Инженерные системы *

Знаете это чувство, когда теряешь паспорт, в который вложены карточки и пропуска? Когда уволили, а жена сбежала, прихватив сбережения? Забудьте – вы ничего не знаете о боли, если не паяли BGA на бессвинце.

На подстанциях и ОРУ уровень ошибки измеряется не в пикселях, а в деньгах и месяцах простоя. Для инженеров, которые работают с объектами 110–220 кВ, переход с «чистого» 2D в ТИМ – это не про модный 3D-рендер, а про единый источник правды, автоматическую РД и корпоративную стандартизацию.

Этот кейс – про то, как компания, одной из первых начавшая внедрять Smart Grid в России, шагнула в ТИМ, сохранив инженерам привычную DWG-среду и добавив ей третье измерение смысла – насыщенную данными информационную модель.

Первая часть - https://habr.com/ru/articles/970614/

Но это отдельная история. Когда ты пытаешься решить сложную задачу, ты придумываешь, как языковая модель становится из самой цели сделать модель побольше, становится инструментом для создания мультиагентной системы. И на самом деле тут много новых инструментов появляется, как раз связанных с тем, что необходимо действительно писать достаточно сложный код. И в мае этого года вышла статья Alpha Evolve от компании DeepMind, которая показала, что большая языковая модель может на самом деле сама писать код и решать задачи, если ты можешь проверить решение этой задачи.

То есть много задач, ты можешь проверить, что решение правильное, например, решить какое-нибудь уравнение, но найти само решение сложно.

Или, например, ты хочешь построить, даже в самом простейшем случае, написать какой-то промп, который хорошо помогает решить тебе конкретную задачу. Ты можешь, написав этот промп, запустить систему, получить ответ и проверить, получить метрику на бенчмарке, но как написать сам промп, непонятно. И, собственно, вот эти эволюционные алгоритмы – это для очень ленивых людей, таких как я. Ты просто даешь ей постановку задачи, просишь написать решение, она пишет какое-то решение, ты проверяешь это решение и просишь переписать это решение еще раз.

Дальше применяешь достаточно хитрые подходы, связанные с эволюционными алгоритмами, где фактически в качестве оператора мутации выступает большая языковая модель. У нее есть опыт предыдущий, память. в виде программы результатов, есть некоторые инсайты, что она придумала, и ее задача состоит в том, чтобы эти инсайты, соответственно, объединять в новые программы. Собственно, первый автор статьи «Альфа Эволф» Саша Новиков – это мой аспирант, который уехал довольно давно, но тем не менее очень много не менее талантливых людей работают в институте.

Каждый маршрут ведет себя по-разному в зависимости от времени суток, загрузки сети, погоды (да, это влияет на спутниковые каналы) и других факторов. Традиционная маршрутизация выбирает путь на основе метрик BGP (AS Path, MED), но эти метрики не учитывают реальную задержку и джиттер.

Я распечатал доклад, стараясь не поломать авторскую речь и мысль. Но всё таки доклад не читался, а произносился по памяти и слайдам, поэтому несколько слов убрал или заменил. Доклад на полчаса, выложу в двух частях.

Представление - Доктор физико-математических наук, профессор РАН, генеральный директор института Айри, декан факультета искусственного интеллекта МГУ Иван Оселедец с докладом «Успехи и проблемы больших языковых моделей».

Дальше говорит Оселедец.

Да, всем доброе утро. На самом деле у меня будет такое, с одной стороны, рассказ действительно об успехах, некоторые анонсы нашего института, и в конце я немножко порассуждаю о проблемах, которых много, и над чем, собственно, мы думаем, над чем работаем, какие были получены в этом году результаты. В целом, на самом деле, институт и наши сотрудники неплохо поработали в этом году. У нас мы считали 93 статьи на конференции, то есть больше, чем все остальные центры которые этим занимаются что приятно, но конечно статьи не является самой целью, у нас довольно много практических историй.

Если переходить к докладу, то недавно вышло интервью Андрея Карпаты. Очень интересный, кто не видел, посмотрите. Полтора часа, и не суммаризация . Много интересных мыслей. Одна из мыслей, за которую я так зацепился, которая была не очень очевидна.

Иногда говорят, что языковые модели просто запоминают. Мы долго-долго объясняли, как работают языковые модели, что есть этап предобучения, мы сгружаем все данные из интернета и обучаем модель. Наконец-то general public, если говорить по-английски, обыватели поняли это, это хорошо. Но, с другой стороны, поняли все равно многие неправильно.

При проектировании сложных объектов – будь то нестандартное оборудование, разветвленная сеть трубопроводов или сосуды и аппараты – трехмерная модель перестает быть просто визуализацией. Она становится центральным элементом, на основе которого принимаются ключевые решения. При этом любая, даже незначительная ошибка – например, в длине шпильки или геометрии перехода – влечет за собой целую цепочку проблем: от дополнительных согласований до изменения всей конструкции. Все это приводит к многократному увеличению сроков сдачи проекта конечному пользователю.

Именно лишние часы рутинной и неэффективной работы чаще всего задерживают этап разработки конструкторской документации. Вместо решения сложных и интересных задач, специалисты вынуждены выполнять однотипные и монотонные операции.

