Попробовал Github Copilot. Это проект, в рамках которого Гитхаб обучил нейросеть на миллионах строк программного кода, загруженного людьми, и теперь она вроде как способна предлагать автоматическое дополнение к тому, что вы пишете.
В теории, если вы напишете название функции, например public int Fibonacci(int n), то она сразу предложит вам автоматически подставить всё остальное.
Конкретно с этим примером система действительно справляется, но в целом впечатления у меня от неё смешанные, и на мой взгляд она пока что не стоит тех $10 в месяц, которые за неё просят после тестового двухмесячного периода.
Я уже писал ранее о своём отношении к нейросетям. В задачах дополнения данных они работают средненько: значимый процент решений будет с ошибками. Вот и здесь — сначала я подумал, что Copilot сможет за меня копипастить популярные однотипные куски кода из интернета. Например, я не помню алгоритм Вагнера-Фишера, постоянно его копирую из своих других проектов, часть из которых выложена на Github и наверняка была передана в обучение Copilot. Я предложил нейросетям мне этот алгоритм написать, они написали что-то отдалённо похожее. Внешне выглядело убедительно и даже компилировалось, но работало неправильно, и при ближайшем рассмотрении оказалось, что там просто случайно надёрганные строчки из настоящего алгоритма. Некоторые проверки по 2 раза, а часть нужной логики упущено совсем. Об оформлении кода вообще говорить не стоит: пока всё, что мне выдавалось, оформлено плохо, и на ревью я бы написал разработчику несколько замечаний.
Однако, в других местах работает, как задумано. Если у вас есть дуальные функции, оно умеет предлагать дописать остаток (пример на скриншоте ниже). Но из того, что я попробовал, только процентов 20 случаев реально были полезны. Остальные 80% или вообще неверный код, или правильный, но такой неаккуратный, что лучше самому написать.
Есть ещё проблема: массовый копипаст довольно опасен, потому что легко пропустить какую-то мелочь. В идеале нужно весь вставленный код проверять построчно, но по когнитивной нагрузке это близко к тому, чтобы создать его самостоятельно. И человеческое внимание совершенно точно будет расслабляться и размываться при работе с такими средствами автодополнения, а, значит, неизбежны ошибки. На месте чувствительной к багам энтерпрайз-разработки я бы вообще запрещал бы своим сотрудникам применять Copilot.
С другой стороны, возможно, подобная утилита хорошо зайдёт для прототипирования, на хакатонах, на стримах с демонстрацией разработки чего-нибудь. У меня будет возможность проверить на соревновании через месяц, но в работе скорее всего отключу.
#dev
https://www.youtube.com/watch?v=ZgzpdrMUAj0
Выступление на Mеталлообрабатывающем Форуме 2023 в Крокус-Экспо "Управление производством в условиях высокой вариативности".
Коротко: Существующие и широко распространенные, "зашитые" в ERP, MES и APS системы подходы строятся на возможности детального пооперационного планирования, которое в свою очередь основано на предположении о существовании нормативов на каждую операцию. В условиях многономенклатурного, единичного и мелкосерийного производства это не работает. То есть большинство малых и средних производственных предприятий не имеют адекватных инструментов для управления.
Но решение есть, оно основано на подходе ТОС и называется метод "Барабан - Буфер-Канат". В докладе приводятся соответствующие кейсы, реализованные на практике нашей командой.
#управление_производством#барабан_буфер_канат#ббк#dbr
Кейс-задача
Посещал я как-то хорошее предприятие, заявившееся в национальный проект повышения производительности труда. До меня у них был эксперт проекта и отказал им в помощи - "мы не сможем вам помочь, у вас итак все хорошо".
Из беседы выясняется, что действительно все хорошо. Выпускают они товар народного потребления, скажем так. Работают под заказ. Поток завода имеет V тип (одно сырье, много различной продукции на выходе). Ограничение потока – один из оконечных переделов, где собственно и происходит переключение с одной продукции на другую (с одного заказа на другой). Система оплаты труда - везде оклад, только на ограничении - сдельная оплата. Естественно, на последнем переделе много переналадок. Но время на переналадки максимально минимизировано (они прекрасно понимают, что это - потери). Кстати, сама переналадка происходит в автоматическом режиме. Ограничение не простаивает по причине нехватки сырья для работы - для него всегда есть определенный буфер сырья.
Как считаете, есть ли у предприятия возможности для увеличения результативности? Если нет - почему, если есть - в чем они?
#управление_производством
#барабан_буфер_канат
#ббк
#dbr
(продолжение поста)
Теперь необходимо синхронизировать запуск в нашу производственную цепочку сырья (материалов) с работой нашего барабана. Этот механизм (механизм запуска в производство) называется Канат. Не хватает только определиться с незавершенным производством. Сколько именно держать НЗП в потоке? Ровно столько, чтобы наш РОМ никогда не простоял и не больше. Ведь мы помним – производство на самом деле полно неопределенности, вариативности и т.д. Надо защитить РОМ от этой неопределенности. Для этого введем буфер – время от начала производства до его завершения.
