Про тёмную энергию я упомянул в статье, с анонсом рассмотреть её подробнее, а теория Мультивселенной это и есть основная тема серии статей, простите за спойлеры:)
Теория струн вместе с М-теоией в этой серии статей не затрагивается (почти), но запрос я понял, спасибо!
Судя по комментариям, я совершенно недостаточно раскрыл проблему. Если бы Вселенная была другая - нас бы в ней не было. А мы в ней есть! Так что сильно другой она быть никак не может. Это называется "Антропный принцип", как указали в комментариях выше, но я собирался вводить это понятие позже.
Отвечу на вторую часть комментария: рассуждение безусловно правильное, вопрос в том, что никаких других Вселенных, кроме нашей, мы не наблюдаем. А вот планет, похожих на Землю, в нашей Вселенной, видимо, довольно много.
Вселенная определённо не абсолютно плоская, это верно! Просто её кривизна крайне мала, и на масштабах, доступных для наблюдения, фактически неотличима от нулевой. Я умышленно пренебрег точностью (снова) для упрощения.
Совершенно верное рассуждение, только проблема в том, что никакого другого мира мы не знаем, у нас есть только один. Именно к этой мысли я и подвожу:) И продолжу её следующих статьях
Дровишки, как я и написал, исключительно из уст моего инструктора:)
Он говорил, что лучше не рисковать и вообще не оказываться на ПП одновременно с пешеходами. В основном это относилось к предстоящей (тогда) сдаче города, но и в целом, он утверждал, что если что-то случится на дороге, то нахождение моей машины на переходе одновременно с пешеходом однозначно будет не в мою пользу.
Все верно, тротуар для пешеходов. Но вот лично меня в автошколе в прошлом году учили притормаживать перед пешеходным переходом, если пешеход ещё метрах в 3 от него. А если уж он стоит прямо рядом с переходом - значит, может в любой момент на него ступить. А если я (моя машина) в этот момент тоже буду на переходе - всё, я нарушил ПДД, не пропустил пешехода. И любой сотрудник ДПС, который это увидит, со всем правом может меня остановить и оштрафовать.
Так что я всегда когда вижу таких людей, как автор видео, останавливаюсь и жду когда же уже они соизволят перейти улицу, черт возьми. Буквально сегодня я такого персонажа ждал, очень злился.
Так что считаю, что алгоритм ведёт себя скорее адекватно, чем нет. Просто реальные водители гораздо быстрее теряют терпение и переезжают переход, рискуя нарушением.
Это зависит от сложности модели. Если она основана, грубо говоря, на паре параметров — то теоретически может показать удовлетворительный результат на другом агрегате или на незнакомой марке стали, например. Также можно попробовать вручную "подкрутить" веса параметров, если они более-менее понятные.
Но это скорее исключение. Обычно модель учитывает множество параметров, да ещё и непонятно как. Так что проще будет обучиться заново, а скорее придётся конструировать новую модель с новыми гиперпараметрами.
Если под "моделью происходящего" понимается некое формализованное описание физико-химического процесса в конвертере, то это не совсем так. Модель машинного обучения может не быть интерпретируемой. То есть, давать результат "неизвестно как".
Но в целом всё та: чем больше данных и чем они точнее — тем лучше будет работать модель
Описанный бардак и его разгребание — это лишь первый этап работы, которую мы делаем.
Чёрная металлургия состоит из последовательности химических и физико-химических процессов: окисление углерода и металлов кислородом и угарным газом, переход компонентов через границу шлак-металл, перемешивание металла газами.
Построить адекватную математическую модель плавки только на основании законов химии и физики практически невозможно — слишком много параллельных процессов, кроме того, крайне сложно оперативно получить точную информацию о состоянии системы из-за экстремальных условий (температура более 1500 градусов). В связи с этим технологические инструкции на заводах в значительной степени эмпирические.
Поэтому, имея достаточно большой массив данных, даже неточных, можно успешно строить оптимизационные модели, которые позволяют снижать расход материалов и энергии при том же результате. Например, если уменьшить расход добавок всего на 1% это может дать весьма существенную экономию, порядка миллионов или даже десятков миллионов рублей в год — при нулевых капитальных затратах.
Надеюсь, что ответил на тот вопрос, который был задан:)
Уровень цифровой трансформации предприятий сильно неоднороден, в том числе, и внутри компаний. Так что Вы правы, в Северстали и, скажем, НЛМК действительно есть подразделения не просто IT, а конкретно занимающиеся анализом данных и машинным обучением. Тем не менее, и с этими компаниями мы находим общие точки и проекты, работы хватает.
