Промышленная инженерия

Уже в четвертый раз встречаю следующий психотип. Человек окончил университет в Канаде, где в программе были в том числе лабы по FPGA. Прилетел в Калифорнию чтобы говорить и тусоваться с людьми. С вопросом: "какие есть проблемы в дизайне электроники чтобы решить их с помощью AI?"

Для меня из его реакций на некоторые мои утверждения ясно как божий день, что у него нет достаточного трейнинга в проектировании чтобы видеть эти проблемы самому. Поэтому я ему предложил всю ту же задачку на SystemVerilog (1, 2), которую я в этом году даю всем и в которой как в микрокосме представлены проблемы дизайна электроники, по крайней мере в микроархитектурной части и в контексте проекта в большой компании с использованием кода и тестового стенда других людей. Типа "решишь - поймешь в чем проблема".

Вместо того, чтобы по моим рекомендациям решить задачку и понять о чем я говорю - человек продолжает тусоваться и задавать людям вопросы на основе информации которую он услышал у других людей. Например спросил меня, хожу ли я на выставки DAC, где все говорят что тулы (средства проектирования) ограничивают сложность дизайнов. Я ответил что хожу на эту выставку с 1996 года, и тогда тоже все так говорили. Спросил у меня, слышал ли я о Chisel. Ответил "его используют только SiFive и Беркли. То что Chisel за 10 лет не проник в другие компании - означает что он ничего принципиально не решает". Итд.

Я не понимаю - что человек пытается достичь тусованием и такими вопросами? Какая часть фразы "пока вы сами не попробуете решать микроархитектурные задачи на верилоге, вы не будете понимать что вам говорят люди о проблемах такой разработки" - какая часть этой фразы ему непонятна?

Единственная гипотеза которая приходит мне в голову - человек пытается с помощью тусования найти технических людей, которых потом перепродать VC, то есть возглавить стартап и получить под них инвестии от венчурных капиталистов. Проблема с такой идеей: для технического человека ясно-понятно, что кроме тусования у этого джентльмена ничего значимого нет, то есть такой скрипач не нужен. С таким же успехом технический человек может сам пойти к VC.

Причем это еще лучше чем технический человек понимают сами VC - они сразу идентифицируют и стараются выкинуть из сделки такого рода бессмысленных посредников.

Но возможно я усложняю и человек тусованием просто решает какие-то психологические проблемы или это для него что-то типа путешествий которые любит молодежь.

Т2 – решает вопрос прототипирования

Т8 – решает вопрос серийного производства

Т800 – решает вопрос некомпетентного персонала

Какую информацию содержит FRU EEPROM и как с ней работать

Набор возможных данных, хранимых во FRU EEPROM, определяется спецификацией Intel IPMI FRU Information Storage. Вся информация разделена на пять областей, присутствие каждой из которых не обязательно и определяется информацией в общем заголовке FRU EEPROM, где размещены указатели на данные каждой из них в следующем порядке:

1. Область для внутреннего использования (Internal Use Area) — ее
содержимое не описано спецификацией. Предполагается, что эта часть EEPROM может использоваться программным обеспечением BMC или другого контроллера на плате для хранения какой-то служебной информации (например, внутренних состояний).

2. Область информации о шасси (Chassis Information Area) — здесь содержится базовая информация о «корпусе» или «шасси» устройства, описываемого этим FRU EEPROM. Основным параметром тут является «тип шасси», который представляет собой целое число, выбираемое согласно спецификации SMBIOS (см. DMTF DSP0134, Table 17). Например, значение 0x17 соответствует типу «Rack Mount Chassis». Также в этой области может содержаться информация о серийном номере шасси и его артикуле (part number).

Создатели спецификации предполагали, что эта область присутствует на главной плате всего изделия и на любых корпусированных компонентах, таких как блоки питания или дисковые накопители, но не все производители и не всегда придерживаются этого правила.