«Нанософт» выпустила обновление, которое решает ключевые задачи конструкторов. В nanoCAD Механика PRO 2.0 заметно прокачаны модули для проектирования емкостного оборудования и трубопроводов, добавлена поддержка стандартов (ГОСТ, ОСТ, ISO), введен новый мастер соединений и полноценный растровый инструмент для оцифровки архива чертежей. Основная цель – не просто расширить функционал, а принципиально повысить эффективность работы и вернуть фокус туда, где он действительно нужен – в инженерный замысел и контроль модели.

В этом посте разбираем, как именно обновление будет полезно инженерам, которые проектируют емкостное оборудование и трубопроводные системы в нефтехимической, нефтеперерабатывающей и смежных отраслях.

Привет всем! 

Хочу поблагодарить каждого, кто высказал конструктивную критику в адрес моего предыдущего поста про расчет электрики для частного дома. Благодаря вам я избежал целой кучи ошибок и успел вовремя переделать проект. После прочтения комментов стало ясно, что нужно было тщательнее учить матчасть. В итоге я несколько дней штудировал тему расчетов электрики, и теперь готов поделиться всем, что узнал.

Работая в Heavy Digital, можно увидеть, как твой код управляет реальным оборудованием, — результат можно не только измерить, но и увидеть своими глазами и потрогать руками. Появляется ощущение материальности труда: твоя работа влияет не на цифры в отчётах, а на производство, экономику и людей вокруг.

Эта история начинается для главного героя там, где заканчивается привычный мир поверхностных и скоростных релизов, «игрушечных» проектов и вечной гонки за охватами и востребованностью. В свой первый рабочий день на заводе он оказался вовлечён в расследование аварийного инцидента и увидел, как цифровые решения управляют дронами, предотвращают аварии и распределяют ресурсы. Если вам интересно — заходите под кат.

За последние месяцы наш конструкторский отдел получил большое количество запросов на проектирование защитных ограждающих конструкций (ЗОК) для самых разных объектов: промышленных цехов, технологических площадок, складских комплексов. Спрос растёт, и речь уже идёт не о единичных проектах, а о системном подходе к защите критичной инфраструктуры от беспилотных летательных аппаратов.

Рассказываем о проекте с корпорацией «Комета» — полный цикл от графической модели до работающего «железа» на FPGA

Постановка проблемы. Современные промышленные предприятия требуют принципиально новых решений, направленных на прогнозирование отказов работы оборудования и своевременное устранение нештатных аварийных ситуаций, управления затратами на ремонт, а также оптимизации и улучшения стратегий технического обслуживания. Существующие автоматизированные системы прогнозируемого обслуживания имеют различные функциональные ограничения. Это требует разработки новых архитектурных решений для создания интеллектуальных систем, способных обрабатывать большие объемы разнородных данных в режиме реального времени, прогнозировать отказы с высокой точностью и оптимизировать процессы плана обслуживания, в тесной взаимосвязи с работой устройств промышленного Интернета вещей в условиях использования новых технологий периферийного искусственного интеллекта. Данная работа посвящена исследованию возможности применения большой языковой модели OpenThinker2-32B, как вспомогательного инструмента для автоматизированной системы прогнозируемого обслуживания многостадийных технологических процессов. Данная модель может быть использована в реализации следующих функций автоматизированной системы: анализ исторических данных; прогнозирование оставшегося срока службы оборудования; подготовка данных для снижения факторов неопределенности данных для улучшения прогнозов; подготовка экспертных заключений; оптимизация расписаний по техническому обслуживанию промышленного оборудования.

Цель работы. Изучить возможность применения и адаптации большой языковой модели OpenThinker2-32B, как дополнительного и вспомогательного инструмента, применяемого для повышения эффективности работы автоматизированных систем прогнозируемого обслуживания многостадийных технологических процессов для малых и средних промышленных предприятий. Это позволит решить следующие задачи: выполнить анализ исторических данных; с помощью алгоритмов, разработанных на основе теории свидетельств Демпстера-Шафера снизить факторы неопределенности произвести прогнозирование отказов, а также подготовить экспертные рекомендации по оптимизации расписаний и процессов технического обслуживания промышленного оборудования. Также необходимо разработать алгоритмы информационного взаимодействия для каждой из задач, и определить положение большой языковой модели в предложенной концепции конвергентной архитектуры автоматизированной системы прогнозируемого обслуживания для повышения точности прогнозов и возможности ее интеграции с экспертными, аналитическими, прогнозными системами и системами поддержки принятия решений.

Меня зовут Олеся Лазарева, я работаю старшим разработчиком в команде PIlot.

В этой статье мы рассмотрим создание плагина криптопровайдера для веб-редакции системы управления инженерными данными Pilot-ICE Enterprise. Веб-редакция Pilot-ICE Enterprise работает с плагинами, которые используют формат электронной подписи CADES-BES. Данные плагины поставляются в составе Ascon.Pilot.Web.SDK. Это покрывает потребности большинства российских организаций, работающих в соответствии с требованиями ГОСТ.

