Кафедра инноватики


Гео и язык канала: Россия, Русский
Категория: Образование



Гео и язык канала
Россия, Русский
Категория
Образование
Статистика
Фильтр публикаций


Репост из: Русский ИТ бизнес
Есть такая штука - кривая МакЛими, ее придумали в строительстве, но она про любой бизнес.

Смысл простой: в начале проекта вы можете сильно влиять на стоимость и результат, а изменения почти ничего не стоят, но чем дальше, тем дороже любая правка...

А внимание к цифрам у большинства просыпается в точке А, когда деньги уже потрачены, хотя считать надо в точке Б, на стадии «бумаги».

У нас, если что, ровно так же - через жопу. Но наверное, есть люди, которые сразу делают хорошо :) Ну а мы херачим, как лепые кроты по принципу "дальше будет видно".

tg / max


Репост из: Архитектура ИТ-решений
Первая версия всем известного archimate modelling tool Archi, выпущенная после обновления спецификации языка до версии 4.0, появилась в режиме скачивания для всех (а не только для подписчиков)

Версия имеет номер 5.10 и в ней много полезных и прикольных вещей, например поддержка markdown для документирования объектов модели, доступное прямо в окошке свойств. А еще улучшено отображение диаграмм. В общем, обзор по этой ссылке а история изменений тут

Всё замечательно, кроме того что этот инструмент поддерживает предыдущую версию нотации Archimate 3.2 (а они сильно отличаются) Я на днях уже сетовал, что так произойдет но какого-то позитивного развития событий пока не просматривается


Репост из: Kedr to Earth | Земля, я Кедр
Стивен наш Бланк написал серию постов, где за вычетом кучи повторов объявил, что описанная им схема Customer Development с MVP в центре объявляется мертвой. Краткое содержание таково: раньше в его стэнфордском семинаре студентам отводилось на разработку MVP 10 недель. По замыслу наличие продукта уже само по себе составляло ценность и moat (защитный барьер от конкурентов). А в этом году все пришли к началу с готовыми продуктами и синтетическими ИИ-кастомеринтервью. Дальше весь семестр возились-возились, да ничего и не продали.

https://steveblank.com/2026/09/30/lean-launchpad-the-next-generation/

Бланк думал-думал и придумал, что теперь в онтологию вводится новый элемент "дизайн-партнер", который должен помочь начинающему стартапу чем может, а по списку по сути всем.

Design Partner: A co-developer who first provides feedback, data, workflow access, and real-world testing in exchange for early access, preferential terms, or influence over the product. However, the real metric for success will be when the Design Partner is using the product and getting value out of it. (Design partners can be end-users in companies, warfighters, etc. who can buy or influence a sale.)

И далее большой новый план занятий, где много новых заданий, и много адаптации к новым инструментам. Только в глубине одна лакуна закопана:
Weeks 6 – 8 The Search For a Design Partner
TBD

И вот это вопрос на миллион долларов посевных инвестиций. Интерес стартапа в "дизайн-партнере" понятен. А в чем интерес "дизайн-партнера"? Что может ему дать стартап, если у "дизайн-партнера" есть все те же инструменты и плюс ресурсы?

В случае с потребительским продуктом еще куда ни шло: можно продать аудиторию, бренд (если их сперва создать, а это мегабюджет в наши дни). А с энтерпрайзом даже взрослый продукт налетает на, как я вчера писал "Мы лучше самописку запустим".

Похоже, что Стив Бланк и сам ответа не знает.

Но MVP похоронил быстро.


Репост из: Sergei_corpfin | Финмоделирование
Видео недоступно для предпросмотра
Смотреть в Telegram
Этап 1. Анализ рынка — первая итерация моделирования. 2 часть

Тайм - коды к видео:

00:00 - Топ - 30 компаний
21:13 - Темп роста
30:53 - Создание файла с анализом рынка
41:17 - Анализ рынка финальные доработки
51:10 - Сверка файлов
54:43 - Финал


Репост из: Sergei_corpfin | Финмоделирование
Видео недоступно для предпросмотра
Смотреть в Telegram
Этап 1. Анализ рынка — первая итерация моделирования. 1 Часть

Тайм - коды к видео:

00:00 - Начало
01:47 - Кейс БПЛА и постановка целей
14:40 - Подходы к прогнозу рынка
34:58 - Выбор источников


Репост из: Sergei_corpfin | Финмоделирование
📊 Учебный кейс по финансовому моделированию для студентов МФТИ

🔹 Этап 1. Анализ рынка — первая итерация моделирования

В рамках учебного кейса разбираем исследование и моделирование рынка БПЛА — от анализа текущего состояния рынка до оценки его потенциального роста в будущем.

