Кейс · Переработка
Разработка ERP для мусороперерабатывающего комбината — Мусороперерабатывающий комбинат
Компания заказчик — один из лидеров российской отрасли переработки отходов, управляющий сетью из 7 высокотехнологичных комбинатов в регионах с населением свыше 1 млн человек. Ежегодно предприятие перерабатывает более 500 тыс. тонн отходов, превращая их в сырьё для строительства, энергетики и производства. Компания активно инвестирует в экологические инициативы и цифровизацию, стремясь стать флагманом «зелёной» экономики России.
- Отрасль
- Переработка
- Команда проекта
- 15 человек
- Команда
- 14 специалистов
- Срок
- 15 месяцев
- .NET, Java
- QA/AQA
- FIRETMS
Особенности реализации
ERP-система получила модуль «Умная сортировка», где нейросети на базе компьютерного зрения анализируют видео с конвейеров, определяя тип мусора (пластик, стекло, металл) и автоматически распределяя его по категориям. Данные передаются в режиме реального времени в модуль планирования, который корректирует загрузку линий переработки. Для логистики внедрён GPS-трекинг мусоровозов с оптимизацией маршрутов через алгоритмы машинного обучения, что сократило пробег на 15%. Система также включает финансовый блок с автоматическим формированием актов приёмки отходов, расчётом тарифов с поставщиками и интеграцией с банковскими системами. Отдельный модуль «Экоконтроль» отслеживает выбросы и формирует отчёты для регулирующих органов. Все данные доступны в дашбордах с возможностью детализации до уровня конкретного цеха или грузовика.
Реализация
Управление потоками отходов
Учёт приёмки, сортировки и переработки
ИИ-Аналитика состава
Распознавание типов мусора через камеры
Логистика и GPS-трекинг
Оптимизация маршрутов мусоровозов
Экомониторинг
Контроль выбросов и экологическая отчётность
Предиктивная аналитика
Прогнозирование загрузки мощностей
Технологии и подходы
Back-end
Для обработки больших данных и интеграции с IoT-устройствами использовались Java (Spring Boot) и .NET. Микросервисная архитектура на базе Kubernetes обеспечила масштабируемость, а RabbitMQ — синхронизацию данных между модулями в реальном времени.
Front-end
Интерфейсы разработаны на Vue с TypeScript, что позволило создать адаптивные дашборды. Для визуализации маршрутов применена библиотека Mapbox, а графики строятся на основе D3.js.
Аналитика
Компьютерное зрения реализовано с помощью OpenCV и TensorFlow, а предиктивные модели — на платформе PyTorch. Данные хранятся в ClickHouse для быстрой агрегации.
Тестирование
Нагрузочное тестирование проведено через JMeter, а юнит-тесты написаны на pytest. Для ИИ-моделей использовался A/B-тест на исторических данных.
Результат
Резюме: Кастомная ERP от FIRECODE увеличила эффективность сортировки на 36%, сократила логистические издержки на 20% и обеспечила 100-процентную прозрачность экологической отчётности.
Команда на проекте
Нужна такая же экспертиза в команде?
Подберём инженеров под ваш стек и задачи — обсудим за день.