А как же планы работ для каждой операции? Да они на самом деле и не нужны. Есть работа перед станком – работай. Нет работы – жди, когда появится работа или пойди помоги другу. Ну а если работа есть, причем есть выбор из нескольких деталей? Тогда делай наиболее приоритетную – ту, буфер которой больше всего уже потреблен (осталось меньшая доля времени до сдачи заказа).
И что в результате получается? У нас появляется гораздо более простой, а значит более выполнимый график работы для РОМ и первого ресурса в потоке и система приоритетов для остальных ресурсов. Это и есть метод Барабан – буфер – канат. Его легко реализовать и его можно использовать на любом производстве, какая бы вариабельность не была. Простота решения в результате дает надежный конечный результат, сокращение производственного цикла и рост прибыли.
А зачем тогда намудрили с детальным планированием, нормами времени? Да это было просто начальное приближение. Наука тогда находилась в таком состоянии, что и это было прорывом. Но вот зачем упорствовать и использовать давно устаревшие исходные предположения в 21 веке, это вопрос. Инерция, понимаешь. Да еще и подкрепленная всякими волшебными словами: ERP, MES. APS. Завораживает.
Вы все еще? Тогда мы идем …
#управление_производством
#барабан_буфер_канат
#ббк
#dbr
Отжившие установки в управлении производством
Что лежит в основе большинства современных программных продуктов для управления производством?
Очень простые допущения.
1. Производственный цикл может быть разделен на простые операции.
2. Длительность операций можно стандартизировать и ввести соответствующие нормы.
3. На основе введенных норм можно составить детальные планы, оптимизирующие использование оборудования.
4. Оборудование и человеческий труд необходимо использовать эффективно. Простой оборудования и людей – это потери.
Допущения эти настолько просты и очевидны, что никому не приходит поставить их под сомнение. Тем более программисту, которому необходимо разработать программный продукт. Более того, эти допущения подтверждены «научным подходом» Фредерика Тейлора. Это он в начале 20 века, обнаружив на промышленных предприятиях бардак, решил применить свой научный подход. То есть разделить производственный цикл на операции, найти способы оптимизации этих операций и ввести соответствующие нормативы для каждого рабочего, выполняющего свою собственную простую операцию. Гениально? Конечно. Для массового производства однотипных изделий.
Прошло больше века. Конечно, массовые производства существуют и там открытие Тейлора вполне себе работает. Но в то же самое время существует большое количество предприятий, в которых:
1. На одних же и тех же станках производится большое количество изделий, имеющих различные операции обработки и различную их последовательность.
2. Многие изделия (если не все) производятся мелкосерийно.
3. Спрос на различные изделия очень изменчив и прогнозируется очень слабо. Держать запасы готовой продукции – очень неразумно.
4. Поддерживать такое огромное количество нормативов накладно и бессмысленно. Все равно не удастся стандартизировать все операции, для всех операторов. К тому же люди все – таки разные!
В таких условиях детальные планы теряют всякий смысл, поскольку их необходимо будет постоянно пересчитывать. Работать по таким детальным планам – мучение.
Кроме того, предположение об эффективном использовании ресурсов на поверку оказывается просто ошибочным. Стремление к эффективности приводит к увеличению партий ( а иногда это невозможно), к увеличению производственного цикла (у всех должен быть запас работы), к увеличению производственного цикла и к неудовлетворению клиента. Но оказывается, все это зря. Эффективность на самом деле – ложная цель. Нам нужна не эффективность, а скорость потока. Именно увеличение скорости потока ведет к увеличению генерации денег. Чем больше в единицу времени мы производим готовой продукции, тем больше мы зарабатываем. А раз мы больше зарабатываем, значит наши затраты становятся более оправданными. То есть мы становимся более эффективными, уходя от стремления к эффективности. Контринтуитивный результат.
Итак, что же делать? Решение предложено Голдраттом: давайте не будем составлять детальные планы для каждой операции. Все равно они сорвутся. Давайте не будем ставить целью эффективное использование всех ресурсов.
Давайте внимательно посмотрим на наш поток и выделим в потоке наиболее загруженный ресурс. А он всегда есть – ресурс с ограниченной мощностью (РОМ) или ограничение потока. Весь наш поток не сможет выпускать в единицу времени больше изделий, чем проходит через ограничение. Так давайте составим график работы именно РОМ и обеспечим, чтобы именно этот ресурс и был максимально использован (назовем такой график барабаном). Другие ресурсы в потоке имеют излишние мощности по отношению к РОМ. И они могут и даже должны некоторое время простаивать! Их нельзя загружать больше, чем РОМ. Мы не должны их эффективно использовать, это вредно!
#управление_производством
#барабан_буфер_канат
#ббк
#dbr
🔓VCs Are Ready To Sell: These Unlocks Could Crash Prices
Tomorrow, VC investors in #JTO will have $12M unlocked, which may impact the price. Major VC unlocks of #ID, #SAGA, #PRCL, and #DBR tokens in March and April could also influence market prices.
📌 Share and Join 🌕@Crypto_Medias