Важная особенность кейса — моделирование выполняется с помощью китайских ИИ: DeepSeek и Kimi.

Задача — показать, что для получения приемлемого результата не обязательно использовать только Claude или GPT. Намного важнее то, как именно выстроен процесс работы с ИИ.

На первом этапе изучаем рынок БПЛА, собираем ключевые данные и формируем основу для дальнейшего финансового моделирования.

⬇️Все материалы учебного кейса собраны по ссылкам ниже⬇️


Пример презентации от Владимира Старкова (из эпохи, когда он ещё не был министром):

https://disk.yandex.ru/i/HZYHSUGAUPkAuA


Репост из: AI Projects
Видео недоступно для предпросмотра
Смотреть в Telegram
Для понимания, как на практике ведётся обучение студентов создавать LLM. В КНР преподают студентам сами авторы передовых LLM. На видео один из авторов GLM профессор Тан Цзе ведёт обычный университетский курс в Цинхуа — Advanced Machine Learning. Это новый набор студентов, стартовавший 16 сентября.

На лекции Тан Цзе рассказал студентам, что «битва за чат уже закончена» и что их дело — делать агентов: просто чаты с ИИ уже никому не нужны. Агенты уровня AGI и ASI — это то, зачем он их учит. Тан Цзе также отметил, что современный уровень обучения LLM состоит в том, чтобы выгнать как можно больше людей из самого цикла обучения: все должны делать агенты, иначе человек становится бутылочным горлом сингулярности самообучения ИИ. Тан Цзе прямо говорит студентам, что столько, сколько их тут собралось, не нужно для обучения LLM, поэтому у него нет цели вытягивать всех, кто пришёл на курс — его интересуют только отличники и то, что он им дал, и больше никто, остальных он отчислит. Тем не менее, уровень энтузиазма студентов приобщится элите ИИ виден хорошо на видео.

За 16 недель студенты должны собрать полный пайплайн LLM: база → Scaling → синтетические данные → preference/RL → агенты → непрерывное обучение → «AI учит AI».

Студенты должны пройти весь цикл своими руками:
• С нуля написать Tokenizer и Transformer.
• Сквозное обучение модели.
• Написать Triton attention kernel и замерить прирост.
• Очистка данных из raw dump, подгонка scaling law и экстраполяция.
• Сравнение SFT / DPO / RLVR на одной базе.
• Построение верифицируемой среды + harness, обучение long-horizon агента с self-judge loop.

Работа идёт не индивидуально, а в группах 2–3 человека: студентов сразу учат работать «когортой», т.к. только устаревшие университеты готовят одиночек. На 16-й неделе студенты должны защитить свой работающий прототип и подготовить сразу же описание его в формате как для научной публикации NeurIPS.

Кто обучался на наших курсах по LLM в университетах — можете поделиться в комментариях сравнением уровня.


Репост из: AI Projects
Лян Вэньфэн — создал DeepSeek, который лидер Flash-моделей
Ян Чжилинь — создал Kimi, который впервые поборолся из китайцев с Claude
Тан Цзе — создал GLM, где многие считают, что лучший баланс цены и качества
Ло Фули — создала MiMo, самую дешёвую Flash-модель с топовым IQ
Янь Цзюньцзе — создал MiniMax, который взорвал рынок генерации видео в ИИ
Цзян Дасинь — бывший вице-президент в Microsoft, который руководил созданием Bing, Cortana и облачной платформы Azure, а сейчас создал популярную китайскую LLM.

В ИИ-бизнесе, как в любом стратегическом, крайне важны визионарии. Если вы делаете что-то масштаба ракетных и ядерных технологий, то без Королёва и Курчатова вы скорее обречены быть создателем посредственных копий лидеров. В России были мощные эксперты в ИИ, как Досовицкий, который и наделил Gemini его лучшим зрением среди LLM. Если не выдвинуть в руководство российских ИИ-проектов таких же мощных экспертов, то вряд ли что хорошее выйдет. Нельзя заменять экспертов на клоунов и шоуменов. Тот же Цзян Дасинь — доктор наук и уважаемый в отрасли эксперт.