Какие еще есть области во FRU EEPROM, и как утилита frugen и библиотека libfru помогают с ними работать — читайте в статье Александра Амелькина, технического эксперта департамента разработки BIOS и BMC в компании YADRO, а также автора и мейнтейнера проекта frugen / libfru.

Как выбрать стратегию патентования?

Главная цель получения патента — это не просто «оформить документацию» или решить какие-то маленькие задачи. Патентование необходимо для масштабных проектов — расширить долю на рынке, завоевать положение в новых сферах (секторах), максимально продвинуть свои технологии с точки зрения бизнес-задач. Исходя из этих позиций, выбирается и соответствующая стратегия.

Сразу отметим: она заключается в формировании настоящего (большого) патентного портфеля. Полученные таким путем охранные документы нужны для комплексного юридического подкрепления созданной технологии: ни один конкурент, учитывая подобную концепцию, не сможет использовать вашу инновационную разработку ни при каких обстоятельствах.

Как сформулировать стратегию?

На первых порах надо определить правильно ту продукцию и те решения, на которые предприятие может получить патент. Это предполагает необходимость комплексного анализа придуманного.

При этом если разработанная технология неизвестна широкой публике, то у менеджеров компании есть два варианта: либо они официально патентуют объект, либо — засекречивают его. Каждый путь имеет свои юридические тонкости и преимущества.

Далее — если принимается решение о патентовании, то надо определить объект охраны. Здесь рассматривается сама продукция, то, из чего она была изготовлена, или способы создания ее. Установив эти позиции, дальше надо определить, на какие страны будет распространяться юридическая защита и каков формат патента. Если выбираете блокирующий патент, то другие фирмы не смогут производить подобное. Если у вас есть стратегический партнер, то в этом случае предусматриваются патенты для сотрудничества. Если есть взаимозависимые патенты предприятий, то можно посмотреть на перекрестное лицензирование.

Патентных стратегий, кстати, очень много. О некоторых из них можно прочитать здесь.

Есть ли примеры наиболее интересных патентных стратегий?

Да. Вот — IBM. В 2000-х она действовала в патентной стратегии — оформление всего, что придумано. В список защищаемого вносились даже бизнес-методики.

Однако с течением времени корпорация решила переформатировать свою политику. В результате:

• На авторов заявок возложили ответственность за качество создаваемого;

• Все заявки решили разместить в публичном доступе с возможностью обсуждения;

• Эффективность патентования, заявили в корпорации, должна быть понятна и прозрачна;

• Что касается методов, связанных с бизнес-концепциями, то они не имеют никакой технической ценности и, соответственно, патентоваться не должны. 

____________________________________________________________________________

Онлайн Патент — цифровая система №1 в рейтинге Роспатента. С 2013 года мы создаем уникальные LegalTech-решения для защиты и управления интеллектуальной собственностью. Зарегистрируйтесь в сервисе Онлайн-Патент и получите доступ к следующим услугам: 

• Онлайн-регистрация программ, патентов на изобретение, товарных знаков, промышленного дизайна;

• Подача заявки на внесение в реестр отечественного ПО;

• Поиск по программам

• Регистрация программы в Роспатенте

• Опции ускоренного оформления услуг;

• Бесплатный поиск по базам патентов, программ, товарных знаков;

• Мониторинги новых заявок по критериям;

• Онлайн-поддержку специалистов.

Написал простенькую программу Matlab для визуального представления в векторном виде токов и напряжений системы "Преобразователь частоты - асинхронный двигатель". Специалистам в области электропривода может быть полезна.

Программа позволяет построить векторную диаграмму по измеренным значениям и каталожным данным двигателя.

