📣 Всем привет! На связи Михаил, аналитик zool.ai.

Завершаю тему про скрытые потери на фасовке сыра. В первой части я писал, где именно предприятие теряет деньги. Теперь коротко покажу, что с этим может сделать видеоаналитика на практике⤵️

🔵 Что получает бизнес

Руководитель производства видит не просто факт снижения выпуска, а конкретную причину: где линия встает, на каком участке не выдерживается темп и что именно тормозит процесс.

Финансовый директор получает инструмент для контроля потерь сырья, перевеса, брака и ошибок комплектования. Чем раньше видно отклонение, тем меньше потерь уходит в готовую упаковку, пленку, газ и рабочее время линии.

Директор по качеству получает прослеживаемость: можно быстро поднять нужный фрагмент смены, проверить соблюдение санитарных требований, восстановить цепочку событий по конкретной партии и спокойно разбирать претензии сетей.

Собственник получает единое окно контроля, где видно, как работает производство в разные смены.

🔵Что контролирует ИИ

На фасовке сыра ИИ может фиксировать микро-простои, заторы, отсутствие сырья или тары, ошибки на выкладке, нарушения в СИЗ, неправильную геометрию слайса, лишний вес в упаковке, некорректную укладку в короб и расхождения между количеством единиц на линии и количеством отгруженных коробов.

То есть система помогает контролировать не только людей или оборудование по отдельности, а весь материальный поток, от участка нарезки до передачи продукции дальше по цепочке.

🔵Как это работает

Камеры ставятся в критических точках линии и отслеживают конкретные операции. Нейросети обрабатывают поток локально, а в ИТ-контур предприятия передаются уже события и метаданные: простой, нарушение, отклонение, несоответствие.

Дальше эти данные можно связать со SCADA, MES, ERP или WMS, чтобы производство видело не только цифры учета, но и реальную картину процесса.

⚡️ Видеоаналитика переводит то, что раньше оставалось «между сменой и отчетом», в понятные данные для управления. А значит, помогает быстрее находить причины потерь, снижать брак и делать процесс прозрачным.

Наш канал на Хабре 😊

😺 Продолжаем знакомство с командой!

К нам присоединился Павел — backend-разработчик из Бреста. Так что в команде теперь есть свой международный специалист 🌐

🔵В IT Павел пришёл ещё на втором курсе университета. Начинал с вёрстки, потом быстро освоил фреймворки, поработал в нескольких проектах и со временем вырос до fullstack-разработчика.

🔵После университета он прошёл конкурсный отбор в IT-роту Вооружённых сил Беларуси. Там вместо обычной срочной службы специалисты с коммерческим опытом занимаются разработкой ПО для госсектора. За это время Павел успел поработать и в стартапах, и в крупных проектах.

🔵Команда уже начала знакомиться с Павлом и узнала, что он любит спорт, раньше серьёзно занимался футболом, а теперь ходит в тренажёрный зал. А ещё любит рыбалку и природу, поэтому выходные у него часто проходят где-нибудь ближе к воде и подальше от уведомлений 🎣🏕️

Любимая фраза Павла из фильма «Тёмный рыцарь»:

«Зачем люди падают? Чтобы научиться потом подниматься».

#команда_zool

🔥 Всем привет! Это команда zool.ai, и у нас новости.

За последнее время мы реализовали проекты для разных отраслей и самых разных задач. По мере работы стало понятно, что многие запросы повторяются: где-то нужно контролировать людей в зоне, где-то транспорт, где-то безопасность, а где-то считать объекты и собирать статистику.

Поэтому мы обновили логику продукта и упаковали такие задачи в бизнес-модули с понятной структурой и тарификацией.

Теперь zool.ai — это IT-решения для контроля бизнес-процессов на основе ИИ, где есть готовые бизнес-модули под типовые сценарии и возможность кастомной доработки под конкретную задачу.

Например, модуль

🫥 «Люди» — это подсчет людей, время нахождения в зоне, очереди и скопления.

🛑 «Транспорт» — это подсчет машин, контроль проезда, номера и въездные сценарии.

🚨 «Безопасность» — это возгорания, нарушение периметра и оставленные предметы.