Репост из: AI Projects
Сейчас время Манифестов в тематике ИИ. Дарио Амодеи, возможно, войдёт даже в историю своим Манифестом безопасности ИИ. Однако в образовательной среде сейчас обсуждают Манифест профессора RMIT University Джейсона Поттса о необходимости срочного пересмотра самого социального института «университет». Джейсон опубликовал свой Манифест ИИ Университета 2.0 даже в виде научной статьи (добавлю её оригинал в комментарии Telegram). Она вызвала большой резонанс у экспертов по высшему образованию просто силой своих концепций.

Джейсон пишет:
«Университет — это самоуправляемая микро-республика, корпоративная по форме, примерно 1000 лет от роду (старше национальных государств, моложе религии), которая существует внутри общества, но всегда отдельно от него (например, у них часто есть собственная полиция и суды), и которая служит хранителем знаний, создателем новых знаний, а её основным делом является загрузка этих знаний в избранную группу следующего поколения. Это услуга, которую хотят студенты и за которую общество готово платить.
....
Университет, таким образом, — это ни монастырь, ни фабрика, а платформа или многосторонний рынок, чья основная экономическая функция заключается в снижении транзакционных издержек при сопоставлении различных групп, желающих торговать друг с другом».

Профессор говорит о том, что 1000-летняя история университетов в свете ИИ в текущем виде подошла к концу и требуется реформа университетов как социальных институтов. Автор предлагает в своём Манифесте следующие десять предложений по реструктуризации роли, функций и ценности университетов:

🔹 Институционально разделить сертификацию и преподавание, запретить университетам оценивать студентов (это должна быть независимая проверка)
🔹 Восстановить «дорогостоящий сигнал», что диплом что-то значит — сейчас есть риск полной девальвации значимости диплома о высшем образовании до уровня туалетной бумаги
🔹 Вернуть в образование отсутствующую «младшую петлю обратной связи», т.е. практическая работа и стажировки в ИИ-компаниях студентов важнее устаревших лекций
🔹 Быстрая аккредитация ИИ-курсов образования, увольнение бюрократов из образовательной системы, которые мешают быстрому его внедрению
🔹 Продавать когорту (команду), а не отдельного студента. Бизнесу не нужны отдельные специалисты, а нужны рабочие группы (teams). Университеты должны продавать бизнесу готовые к работе команды
🔹 Принимать учёных, а не нанимать их, т.е. прекратить практику профессоров, которые высиживают своё место до глубокой старости в университете и сами становятся фактором его отсталости. Преподавать должны краткосрочно нанятые по конкурсу учёные с реальной практикой работы
🔹 Перейти на новую границу знаний, отказаться от старых образовательных программ, игнорировать затраты, понесённые на их создание — этот образовательный товар закончил свой жизненный цикл. Курсы обучения в университетах должны быть инновационными или никакими
🔹 Отбросить в сторону уже неработающую систему правил и ролей между участниками: студентами, преподавателями, работодателями, регуляторами и платформами. Заново собрать их, чтобы рынок образования снова заработал и бизнес к нему имел интерес в эпоху ИИ
🔹 Сделать претензию на результаты выпускников явной, т.е. измеримые достижения, аналогичные KPI по разным скиллам, которые нужны бизнесу
🔹 Управление образованием как производственная технология гарантии качества выпускника для бизнеса, разгон старой образовательной бюрократии, которая сделала себя самоценностью

Сейчас это бурно обсуждает профессорская среда в X, а ваше мнение?
https://www.luizasnewsletter.com/p/the-university-after-ai


Я себе для такого отдельную ебалу на батарейках слепил, чтобы можно было 14В модельку оффлайн таскать.




Репост из: АДовый рисёрч
#сдохни_или_умри

Привет, коллеги!

Очень часто стали попадаться разные материалы про закон Гудхарта. Если ваша система рекомендаций отличается от моей, расскажу. Звучит этот закон так: «Когда экономический показатель становится целью, он перестает быть хорошим показателем». Сформулировал это британский экономист Чарльз Гудхарт в 1975 году применительно к денежно-кредитной политике, но с тех пор закон обнаружился буквально везде. Ну и в науке, конечно же, тоже.

Возьмём, например, публикационную активность. Казалось бы, количество статей может быть показателем того, как учёный работает и производит знание. Но как только количество статей становится критерием оценки, аттестации, найма и финансирования, начинается оптимизация показателя в ущерб тому, что он должен был измерять. Появляются разные нечестные практики: от довольно безобидного salami slicing до фабрикации данных и покупки статей.