%           Ввод измеренных параметров
I1=8.23;           % Полный ток статора
U1=335/sqrt(3);    % Напряжение на статоре
fi1=71;            % Угол между током и наряжением статора (в градусах)
w=92;            % Скорость в рад/с
f=45;              % Частота напряжения статора
%fp=1.9;           %Частота тока ротора
%w=2*pi*(f-fp)/3
%Ip=4.4;            % Ток ротора, А

%         Ввод неизменяемых параметров
        % Каталожные данные
%r1=2.1;  % Невыключаемое активное сопротивление статора, Ом
%x1=2.45; % Невыключаемое индуктивное сопротивление статора, Ом.,
%r2=0.6;  % Невыключаемое активное сопротивление ротора, hgf
%x2=0.76; % Невыключаемое индуктивное сопротивление ротора, Ом
%xu=40;
           % Измеренные данные
r1=1.8;  % Невыключаемое активное сопротивление статора, Ом
x1=2.33; % Невыключаемое индуктивное сопротивление статора, Ом
r2=0.5;  % Невыключаемое активное сопротивление ротора, Ом
x2=0.6; % Невыключаемое индуктивное сопротивление ротора, Ом
xu=20.75;
Kr=3.92;
r2p=r2*Kr;
x2p=x2*Kr;
%............
% Далее в строках 27 - 159 производится расчёт и построение

Файл .m прикрепляю, пользуйтесь, если нужно.

Норвежская компания Sonair разрабатывает акустический датчик ADAR, который должен стать конкурентом LiDAR в автономной роботике. По сути, это трехмерное УЗИ, знакомое из медицины, но адаптированное для объектов в воздухе. Системы автопарковки в машинах тоже используют ультразвук в воздухе, но там сенсоры одномерные — измеряют только расстояние по одной оси. ADAR дает данные по трем осям, из которых можно построить 3D картинку.

Лет 5-7 назад на технологической выставке где-то в Европе мы видели немецкие разработки в этом направлении. Тогда это было супер инновацией, но и сейчас, спустя столько лет, крупных коммерческих продуктов с этой технологии практически нет. Из той немецкой инновации родился коммерческий сенсор Toposens, но он дает угол обзора 70°х70° и детектирует объекты не меньше 6 см.

Сложность использовать ультразвук в воздухе в том, что для качественной картинки преобразователи должны быть очень маленькими чтобы их можно было разместить на расстоянии в половину длины волны друг от друга. Именно это и удалось добиться Sonair. Крохотные преобразователи позволили улучшить разрешение до 2 см, а угол обзора до 180° х 180°. Поэтому Sonair позиционируют себя как первый безопасный воздушный ультразвуковой сенсор.

По оценкам разработчков, 3D ультразвуковой сенсор стоит, примерно, в 4 раза дешевле, чем LiDar, дающий двумерную картинку. ADAR изначально придуман именно для автономных роботов — в первую очередь, для складских AMR. Он дает возможность детектировать препятствия на расстоянии до 5 метров, а если добавить 4 таких адара по сторонам робота, то получится обзор на 360 градусов.

Больше подобных новостей о роботах и AI в индустрии — в нашем канале

«Северсталь» представила на ЦИПР прототип открытого программного ПЛК  

«Северсталь» представила прототип открытого программного программируемого логического контроллера (ОППЛК) собственной разработки на ежегодной конференции «ЦИПР-2025», которая проходит в Нижнем Новгороде со 2 по 5 июня. Мы продемонстрировали импортонезависимое решение на макете конвейера, который управлялся контроллером.

Программный, или виртуальный ПЛК — это один из ключевых узлов открытой АСУТП. Программный контроллер позволяет обрабатывать сигналы с датчиков и управлять производственным процессом. Решение имеет открытый исходный код, который будет доступен производителям бесплатно. Для тестирования прототипа используются готовые аппаратные платформы, разработанные отечественными вендорами, а также собственная платформа «Северстали». В контроллере используется плата российской компании. Информацию по решению смотрите на сайте. Поскольку наше решение будет иметь открытый исходный код, приглашаем разработчиков и вендоров к совместной работе (open.soft.plc@severstal.com).

Кроме того, в рамках работ по импортозамещению контроллера Siemens мы разработали прототип коммуникационного модуля Profibus на отечественном микроконтроллере «Амур». Его использование позволит предприятиям сократить затраты и время при переходе на отечественные программно-аппаратные комплексы.

