Конфиденциальное видение для НПАО «Светогорский ЦБК»

Цифровой суверенитет
Светогорского ЦБК. От леса —
до потребителя в едином контуре данных.

Единая аналитическая платформа предприятия полного цикла. Построена на открытых технологиях. Разворачивается on-premise. Данные и код — навсегда ваши.

Формат документа Техническое видение
Время внедрения MVP 8–12 недель
Модель поставки On-premise / Private Cloud
Vendor lock-in Отсутствует
01 / Контекст

Четвёртая жизнь
Светогорского ЦБК — цифровая.

За 137 лет комбинат пережил три эпохи собственников и три технологические платформы. Сейчас открывается окно, в которое должна войти собственная data-инфраструктура — не временная, а на десятилетия.

1887 — 1998
Enso → Светогорск
Индустриальная эпоха. Бумажная отчётность, локальный учёт, отсутствие цифрового контура.
1998 — 2022
International Paper
Внедрение западного корпоративного стека: SAP ERP, SCADA, американские BI-инструменты, централизованная IT-модель.
2022 — 2023
Sylvamo → переходный период
Остатки западных систем продолжают работать. IT-архитектура «замерла». Технический долг накапливается.
2023 → сейчас
НПАО «Светогорский ЦБК»
Российский актив. Момент для построения собственного суверенного data-слоя. Окно закрывается через 12–18 месяцев.
02 / Диагностика

Четыре разрыва данных,
которые не закрывает ни один BI-проект.

Это не про «нужен новый DWH». Это про то, что у комбината полного цикла — четыре независимых контура данных, между которыми нет сквозной связи. Разрывы критичны и воспроизводятся на типовом российском ЦБК.

РАЗРЫВ 01
Производство ⟷ Планирование
Телеметрия БДМ, варочных котлов, сушильных цехов собирается SCADA/MES в реальном времени — но планирование и учёт живут в SAP/Excel. OEE считается вручную, с суточным лагом. Простои фиксируются постфактум.
Что даёт ANG: единый Lakehouse, куда стекает телеметрия с БДМ и данные планирования. OEE, коэффициент готовности, причины простоев — в реальном времени, без Excel-костылей.
Текущий лаг данных ~24 часа → <5 минут
РАЗРЫВ 02
Лес ⟷ Производство
Тихвинский КЛПХ, лесные аренды, поставщики древесины — отдельный контур учёта. Себестоимость партии бумаги «от пня до паллеты» не считается end-to-end. Решения по закупке сырья принимаются без связи с экономикой производства.
Что даёт ANG: сквозная модель данных от лесосеки до отгрузки. Себестоимость партии в разрезе конкретной поставки древесины. Реальный P&L по продуктам SvetoCopy / Ballet / картону.
Видимость маржи по партии нет → полная
РАЗРЫВ 03
Производство ⟷ Дистрибуция
Продукция идёт через дистрибьюторов в 40 странах. Данные о sell-out и движении товара поступают с задержкой 1–3 месяца. Прогноз спроса строится на ощущениях. Излишки и дефицит — обнаруживаются постфактум.
Что даёт ANG: EDI / API-интеграция с ключевыми дистрибьюторами. Прогноз спроса на ML-моделях с учётом сезонности и истории sell-out. Планирование БДМ под реальный спрос, а не под план года.
Лаг sell-out данных 1–3 мес → T+1 день
РАЗРЫВ 04
Качество ⟷ Рекламации
Параметры производства партии (влажность, плотность, химия, режим БДМ) живут в LIMS и MES. Рекламации и жалобы клиентов — в CRM. Связи между «как сделали» и «что не понравилось» — нет. Причины дефектов ищутся вслепую.
Что даёт ANG: сшивка LIMS ⟷ MES ⟷ CRM ⟷ отгрузки по номеру партии. Корреляция рекламаций с параметрами производства. Автоматическое выявление паттернов (какой режим БДМ → какой тип дефекта).
Time-to-root-cause недели → часы
03 / Поток данных

Один поток данных.
От леса — до клиента в Хабаровске.

Каждое звено цепочки создания стоимости генерирует данные. Lakehouse-архитектура ANG объединяет их в единый контур и делает доступными для анализа в реальном времени.

// STAGE 01
Лес
Тихвинский КЛПХ, арендные участки, поставщики древесины. ГИС-данные, учёт заготовки.
// STAGE 02
Комбинат
БДМ-4 и остальные линии. SCADA, MES, LIMS. Телеметрия, параметры варки, контроль качества.
// STAGE 03
Склад / ДЦ
СветоПак, упаковка, логистика. WMS, TMS, движение партий, отгрузки.
// STAGE 04
Дистрибьюторы
40 стран, сеть партнёров. EDI / API, sell-out, остатки в канале.
// STAGE 05
Клиент
Офисы, типографии, упаковщики. CRM, рекламации, обратная связь.
ANG Lakehouse Layer
Kafka / NiFi — непрерывный сбор. Iceberg на MinIO — единое хранилище. Trino — федеративные SQL-запросы. ClickHouse — быстрая аналитика. PIX BI — визуализация (ваш инструмент, наш партнёр). Всё открытое, всё on-premise, всё ваше.
04 / Архитектура

Lakehouse,
а не очередной DWH.