Но хорошо, производишь ты кучу бесполезного научного хлама, тогда тебя можно оценить с помощью индекса Хирша, который показывает, цитирует ли кто-то твой хлам. Но и тут появляется накрутка, практика взаимного цитирования и убедительные просьбы рецензентов включить вот эти очень значимые для работы статьи.

Окей, может быть показателем работы учёного могут быть деньги? Гранты, хоздоговора и прочая красота. Но и тут засада. Чтобы привлечь больше денег, важно пообещать вау-результат, а вот сделать его не всегда получается. И в ход идёт фабрикация и фальсификация данных. Ну или просто трансформация мышления, если за деньги не так сильно спрашивают.

Проблема в том, что выполнения закона Гудхарта практически невозможно избежать. Не потому что люди плохие, а потому что это нормальная реакция на систему стимулов вокруг. Ты будешь плодить статьи, если от этого зависит, что ты будешь кушать завтра. А если тебе ещё и не дали ресурсов — то будешь плодить очень плохие статьи и не совсем честным способом. Я не беру крайности с благородными учёными, живущими в нищете ради науки, или теми, кто занимается псевдонаукой, чтобы потешить своё самолюбие.

Обычный человек будет стремиться адаптироваться под те показатели, что от него требуют. И чтобы минимизировать вред от этой адаптации, важно использовать много разных показателей и проводить именно комплексную оценку. Смотреть динамику, смотреть качественные метрики. Ну и конечно признавать ограничения системы и не ставить точкой отсечки хороших сотрудников индекс Хирша не менее 15 или количество статей Q1 не менее 30.


Репост из: AI Projects
Президент Грег Брокман официально от лица OpenAI заявил, что модель Astra достигла уровня AGI, т.е. модель может заменять людей в широком перечне профессий.

Если вчитаться внимательнее, как Брокман обосновывает позицию OpenAI, то он упоминает экстремальные возможности Astra в математике и владении обычным компьютером как агент. Разберём это подробнее.

На самом деле тезис Брокмана и Альтмана, что высокие математические способности Astra автоматически доказывают её широкий IQ, ошибочен в корне. Имеется известная и фундаментальная проблема «дальнего трансфера знаний». Она общая и для людей, и для ИИ. Если кратко, то мифология, что «математика развивает мышление» или доказывает развитое мышление, — Брокман и Альтман как раз эксплуатируют этот миф. Дело в том, что если вы будете заниматься математикой, деловой игрой, ТРИЗ, TOC или ещё чем-то, то коуч вам будет рассказывать сказку, что это переносимо за пределы прямого применения приёмов из них, т.к. у вас «развилось мышление». Для людей эту опроверг ещё в начале XX века психолог Эдуард Торндайк и сформулировал когнитивный закон: перенос навыка происходит только тогда, когда новая задача содержит «тождественные элементы» с ранее изученной. Иными словами, если задача не математическая, а вам надо программировать, то никак вам не поможет изучение математики.

Проблема «дальнего трансфера» для ИИ ещё жёстче, т.к. у него нет «собственного опыта», как у людей. Поэтому если вы ИИ обучаете на математику, то перенос на программирование идёт плохо. На самом деле последнее открытие обучения в LLM — что дальний трансфер может УХУДШАТЬ свойства моделей. Поэтому сейчас отдельно учат сначала модели математиков, историков, программистов и т.д., потом из этих моделей дистиллируются в целевую модель. Просто обучение математике может портить интеллект модели в истории или программировании, т.к. ей сложнее учить домены знаний со слабой семантической связью.

С учётом, что у Astra очень похоже сильное переобучение на бенчмарки, то вопрос, как выглядит интеллект модели за их пределами, открытый. Модель сильная, но не факт, что прорыв.

Однако вот заявление, что Astra мощно натренирована как оператор офисных программ, уже намного серьёзнее. Строго говоря, текущие модели и так уже довольно умны для замены офисного персонала, но сдерживает внедрение ИИ технический долг от старого ПО. Модель с сильными мультимодальными возможностями и хорошей обвязкой может реально заменить оператора Excel или 1С. В этом плане, если Astra имеет серьёзные улучшения, то реально очень опасна как фактор безработицы для офисного персонала, даже если там IQ не уровня AGI. Большинство офисного планктона делают работу уже более простую, чем могут делать LLM, сдерживает ИИ-боты только лёгкость интеграции в старую офисную среду — вот тут-то и может быть прорыв действительно.

https://www.washingtonpost.com/technology/2026/09/03/openai-greg-brockman-says-its-new-model-astra-is-agi/


Репост из: Саня, давай!
Довелось мне поработать в американской корпорации в своё время. Работал я тогда в закупках.