«Пилотное внедрение ОППЛК на собственных площадках компании начнется в 2026 году. Мы стремимся сделать открытую платформу и готовы к сотрудничеству с другими вендорами  для тестирования нашего контроллера на их платформах. Мы также изучаем возможность выпуска аппаратной платформы или коробочных решений как для внутреннего использования, так и для внешних продаж в будущем», — говорит руководитель кластера «Индустриальные процессы» Евгений Маслов.

Bentley Motors рассказали о внедрении AI-модели Hide Inspection, которая следит за качеством кожи. На производство Bentayga SUV нужно около девяти шкур, но на деле используется больше, потому что часть отбраковывается — укусы насекомых, шрамы, царапины не могут оказаться в люксовом салоне авто. Модель Hide Inspection использует компьютерное зрение и AI для обработки изображений, чтобы детектировать мельчайшие дефекты. Модель не только обнаруживает повреждения, но и составляет выкройку так, чтобы избежать проблемных мест и при этом как можно эффективнее использовать всю шкуру. В результате удаётся сократить объём выбрасываемой кожи. Сама модель, вероятно, не является эксклюзивной — аналогичную или ту же самую технологию ранее внедрили на производстве Volkswagen Group. Но случай Bentley интересен тем, что это, пожалуй, первый или один из первых кейсов внедрения автоматизации на производстве люксового сектора. Ручная обработка, живые мастера — для этого сегмента экономики это не сдерживающий фактор, а, наоборот, повод для гордости и часть ценности продукта. Поэтому внедрение новых технологий может восприниматься не как необходимость, а как угроза традициям и статусу продукта. За объёмами производства или скоростью компании этого сегмента тоже вроде бы не слишком гонятся. Выходит, мы наблюдаем редкий случай, когда автоматизация вводится не ради экономии или ускорения, а исключительно ради повышения качества.

Больше подобных новостей о роботах и AI в индустрии — в нашем канале

Компактная упаковка продукции в паллеты или корзины — задача, с которой сталкивается большинство производств. Если известно, что и куда нужно сложить, то найти оптимальный способ укладки — задача понятная, описанная (в математике она называется “задача о рюкзаке”) и решаемая вполне классическими методами. Нам она хорошо знакома — мы как раз недавно закончили разрабатывать подобное решение для одного из наших заказчиков.

Тем интереснее было наткнуться на разработку от коллег из AmbiRibotics. Их система AmbiStack решает всю ту же задачу о рюкзаке — размещает коробки разных размеров на паллеты так, чтобы занять как можно меньше места. Но вот ключевое отличие — заранее неизвестно сколько и какие коробки нужно будет уложить. То есть решение о том, куда положить очередную коробку приходится принимать в условиях неопределенности, угадывать. Такую задачу, наверное, можно в каком-то смысле назвать задачей о рюкзаке, но вот решить её классическими методами уже точно не получится.

AmbiStack использует компьютерное зрение и модель, обученную в симуляции по методу reinforcement learning. В процессе обучения системе предлагали коробки случайных размеров и предлагали уложить их в контейнер. Чем рациональнее было использовано пространство, тем выше было полученное вознаграждение. В результате получилось хорошо масштабируемое решение, подходящее для совершенно разных сценариев. Хороший пример того, как AI решает задачи там, где классические методы не работают. Кстати, вполне возможно, что подобная система окажется полезной и для кого-то из наших читателей — мы с удовольствием взялись бы за подобный проект.

Больше подобных новостей о роботах и AI в индустрии — в нашем канале

Роботам дали осязание

В Немецком исследовательском центре DLR придумали, как дать роботам осязание. Это не искусственная кожа и не какие-то хитрые сенсоры. Всё выглядит максимально естественно — роборука из обычных материалов, ничем не примечательная внешне, но чувствующая место и силу прикосновений по всей поверхности, без специальных датчиков.

