Единый контроль разнородного парка техники - от множества данных к понятному дашборду, АгроТерра
Мушег Степаньян, ведущий специалист систем мониторинга АгроТерра.
GALILEOSKY TELEMATICS AWARDS 2026 - презентация лучших решений по цифровизации транспорта и спецтехники.
Выступление строится вокруг очень практической проблемы: у компании большой и разнородный парк — своя техника, наёмная техника, разные марки, модели и пять типов сельхозоборудования, для каждого из которых нужны свои параметры и триггеры. При этом параметры не одинаковы по смыслу и качеству: одни показывают одно, другие — совсем другое, а оценивать всё это одномоментно и однозначно невозможно. Дополнительно ситуацию усложняют внешние факторы, которые постоянно меняются и плохо прогнозируются, поэтому для нормального понимания картины приходится вручную перебирать множество отчётов, графиков, таблиц и данных.
Главная мысль решения — перенести большую часть анализа из поля и выездов инженеров в офисный контур, чтобы не тратить лишнее время и ресурсы на ручную диагностику. Для этого были определены ключевые метрики, собраны основные показатели, влияющие на производственные данные, и продумано, какие значения считать некорректными. Затем исходные данные из системы мониторинга стали собираться в более удобный для анализа формат, причём с учётом того, что набор параметров постоянно расширяется и сегодня может появляться новый критерий, который тоже должен сразу попадать в работу.
Отдельный важный момент — переход к универсальной структуре данных. Для этого был подготовлен универсальный коннектор, а сами данные выстроены в формат куба, который можно агрегировать по любому принципу. Это дало быструю интеграцию: отчёты больше не приходится каждый раз переделывать отдельно, достаточно расширить один отчёт, после чего данные автоматически попадают в хранилище и уже дальше собираются в нужные срезы. Такой подход делает систему более гибкой и готовой к дальнейшему росту количества метрик.
Практический эффект проявился в дашбордах: теперь видно не отдельные фрагменты, а всю технику в разрезе территорий, хозяйств и направлений бизнеса. Это позволяет быстро замечать тренды по задержкам данных, их отсутствию, работе оборудования и использованию автопилота во время работ, а также сразу сравнивать показатели разными методами — например, по датчику уровня топлива и датчику расхода топлива. Важный управленческий вывод здесь в том, что один подготовленный специалист может анализировать большой объём информации значительно эффективнее, чем команда, занятая рутиной, а сама система помогает лучше понимать, где данные корректны, а где нужно донастроить контроль.
В перспективе решение рассматривается как задел для ещё большей автоматизации: уже сейчас формируется свод правил и проверок, который можно будет использовать вместе с нейросетевыми инструментами. В дальнейшем это должно привести к тому, что система будет не только анализировать данные, но и автоматически формировать заявки по конкретным объектам, сокращая участие человека в однотипных операциях и переводя контроль в более умный и предсказуемый режим.