За работами зарубежных коллег в области цифровой трансформации и оптимизации производства мы, конечно же, следим, но пока что поработать с ними непосредственно не довелось. Сейчас сосредоточены на российских предприятиях, но у нас есть амбициозный план по выходу на международный рынок! Знаем, что как минимум в чёрной металлургии в этом плане лидируют Германия (в которой и появилась программа Industrie 4.0) и Южная Корея. Знакомы, например, с продукцией Danieli. Для тех, кто незнаком с миром металлургии: это производитель высокотехнологичных агрегатов и даже целых заводов под ключ для металлургической промышленности.
В этой ситуации радует то, что несмотря на консервативность, на всех предприятиях, где мы бывали, есть не только понимание необходимости развития, но и уже делаются реальные шаги в этом направлении (иначе мы бы туда не попали). На некоторых заводах этими вопросами занимаются отделы КИПиА или IT, а кое-где сформированы специальные структуры, вроде Бюро по развитию. И, кстати, они обычно тоже в курсе мировых новостей в своих отраслях.
Спасибо за подробный комментарий!
Да, кстати, бумажные журналы — это и правда неизбежное зло пока что. Меньше 2 недель назад были на заводе цветной металлургии, там в одном из цехов почти нет данных в цифровом виде, все результаты химического анализа собираются в аналоговые журналы, которые затем отправляются в архив.
Так что наше предложение по цифровой трансформации этого цеха состояло в переходе на Excel для начала, и в накоплении массива данных хотя бы за полгода.
И спасибо за наводку про смещение данных при ручном вводе, изучим этот вопрос:)
Я был просто изумлён Ашой, если честно! Существует же стереотип, что, мол «в периферии всё плохо», но Аша красноречиво и убедительно развеяла его. Город просто прелестный.
Снег, правда, в окрестностях завода черноват, но что поделать.
Пивоварня, кстати, просто отличная, я даже купил сумку на обратном пути, чтобы переложить туда ноутбук и сдать в багаж полный рюкзак пива:)
В графике «В каких компаниях люди дольше всего работают» некоторые компании встречаются по несколько раз. Например, Ростелеком, Мегафон и МТС по три раза, Билайн / Вымпелком — 4 раза. Думаю, есть ещё.
И, видимо, если привести Ростелеком к одной строке — он выиграет с большим отрывом:)
Про тёмную энергию я упомянул в статье, с анонсом рассмотреть её подробнее, а теория Мультивселенной это и есть основная тема серии статей, простите за спойлеры:)
Теория струн вместе с М-теоией в этой серии статей не затрагивается (почти), но запрос я понял, спасибо!
Судя по комментариям, я совершенно недостаточно раскрыл проблему.
Если бы Вселенная была другая - нас бы в ней не было. А мы в ней есть! Так что сильно другой она быть никак не может. Это называется "Антропный принцип", как указали в комментариях выше, но я собирался вводить это понятие позже.
Эх, а я хотел ввести это понятие только в третьей статье...:)
Согласен, неуважительно обошёлся... Исправил, спасибо!
Отвечу на вторую часть комментария: рассуждение безусловно правильное, вопрос в том, что никаких других Вселенных, кроме нашей, мы не наблюдаем.
А вот планет, похожих на Землю, в нашей Вселенной, видимо, довольно много.
Вселенная определённо не абсолютно плоская, это верно! Просто её кривизна крайне мала, и на масштабах, доступных для наблюдения, фактически неотличима от нулевой.
Я умышленно пренебрег точностью (снова) для упрощения.
Совершенно верное рассуждение, только проблема в том, что никакого другого мира мы не знаем, у нас есть только один. Именно к этой мысли я и подвожу:)
И продолжу её следующих статьях
Возможно натренировать, судя по всему. Канеман об этом хорошо пишет в "Thinking fast and slow"
Дровишки, как я и написал, исключительно из уст моего инструктора:)
Он говорил, что лучше не рисковать и вообще не оказываться на ПП одновременно с пешеходами. В основном это относилось к предстоящей (тогда) сдаче города, но и в целом, он утверждал, что если что-то случится на дороге, то нахождение моей машины на переходе одновременно с пешеходом однозначно будет не в мою пользу.
Все верно, тротуар для пешеходов. Но вот лично меня в автошколе в прошлом году учили притормаживать перед пешеходным переходом, если пешеход ещё метрах в 3 от него. А если уж он стоит прямо рядом с переходом - значит, может в любой момент на него ступить. А если я (моя машина) в этот момент тоже буду на переходе - всё, я нарушил ПДД, не пропустил пешехода. И любой сотрудник ДПС, который это увидит, со всем правом может меня остановить и оштрафовать.