Классический DWH (Oracle / MS SQL) упирается в потолок при работе с телеметрией. Lakehouse — это открытый стандарт 2025 года, который объединяет гибкость озера данных и производительность DWH. Никакого vendor lock.

LAYER 01
Ingestion
Непрерывный сбор данных из всех источников
Apache NiFi Apache Kafka Kafka Connect Debezium (CDC) Apache Flink
LAYER 02
Storage
Единое масштабируемое хранилище
Apache Iceberg MinIO (S3) Hive Metastore Parquet
LAYER 03
Processing
Batch и streaming обработка
Apache Spark Apache Airflow dbt Apache Flink
LAYER 04
Serving
Быстрые запросы и агрегации
Trino ClickHouse StarRocks DuckDB
LAYER 05
BI & ML
Визуализация и продвинутая аналитика
PIX BI (партнёр) MLflow Jupyter vLLM (LLM-сервинг)
LAYER 06
Infrastructure
On-premise, Kubernetes, observability
Deckhouse K8s Prometheus Grafana Keycloak (SSO) Vault
05 / Сценарии

Пять сценариев,
с которых начинается возврат инвестиций.

Не абстрактные «цифровые возможности», а конкретные задачи, которые платформа закрывает в первые 6–9 месяцев после MVP. Под каждую уже есть типовой pipeline в каталоге ANG.

USE CASE 01 · Производство
Real-time OEE для БДМ и смежных линий
Телеметрия с БДМ (скорость, тонаж, простои) стекается через OPC UA → Kafka → Iceberg. ClickHouse отдаёт агрегаты для дашборда в PIX BI. Начальник смены видит OEE, доступность, производительность и качество — в реальном времени, без ручного сбора. Алерты на отклонения — в Telegram / почту.
РЕЗУЛЬТАТ → Снижение неплановых простоев на 8–15%
USE CASE 02 · Экономика
Себестоимость партии end-to-end
Связка «лесосека → варка → БДМ → упаковка → отгрузка» по номеру партии. Реальная, а не плановая себестоимость каждой тонны SvetoCopy / Ballet / картона. P&L по продуктам в реальной детализации.
РЕЗУЛЬТАТ → Видимость маржи по продукту и каналу
USE CASE 03 · Продажи
Прогноз спроса по дистрибьюторам
ML-модель прогноза спроса на основе истории sell-out, сезонности, макрофакторов. Планирование БДМ под реальный спрос, снижение overstock / understock в канале.
РЕЗУЛЬТАТ → Снижение излишков в канале на 10–20%
USE CASE 04 · Качество
Корреляция рекламаций с параметрами производства
Автоматическая сшивка данных LIMS (параметры качества) ⟷ MES (режим БДМ) ⟷ CRM (рекламации) ⟷ отгрузки (партии) по номеру партии. Система выявляет паттерны: при каком режиме чаще возникают конкретные типы дефектов. Root cause — за часы, а не недели.
РЕЗУЛЬТАТ → Снижение доли рекламаций, сохранение репутации SvetoCopy / Ballet
USE CASE 05 · Менеджмент
Единый дашборд генерального директора
Один экран: выпуск тонн, выручка, себестоимость, запасы, рекламации, OEE ключевых линий, статус лесного запаса, sell-out по ключевым рынкам. Данные обновляются в реальном времени. Drill-down — до конкретной партии, конкретной смены, конкретной машины. Это не «BI-проект», это инструмент ежедневного управления активом на 2000+ сотрудников.
РЕЗУЛЬТАТ → Скорость принятия управленческих решений — минуты вместо дней
06 / Альтернативы

Три варианта
на столе — и только один без ловушки.

Объективное сравнение. Пишем то, что реально. Если альтернатива в чём-то сильнее — она выигрывает. Но если смотреть целиком — картина складывается однозначно.

Критерий ANG Platform Собственная сборка Закрытая «коробка» (напр. Arenadata / VK) Зарубежные решения
(Snowflake / Databricks)
Открытый стек ✓ Полностью (Iceberg, Trino, Kafka) ✓ Зависит от команды Частично, форк вендора Проприетарный
Vendor lock-in Отсутствует Отсутствует Высокий Критический
Время до MVP 8–12 недель 18–24 месяца 4–8 месяцев Недоступно с 2022 года
Размер команды на старте 3–4 интегратора 15–25 инженеров 5–8 (плюс поддержка вендора) —
Суверенитет данных 100%, on-premise 100%, on-premise On-premise доступно Облако за периметром РФ
Готовые типовые сценарии ✓ Каталог (OEE, MES, прогноз) С нуля под каждый кейс Общие, не для ЦБК Общие
Риск провала проекта Низкий (есть опыт и методология) Очень высокий Средний —
Контроль исходного кода Полный, передаётся заказчику Полный Нет Нет
Реестр российского ПО Совместимость Зависит от выбора Да Нет
Следующий шаг

Технический аудит
за 2 недели.

Наш архитектор проводит 2–3 рабочие сессии с вашими IT и бизнес-командами. На выходе — карта источников данных, приоритизированные сценарии и детальный план MVP. Без обязательств по контракту.

Запросить аудит → Запросить TCO-расчёт