный цикл сотрудника: от приема на работу до выхода на пенсию. Это создаст единую среду управления кадрами, повысит прозрачность процессов и позволит принимать решения на основе HR-аналитики.

Второе направление — внедрение «Галактика ERP» в области бухгалтерского, налогового и управленческого учета. Продукт построен на архитектуре с юридически значимым первичным документом. Он обеспечит достоверность и своевременность отчетных данных.

Партнерство позволит бесшовно заместить унаследованные зарубежные решения и создать современную цифровую экосистему управления предприятием. Она полностью соответствует стратегическим целям «Ростелекома», требованиям законодательства об импортозамещении на объектах критической информационной инфраструктуры и лучшим мировым практикам.

НМТП — крупнейший портовый оператор России, обеспечивающий перевалку грузов и непрерывность ключевых логистических процессов. До старта проекта компания уже использовала Naumen Service Desk и последовательно развивала процессы управления ИТ. Однако рост инфраструктуры, повышение требований к прозрачности ИТ-ландшафта и подготовке отчетности потребовали перехода к централизованной модели управления активами. Перед компанией стояли задачи автоматизации процессов на всех этапах жизненного цикла ИТ-активов — от планирования и закупки до вывода из эксплуатации, а также повышения качества данных для аудита и управленческого контроля.

Проект был реализован на базе решений Naumen и интеграции корпоративных систем инвентаризации и учета НМТП. В единый контур управления вошли Naumen Service Desk, Naumen ITAM, Naumen Network Manager и Naumen Business Service Monitoring. Такой подход позволил объединить процессы учета ИТ-активов, управления ИТ-сервисами и контроля состояния ИТ-ландшафта.

Решение Naumen ITAM было интегрировано в существующий контур Naumen Service Desk, что обеспечило работу процессов ITSM и ITAM в единой среде управления. Данные об инфраструктуре автоматически поступают из систем Naumen Network Manager и Kaspersky Security Center в Naumen Business Service Monitoring, который выполняет агрегацию и дедупликацию данных, обеспечивая их согласованность и актуальность.

В рамках проекта были автоматизированы процессы управления жизненным циклом ИТ-активов, включая выдачу оборудования и лицензий, ремонт и модернизацию техники. Также создана централизованная система учета информационных систем и их компонентов, используемая для подготовки аудиторской отчетности и повышения прозрачности ИТ-ландшафта. Актуальная модель связей между системами и компонентами позволяет точнее маршрутизировать сервисные запросы и ускорять их обработку.

Особое внимание было уделено качеству данных. В системе настроена регулярная загрузка информации об устройствах и установленном программном обеспечении из систем инвентаризации с автоматической нормализацией данных. Дополнительно реализована интеграция с «1С» для учета лицензий, оборудования и складских остатков, что позволило обеспечить актуальность информации и сократить объем ручных операций.

В систему были включены серверная и пользовательская инфраструктура, виртуальные мощности и распределенный парк ИТ-оборудования объемом более 7,6 тыс. единиц.

В результате проекта НМТП получил единый источник достоверной информации об ИТ-активах и инструменты для управления ими на уровне бизнес-задач. Повысилась прозрачность инфраструктуры, сократились трудозатраты на выполнение рутинных операций и проведение аудитов, ускорилось принятие управленческих решений.

Архитектура системы состоит из фундаментальной модели, обученной на базе знаний «Норникеля», и цифровых агентов. В рамках созданного «Норникелем» решения ИИ-агенты анализируют требования заказчика, формируют задание на проектирование, разрабатывают разделы проектной документации, наполняют цифровую информационную модель объекта. Затем они активируют подагентов в зависимости от типа объекта и на каждом шаге сверяют результат с нормативной базой, разрешительной документацией и корпоративными стандартами.

Получив запрос с описанием объекта и исходными данными, система разворачивает полный инженерный процесс: анализирует требования, формирует проектную структуру, генерирует необходимые разделы и расчеты, наполняет цифровую модель параметрическими данными, выпускает спецификации и проверяет согласованность между всеми частями комплекта. То, что раньше занимало недели, теперь выполняется за несколько шагов.

Пилотное внедрение показало впечатляющие результаты: подготовка заданий на проектирование ускорилось на 83%, разработка цифровой модели — на 80%, срок выпуска документации снижается вдвое, состав проектной команды сокращен с 15–25 человек до 5–7 специалистов, а число замечаний к текстовой части проектной документации сокращено до нуля.

Окончательное решение остается за инженером: система автоматизирует рутину, усиливает экспертизу и снижает риск формальных ошибок, но не подменяет профессиональную ответственность.

Как отмечает Никита Липницкий, генеральный директор проектного института «Норникеля», интеграция ИИ в проектные процессы перешла из разряда технологических экспериментов в ранг ключевых факторов конкурентоспособности бизнеса. В условиях, когда многие привычные программные продукты ушли с отечественного рынка, приходится искать альтернативные механизмы и инструменты для эффективного решения отраслевых задач. Важно подчеркнуть, в ходе проекта ИИ не просто обучен проектировать в абстрактном смысле, а создана мультиагентная инженерная система, которая работает с реальными сценариями проектирования объектов «Норникеля».