📊 «Учет и статистика» — это подсчет объектов, фиксация событий и данные для анализа.

Логика теперь простая: если задачу можно решить готовым бизнес-модулем, внедрение проходит быстро. Если же нужен более точный результат или есть особенности площадки, камер, среды или самой продукции, мы делаем кастомное решение на базе уже существующих наработок.

❓ Как вам такой формат? Поделитесь в комментариях.

📣 Всем привет! На связи Михаил, аналитик zool.ai.

Сегодня разберу, зачем производству MES-система и почему сама по себе она не всегда показывает, что происходит на линии ⤵️

MES — это система оперативного управления производством. Она связывает план, оборудование, персонал, партии, операции и качество в один контур. Проще говоря, ERP отвечает за планирование и учет на уровне бизнеса, а MES — за то, что происходит в цехе.

Но MES не «видит» производство сама. Она работает только с теми данными, которые получает от оборудования, операторов, датчиков и других систем. Если данные неполные или внесены вручную с ошибкой, картина в MES тоже будет искаженной.

🔵На производстве много событий происходит не в интерфейсе системы, а физически на линии.

🟢Оператор задержался на операции.
🟢Продукт неправильно уложили.
🟢Партия ушла дальше с дефектом.
🟢На участке появился затор.
🟢Сотрудник нарушил порядок действий.
🟢Оборудование формально работает, но фактически линия простаивает.

Часть таких событий MES может зафиксировать через датчики или ручной ввод. Но часть остается вне цифрового контура, потому что система получает уже результат, а не причину.

Например, MES видит, что операция завершена. Но не всегда понимает, как именно она была выполнена: по регламенту или с отклонением.

🔵Проблема чаще всего не в самой MES, а в источниках данных.

🫥 Ручной ввод зависит от человека: можно забыть отметить простой, выбрать не тот статус, внести данные позже или не зафиксировать мелкое отклонение.

⚙️ Данные от оборудования показывают технические параметры, но не визуальный контекст. Датчик может показать, что линия работает, но не объяснит, почему вырос процент брака.

В результате руководитель получает отчеты, графики и показатели, но не всегда может быстро ответить на главный вопрос: что именно произошло на участке и почему.

🔵 MES нельзя воспринимать как универсальную систему для любого завода.

В дискретном производстве, например в машиностроении или автопроме, важны отдельные операции: деталь пришла на участок, прошла сборку, оператор выполнил действие.

В процессном производстве, например в пищевой, химической или фармацевтической отрасли, важен непрерывный поток параметров: температура, дозировка, уровень заполнения, время цикла, соблюдение рецептуры.

Поэтому MES для сборочной линии не всегда подходит пищевому производству без адаптации: разные процессы, риски и точки контроля.

Самая сложная зона — стык между физическим процессом и цифровым учетом. В системе операция может выглядеть корректно, но в реальности на линии могли быть микро-простои, нарушения регламента, ручные доработки или визуальные дефекты.
Если эти события не попали в MES, их сложно анализировать и предотвращать.

⚡️В следующей части разберу, как видеоаналитика дополняет MES.

✉️ Сегодня #новостнаясреда

Главные новости для тех, кто следит за бизнесом, производством, ритейлом и ИИ⬇️

🔵«Сбер» представил обновленную модель Kandinsky 6.0 Image для редактирования и создания изображений.

🔵Согласно информации Staq в I квартале 2026 года объем внедрений инструментов ИИ в российских цифровых экосистемах вырос на 18% по сравнению с аналогичным периодом 2025 года.

🔵Статья «Известий» о том, как ИИ меняет рынок труда.

🔵Материал «РБК Тренды» об итогах I квартала 2026 года в сфере ИИ, включая регулирование, новые модели и агентов, а также инвестиции.

🔵В России установили размеры технологического сбора на электронику — до 500 рублей за устройство.

🔵Банк России снизил ключевую ставку до 14,5%.

🔵И немного хорошей новости: учёные создали укол, который помогает мопсам и бульдогам дышать без операции. Препарат на основе инактивированного столбнячного токсина вводят в подъязычную мышцу, он повышает её тонус и держит дыхательные пути открытыми.