Компания занималась влажной переработкой зерна — это когда маленькое зёрнышко разбирают на фракции, и из каждой получается какой-то нужный и дорогой продукт. Сиропы, крахмалы, корма, аминокислоты, глютены и прочее-прочее.

И вот сломался как-то у нас довольно мощный компрессор в небольшом цеху, производящем не помню что, но что-то из пшеницы))).

Шеф зашёл в кабинет и сказал: «Бросай всё, ищи компрессор в аренду. И так, чтобы он был на заводе уже сегодня».

Задача по тем годам не самая тривиальная: рынка оборудования, как сейчас, не было, сервиса тоже, а компрессор нужен был не тот, что в гараж ставят. Для перевозки того агрегата требовался толи КАМАЗ на 12 тонн, толи вообще фура.

Но я справился. Нашёл ребят, которые привезли компрессор в тот же день. Правда, сумму, которую они назвали за услугу, я начисто стёр из памяти в силу её запредельности и неприличности.

А шеф согласовал её не глядя.

На мои осторожные вопросы он объяснил, сколько стоит минута простоя того самого небольшого цеха. Ту цифру я тоже забыл, но уже от шока. Оказалось, цех делал какой-то безумно маржинальный продукт, толи фруктозу, толи специальный крахмал. И неприличная аренда была смешной по сравнению со стоимостью простоя.

Почувствовал себя тогда героем. И усвоил навсегда: самое дорогое время на заводе — это время производства.

А теперь то, ради чего я это рассказал.

Если минута простоя стоит как чугунный мост, то главный вопрос не «как починить», а «как не допустить». И вот тут неожиданное: чаще всего производство встаёт не из-за себя (тот компрессор не в счёт). Оно встаёт из-за того, что ему принесли на вход.

Кривой чертёж. Опоздавший металл. Забытую позицию в заявке. Заказ, который продажи обещали клиенту, не спросив цех. Всё это рождается не в производстве, а гасить пожар приходится производству.

Причём любая мелочь на входе мультиплицируется в цеху многократно: не заметили ошибку в чертеже — переделка сожрёт кучу времени, а уехало клиенту — рекламация влетит в такую копеечку, что тот компрессор покажется бесплатным.

Поэтому, практически всегда, когда мы с клиентом начинаем оптимизировать производство, мы не спешим нырять в само производство. Слонов там, скорее всего, немного. Пока. Слоны прячутся на стыках: закупки, планирование, КБ, технологи, продажи. Там, где готовят вход. Пофиксишь стыки, и половина пожаров внутри погаснет сама, без героического поиска компрессора.

В закупках я давно не работаю, но эффекты те же. Кстати, про то, как сделать снабжение круче варёного яйца, толково пишет «Последний конверт» — загляните.

А про сами стыки: как это взаимодействие устроено и как им управлять — доберёмся в следующих разъёбах. Это, пожалуй, самое недооценённое место на многих заводах.

Потому что за работу в этих стыках медаль не дают. Работа там не столь героическая, как поиск компрессора. А эффекты не столь очевидны. Но самые большие деньги именно там.

Правда, есть один нюанс.

Чтобы эти деньги там найти, надо несколько месяцев разбираться, почему снабжение не понимает производство, производство не понимает КБ, КБ не понимает продажи, а продажи вообще никого не понимают.

В то время как нормальные люди просто купили биткоин. А некоторые просто что-то спиздили на распиле бюджетов.

Вот поэтому я до сих пор не уверен, что производство - самый рациональный способ зарабатывать деньги.

Но, сука, точно самый интересный.


Репост из: Про БПЛА и технологии 🇷🇺
Видео недоступно для предпросмотра
Смотреть в Telegram
Держите к вечеру залипалово от канала Brick Experiment Channel — соревнование шагающих аппаратов: как они смогут преодолеть различные препятствия.

То, что может казаться забавой, на самом деле поднимает насущные вопросы и эксперименты в сфере планетоходов и вообще аппаратов для освоения космоса.

Паукообразная форма хоть и не заняла первое место, но смогла проявить себя на "рыхлой" поверхности — природа, как-никак, лучший инженер и дизайнер.


