Директор по разработкам компании КОМПЛИТ Антон Сосенко об опыте КОМПЛИТ в сфере machine learning

У нас есть собственное подразделение по разработке решений Industrial IoT: датчиков, сенсоров, специализированных мобильных устройств, промышленных систем позиционирования, сбора и передачи данных. Основные требования сейчас – компактность, низкая стоимость, длительность автономной работы, возможность работать «в поле». Прослеживается явный тренд на миниатюризацию, встраивание в технику, инструмент, оснастку, рабочую одежду. И важнейшая функция – способность выполнять аналитическую обработку данных «на борту», то, что называют сейчас Fog Computing и Edge Analytics.

Поэтому наши инженеры работают в тесном контакте с аналитиками данных и разработчиками в области data science. Мы используем современные компактные аппаратные решения (чипы), специально созданные для решения задач машинного обучения, в том числе для обработки изображений и видео. Это особенно важно, когда время реакции критично, а инференс (выполнение обученного алгоритма) в облаке может быть недоступен в промышленных условиях или по соображениям безопасности.

Второе направление, в котором у нас есть очень интересный опыт, связано как раз с обработкой неполных и противоречивых данных. Наше направление образовалось в результате реализации классических проектов в сложных условиях. Например, была задача в строительстве, где требовалась ежедневная обработка данных, поступающих от сотен организаций в условиях, когда надеяться на унификацию НСИ и единые правила работы разных организаций не приходится. Как сформировать прогноз и оценить вклад участников в конечный результат, если часть данных просто отсутствует, а часть противоречит друг другу? Каким образом руководители и инвесторы будут принимать решения, если у них нет понимания, в какой степени доверять прогнозу, и какова доля «стабильных» данных?

Директор по разработкам компании КОМПЛИТ Антон Сосенко

Так появилась программная платформа для обработки неполных и противоречивых данных и прогнозной аналитики «Горизонт», которую мы постепенно стали превращать в нечто большее, чем просто некий ETL-инструмент, – за счет возможности работать с нестабильными данными и реализации аналитического движка, основанного на методах машинного обучения. Кроме того, мы активно расширяем возможности применения платформы в разных отраслях.

Что касается распределенных вычислений, первоначально мы не планировали создавать собственный инженерно-технологический центр, а хотели поступить как профессиональные интеграторы и закупить для одного из проектов партнерское решение. В частности, речь шла о применении системы позиционирования реального времени в производстве и возможности использовать мобильные браслеты для идентификации технологических операций (что требует применения ML). Нас остановила не очень выгодная политика лицензирования таких решений, закрытость проприетарных библиотек – получалось негибко и дорого.

Сейчас мы считаем умение разрабатывать аппаратные решения в миниатюрном исполнении и совмещать их с аналитикой на основе машинного обучения нашим конкурентным преимуществом. Мы постепенно превращаемся в технологическую компанию, хотя это, конечно, только начало и еще много предстоит сделать.

Подробности см. в обзоре «Машинное обучение в работе интеграторов. Сферы применения, проекты, комментарии игроков рынка» от 2 октября 2019 г.