Оставить заявку

Данные телеметрии промышленного оборудования

Набор обезличенных телеметрических данных формируется на основе показаний трёхкоординатных металлообрабатывающих станков с ЧПУ, собираемых индустриальным шлюзом АИСТ.

В состав входят временные ряды работы станков, состояние ЧПУ и рабочих циклов, положения и нагрузка осей, обороты и вибрация шпинделя, статус и износ режущего инструмента, показатели энергопотребления, коды аварий и системных событий, а также технологические параметры обработки детали.
Гранулярность и оперативность данных позволяют:
  • выявлять длительные и скрытые простои оборудования;
  • строить цифровые двойники станков для симуляции режимов работы;
  • прогнозировать отказы узлов до их фактического возникновения;
  • рассчитывать показатели общей эффективности оборудования (OEE);
  • обучать модели машинного обучения на реальных производственных сценариях.

Паспорт данных

  • Отрасль:
    Промышленность
  • Категория данных:
    Временные ряды, Сенсорные, Транзакционные
  • Состав данных:
    Идентификация и общее состояние станка
    • идентификатор станка
    • временная метка снапшота
    • производитель, модель, класс станка
    • статус включения и режим работы (автомат/ручной)
    • активная и полная потребляемая мощность, накопленное энергопотребление
    • наличие неисправности, аварийный останов
    • наработка со включённым питанием и в производственном цикле

    Канал ЧПУ и управляющая программа
    • статус канала и статус выполнения программы
    • заданная и фактическая подача, корректоры оператора
    • номер активного инструмента, счётчик изготовленных деталей
    • имя основной и текущей программы, номер и текст кадра УП
    • текущее сообщение станка, активные G-/M-функции
    • следящая ошибка по осям
    • код и текст активных тревог (CNCAlarm)

    Оси (X, Y, Z)
    • текущая позиция оси, статус движения
    • нагрузка привода, крутящий момент, использование момента от номинала
    • температура двигателя оси, виброскорость

    Шпиндель
    • заданные и фактические обороты, корректор оператора
    • статус и направление вращения
    • нагрузка, крутящий момент, использование момента от номинала
    • температура двигателя, виброскорость и доминирующая частота вибрации

    Инструмент
    • номер инструмента, корректоры длины и радиуса
    • время резания текущим инструментом
    • причина последней замены (плановая/аварийная)

    Качество и производство
    • номер детали, результат контроля (годная/брак), причина брака
    • партия материала

    Дискретные события
    • смена состояния станка, срабатывание и снятие тревоги
    • поломка и замена инструмента
    • завершение и контроль детали, начало цикла обработки
    • включение/выключение станка, пересменка оператора
    • заявка на обслуживание и её выполнение, смена партии материала
  • Ключевой идентификатор:
    Производитель, модель, класс станка
  • Формат данных:
    JSON, CSV, OPC UA, MQTT, REST API, WebSocket
  • Формат поставки:
    API
  • География покрытия:
    вся Россия
  • Уровень гранулярности:
    До отдельных сигналов оборудования (1–50 Гц) и событий
  • Период покрытия:
    1 год
  • Частота обновлений:
    В реальном времени (1–50 Гц в зависимости от сигнала)
  • Чувствительность:
    Чувствительные отраслевые данные. Только обезличенная техническая информация, персональные данные отсутствуют
  • Запрещенные виды использования:
    • попытка деанонимизации предприятий;
    • использование вне условий лицензии;
    • публикация или раскрытие данных в открытых источниках;
    • коммерческая перепродажа набора данных;
    • использование данных в публичных информационных кампаниях.
  • Тип доступа:
    Коммерческий
  • Тип оплаты:
    Подписка, Оплата за объем, По индивидуальному запросу
  • Тип обмена:
    Поставка, Обогащение
  • Период обновления паспорта:
    2 квартал 2026
Запросить доступ

Структура данных

Сценарии применения

Промышленные предприятия и интеграторы MES/SCADA
  • Контроль загрузки станков и расчёт общей эффективности работы оборудования;
  • Выявление скрытых простоев и их причин;
  • Настройка режимов обработки под конкретные детали;
  • Построение цифровых двойников производственных линий;
  • Анализ энергопотребления для снижения издержек.
Разработчики ИИ-решений и IIoT-платформ
  • Создание датасетов для обучения ML-моделей выявления аномалий;
  • Разработка ИИ-агентов для автономного мониторинга оборудования;
  • Тестирование алгоритмов предиктивной аналитики на реальных сигналах;
  • Сравнение эффективности моделей на разных типах станков.
Страховые и лизинговые компании
  • Подтверждение фактической интенсивности эксплуатации станка;
  • Выявление аномальных режимов, повышающих риск отказа;
  • Уточнение остаточной стоимости оборудования по данным износа;
  • Корректировка условий страхования и лизинговых платежей на основе объективных показателей эксплуатации.

Производители станков и сервисные компании

  • Раннее обнаружение отклонений в работе шпинделя и осей;
  • Прогнозирование остаточного ресурса узлов и инструмента;
  • Планирование сервисных визитов до наступления отказа;
  • Снижение затрат на аварийный ремонт;
  • Формирование гарантийной аналитики по паркам оборудования.
Запросить доступ
Оставьте контакты, мы обсудим ваши потребности
и подберём подходящих поставщиков
или потребителей данных