У вас дома есть умная розетка? Или датчик протечки воды под раковиной? Если есть — вы уже знаете, что такое интернет вещей. Небольшой девайс висит на стене, следит за температурой или влажностью, а когда что-то идёт не так — шлет уведомление на смартфон.

Теперь представьте то же самое, но не в квартире, а на нефтехимическом заводе площадью в несколько квадратных километров. Там не десять розеток, а тысячи труб, насосов, реакторов. И за каждым нужно следить. Именно для этого и придумали промышленный интернет вещей — IIoT.

В этой статье разберем, как СИБУР внедрял промышленный интернет вещей: почему отказались от кабелей, как адаптировали датчики к морозам -56°С, какие параметры контролируют на заводе и зачем понадобилась собственная платформа вместо готового решения.

В первые годы после исторического полета братьев Райт самолеты появлялись, как грибы после дождя. Но их вряд ли можно было назвать надежными — отрасль только зарождалась. И если с техникой что-то происходило, обычно это становилось приговором для летчика. 

Выход был — парашют. Вот только существовавшие на тот момент модели были настолько громоздки, что авиаторы даже не думали брать их с собой. Ситуацию решил исправить наш соотечественник Глеб Котельников — сразу после того, как стал свидетелем страшной катастрофы. 

Я семнадцатилетний студент СПО. У меня нет миллионов, команды или связей. Но у меня есть уверенность, что мы, как цивилизация, способны на большее. Мы ходим с айфонами, но живём в домах с кривыми дверьми, которые проектировали по лекалам полувековой давности. Я называю это "инженерным застоем". И я хочу его сломать.I

Картинка — Youtube-каналы: Tobi, StuckAtPrototype

Рано или поздно каждый, интересующийся электроникой, начинает задумываться о своём проекте и практически сразу упирается в вопрос: где и как производить изделия? И каждый решает этот вопрос по-разному.

Так как эта тема мне тоже весьма близка, и этот вопрос стоит передо мной в полный рост, я решил разобраться и думаю, что вся последующая информация будет полезна любому, кто задаётся такими же вопросами.

Вообще, вся эта статья — скорее приглашение к диалогу, так как если вы сможете чем-то поделиться, дать ценный совет, что-то подкорректировать — это будет на пользу всем читающим. Итак…

Светодиодная лампа Osram Ultra, купленная по акционной цене 176 рублей. На коробке заявлены 12 Вт, «высокая стабильность», «качественный свет» и прочие обещания, которые производители любят печатать крупным шрифтом.

Если бы энергосистема страны была вселенной супергероев, то главными в ней были бы команды data-сайентистов, аналитиков и C++-разработчиков. Их щит — это 1С, а лидер — тимлид, чей код выдерживает любую нагрузку. Угроза здесь — не фантастический противник, а простаивающие мощности или неоптимальный маршрут энергии. 

В Росатоме такие герои — реальные люди. Собрали 5 историй специалистов атомного IT и узнали, какие у них суперсилы, в чём их миссия и как код ежедневно спасает мир — в масштабах мегаватт.

^Geni

Больше 200 лет прошло с момента появления замечательного изобретения Роберта Стирлинга, а его двигатель всё ещё в ходу и не собирается даже покидать человечество, только улучшаясь с ходом времени, благодаря современным достижениям. 

Посмотрим же, что это за устройство и чем примечательно?

Тенденция создавать максимально компактные электронные устройства актуализирует использование переходных отверстий печатной платы в целях миниатюризации. Плотность расположения компонентов на плате настолько большая, что диаметр отверстий в печатной плате достигает минимально-возможных значений, 0.3, 0.2 мм.

Это предъявляет высокие требования к производству печатных плат и особенно к процессу сверления.

Подробнее об этом в нашей статье.

Свёрла для печатных плат – это высокоточный инструмент, который сильно отличается от обычных свёрл по металлу или дереву. Их особенности обусловлены материалами печатной платы (стеклотекстолит – абразивный материал, состоящий из эпоксидной смолы и стекловолокна) и требованиями к качеству отверстий.

Вот ключевые особенности свёрл для печатных плат:

1. Маленький диаметр.

Это самая очевидная особенность. Диаметры свёрл для печатных плат обычно находятся в диапазоне от 0.2 мм до 5.0 мм. Наиболее распространены свёрла диаметром 0.8 мм, 1.0 мм, 1.2 мм для сквозных отверстий под компоненты. Для микросхем в корпусах BGA и переходных отверстий (vias) используются свёрла диаметром 0.2-0.3 мм.
В «ЭЛЕКТРОконнект» используется ряд свёрл от 0.2 до 1.0 с шагом 0.05 мм и от 1.0 до 5.0 с шагом 0.1 мм.

2. Высокая точность и класс допуска.

Из-за маленьких диаметров к свёрлам предъявляются жёсткие требования по точности:

· Биение (runout) должно быть минимальным (обычно в пределах 2-5 микрон). Большое биение приводит к поломке сверла и браку.

· Калибровка диаметра очень строгая. Сверло диаметром 1,0 мм должно быть именно 1,0 мм, а не 0,98 или 1,02.