Репост из: AI Projects
⚠️ Я заметил, что в чате у нас многие разработчики, которые пользуются Claude по фикс-тарифам, мыслят в torrent-логике: если им удаётся нарушать лицензию вендора с запретом применения тарифов для подписки для бизнес-задач, то всё ок. Вопрос в том, что обычно средний программист просто не видит, что тут делает вендор при нарушениях, т.к. не с ним ведутся потом разговоры. Также тут есть недооценка Anthropic по техническим возможностям противодействия нарушениям его лицензий. У нас в чате есть коллеги из EPAM, которые уже 2 года создают нейросети, чтобы как раз и ловить «особо хитрых», и для них делают нейросетки «с винтом». Они просто не пишут в чате, а читают, но я поясню, что примерно они продают заказчикам из anti-fraud.

1. Лицензионный аспект и обычный «эффект иглы»

Текущая EULA для фикс-тарифов у Дарио полностью запрещает коммерческое применение: «Use of our Services for evaluation purposes are for your personal, non-commercial use only.». Все абонентские подписки — максимум для персональных пет-проектов, даже фрилансерам фактически запрещено через абонентки Anthropic делать приложения под заказ.

Далее тут есть очень серьёзная «ошибка выжившего» у разработчиков, которые предполагают, что вендор, заметив их нарушения лицензии, сразу побежит их банить или судиться. По опыту разборок Microsoft с пиратами изнутри него самого отмечу, что это глубочайшее заблуждение. Вас сначала в «книжечку запишут» и будут ждать, пока вы тем самым местом поглубже не подсядете «на иглу», т.к. вендор сначала ждёт, пока вы, нарушая его лицензию, не дойдёте до состояния, когда уже не сможете без серьёзного повреждения бизнеса от него отказаться. Также ему нужен побольше масштаб нарушений, т.к. «орёл не ловит мух». Microsoft будет ждать, пока наивный девелопер не создаст rollout решения на 100+ пользователей, вот после этого и отправляется уже банда юристов и применяются технические меры, которые ранее были в режиме «наблюдателя».

Поэтому если у вас бизнес в США или ЕС хоть филиалом, то все эти шашни с нарушением EULA закончатся на масштабировании письмом от Дарио «С ВАС N МИЛЛИОНОВ БАКСОВ, ЗАВТРА!» и он пойдёт в суд. Из России это блокировка международного бизнеса, но технический бан получить легко.

2. Нейросеть-сканнер Anthropic всё про вас знает, просто ей не сказали «ФАС!»

Если посмотреть решения EPAM по anti-fraud и добавить, что Дарио хранит ваш контекст 30 дней, то 99%, что он знает, что вы нарушаете лицензию. Просто см. п.1: вендор просто ждёт масштаба нарушений, и ИИ-боту дано указание оценивать «клиент уже на игле или нет?». Пока нейросеть говорит «они могут нас легко сменить на DeepSeek или Qwen» или «пока одиночка и мелочь», то команды ФАС нет. Однако вы точно должны понимать, что вы курица-бойлер, которую растят на убой, и далее придёт хозяин KFC.

Не играйте в казино в рулетку и не играйте в нарушение лицензий вендоров — последствия одинаковые, но в случае облачного сервиса вы заложники вендора на 100%.

https://www.anthropic.com/legal/consumer-terms


Репост из: Саня, давай!
Производственный разъёб 4: «Не всё так очевидно, как кажется. И за неочевидность приходится дорого платить».

Пришёл я как-то работать на завод. Новый, красивый, большой. Выпускали мы различные изделия из металла. Задачи шеф поставил самые, что ни на есть обычные – увеличение выпуска, повышение производительности, снижение брака и т.д.

Но волновало его, как мне кажется, другое. Основная проблема звучала так: «выручка есть, люди пашут, станки гудят — а денег нет». Где деньги, Зин?

А ещё в конце каждого месяца начинался ад, треш и угар: сроки горят, ОТК зашивается, директор звонит по пять раз на дню, продажи обещают все возможные анальные кары от клиентов и от себя лично.

Начальник производства — назовём его Саныч — бегает красный. Что-то не собирается – бежит в КБ, чего-то не хватает – на склад, сроки горят – организовывает подработки. При этом снабжение он уже отматерил, сборку построил, с ОТК поругался. Толку ноль.

В общем, никто не стоит, все работают, а на выходе – хер да пипетка. Объёмы только падают.

