Добавил:
YagamiRam
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Практические занятия / ПК10_Т10_НИОКР.pptx
МИНИСТЕРСТВО ЦИФРОВОГО РАЗВИТИЯ, СВЯЗИ И МАССОВЫХ
КОММУНИКАЦИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ
Ордена Трудового Красного Знамени федеральное государственное
бюджетное образовательное учреждение высшего образования
«Московский технический университет связи и информатики»
Тема:
«Подготовка коммерческого предложения на контрактный НИОКР
для IoT-системы предиктивного контроля свежести продуктов
FreshTrack»
Выполнили: студенты группы М092501(70)
Аксёнов Андрей
Бердников Максим
Буланов Олег
Грушников Александр
Крапильский
Александр
Фёдоров Михаил
Филимонов Максим
Ягудин Рамиль
Москва, 2026 г.
Описание проекта
FreshTrack — это программно-аппаратный комплекс для малого ритейла и общепита.
•
Состав: автономные IoT‑датчики (температура, влажность, газовый состав: этилен, CO₂) +
облачная ML‑платформа;
•
Функция: в реальном времени пересчитывает фактический срок годности
скоропортящихся продуктов, формирует задачи персоналу (уценка, ротация, списание);
•
Цель НИОКР по контракту: адаптировать систему под конкретные продуктовые категории,
оборудование и учётные системы заказчика.
Потенциальные клиенты
№ Название компании Краткое описание Сайт
1 X5 Group (Россия) Крупнейший ритейлер (Пятёрочка,
Перекрёсток), заинтересован в
снижении списаний
x5.ru
2 Магнит (Россия) Федеральная сеть, пилотирует
IoT‑решения для fresh‑категорий
magnit.ru
3 Walmart (США) Мировой лидер ритейла, активно
внедряет предиктивную аналитику в
цепочках поставок
walmart.com
4 Carrefour (Франция) Европейский ритейлер с фокусом на
сокращение пищевых отходов
carrefour.com
Ценностное предложение
Боль (гипотеза) Ценностное предложение Результаты работ
Текущие системы
мониторинга
дороги, сложны в
интеграции, не
дают прогноза
остаточного срока
годности. Малый
бизнес и сети
теряют до 30%
продукции из‑за
отсутствия точных
данных.
Разработка и поставка «под ключ»
адаптивной IoT‑платформы с
динамическим расчётом срока
годности, интеграцией с учётной
системой заказчика и мобильными
сценариями для персонала.
1. Адаптированные датчики (10
шт.) под среду заказчика.
2. ML‑модель, обученная на
номенклатуре заказчика.
3. Интеграционный модуль с
1С / МойСклад / ERP.
4. Протокол полевых
испытаний с метриками
снижения потерь.
5. Документация и обучение
персонала.
Описание работ и ресурсов
Работа Ресурс Наличие Стоимость
(тыс. руб.)
Обследование холодильных мощностей
заказчика
IoT‑инженер, менеджер Да 80
Доработка датчиков (газовые сенсоры,
NB‑IoT)
Компоненты, инженер Да (закупка) 200
Адаптация ML‑модели под продукты
заказчика
Data scientist, облачные GPU Да 300
Интеграция с учётной системой Backend‑разработчик, API Да 180
Сборка 10 образцов, калибровка Лаборатория, логистика Да 150
Полевые испытания (2 недели) Инженер внедрения Да 120
Документация, акты, обучение Техписатель, юрист Да 60
Итоговые прямые затраты - - 1090
Смета и цена контракта
Статья Тыс. руб.
Прямые затраты (шаг 4) 1090
Управленческие расходы (10%) 109
Полная себестоимость 1199
Норма прибыли (35%) 421
Цена контракта 1620
Имеющиеся ресурсы
ФИО Роль в команде Стоимость (тыс. руб)
Фёдоров Михаил
Александрович
Руководитель проекта, ML-инженер 250
Бердников Максим
Александрович
Backend-разработчик 180
Аксёнов Андрей
Владимирович
IoT-инженер, прототипирование 180
Грушников Александр
Сергеевич
Frontend-/мобильный разработчик 150
Филимонов Максим
Игоревич
Data scientist 200
Ягудин Рамиль
Ришатович
Менеджер по продажам и
взаимодействию с заказчиком
120
Крапильский Александр
Александрович
Технический писатель, инженер
тестирования
100
Буланов Олег Сергеевич Юрист, работа с документацией 80
Имеющиеся ресурсы
Вид ресурса Описание ресурса
Объекты
интеллектуальной
собственности
1. Патент на способ предиктивного мониторинга свежести продуктов (заявка в Роспатент).
2. Ноу-хау: алгоритм расчёта динамического срока годности на основе температуры, влажности, газового состава
(этилен, CO₂) и времени.
3. База данных кинетики порчи для 50+ категорий продуктов (охраняется как коммерческая тайна).
4. Исходный код мобильного приложения, веб‑панели, API и ML‑моделей (коммерческая тайна).
Оборудование
1. Стенд для калибровки датчиков (собственная разработка).
2. Климатическая камера для испытаний (аренда / лаборатория вуза).
3. Паяльное оборудование, мультиметры, осциллограф.
4. Логистическая упаковка для отправки образцов.
5. Сервер для обучения моделей (аренда облачных GPU Yandex Cloud / Selectel).
Программное
обеспечение
1. Среда разработки: VS Code, Jupyter Notebook, Git, CI/CD (GitHub Actions).
2. Библиотеки ML: TensorFlow, PyTorch, Prophet, Kats, scikit‑learn.
3. Backend: Node.js, PostgreSQL, Docker, Grafana.
4. Frontend / мобильное: React, React Native (iOS/Android).
5. Прочее: Postman, Swagger, системы мониторинга (Zabbix).
Сертификаты и
лицензии на право
выполнения
работ/оказание
услуг
1. Декларация о соответствии ТР ТС 004/2011 (о безопасности низковольтного оборудования) – в процессе
оформления.
2. Декларация о соответствии ТР ТС 020/2011 (электромагнитная совместимость) – в процессе.
3. Лицензия на использование облачной платформы Yandex Cloud / Selectel (есть, оплачена по подписке).
4. Свидетельство о регистрации МИП (малое инновационное предприятие) – получаем в вузе по условиям
деловой игры.
5. Право выполнения НИОКР – имеется как у команды вуза (договор с университетом о коммерциализации
разработок).
Контакты
Компания Должность ФИО
X5 Group (Россия) Директор по инновациям Иванов Сергей Петрович
X5 Group (Россия) Руководитель отдела
автоматизации хранения
Петрова Анна Владимировна
Магнит (Россия) Вице-президент по
технологическому развитию
Смирнов Дмитрий Алексеевич
Магнит (Россия) Главный инженер по
холодильному хозяйству
Козлов Игорь Николаевич
Walmart (США) Senior Manager, Perishables Supply
Chain
John Carter
Walmart (США) Director of IoT Solutions Emily Wong
Carrefour (Франция) Responsable Innovation Alimentaire Pierre Dupont
Carrefour (Франция) Chef de projet transformation
digitale
Marie Lambert