Насколько точно можно определять местоположение людей с помощью Wi-Fi? А что если дополнить это BIM-данными и инфой об использовании помещений?
Рассказываю о том, что мы с коллегами напроверяли, как решали задачу и какие результаты получили в очередном проекте.
Меня зовут ZolAnd, я - независимый инженер-разработчик embedded-систем в основном для дома и сельской усадьбы. В какой-то момент мне захотелось собрать под одной крышей разношёрстный парк ZigBee-устройств от разных производителей, работать с ним локально, без обязательной привязки к облаку, и при этом иметь возможность не только интегрировать чужие устройства, но и проектировать свои. Так появился проект ZBFun. Эта статья — про то, с какими вызовами я столкнулся, какие решения уже существуют и почему они мне не подошли, и про архитектуру, к которой я в итоге пришёл.
С чего всё началось
Задача звучала просто: хочу python-библиотеку для ZigBee на ESP32-C6. Готовой не нашлось — есть отличный esp-zigbee-lib от Espressif на C, но ничего сопоставимого на Python или MicroPython для этой платформы не было. Значит, писать самому. И тут выяснилась вторая, более фундаментальная проблема. Чтобы написать библиотеку, нужно понимать, что такое ZigBee Cluster Library (ZCL) — стандарт, который описывает, из чего вообще состоит ZigBee-устройство: кластеры, атрибуты, команды, типы данных, зависимости между ними. Официальный документ Alliance — 1213 страниц PDF, написанный для инженеров, имплементирующих стек с нуля, без какой-либо машиночитаемой версии. Ни JSON, ни XML — только текст, рассчитанный на то, что человек прочитает и перепечатает нужное руками. Дальше — хуже. Когда я стал сверять этот текст с реальными SDK и реальными устройствами, обнаружились расхождения. Причём не косметические, а такие, из-за которых устройство просто не будет работать правильно.
Если умный дом уже настроен или вы только собираетесь это сделать, есть ещё один вопрос, о котором легко забыть, о безопасности домашней сети. В этой статье разбираемся, зачем отделять IoT-устройства, какие настройки проверить на роутере и что можно сделать без сложной сетевой инфраструктуры.
Когда речь идет о промышленном сборе данных, даже компьютер-одноплатник иногда избыточен по габаритам. Если устройство встраивается в щиток, в корпус датчика или в готовый прибор стороннего производителя, каждый лишний сантиметр платы — это переделка корпуса. Для таких случаев мы разработали миниатюрный модуль — NAPI Slot, и еще несколько решений на его основе (мини-компьютер, коммутатор, мини-мрашрутизатор, шлюз). А сторонние разработчики могут сконструировать нужную плату c этим SOM под свои задачи.
Исправное устройство успешно обновилось, доказало своё здоровье, а через два перезапуска откатилось на старую прошивку. Причина оказалась вообще не в обновлении: в тот раз наш бэкенд отвечал три минуты вместо одной.
У нас парк ARM‑устройств: удалённое обновление ядра, A/B‑слоты, автоматический откат. Казалось бы, схема известная, готовые движки есть, документация написана. Сам движок действительно поехал за неделю. Потом полтора месяца мы выковыривали дефекты, которые не падали, ничего не писали в лог и не ловились обычными тестами.
Ниже — семь самых поучительных случаев. И у всех одна форма: каждая проверка утверждала больше, чем на самом деле доказывала.
Устройство говорило «обновился», проверив доставку обновления, а не его применение. Или: «я здоров, братан, проверяй», глядя на факт запуска, а не на работу прошивки. Или: «версия 0.0.17», потому что это было написано в манифесте бэкенда, а не потому, что именно эта версия реально крутилась на железе.
В итоге — как с нашим правительством: свою работу оценили на отлично, а эксперимент, очевидно, неудачный.
Все началось не с желания построить «умный дом», а с обычной вентиляции. После переезда в новую квартиру я хотел решить одну конкретную задачу — обеспечить нормальный воздухообмен и контроль качества воздуха. Но приточная установка с RS-485 быстро потянула за собой остальное: контроль CO₂, защиту от протечек, управление светом и шторами, Алису, Zigbee и планы на Home Assistant.
В статье расскажу, как из управления приточкой постепенно выросла автоматизация всей квартиры, какие решения пришлось добавлять уже после ремонта и с какими особенностями RS-485 я столкнулся на практике.
У паводка есть неудобная для оперативных служб особенность: вода не сверяется с расписанием наблюдений. Между вечерним и утренним замерами она может заметно подняться, а свежие данные появятся только при следующем обходе.