Так что я всегда когда вижу таких людей, как автор видео, останавливаюсь и жду когда же уже они соизволят перейти улицу, черт возьми. Буквально сегодня я такого персонажа ждал, очень злился.
Так что считаю, что алгоритм ведёт себя скорее адекватно, чем нет. Просто реальные водители гораздо быстрее теряют терпение и переезжают переход, рискуя нарушением.
Это зависит от сложности модели. Если она основана, грубо говоря, на паре параметров — то теоретически может показать удовлетворительный результат на другом агрегате или на незнакомой марке стали, например. Также можно попробовать вручную "подкрутить" веса параметров, если они более-менее понятные.
Но это скорее исключение. Обычно модель учитывает множество параметров, да ещё и непонятно как. Так что проще будет обучиться заново, а скорее придётся конструировать новую модель с новыми гиперпараметрами.
Если под "моделью происходящего" понимается некое формализованное описание физико-химического процесса в конвертере, то это не совсем так. Модель машинного обучения может не быть интерпретируемой. То есть, давать результат "неизвестно как".
Но в целом всё та: чем больше данных и чем они точнее — тем лучше будет работать модель
Спасибо за вопрос!
Описанный бардак и его разгребание — это лишь первый этап работы, которую мы делаем.
Чёрная металлургия состоит из последовательности химических и физико-химических процессов: окисление углерода и металлов кислородом и угарным газом, переход компонентов через границу шлак-металл, перемешивание металла газами.
Построить адекватную математическую модель плавки только на основании законов химии и физики практически невозможно — слишком много параллельных процессов, кроме того, крайне сложно оперативно получить точную информацию о состоянии системы из-за экстремальных условий (температура более 1500 градусов). В связи с этим технологические инструкции на заводах в значительной степени эмпирические.
Поэтому, имея достаточно большой массив данных, даже неточных, можно успешно строить оптимизационные модели, которые позволяют снижать расход материалов и энергии при том же результате. Например, если уменьшить расход добавок всего на 1% это может дать весьма существенную экономию, порядка миллионов или даже десятков миллионов рублей в год — при нулевых капитальных затратах.
Надеюсь, что ответил на тот вопрос, который был задан:)
Рад приветствовать коллегу со схожим извилистым путём в профессии:)
Тему раскрываем! У нас опубликовано уже несколько статей. Если ещё не читали — рекомендую!
В черную металлургию за реальными делами: опыт Datana
Как мы побывали на металлургическом заводе в Аше
А одна из реальных боевых задач описана вот тут:
Как мы внедряли искусственный интеллект на металлургическом заводе
Сейчас задачи стали существенно сложнее: уже не только разрабатываем модели, но и занимаемся установкой датчиков на агрегаты, собираем сырые данные с контроллеров.
Уровень цифровой трансформации предприятий сильно неоднороден, в том числе, и внутри компаний. Так что Вы правы, в Северстали и, скажем, НЛМК действительно есть подразделения не просто IT, а конкретно занимающиеся анализом данных и машинным обучением. Тем не менее, и с этими компаниями мы находим общие точки и проекты, работы хватает.
Промахнулся комментарием, это был ответ на комментарий выше.
В этой ситуации радует то, что несмотря на консервативность, на всех предприятиях, где мы бывали, есть не только понимание необходимости развития, но и уже делаются реальные шаги в этом направлении (иначе мы бы туда не попали). На некоторых заводах этими вопросами занимаются отделы КИПиА или IT, а кое-где сформированы специальные структуры, вроде Бюро по развитию. И, кстати, они обычно тоже в курсе мировых новостей в своих отраслях.
Да, кстати, бумажные журналы — это и правда неизбежное зло пока что. Меньше 2 недель назад были на заводе цветной металлургии, там в одном из цехов почти нет данных в цифровом виде, все результаты химического анализа собираются в аналоговые журналы, которые затем отправляются в архив.
Так что наше предложение по цифровой трансформации этого цеха состояло в переходе на Excel для начала, и в накоплении массива данных хотя бы за полгода.
И спасибо за наводку про смещение данных при ручном вводе, изучим этот вопрос:)
Снег, правда, в окрестностях завода черноват, но что поделать.
Пивоварня, кстати, просто отличная, я даже купил сумку на обратном пути, чтобы переложить туда ноутбук и сдать в багаж полный рюкзак пива:)
И, видимо, если привести Ростелеком к одной строке — он выиграет с большим отрывом:)