📌 Новости команды zool

⭐️ Наша статья «Как мы построили систему видеоаналитики на open source и довели её до продакшена» участвует в конкурсе Технотекст 8. Будем рады вашей поддержке, поставьте лайк и сохраните 💛

⭐️ Наш канал на Хабре

⭐️Комплимент дня: пусть ваши майские праздники пройдут спокойно, продуктивно и с хорошими новостями, которые будут только лучше!

На этом всё. Оставайтесь с нами и следите за новостями!

👁 Подписаться

#дайджест_zool

📣 Всем привет! На связи Михаил, аналитик zool.ai.

В прошлой части разобрали, почему MES не всегда показывает реальную картину на линии. Сегодня — как видеоаналитика дополняет MES и помогает закрыть этот разрыв ⤵️

Видеоаналитика не заменяет MES. Она работает как дополнительный источник событий: камера фиксирует происходящее на линии, алгоритм распознает отклонение, а система передает результат в MES.

🔵Как видеоаналитика становится «умным датчиком»?

Технически схема выглядит так:

🟢

камера передает видеопоток с линии;

🟢

алгоритм обрабатывает изображение;

🟢

система распознает объект, действие или отклонение;

🟢

событие передается в MES через API, MQTT, Kafka, OPC UA или другой интеграционный механизм.

Для MES это обычный сигнал от внешней системы: линия, зона, операция, время, тип события и дополнительные параметры.

Например: на линии упаковки в 10:22 обнаружена неправильная укладка партии, уверенность распознавания — 91%.

🔵Что именно может фиксировать камера?

🟢

сотрудник зашел в опасную зону;

🟢

оператор пропустил шаг в регламенте;

🟢

продукт неправильно уложен;

🟢

тара заполнена не до нужного уровня;

🟢

на участке возник затор;

🟢

упаковка повреждена;

🟢

сотрудник работает без СИЗ;

🟢

продукция фактически ушла не по тому маршруту.

Классические датчики хорошо измеряют параметры: температуру, давление, вес, скорость, наличие сигнала. Но они не всегда видят контекст: как расположен объект, что сделал оператор, было ли нарушение порядка действий.

🔵Почему в MES передают не видео, а метаданные?

MES не должна становиться видео хранилищем. Для управления процессом ей обычно достаточно события и его параметров:

🟢

тип события;

🟢

время;

🟢

линия или участок;

🟢

камера и зона контроля;

🟢

партия или операция, если они известны;

🟢

уровень уверенности распознавания;

🟢

ссылка на кадр или короткий фрагмент для разбора.

Такое событие уже можно обработать: уведомить мастера, зафиксировать отклонение, отправить продукцию на дополнительный контроль или изменить статус операции.

🔵Где это полезно?

В дискретном производстве видеоаналитика помогает контролировать сборку, действия операторов, наличие деталей, СИЗ и безопасность.

В процессном производстве — подачу сырья, уровень заполнения, упаковку, санитарные требования, время цикла и движение партии между зонами.

То есть камера закрывает те события, которые происходят физически на линии, но не всегда попадают в цифровой контур.

🔵 Что важно учесть

Видеоаналитику нельзя подключать по принципу: «нейросеть что-то увидела — сразу отправили критическое событие».

На производстве нужны фильтры:

🟢

зона контроля;

🟢

длительность события;

🟢

уверенность распознавания;

🟢

проверка по нескольким кадрам;

🟢

исключение повторов;

🟢

хранение кадра или видеофрагмента для спорных случаев.

Например, если человек на секунду попал в край кадра без каски, это не всегда нарушение. Но если он находится в рабочей зоне дольше заданного времени, событие уже можно передавать в MES или смежную систему охраны труда.

⚡️ Вывод: будущее не за заменой MES, а за гибридной связкой. MES управляет заданиями, партиями, операциями и качеством, а видеоаналитика передает фактические события с линии: простои, нарушения регламента, ошибки выкладки, визуальные дефекты и расхождения между учетом и реальностью.

📣 Всем привет! На связи Михаил, аналитик zool.ai.