Начали разбираться.

Давным-давно мне выпала честь знать одного мощнейшего мужика — он при Союзе рулил целым промкомплексом, несколько заводов было под ним. Много чего он говорил, но одно засело: «Руслан, какой бы сложный ни был завод — в конце всегда есть сборка или сварка, откуда выходит готовое изделие. Вот этот участок стоять не должен никогда».

Сказано-сделано. Пошли смотреть – всё хорошо. Сборка не стоит. Все при деле. Разве что смутило большое количество деталей и узлов, которые лежали рядом. Другими словами – незавершёнка. Сборщики разводили руками: готовы собрать изделие целиком, да вечно то одного нет, то другого.

Идём с Санычем на участок раскроя. И вот тут, внимание! Участок работает шикарно, выработка на рекорд, начальник — орёл. Чтобы не терять время на переналадках и уменьшить обрезь, он собирает по всем заказам весь металл 50 мм — и режет разом. Потом весь 70-й. Потом 60-й, 30-й и так далее. Любой нормальный человек скажет: молодец, всё правильно. Я сам сначала кивнул.

А теперь смотрим, что из этого выходит на сборке.

Заказу №1 нужны детали, например, из шестёрки, восьмёрки и десятки. Шестёрку нарезали в понедельник. Десятку — только в четверг, копили под неё партию. Восьмёрку — вообще на следующей неделе. И пока не приедет последняя железка — заказ не собрать. Он лежит. Полусобранный. Замороженный.

И это не всё. На пилах та же беда: пильщик собирает, например, 70й кругляк по всем заказам, пилит, подписывает, складывает в ящик. Токарь берёт ящик и точит подряд. И пока 70й не сработает, к 50му не приступит. А в узле, как всегда, и 70й, и 50й, и 60й…

Ну а дальше происходило по классике. Конец месяца, все изделия ПОЧТИ закончены, не хватает всяких мелочей. Начальник производства вместе с мастерами начинает вручную выставлять приоритеты, чтобы хоть как-то закрыть заказы.

Раскрой что-то срочно дорезает, токаря что-то срочно точат, фрезеровщики что-то срочно фрезеруют. Все бегают, все в мыле, а готовых изделий на склад выходит кот наплакал. И всё потому, что на сборку детали идут россыпью, а должны идти комплектами.

В этом вся подстава. Никто не виноват. Раскрой делал очевидно правильную вещь. Пильщики тоже. Каждый на своём участке герой труда, а в сумме - практически стоящий завод и замороженные деньги.

А сборка собирала что дают. Узел не идёт — ну фасочку снять, зачистить, подготовить. Не спешно, не эффективно, зато никто не стоит, все при деле. А не это ли главное?

Про потери при переключениях с изделия на изделие вообще промолчу.

Тот дядька был прав: конечный участок стоять не должен. Только он не уточнил, что «все при деле» и «сборка работает» — это две большие разницы. Вот и ответ на «где деньги, Зин?». Деньги — в металле, на складах и в зарплате тех, кто «при деле», а не выпускает продукцию.

В общем, не всё так очевидно, как кажется. Разъёб №4.

Решение здесь было одно. И оно контринтуитивно – ограничивать запуск. Но попробуй скажи это начальнику производства…

Я тогда ничего советовать не стал. Сначала взял один заказ, проследил и записал, где лежит каждая его деталь и почему. На следующий день – ещё один. На третий день Саныч всё понял сам.


Репост из: Гомеостатическая Вселенная
Нашел очень полезную статью про то, как исопльзовать цвет и градиенты в научной коммуникации. В ней рассказывается, как "красивые" градиенты могут менять смысл данных из-за особенностей восприятия цветов глазом. Ну и, конечно, какие градиенты остаются видны для людей с особенностями восприятия цвета.

The misuse of colour in science communication by F. Crameri et. al.:
https://www.nature.com/articles/s41467-020-19160-7

Там много полезных советов, в частности гайд по выбору правильного градиента в зависимости от типа данных. Некоторые вещи мне были совсем не очевидны!

Кстати, последнюю нашу статью я проверял специально, что все иллюстрации доступны людям с дальтонизмом и прочими особенностями цветового восприятия:

https://mariechatfield.com/simple-pdf-viewer/

Было сложно! Пришлось поменять довольно много цветов, чтобы оно было как-то видно. Но в конечном итоге получилось более или менее, хотя где-то пришлось пойти на компромисс между затратами времени и доступностью.


