Задача
Промышленный холдинг работал с парком в 50 000 устройств: датчики, контроллеры, ПЛК. Аварии находили постфактум, ручной обход смен — высокий MTTR и потери производительности.
Решение
- Платформа сбора телеметрии через MQTT + REST с буферизацией на edge
- Потоковая обработка на Apache Kafka + Flink — детекция аномалий в реальном времени
- Хранение в TimescaleDB с автоматической агрегацией исторических данных
- Портал аналитики для инженеров и менеджеров — графики, отчёты, инциденты
- Мобильное приложение для техников на Flutter — оффлайн-режим, обходы по чек-листу
Результат
- Аварийность −27% за 6 месяцев после внедрения
- MTTR снизили с часов до минут на 80% инцидентов
- Платформа выдерживает 200k событий/сек на пиках
Стек
Go (backend и stream-processing), Apache Kafka, Apache Flink, TimescaleDB, Flutter (mobile), Grafana (мониторинг).
Стек проекта
Частые вопросы про этот кейс
Можно ли сделать похожий проект для нашей компании?
Да. Стандартный путь: дискавери (1–2 недели) → оценка → договор → старт. Если у вас задача из той же индустрии (Manufacturing / IoT) — у нас уже есть готовые playbook'и, экономим ~20% бюджета.
Сколько стоил этот проект?
Конкретные цифры под NDA. Похожие проекты в подобной сложности — в диапазоне рыночных оценок на странице соответствующей услуги.
Что было самым сложным?
Телеметрия с 50 тысяч промышленных устройств, потоковая обработка, оповещения и мобильное приложение для техников. — это итоговая картина. На пути встречались архитектурные компромиссы, которые мы готовы детально разобрать на дискавери под ваш проект.
С какими интеграциями работали?
Стек: go, flutter. Полный список интеграций — под NDA, готовы обсудить релевантные вашему проекту на встрече.
Можем ли мы пообщаться с клиентом из этого кейса?
На этапе финальных переговоров — да, при согласии клиента. Стандартно проводим короткий reference-call с CTO или PO.