Сегодня разберу, почему на складе могут быть ERP и WMS, но часть движения грузов всё равно остается вне цифрового контура ⤵️

ERP — это система для планирования и учета ресурсов компании. WMS — система управления складом: она помогает учитывать товары, зоны хранения, операции, приемку, отгрузку и перемещения.

Но ERP и WMS не «видят» склад сами по себе. Они работают только с теми данными, которые в них попали: из терминала, сканера, документа, датчика или от сотрудника.

Если событие не зафиксировали, внесли позже или отметили не тем статусом, система покажет учетную картину, но не всегда фактическую.

🔵На складе много событий происходит не в интерфейсе системы, а физически на площадке.

🟢 Машина уже стоит у дока, но разгрузка еще не началась.
🟢 Палета числится в одной зоне, а фактически перемещена в другую.
🟢 Фура ждет на КПП, но задержка нигде не отражена.
🟢 Сотрудник отметил операцию как выполненную, но была пауза или отклонение.
🟢 Остатки в системе не совпадают с тем, что реально лежит на площадке.
🟢 Простой заметили только постфактум, когда время уже потеряно.

Часть таких событий можно зафиксировать вручную. Но ручной ввод зависит от человека: можно забыть отметить простой, внести данные позже или не заметить мелкое отклонение.

🔵 Главная проблема не в ERP или WMS, а в источниках данных.

Система может видеть, что операция завершена. Но не всегда понимает, как именно она прошла: вовремя или с задержкой, по регламенту или с отклонением, с простоем или без.

Например, WMS показывает, что машина находится в работе. А на площадке она уже 20 минут стоит у дока без движения. Или система считает, что сырье есть на складе. Но фактически часть палет уже переместили, часть поставили не в ту зону, а часть еще не пересчитали.

В итоге руководитель видит отчеты, статусы и документы, но не всегда может быстро ответить на главный вопрос: где именно теряются минуты, ресурсы и деньги.

🔵 Самые сложные зоны — это КПП, доки, зоны хранения и перемещения грузов.

Именно там чаще всего появляются скрытые простои: транспорт ждет въезда, погрузка начинается позже, сырье перемещается без точной фиксации, а остатки приходится проверять вручную. Если эти события не попадают в цифровой контур, ими сложно управлять.

⚡️В следующей части разберу, как видеоаналитика помогает закрыть эти слепые зоны и превращает камеры в источник данных для склада.

✉️ Сегодня #новостнаясреда

Главные новости для тех, кто следит за бизнесом, производством, ритейлом и ИИ⬇️

🔵В России обсуждают доступ национальных ИИ-моделей к государственным данным. По новой версии законопроекта такой доступ может быть возможен только после разрешения ФСБ и ФСТЭК.

🔵Рынок сложной IT-инфраструктуры РФ за год вырос на 15% и достиг 658 млрд рублей.

🔵 «Сбер» планирует добавить модули для подключения «ГигаЧат Бизнес» к 1С и «Битрикс».

🔵OpenAI откроет первую прикладную ИИ-лабораторию за пределами США — в Сингапуре.

🔵Минпромторг рассматривает требования по использованию российского ИТ-оборудования в дата-центрах для ИИ.

🔵 По данным «Авито Работы», большинство (59%) опрошенных россиян осваивают навыки работы с ИИ, причем в возрастной группе 18–24 лет этот показатель достигает 73%, а среди респондентов 25–34 лет — около 65%.

🔵 VK Tech представил платформу VK AI Space для разработки и запуска ИИ-агентов.

🔵На ЦИПР-2026 обсудили барьеры роботизации российского бизнеса. Среди ключевых проблем эксперты называют дефицит кадров, высокую стоимость технологий, нехватку отечественных решений и сложность интеграции роботов в разные производственные процессы.

🔵 И немного хорошей новости: российская ИИ-платформа OneCell помогла врачам поставить более 2 млн диагнозов. Решение используют в патологоанатомических лабораториях: оно помогает оцифровывать микропрепараты, контролировать качество изображений с помощью ИИ и ускорять диагностику.