Репост из: АДовый рисёрч
#сдохни_или_умри

Привет, коллеги!

Вчера под вечер словила состояние, которое я всегда называла "паралич воли". Я подумала, что никогда здесь не писала об этой проблеме и о том, как с ней можно бороться. А я уверена, что многие из вас это испытывали.

Представьте обычный рабочий день. Вы делаете эксперимент в лабе, параллельно следите за работой студента, вам в личку написывает шеф и просит срочно прислать какой-то отчёт. Послезавтра у вас дедлайн по ревизии статьи, а вы даже не начинали. Вы вспоминаете, что у котов нет прививки и надо записаться к ветеринару, а перед этим скормить глистогонное. И тут в лабораторию заходит коллега и спрашивает, не видели ли вы банку с хлоридом кальция. И всё, у вас начинается ступор. Вы открываете соцсети и начинаете листать новости, бессмысленно переключаетесь между вкладками в браузере или беспорядочно ходите по помещению. Естественно, ни одно из дел в этот момент вы выполнить не можете.

Вообще это называется "параличом от перегрузки" (task paralysis/overwhelm paralysis). Из-за избытка информации, стресса или сильной усталости мозг временно теряет способность принимать решения, концентрироваться или совершать даже простые действия. Усугубляет ситуацию перфекционизм, ведь все задачи надо сделать хорошо, а не кое-как, а также непонимание, с чего начать, ведь для этого нужно принять решение, а в состоянии паралича это очень сложно.

Что с этим делать?
✅Остановиться. Если вы заметили это состояние — прекратите свою суету и избегание.
✅Выдохнуть. Если речь не идёт о жизнях людей, то факт, что вы что-то сделаете на полчаса-час позже, ни на что не повлияет.
✅Отключиться. Выйдите на улицу и дойдите до ближайшего кафе за пирожком и вкусным напитком, "случайно" забыв телефон в лаборатории. Спрячьтесь на складе, запритесь в туалете — сделайте что угодно, чтобы поток информации и людей вас не нашёл хотя бы минут 15.
✅Выбрать что-то одно. Выпишите все задачи на листочек, чтобы немного очистить голову. Интернеты рекомендуют выбирать одну самую крошечную задачу и сделать её. Но лично я строю матрицу Эйзенхауэра и выбираю дело с наибольшей срочностью и важностью. Всё остальное — потом.
✅Разрешить себе сделать не всё и не сразу. Если вы не поможете найти коллеге реактив или запишете кота чуть позже — ничего страшного. Можно написать редактору и попросить пару дней отсрочки. Можно попробовать дать студенту чуть больше самостоятельности. Это, конечно, может стать проблемой будущего вас, но, во-первых, в большинстве случаев не становится, а во-вторых, в состоянии паралича вы сделаете 0 задач, а так хотя бы половину.

Как предотвратить такое состояние?

Во-первых, выносить дела из головы на какие-то внешние носители. Необходимость держать всё в разуме сама по себе является источником стресса и напряжения.

Во-вторых, приоритизировать их сразу и распределять время с буфером в 20-30%. Если что-то неважное и несрочное не влезает сразу — выкидывать.

В-третьих, не быть многозадачным молодцом, и это моя личная ловушка. Я очень гордилась тем, как много дел одновременно могу делать, и страдала от этого. Потом я прочитала про Deep Work: по сути, нужно выделить Х времени на какую-то задачу, отключить все оповещения, лишние вкладки и т.д. — и заниматься только ей. Я сначала подумала, что это полная ерунда, меня же уволят и не будут ценить, если я не буду на связи 24/7 и делать всё мгновенно. Оказалось, что это не так. Какие-то задачи даже рассасываются сами собой, например, коллега, который ищет хлорид кальция, не может найти вас и, о чудо, находит реактив сам.

Вчера я обнаружила, что перестала соблюдать именно последний принцип, а задач стало слишком много, так что закономерно словила паралич от перегрузки. Погуляла, выдохнула, доделала самую срочную задачу и написал для вас этот пост. Не успела сделать вообще всё запланированное на день, но и ладно. Мне кажется, что в наш век информационного шума, льющегося изо всех щелей, реально нужно растить в себе умение концентрироваться на чём-то одном и откладывать всё остальное.

Коллеги, рассказывайте, сталкивались ли вы с параличом от перегрузки? Как справлялись?

Показано 20 последних публикаций.