Журнал "Системы Безопасности" № 4‘2026

О Т Р А С Л Е В О Й Ф О К У С 95 Например, задача может состоять не просто в проверке СИЗ, а в том, чтобы допускать сотруд- ника на объект только при одновременном наличии каски, жилета и спецобуви. Или при работе на цистерне определить, пристегнул ли человек страховочный карабин, и сразу подать ему звуковое предупреждение, если условие не выполнено. Появляются задачи по контролю специализиро- ванных элементов экипировки (например, стра- ховочных привязей или спецобуви), правиль- ности и последовательности действий работни- ка, положения его рук и ног относительно опас- ной зоны и т.д. Вендору относительно несложно создать новый детектор или дообучить модуль на обнаружение нового типа экипировки. Но такую гонку невозможно закончить: про- изводственных задач слишком много и они слишком специфичны, а СИЗ, например, существенно различаются от отрасли к отрас- ли. Поэтому более перспективным решением может быть не постоянное добавление в про- дукт новых детекторов, а предоставление заказчику инструмента для самостоятельного обучения видеоаналитики. На собственных образцах он сможет обучать детектор под то, что важно именно для его производства, и решать уникальные задачи без ожидания появления отдельного готового модуля в продукте. Еще один заметный сдвиг – запрос на ком- плексные сценарии и интеграции. Видеоана- литика становится частью общей системы автоматизации: данные с камер могут исполь- зоваться для контроля оборудования, анализа качества продукции, формирования много- уровневых отчетов и запуска дальнейших действий. Одновременно растут и ожидания к точности. Заказчики хотят получать практически безоши- бочную работу видеоаналитики даже в специ- фических сценариях, так как каждая ошибка на производстве может означать риск для жизни и здоровья людей, значительные финансовые потери или простой оборудования. Сергей Фёдоров, STATANLY Technologies За последние два года запрос заметно повзрос- лел. Заказчику уже недостаточно модуля, кото- рый "видит каску": он хочет замкнутый контур: обнаружение события, подтверждение, уве- домление ответственному, фиксацию реакции, аналитику причин и понятный эффект для про- изводства. Почти всегда обсуждаются работа в локальном контуре, интеграция с VMS, СКУД, ERP и системами нарядов-допусков, масштаби- рование без полной замены инфраструктуры и контроль качества моделей после запуска. Показательно, что растет число уникальных коммерческих предложений по промышленной видеоаналитике и смежным задачам. Мы видим, что поставщики чаще всего отстают не в алгоритмах, а в предпроектной диагностике, интеграции и организации эксплуатации. Про- дать детектор проще, чем встроить его в реаль- ный процесс так, чтобы событие приводило к действию, а система сохраняла ценность через год. www.secuteck.ru август – сентябрь 2026 СПЕЦПРОЕКТ ОХРАНА ТРУДА И ПРОМЫШЛЕННАЯ БЕЗОПАСНОСТЬ Сергей Фёдоров Генеральный директор компании STATANLY Technologies (ООО "Статанли") Сгенерировано ИИ для ООО "ГРОТЕК" Анастасия Демидова, НВП "Болид" Цифровизация охраны труда и промышленной безопасности в России за последние три – пять лет перешла из стадии экспериментов в стадию внедрения. Однако разрыв между реальным повышением безопасности и формальной отчетностью остается значительным. Эффективно работают инструменты: l видеоаналитика на базе компьютерного зрения; l электронные наряды-допуски с блокчейн- аудитом; l носимая электроника. В подмену цифровизации иногда предлагается: l простое сканирование бумажных журналов в PDF; l мобильные приложения-информаторы без обратной связи; l BI-дашборды, заполненные мусорными дан- ными. Главный маркер эффективной цифровизации – изменение скорости реакции. Если внедрение ИТ-решения позволило сократить время от обнаружения опасности до ее устранения (или хотя бы до постановки задачи исполнителю) с нескольких дней до нескольких минут – это работает. Если решение создало новый слой бюрократии, новые таблицы для заполнения и увеличило документооборот – это имитация. Вадим Лысов, НПК "АТРОНИК" На большинстве объектов существует недове- рие к современным цифровым методам. Их внедрение все еще на уровне "игры", а не дей- ствующего механизма. Одной из причин является неверное ожидание "коробочного чуда" и неготовность к процессу обучения. Искусственный интеллект (ИИ) – очень эффективный инструмент, но его нужно уметь "готовить". Антон Горожанкин, Macroscop В ОТиПБ уже есть достаточно зрелые цифровые инструменты: хорошо работают системы конт- роля доступа, учета рабочего времени, контро- ля периметра и въезда/выезда, контроля ноше- ния СИЗ, алкорамки и др. Здесь понятен и результат: система фиксирует допуск, время, пересечение границы или наличие необходи- мого СИЗ. Следующий уровень – интеграция этих инстру- ментов. Например, событие видеонаблюдения может передаваться в систему речевого опове- щения, а данные СКУД использоваться вместе с видео, чтобы понимать, кто находится в кон- кретной зоне. Тогда цифровизация дает кон- текст для принятия решения. А вот большое количество разрозненных собы- тий само по себе еще не означает полноценную цифровизацию. Если данные с камер, СКУД, датчиков и других систем существуют незави- Цифровизация ОТиПБ: что уже работает эффективно, а что только создает видимость цифровизации?