📌 Новости команды zool

⭐️ Вышла новая статья «Как видеоаналитика сокращает простои и оцифровывает движение грузов». Рассказываем, как современные системы помогают бизнесу видеть узкие места в логистике, снижать потери времени и повышать прозрачность процессов 🚛

⭐️ Наш канал на Хабре

⭐️Комплимент дня: пусть впереди будет больше хорошей погоды, тёплых вечеров и спокойных прогулок после насыщенного рабочего дня.

На этом всё. Оставайтесь с нами и следите за новостями!

👁 Подписаться

#дайджест_zool

📣 Всем привет! На связи Михаил, аналитик zool.ai.

В прошлой части я рассказывал, почему ERP и WMS не всегда показывают фактическую картину движения грузов на складе.

Сегодня разберу, как видеоаналитика помогает закрыть эти слепые зоны 🔽

Видеоаналитика не заменяет ERP, WMS или TMS — систему управления транспортной логистикой. Она дополняет их фактическими данными с площадки.

Проще говоря, камеры перестают быть просто архивом «на случай инцидента» и становятся источником событий: кто приехал, когда заехал, сколько стоял, когда началась разгрузка, где находится груз и есть ли отклонение от процесса.

🔵Первая точка контроля — КПП.

На въезде часто теряется время: охрана вручную сверяет номера, водитель ждет разрешения, данные заносятся с задержкой.

Видеоаналитика может распознавать номера автомобилей, прицепов, контейнеров и вагонов, сопоставлять их со списками и автоматически фиксировать время въезда и выезда.

Что это дает:

🟢меньше очередей на КПП;
🟢точное время въезда и выезда без ручного ввода;
🟢автоматическое открытие шлагбаума по правилам;
🟢понятную историю по каждому подрядчику и рейсу;
🟢передачу данных в ERP, WMS или TMS.

🔵Вторая важная зона — зоны погрузки и разгрузки.

Именно там часто возникают простои, которые сложно увидеть в отчетах.

Машина может стоять у ворот, но погрузка еще не началась. Или работы завершились, но транспорт продолжает занимать док. В системе это может выглядеть как обычная операция, а на площадке — как потерянное время.

Видеоаналитика фиксирует:

🟢когда машина встала к доку;
🟢когда началась погрузка или разгрузка;
🟢 когда работы завершились;
🟢сколько времени не было активности;
🟢где регулярно возникает задержка.

Если машина стоит у дока дольше заданного времени без движения, система может отправить уведомление ответственному сотруднику.

Так появляется не просто статус операции, а структура процесса: где началось ожидание, сколько оно длилось и кто должен был отреагировать.

🔵 Еще один сценарий — учет сырья и остатков без ручного пересчета.

Это особенно важно для складов, где хранятся биг-бэги, мешки, палеты, бочки и другие крупные объекты.

Видеоаналитика может считать объекты в зоне, фиксировать перемещения, замечать неправильное размещение и передавать данные в учетные системы.

Что можно контролировать:

🟢сколько объектов находится в зоне;
🟢 где они размещены;
🟢 когда объект ввезли или вывезли;
🟢есть ли отклонение от схемы хранения;
🟢 нужно ли отправить уведомление ответственному.

В результате снижается зависимость от ручного пересчета, а данные в системе становятся ближе к реальной ситуации на площадке.

zool.ai работает как слой между видеонаблюдением и управленческими системами. Система анализирует поток с камер и превращает его в события, тайминги и метрики.

🔵Она помогает решать несколько задач:

🟢считать палеты, коробки, биг-бэги, бочки и другие объекты;
🟢контролировать время нахождения транспорта или груза в зоне;
🟢 выявлять простои и отклонения;
🟢распознавать номера автомобилей, контейнеров и вагонов;
🟢 передавать данные в ERP, WMS и TMS;
🟢дообучать модели под конкретный объект, груз и бизнес-процесс.

Важно, что для этого не нужно полностью перестраивать инфраструктуру. Чаще всего камеры уже есть, но используются только как архив. Видеоаналитика добавляет к ним слой фактических данных.

Главный эффект — склад становится измеримым.

⚡️Видно не только то, что операция была закрыта в системе, а что реально происходило на площадке: когда началось ожидание, где возник простой, сколько времени потеряли и что можно изменить в процессе.