Разговариваем с датчиками на человеческом: как связать MQTT, TimescaleDB и LLM через Model Context Protocol (MCP)
Любой, кто когда-либо работал на фабрике или в автоматизированных коммерческих помещениях, хорошо знаком с этой болью: данные датчиков занимают гигабайты, но чтобы извлечь из них хоть какую-то пользу, нужно пройти семь кругов ада. Надо писать SQL-запросы, загружать данные в CSV, переводить на Python, составлять графики в Excel, внимательно просматривать и искать аномалии…
ИТ-решения в промышленности: итоги 2025 года и тренды 2026
Заместитель генерального директора К2Тех Игорь Зельдец подвел итоги 2025 года для ИТ в промышленности и обозначил ключевые тенденции, которые сохранят актуальность в 2026 году. В 2025 году подход промышленных предприятий к ИТ был очень рациональным и осознанным. Росла ключевая ставка, росли издержки. В большинстве отраслей произошло сокращение ИТ-бюджетов. В таких условиях многие компании вынуждены были секвестировать затраты на ИТ и, как следствие, внедрять только самое важное и стремиться получать максимум пользы из каждого решения.
Робособаку Boston Dynamics научили считывать показания приборов и обнаруживать утечки
Компания Boston Dynamics интегрировала Google DeepMind в своего робота-собаку Spot, обеспечив ему более автономное мышление для проведения промышленных инспекций, таких как обнаружение утечек и считывание показаний приборов. Spot также теперь может распознавать, когда необходимо задействовать другие инструменты искусственного интеллекта.
YOLOE: детектим что угодно без дотренировок
Всем привет! Представьте, сколько всего нужно сделать, чтобы дотренировать модель компьютерного зрения:Поиск и сборка датасетов. Хорошо, если есть открытые и с допустимой лицензией. Но часто приходится собирать «с миру по нитке», дополнять и балансировать данные самостоятельно.Разметка и аугментация. Качественный датасет — залог хороших метрик. Придётся корпеть над точными detection-боксами, перепроверять, думать над нестандартными ситуациями во входных данных.Обучение и валидация.
От симуляции к конвейеру: NVIDIA представила физический движок Newton для обучения роботов реальному миру
На конференции GTC 2026 в Сан-Хосе NVIDIA объявила о промышленном запуске Newton 1.0 — физического движка с открытым исходным кодом для обучения промышленных роботов. Платформа, разработанная совместно с Google DeepMind и Disney Research, перешла из стадии бета-тестирования в стабильную версию и уже применяется Samsung и Skild AI для автоматизации сложных сборочных процессов.Движок, переданный под управление Linux Foundation, решает одну из главных проблем индустрии — перенос сложных манипуляций деформируемыми объектами из виртуальной симуляции на реальные заводские конвейеры.
Производство теряло деньги каждую смену. До внедрения видеоаналитики с ИИ никто не знал где
Привет! На связи Олег Чебулаев, CEO Mad Brains. Хочу поделиться историей из практики — как обучить модель YOLO, запустить видеомониторинг на пищевом производстве и через неделю обнаружить кое-что, о чём на заводе предпочитали не говорить вслух. Signal Tower: лампочка, которой доверяют слишком сильно
Мы не знали, что труба горит, пока не научили нейросеть смотреть в печь
ИИ — отличный помощник в быту и творчестве. Нейросети заменяют нам гугл, мы спрашиваем у них рецепты, просим помочь с рабочими письмами, вайбкодим. А в СИБУРе мы используем нейросети на производстве в самых разных задачах: от диагностики оборудования до оптимизации производственных процессов. Но сегодня расскажу про одну конкретную задачу — как ИИ следит за температурой в печах пиролиза, чтобы предотвратить образование кокса и прогорание труб.Меня зовут Сергей, я Data Scientist в СИБУРе. Сейчас расскажу, как мы учим нейросеть видеть то, что человек физически увидеть не может.Сто печей размером с 16-ти этажный дом
Мы доверили нейросети раскаленные печи, но без инженера она не справляется
ИИ — отличный помощник в быту и творчестве. Нейросети заменяют нам гугл, мы спрашиваем у них рецепты, просим помочь с рабочими письмами, вайбкодим. А в СИБУРе мы используем нейросети на производстве в самых разных задачах: от диагностики оборудования до оптимизации производственных процессов. Но сегодня расскажу про одну конкретную задачу — как ИИ следит за температурой в печах пиролиза, чтобы предотвратить образование кокса и прогорание труб.Меня зовут Сергей, я Data Scientist в СИБУРе. Сейчас расскажу, как мы учим нейросеть видеть то, что человек физически увидеть не может.Сто печей размером с 16-ти этажный дом