Весной 2026 года эта проблема снова стала актуальной для многих российских регионов. В одном из муниципалитетов Республики Марий Эл уровень реки контролировали традиционным способом: наблюдатель приходил на пост и снимал показания по водомерной рейке. В штатном режиме сведения поступали раз в сутки, при достижении критических отметок - в 08:00, 14:00 и 20:00.
Мы вместе с районной администрацией решили закрыть промежутки между ручными наблюдениями автоматическим мониторингом - точкой установки выбрали автомобильный мост через реку.
За несколько лет мы автоматизировали несколько сити-ферм: от небольшой лаборатории до производства с посевной площадью 100 м². Теперь мы запустили ферму уже на 380 м². Каждый новый проект заставлял пересматривать архитектуру системы управления: одни решения подтверждали свою эффективность, другие приходилось менять или вовсе отбрасывать.
В этой статье расскажу, какие подходы выдержали проверку практикой и как сегодня устроена автоматизация нашей самой большой фермы.
Карьер. Ночная смена. Самосвал везет уголь, водитель уже несколько часов за рулем. Самый опасный сценарий сейчас – не поломка, а «микросон»: несколько секунд без сознания на скорости, и 45-тонная машина превращается в неуправляемый снаряд.
Готовые системы мониторинга состояния водителя решают эту задачу с помощью видеокамер: следят за глазами, анализируют видеопоток, интегрируются с диспетчерской. Но стоят они соответственно. Сегодня разберем кейс угледобывающего предприятия «Разрез Пермяковский», где пошли инженерным путем и собрали собственную систему «Кнопка бдительности» на базе телематического оборудования. Итоговая стоимость на 10 единиц техники – около 30 000 ₽.
Дом из клееного бруса кажется почти готовым продуктом еще на заводе. Но после доставки домокомплекта на площадку начинается не менее сложная часть — прокладка кабелей и монтаж инженерных систем.
Мы проследили весь путь типового одноэтажного дома из клееного бруса «Сириус 2.0» площадью 200 м²: побывали на производстве, посмотрели, как делают клееный брус и пеллеты из отходов, а затем приехали на готовый объект. Внутри — три спальни, кабинет и просторная кухня-гостиная. А еще отопление, вентиляция, кондиционирование, увлажнение воздуха, автономная котельная, управление освещением и шторами, полив и дренаж. Все это объединено в систему умного дома.
Убрать обязательный хаб из умного дома — звучит как продуктовое решение. На практике в этой формулировке спрятано много неприятной инженерии. Устройство должно само войти в экосистему, само держать долгоживущее облачное соединение, само обновляться — в общем, всё делать без посредника. И это на железе с ограниченной памятью и слабым CPU, в домашней сети, которая в любой момент может пропасть.
На таком масштабе каждый лишний TLS‑коннект, каждая дополнительная аллокация, каждый хрупкий ретрай начинает стоить по‑настоящему дорого. Мощным бэкендом здесь не поможешь: ограничение — на клиентской стороне. Поэтому мы шли в обратную сторону: последовательно убирали лишнюю сложность на каждом слое — от заводского контура до транспортного канала.
Мы строим новую платформу для устройств умного дома Яндекса, которая должна держать больше миллиона активных устройств. В этой статье — про конкретные решения: комиссионинг без хаба, один канал вместо зоопарка соединений, однопоточную модель исполнения и дисциплину переподключений на плохой сети.
Дисклеймер: не читайте эту статью, если вы фанат традиционных ценностей и от заголовка уже хотите написать в комментах, что мне стоит изучить базу. Читайте эту статью только если вы прогрессивный, веселый, любите инженерный угар и работающие проекты ♥
Про корпус я писала тут и тут. В этой статье я расскажу про бэк и мои решения!
Я включил на домашнем роутере файловый журнал DNS-запросов и оставил на выходные. За 39 часов набралось 106 875 обращений к 2605 доменам от восьми устройств: компьютера, ноутбука, телефона, умной колонки, робота-пылесоса, телевизора и стиральной машины.
Дальше начались открытия.
Умная колонка выходит в сеть раз в 43 секунды и не останавливается никогда — ночью столько же, сколько днём. Причём обращений в аналитику у неё ровно столько же, сколько к рабочему API.
Робот-пылесос обошёлся тремя доменами за двое суток и не позвал никого постороннего, хотя ни разу не убирался.
Стиральная машина ходит только в облако производителя — четыре домена. А приложение для управления ею принесло с собой три сторонних аналитических сервиса.
Телевизор оказался сложнее всех. Ночью он спит крепче остальных приборов, а за сутки простоя успевает обратиться к 172 доменам. Среди них — компания, которая занимается распознаванием картинки на экране. Причём это подтверждается не догадками, а политикой конфиденциальности самого производителя телевизора.
