Создание системы мониторинга производственной цепочки для металлургического завода
Мы приняли участие в разработке и внедрении системы мониторинга нарушений на производственных узлах завода.
Ключевая особенность — система генерирует превентивные рекомендации, что позволило перейти от решения проблем к их предупреждению.
Клиент
Металлургический завод.
Задача
Бизнес-задача проекта
Создать систему автоматического информирования диспетчеров предприятия.
Основные функции должны включать:
-
Мониторинг в реальном времени и сбор информации о сбоях на всех этапах производства.
-
Автоматический анализ инцидентов для прогноза потенциальных нарушений на ближайшие дни.
-
Формирование рекомендаций по предотвращению или минимизации негативных последствий.
Техническая задача
Построить математическую модель, которая станет «цифровым двойником» производства. Её цель — имитировать работу цепочки, чтобы тестировать различные сценарии сбоев, прогнозировать их последствия и предлагать превентивные меры.
Требования к пользовательскому интерфейсу:
-
Удобный процесс мониторинга за отклонениями,
-
Интуитивно понятная настройка математической модели,
-
Отображение статистики и результатов моделирования.
Решение
На старте было две гипотезы: воссоздать модель с помощью ИИ или заложить в основу сложные математические вычисления.
На этапе аналитики выяснили, что процесс может часто меняться в определённых моментах. В случае реализации через ИИ это потребовало бы частых переобучений системы, на что уходило бы много ресурсов. Поэтому мы сделали выбор в пользу математических вычислений.
Этапы
Аналитика
На старте на этот этап закладывали 2 месяца. С развитием проекта и его возрастающей сложностью решили продлить этап на весь цикл разработки.
MVP
Разработка MVP заняла 6 месяцев. Нам удалось реализовать почти 90% всего интерфейса системы. Ядро программного обеспечения было готово на 80%.
Запуск
Промышленный запуск потребовал 4 месяца. Ключевой задачей этого этапа была глубокая доработка и валидация системы для её полного соответствия строгим требованиям промышленной безопасности перед вводом в эксплуатацию.
Результат
Благодаря слаженной работе команд нам удалось запустить MVP в установленный срок и провести испытания модели на реальных данных.
После промышленного запуска мы продолжили сотрудничество с заказчиком по реализации сложных продуктов для металлургической промышленности.
Трудности
Проект реализовывался в условиях сжатых сроков. Ключевое условие — к моменту сдачи проекта frontend-часть приложения должна быть реализована на 80-90%. Это потребовало быстрой адаптации команды, налаживания коммуникации между командами дизайна, аналитики, backend-разработки.
В ходе работы мы столкнулись с рядом сложностей:
-
Не было чётких указаний по технологиям, но было требование использовать собственную готовую компонентную библиотеку (UI-kit).
-
Несколько процессов шло одновременно: формирование требований бизнес-аналитиками, создание макетов дизайнерами, frontend-разработка. Это приводило к изменениям в функциональности в рамках спринтов.
Frontend-разработка опережала проектирование backend. Чтобы не блокировать работу, frontend-команда самостоятельно спроектировала API-контракты, развернула mock-сервер и наполнила его тестовыми данными для эмуляции работы серверной части.
Технологии
- TypeScript
- React
- RTK Query
- TanStack
- Keycloak.js
- SCSS
- Docker
- Nginx
