📸 350 тыс. снимков пути в месяц. Раньше их разбирали вручную.
Так прежний процесс описывает инженер пути Hancock Iron Ore. Это австралийская горнодобывающая компания с собственной железной дорогой на сотни километров. Искать дефекты на этих кадрах было, по словам инженера, «невероятно долго».
Камер хватало. Не хватало часов у людей, которые смотрят снимки.
🔍 Что сделали. Свои команды Hancock (управление активами, обслуживание пути, цифровые инновации) построили систему компьютерного зрения TrackDefectX. Модель находит дефекты, классифицирует их и ставит в очередь по важности. Выходить ли бригаде, решает инженер.
🛠️ Где деньги. Ранний износ рельса убирают шлифовкой. Запущенный ведёт к дорогому ремонту, вплоть до замены. По данным компании, это около $475 тыс. в год экономии на шлифовке. Рост ресурса рельсов более чем на 10% компания даёт как оценку. Точность модели не раскрыта.
Экономит не модель, а ремонт, который успел раньше износа.
📊 Для контекста: в РЖД больше 50 AI-проектов, но, по словам замгендиректора Евгения Чаркина, единой методики расчёта их эффекта пока нет. Задача общая для отрасли. Кейс Hancock полезен тем, что эффект привязан к конкретной статье затрат.
💬 Какая операция осмотра у вас производит больше снимков, чем люди способны проверить?
Источники: Microsoft Customer Story, 10.09.2026; Hancock Iron Ore, 28.11.2025 и 15.01.2026; ComNews, 14.11.2025.
