RnDnet — платформа прикладных НИОКР и продвижения инновационных разработок

Развертывание сети центров удаленной коллективной работы над цифровыми проектами в различных областях, в том числе государственное управление, медицина, нефтегаз, машиностроение, сельское хозяйство, торговля, банковская деятельность. В том числе — с пространственными данными

В рамках проекта подготавливается и запускается в массовое использование платформа работы с цифровыми проектами RnDnet.

Проект позволяет организовать решение индивидуальной научно-технической проблемы пользователя (например построить модель распространения коронавируса в зависимости от принимаемых мер), создать работающий прототип решения для массового пользователя, доставить его потребителю и организовать поддержку конечному пользователю.

Научно-технические, аналитические проекты требуют коллективной работы различных специалистов. Проект позволит организовать совместную работу с ДЗЗ, оперативно привлекать узких специалистов, контролировать ход проекта, быстро доводить его до практического применения и организовать обратную связь с потребителем.

Какие измеряемые социоэкономические эффекты имеет проект?  Проект снижает транзакционные издержки решения научных, прикладных и аналитических задач, делает доступным решение сложных проблем для малых и средних предприятий, поддерживает эффективный трансфер технологий в том числе за рубеж.

Существуют многочисленные барьеры между наукой, инженерией и производством, на преодоление которых тратится много средств и времени

Платформа снимает барьеры между наукой, инженерными разработками и производством, уменьшает транзакционные издержки при взаимодействии

RnDnet является распределенной платформой для совместной работы разработчиков над цифровым проектом (проектом, все операции которого производятся над информацией), быстрой доставкой результатов потребителю проекта, в том числе — через публикацию доступа в Интернет, сохранения как интеллектуальной собственности и повторного использования проекта или его частей в виде типового проекта или типовых элементов, организации мониторинга хода проекта менеджментом, инвестором или заказчиком, учета вклада участников в проект отдельно по интеллектуальной собственности, трудозатратам и вычислительным ресурсам и проведению на их основе взаиморасчетов

Ключевым технологическим результатом проекта является представление проекта, в том числе — незаконченного, в виде информационного объекта, который может являться предметом хозяйственных операций (практическая реализация Открытой инновации Чесбро). Массив однотипных накопленных проектов представляет собой обучающую выборку для систем искусственного интеллекта, что дает возможность в дальнейшем значительно снизить участие человека в аналогичных проектах.

RnDnet является платформой совместной деятельности участников с различными ролями (разработчики, потребители, эксперты, инвесторы)

RnDnet снижает транзакционные издержки по поиску прототипа и партнера, обеспечивает регистрацию хода  работ и взаиморасчеты участников платформы.

Общее снижение сроков и затрат на проект — до 10 раз.

RnDnet базируется на совместном применении трех технологий:

1. Проект проставляется в виде  направленного графа, узлами которого являются вычислительные модули в виде скриптов, а на дугах перемещаются наборы данных. К вычислительным модулям и данным может быть присоединён интерфейс пользователя в виде набора виджетов. Разработчик может изменять структуру графа, скрипты и виджеты, соединять несколько проектов в один или разбивать на части. Конечный пользователь имеет доступ к проекту через виджеты к обычному программному обеспечению.
2. Доступ к графам осуществляется через интернет-платформу, обеспечивающую хранение, запуск на выполнение, отладку и поиск проектов, специалистов и данных. Платформа выполнена в виде сети узлов, обменивающихся информацией и расположенных в частном или публичном облаке.
3. Все операции с узлами проектов фиксируются в приватном блокчейне, что обеспечивает объективность учета  затрат участников проекта и гарантирует заказчику достоверность результатов.

Все технологии хорошо известны и отработаны, функциональный прототип разработан и опробован в различных предметных областях, ведется разработка промышленной версии

Во всех отраслях существует потребность в решении индивидуальных задач потребителя (НИОКР, аналитика, внедрение инноваций), которые связаны с обработкой информации. Мировой рынок НИОКР составляет $ 2 трлн, существуют значительные дополнительные ниши, например, геофизические исследования в нефтегазовой отрасли (порядка $ 100 млрд), обработка космоснимков ($ 10 млрд), обработка медицинских изображений, цифровое земледелие и т.п., которые требуют индивидуального или узконишевого решения.

В условиях COVID-19 возрастает потребность в распределённой работе над подобными проектами. Рынок продуктов для совместной распределённой работы над проектами представлен дорогостоящими нишевыми решениями, например SAP HANA, недоступными большинству потенциальных потребителей.

Проект RnDnet позволит организовать работу над такими проектами в приемлемых ценах. Будучи платформенным решением, проект имеет возможность охвата около 100% рынка. Для этого необходимо обеспечить качественную поддержку и первоначальное продвижение.

Потребителями платформы являются, с одной стороны — компании, имеющие потребность в индивидуальных научно-технических решениях, с другой стороны — научно-технические коллективы, которые могут выполнить эту работу или хотят продвинуть свои разработки к потребителю. Потребитель будет принимать решение о работе на платформе с учетом ее доступности и наличия на платформе разрабатываемых решений. В настоящее время платформа внедряется в Республике Татарстан для нужд госорганов, в нефтегазовом секторе для решения геофизических задач, ведутся работы по обработке медицинских снимков и переговоры по  предиктивному обслуживанию для машиностроения.

Автоматизированный разновременной анализ

• Выявление изменений на основе анализа разновременных данных
• Построение результирующего векторного слоя с изменениями
• Выявление пересечений векторного слоя изменений с номенклатурными листами
• Формирование цветной картограммы распределения изменений местности относительно границ НЛ

• Создание набора эталонов по классам объектов (почва, искусственные объекты, вода, виды растительности)
• Автоматическая классификация объектов на основе методов распознавания