На самом деле, специальные сенсоры, конечно, есть, но они спрятаны в “суставах” робота. Разработчики заметили, что люди чувствуют прикосновения не только самой кожей, но и косвенно — суставами. Например, если надавить на пальцы рук, возникнет напряжение в запястье. На этом наблюдении и основана разработка. Уловить возникающий при прикосновении крутящий момент, даже очень слабый, — задача совершенно не сложная для современных сенсоров. Научиться их безошибочно распознавать уже тоже вполне реально с помощью AI. Авторы обучили модель определять силу прикосновения, понимать движение человеческой руки, распознавать “написанные” на теле робота цифры и буквы. Главное, что этот подход применим не только для этой конкретной роборуки, его легко перенести на любого робота.

Таким образом, мы имеем новый способ взаимодействия человек-робот. В промышленной роботике это означает, например, возможность интуитивно управлять роботом, “писать” команды на любой части корпуса, нажимать на виртуальные кнопки и так далее. А при обучении робособак, наверное, можно будет их погладить в знак хорошего выполнения задачи. В общем, у роботов теперь тоже есть чувства.

Больше подобных новостей о роботах и AI в индустрии — в нашем канале

К2Тех поздравляет с наступающим Днем химика!

Химия — это не просто формулы, а основа прогресса. Благодаря работникам отрасли создаются умные материалы, чистые технологии и решения, которые меняют мир. 

Мы превратили классическую Таблицу Менделеева в интерактивную карту технологий: нажимайте на элементы и узнавайте, как предиктивная аналитика спасает оборудование, а 3D-печать ускоряет разработку деталей.

Давайте праздновать прогресс вместе!

Урожай есть — собирать некому

Как автономная сельхоз техника помогает решить дефицит кадров в АПК

На CES 2025 среди прочего было много автономной сельскохозяйственной техники. Своих роботов-фермеров показали японская Kubota, американская John Deere и южнокорейская Kioti. Интересно уже и то, что сельскохозяйственная техника всё активнее занимает свое место на CES, которая совсем не позиционирует себя как промышленную или сельхоз выставку. В 2019 году это был единственный производитель, а теперь их как минимум три. Выходит, что достижения аграрной робототехники в соединении с AI настолько замечательны, что интересны не только профильным специалистам, а в целом могут подаваться как “чудо техники” и быть уместными на выставке потребительской электроники.

Kubota показали автономного полевого робота-грузчика KATR. Он может перевозить до 240 кг и не боится холмов, оврагов и склонов. KATR был отмечен наградой CES Innovation Award 2025. Но мы отметим другие “чуда техники”. Автономный трактор от Kioti оборудован AI, который может по ходу работы анализировать почву, диагностировать состояние растений. Трактор от John Deere не такой интеллектуальный но очень функциональный — может вспахивать, удобрять и обрабатывать без участия тракториста, а к 2030 году компания планирует полностью автоматизировать все процессы цикла выращивания кукурузы и сои.

Робот-грузчик от Kubota не заменяет уже имеющуюся технику — он даёт новый инструмент, который облегчит труд фермеров, а вот автономные тракторы наоборот, выполняют классические и даже многовековые функции, просто делают это без человека. Здесь как раз самое, на наш взгляд, интересное — автоматическая сельхозтехника на самом деле призвана решить проблему недостатка рабочих. Дополнительные интеллектуальные функции — бонус, но не самоцель. В США, например, не хватает 2,4 миллиона работников, более 80% фермерских хозяйств не закрывают потребность в рабочей силе. В России дефицит кадров в АПК составляет от 30% до 50%, в динамике ситуация только усугубляется, в 2024 за год АПК потерял еще 3,2% сотрудников.

Так что автономные тракторы и другая сельскохозяйственная техника — неожиданный пример того, как роботы не прогонят людей с рабочих мест, а займут те места, которые люди занимать не хотят.

Больше подобных новостей о роботах и AI в индустрии — в нашем канале