На выходе из печи готовая продукция по определенным нормам укладывается в вагонетки. Считали не изделия, а вагонетки, затем суммы приплюсовывали. Подсчет был блочным, а не поштучным, велся вручную.

Главная проблема такого учета не в трудоемкости. Она в том, что у предприятия был ровно один источник данных о фактическом выпуске - человек. И не было инструмента, которым эти данные можно было бы проверить.

При блочном подсчете цена одной ошибки - целая вагонетка.

Первый вопрос, который возникает у любого производственника: зачем видеоаналитика, если есть оптические датчики. Ответ зависит от того, в какой точке линии считать.

На упаковке и фасовке датчик работает: продукция идет поштучно и в одном потоке. На выходе из печи все иначе - широкий фронт выхода, разные форматы и веса, продукция в навал или на подносах, которые забирают целиком. Считать здесь можно только по изображению.

По одной камере на каждую печь. Собственного видеонаблюдения на участке не было - камеры ставились с нуля силами эксплуатационной службы предприятия. CVC оборудование не продает и не монтирует: компания готовит проект размещения точек, монтаж выполняет заказчик. Именно монтаж и оказался самым долгим этапом проекта.

Система не просто считает изделия, а распознает их вид. В рамках стартового договора было реализовано распознавание девяти классов продукции с одной печи.

Данные расходятся по трем контурам - от отдельного изделия до учетной системы предприятия.

В декабре 2025 года предприятие получило первые объективные данные о фактическом выпуске. Они разошлись с данными ручного учета.

Это стандартная и, пожалуй, самая важная фаза любого проекта по объективному учету. Новая цифра, которая заметно расходится с привычной, не принимается сразу - и не должна приниматься на веру.

Около месяца ушло на верификацию на разных уровнях. По ее итогам подтвердилось: верны данные системы.

Отдельного внимания заслуживает то, как предприятие выстроило эту проверку. Объективный учет вводился не как инструмент давления, а как общая база, с которой каждый участник процесса мог свериться самостоятельно.

Именно эта прозрачность - возможность в любой момент открыть запись и пересчитать вручную - и превратила данные системы в общую точку отсчета для всех.

Погрешность до 5% - типовой ориентир для этого класса решений: для систем нейросетевой видеоаналитики обычно заявляют точность порядка 95%. У прежнего ручного счета вагонетками измеримой точности не было вовсе - отклонение было попросту нечем оценить. Заказчика не устроила ни та, ни другая ситуация.

В цифрах путь выглядит так: уже в ходе донастройки расхождение самой системы сократилось в десять раз - с ~300 до менее 30 изделий в сутки при выпуске 33 тысяч. Это менее 0,1%. На второй печи - около 20 изделий на 10 тысяч, порядка 0,2%. Принципиально, что эти цифры заказчик не принимал на веру: он проверял их пересчетом по видеозаписи на реальных сменах.

Показательно сравнение с прежним способом: одна вагонетка - это 256 изделий. Ошибка счетчика на одну-единственную вагонетку давала расхождение почти в десять раз большее, чем сегодня дает система за целые сутки.

Такая точность - результат совместной работы. Алгоритм подсчета был перестроен по инициативе заказчика, уже после сдачи первой очереди.

Договор на расширение - еще три печи - был подписан в декабре 2025 года, в том же месяце, когда была сдана первая очередь, и еще до окончания верификации данных. Решение о масштабировании принимал топ-менеджмент предприятия.

Проект дал еще одно наблюдение, полезное любому предприятию, которое планирует похожее внедрение. Скорость освоения системы зависит не от интерфейса, а от того, есть ли на стороне заказчика человек, которому результат нужен лично. Когда такой владелец процесса появился, освоение системы заняло три дня.

Дальше все определяется тем, насколько глубоко этот человек готов погружаться. В Кисловодске заказчик потратил около двух месяцев на то, чтобы лично убедиться в точности подсчета, - и именно из этой работы выросло требование перестроить алгоритм.

CVC - это система поддержки принятия решений для управленческого звена, а не рабочее место учетчика. Ручной учет она либо заменяет, либо делает прозрачным.

Работа с системой не требует присутствия на площадке.

Ближайший приоритет предприятия - тиражирование решения на другие площадки холдинга.

Кисловодский хлебозавод - предприятие с производственной историей с 1937 года и производственной площадкой в Кисловодске, Ставропольский край. Действующий оператор площадки - ООО «Кисловодский хлебозавод». В 2022 году предприятие прошло модернизацию при государственной поддержке.

Ассортимент - около 50 наименований хлеба и хлебобулочных изделий: ржано-пшеничные и пшеничные сорта, батоны, сдобные и слоеные изделия. Продукция поставляется в торговые сети и социальные учреждения региона Кавказских Минеральных Вод.

CVC занимается видеоаналитикой с момента зарождения этого рынка. Накопленный опыт позволяет создавать системы на основе собственных алгоритмов. Миссия компании - создание доступных индустриальных стандартов нейросетевой видеоаналитики во всех отраслях.

Решение поставляется в модели On-Premises, в закрытом контуре предприятия. Компания является резидентом «Сколково», ПО включено в реестр российского программного обеспечения (№ 28752).

Среди предприятий хлебопекарной отрасли, использующих видеоаналитику CVC, - хлебокомбинат «Пеко», хлебокомбинат «Смак» и Кисловодский хлебозавод.

Описание решений с использованием ИИ-видеоаналитики для хлебокомбинатов и кондитерских производств смотрите на странице: cvc.ai/bakery

Если на вашем производстве данные о фактическом выпуске собираются вручную и их нечем проверить - начните с одного участка. Запросите демонстрацию и узнайте, как объективный учет работает на вашей линии.