📣 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.

🌾 Большинство проголосовало за АПК — продолжаем тему.

Разбираем, где видеоаналитика может быть полезна ферме или сельхозпредприятию.

6️⃣Погрузка животных

При погрузке важно зафиксировать количество голов и связать эти данные с весам и.Система считает животных в зоне погрузки, учитывает проход группами и помогает сверить фактическое количество с данными учёта. Это снижает риск ошибок при подсчёте и упрощает разбор спорных ситуаций.

2️⃣Въезд и выезд транспорта

На КПП можно фиксировать номера машин, время въезда и выезда, продолжительность нахождения на территории. Так предприятию проще контролировать логистику, отгрузки, подрядчиков и служебный транспорт.

3️⃣Периметр и закрытые зоны

Видеоаналитика помогает фиксировать пересечение важных зон: складов, производственных участков, зон хранения, въездов и периметра. Ответственные получают уведомление по событию.

4️⃣Работа сотрудников в ключевых зонах

Система может фиксировать посещение нужных участков и формировать отчёты. Это полезно там, где важно соблюдать регламенты: зона погрузки, склад, КПП, производственная линия.

5️⃣Интеграция с учётными системами

Данные с камер можно связывать с 1С, весовым учётом и внутренними системами предприятия.

Например: животные прошли через зону погрузки → вес зафиксирован → данные попали в учёт → расхождение видно сразу.

🔑 С чего начать внедрение

Лучше выбрать одну точку с понятной задачей: погрузка, КПП, склад, периметр или зона хранения.

Перед запуском важно проверить:

— какие камеры уже установлены;
— хватает ли обзора и освещения;
— где чаще всего возникают ошибки;
— с какой системой нужно сверять данные;
— какой результат должен показать пилот.

Обычно пилот запускают на одной зоне, проверяют работу в реальных условиях и только потом расширяют систему на другие участки.

Подробнее о внедрении видеоаналитики в агробизнесе рассказали в статье → https://zool.ai/blog/agro

#новости_zool

Всем привет! На связи Михаил, аналитик zool.ai

🚨Мы с новостями. zool.ai учится контролировать зоны безопасности рядом с погрузчиком. Сейчас мы работаем над сценарием, который помогает замечать опасные ситуации в складских и производственных зонах.

ℹ️ Как это устроено?

Система определяет погрузчик и строит вокруг него зону безопасности.

🔵Синий бокс — это сам погрузчик.
🟠Оранжевый бокс — зона, в которой в этот момент не должно быть людей.

Если человек заходит в эту область, система фиксирует потенциально опасное событие.

📌 Зачем это нужно?

На производстве и складе не всегда достаточно просто повесить правила на стену. Важно понимать, соблюдаются ли они в реальности:

— не подходит ли сотрудник слишком близко к работающему погрузчику;
— не находится ли человек в зоне манёвра;
— не нарушается ли безопасная дистанция при погрузке и перемещении груза;
— где и как часто возникают такие ситуации.

❓Что можно делать дальше?

Событие можно отправить ответственному, вывести в журнал нарушений и связать с видеофрагментом для разбора инцидента.

→ Это помогает не только реагировать на опасные ситуации, но и видеть повторяющиеся проблемы: неудобную схему движения, слепые зоны, перегруженные участки склада или нарушения регламента.

Система работает с обычными IP-камерами и настраивается под конкретную площадку: ракурс, тип техники, расстояния и правила безопасности.

📝 Если у вас есть похожие задачи на складе или производстве — пишите в комментариях, обсудим.

#новости_zool

👕Как видеоаналитика определяет дресс-код

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

Сейчас в рамках кастомного проекта мы разрабатываем сценарий видеоаналитики для контроля дресс-кода.

⬛️ Задача: система должна понимать, соблюдает ли сотрудник требования к форме в конкретной зоне.

🏛 Как это работает?

Сначала модель находит человека в кадре и присваивает ему уникальный идентификатор. Это нужно, чтобы система могла отслеживать одного и того же сотрудника в пределах сцены и попытаться увидеть все элементы дресс-кода, даже если часть из них видна не сразу.

Например, человек может повернуться боком, закрыть жилет рукой, пройти за стойкой или на несколько секунд оказаться частично перекрытым другим объектом. Поэтому система анализирует не один отдельный кадр, а последовательность: как сотрудник движется, где находится и какие элементы формы появляются в зоне видимости.
Затем модель проверяет нужные зоны: голову, верхнюю часть тела, руки, иногда ноги — зависит от регламента и ракурса камеры.

Дальше система сопоставляет признаки с правилами, которые важны именно для этого объекта:

🔵 есть ли фирменный жилет, галстук и пиджак;
🔵 совпадает ли цвет формы с заданным стандартом;
🔵 надеты ли перчатки, фартук или другие элементы;
🔵 находится ли человек в зоне, где этот конкретный дресс-код обязателен;
🔵 есть ли нарушение, которое нужно передать ответственному.

⚙️ Почему это кастомная задача?

Потому что дресс-код везде разный. У одной компании важен жилет, у другой — цвет формы, у третьей — полный комплект СИЗ в определённой зоне.

Плюс есть ограничения: человек может стоять боком, часть одежды может быть перекрыта коробкой, освещение может меняться, а камера — смотреть под неидеальным углом.

Поэтому мы не просто подключаем модель «из коробки», а настраиваем сценарий под площадку: регламент, форму, зоны контроля, ракурсы камер и допустимые исключения.

Например, в ритейле это может быть контроль фирменной формы сотрудников в торговом зале. На производстве — наличие каски, спецодежды или защитных элементов. На пищевом предприятии — халат, шапочка, маска, перчатки.

Такой сценарий помогает видеть системные проблемы: где сотрудники чаще обходят правила, где нужен дополнительный контроль, а где сам регламент неудобен в работе.

〰️ Как вы думаете, где ещё можно применить видеоаналитику?

#новости_zool