В статье: полный разбор по каждому устройству с цифрами, две грабли при настройке журнала на роутере с 44 МБ свободного места, и все команды, чтобы повторить у себя за вечер.
После очередного зимнего сезона, с облегчением отключив отопление, я сказал себе: "Ну, всё! Так больше нельзя!" И принялся за автоматизацию и мониторинг.
Во время погружения в процессы производства, о которых шла речь в первой статье, от руководства прилетел интересный вопрос: «А можно как-то посчитать, сколько на самом деле работает наше оборудование (в контексте ленточных пил) в смену? Может, повесим умные камеры для анализа?»
Спойлер: посчитать получилось и в разы дешевле чем по любым умным камерам! Причем в процессе удалось оцифровать работу не только ленточных пил, но и ряд другого оборудования. Будут: гипотеза, макетирование и прототипирование, создание платы и производство (PCB), микропрограмма, workflow n8n и планы на будущее. Самое важное, что нужно помнить, обращая производство в цифру — что нам это дает.
Мы привыкли, что GPS/ГЛОНАСС-терминал – это, в первую очередь, прибор для записи трека машины. Да, это база. Но давайте посмотрим на него как на контроллер: есть входы, выходы, сценарии взаимодействия с периферией. Поэтому всегда интересно пофантазировать, что еще можно подключить к нему, кроме транспортного средства?
Каждый инженер – тоже художник, его творчество – техническое, и практически всегда скрыто от глаз. Меня всегда привлекало нестандартное использование разных устройств в совершенно неподходящем ключе, это позволяет разбавить рутину, поэкспериментировать и посмотреть на продукт под другим углом.
Особенно хорошо, что терминалы имеют технологию Easy Logic, это очень сильно развязывает руки как в работе, так и создании того, что на первый взгляд несовместимо, например, попкорн-машина. При чем тут попкорн? Давайте разберем этот кейс и увидим, насколько разным бывает мониторинг.
Это первая статья в серии про LoRa — технологию передачи данных, способную работать с сигналами ниже уровня шума. Протокол LoRa позволяют передавать данные на километры с очень небольшой мощностью передатчика — порядка 10 мВт или 10 дБм. При этом модули LoRa потребляют так мало энергии, что могут работать от одной зарядки аккумулятора год или больше.
На базе LoRa делают системы сбора данных с обширных территорий без подключения к интернету. Это могут быть, например, данные от счетчиков воды и электроэнергии, погодных станций, газовых котлов и другого оборудования. Также можно управлять устройствами на больших расстояниях.
С помощью LoRa можно сделать шлюз, который будет работать далеко от зоны покрытия интернета. Можно даже настроить передачу сообщений на большие расстояния вообще без интернета.
Из этой статьи вы узнаете, как появились устройства LoRa и почему они могут принимать сигналы ниже уровня шума. Вы узнаете, как работать с модулями LoRa, подключенными к микрокомпьютеру Raspberry Pi, научитесь конфигурировать эти модули с учетом ограничений законодательства, а также передавать с их помощью сообщения на километры. В завершение статьи я расскажу, как сделать простую погодную станцию, измеряющую температуру, давление и влажность. Данные будут передаваться через LoRa и отображаться на OLED-мониторах, подключенных к передатчику и приёмнику.
Большинство способов интеграции самодельных устройств умного дома с Алисой требуют Wi-Fi, облачного сервера или MQTT. Но существует гораздо более простой способ — использовать обучаемый ИК-пульт Яндекса как шлюз между голосовым помощником и собственной сетью устройств. Именно такой вариант я сделал ещё в 2017 году, и он работает до сих пор.
В последние годы казалось, что каждый новый способ идентификации в СКУД вот-вот станет новым стандартом и начнет вытеснять предыдущие. Такими кандидатами были карты, затем смартфоны, теперь биометрия. Но происходит обратное: новые технологии скорее занимают свои узкие ниши, чем вытесняют старые.
Недавно мы расширили способы идентификации в СКУД PERCo-Web. Выпустили линейку считывателей с поддержкой BLE, мобильные приложения для их использования, а также представили совместное с группой ЦРТ решение для идентификации по лицу. Это хороший повод рассказать о том, что вообще происходит с идентификацией в СКУД.
Несколько лет у меня лежал недорогой китайский видеодомофон Doorbell M8, работающий через приложение Ulooka. Покупал я его на одном из маркетплейсов примерно за 400 рублей — скорее из любопытства, чем из реальной необходимости.
