Ворчливый IT-дед

Екатеринбург

Однозначно - лайк. Очень приятный город. Чистый, опрятный, уютный. Ожидаемо эклектичный, но здесь эта смесь русского, имперского, советского и российского не раздражает. Как-то она тут органична.

Отдельный респект за красную линию. Это удачный туристический маршрут, позволяющий увидеть все основные достопримечательности, который натурально нанесен на улицы города красной краской по тротуарам. Если вам тоже не нравится в путешествиях половину времени штырить в карты на телефоне вместо того, чтобы наслаждаться городом - вы поймете, о чем я говорю. Везде бы так!

Новая валюта

Раньше говорили: "Это бесполезная трата времени".
Недавно услышал: "Это бесполезная трата токенов".
Раньше самым ценным нашим ресурсом было время.
Теперь ИИ экономит время, но упирается в токены.
Однако, время не купишь, а токены - можно.
"Время - деньги" --> "Деньги - время".
Выходит, теперь можно купить время. Окей.
Главное - уметь этой возможностью распорядиться.

Нижний

Последняя галочка - done. Напомню, мы с друзьями-коллегами создали себе традицию раз в год ездить на не-московские этапы RDS GP и ранее уже были в Питере (Игора драйв) и Красноярске (Красное кольцо), да и на московских этапах иногда собираемся полным составом. В этом году мы закрыли ачивку посещения Нижегородского кольца, так что в календаре GP не осталось городов, которые мы бы не посетили.

Недавно я писал про непредсказуемость результатов этапов, и в эти выходные мы снова в этом убедились. Но если в прошлый раз сетка топ-32 сложилась так, что все силовики оказались в одной четверти, то на прошедших выходных сетка была очень равномерная. Я даже был почти уверен, что знаю, кто дойдет из каждой четверти до полуфиналов. Очевидно, в топ-4 должны были схлестнуться Царь, Дамир, Томми и Гоча. Как бы не так!

Царя "зажало" между братьями Поповыми - одного прошел, а второму заслуженно уступил. Брат за брата, как говорится.
Дамир проиграл Тимофею, который, как и Поповы, уверенно идет к голове пелетона - дорогу молодым!
Гоча переагрессировал и воткнулся в Кузнецова (тоже круто прогрессирует!) на манже, но до этого он показал самый крутой и близкий чейз-ран.
Томми снова повезло. Он, безусловно, крутой пилот, но победа над Козловым была не столь однозначна. В конце - 4-е место.

В итоге - на тумбе только молодежь, и это круто. Но что восхищает еще больше - это заезды юниоров, которые проходили между gp-шными в рамках учебно-тренировочных сборов. Эти пацаны 12-14 лет едут не просто хорошо - они едут лучше иных пилотов gp! Судили их по той же взрослой шкале, и Арсений выдал квалу на 98 баллов (это тот же балл, с которым Аркадий выиграл взрослую квалу на этом этапе). Мы в 12 лет крапиву палкой фигачили. А эти ребята едут так, что старики в ахтунге.

А в остальном - классная компания, дрифт, домик, шашлыки, банька, корона. Что еще для счастья надо?

Робо-РЦ

Но у нас же кроме дарксторов есть еще множество объектов инфраструктуры, нуждающихся в роботизации, в том числе распределительные центры. Их намного меньше, но они куда масштабней. И там задачи и подходы к роботизации совсем другие.

На РЦ мы пока в самом начале пути - решения только предстоит вырабатывать и пилотировать. В первую очередь хочется за счет роботизации сделать процессы более стабильными, эффективными, прогнозируемыми и качественными. Так-то у нас и без того практически образцово-показательные РЦ, но всегда хочется большего. Роботы реже могут не выйти на смену, реже едят, курят и залипают в телефон, не забывают надеть каску - все это порой свойственно иным людям. Основных направления, в которые хотим смотреть, три.

Очевидно, нужны горизонтальные и вертикальные перемещения палет. И, очевидно, это не получится сделать одним решением - скорее всего, их нужно целых три - робо-ступа для подвоза и робо-ричтраки для подъема на две высотные категории - на 6 и на 10 метров (просто потому что все поднимать десятками слишком дорого). Шутки про forklift certified - сюда.

Более сложная задача - инвентаризация. Существуют решения на базе самоходной платформы с мачтой, по которой вертикально двигается камера, считывающая данные - штрихкоды палет и другие их показатели. Но основная сложность в том, что мы хотим сверять не только палетоместа, но и штучки. А как посчитать, сколько штучек замотано в палете? Вероятно, потребуется computer vision, который на основе известных весо-габаритных характеристик сможет сверить объем палеты с нормой штучек на стоке. Есть гипотеза, что для оценки объема потребуется несколько ракурсов палеты, и я пока не уверен, что это удобно делать с мачты, поэтому не исключено, что будем смотреть также в сторону коптеров, которыми удобней получить разные ракурсы палет.

Пожалуй, самая понятная задача - клининг. Тут существует уже немало решений, которые можно пробовать. Хотя и тут нашлась засада - нужно либо два робо-уборщика, либо сложный комбайн, чтобы и относительно крупный мусор (обрывки стрейча, щепки от палет, кусочки картона) убирать, и влажную уборку производить. Будем исследовать варианты.

И все это с высокой степенью автономности, предельной точностью, хорошей скоростью и минимальными простоями. Но мы справимся. Потому что сами продукты на полках не окажутся, а вас кормить как-то надо. В следующий раз, когда будете хомячить чипсики, просто задумайтесь, какой путь они до вас проделали, сколько там было касаний, и сколько из этого еще можно роботизировать. А мы пойдем дальше оптимизировать сапплай-чейн.

Робо-Лавка

Как я уже упоминал, мы в Лавке активно занимаемся роботизацией наших операционных процессов. Про новости робо-доставки тоже недавно пробрасывал. А еще у нас идет пилот проекта роботизации даркстора по модели goods-to-person. И вправду, зачем персоналу склада бегать между стеллажами, если стеллажи могут подъехать к персоналу сами? Но не все так просто.

Этот проект мы делаем в тесном сотрудничестве с командой Яндекс Роботикс. Ребята делают классных amr-роботов и rms-систему, глубоко интегрированную с нашей wms. Процесс сложнее, чем можно подумать - задачу оптимизации движения десятка+ роботов в ограниченном пространстве с минимизацией времени сборки штучки и неухудшения времени процессинга заказа в целом нужно еще подружить с процессами отбора через порталы и работой с пут-воллом.

С гордостью за ребят могу сказать, что к текущему моменту мы достигли отличных показателей сборки заказов! Но это не значит, что можно откинуться в кресле и просто наблюдать, как роботы делают всю работу за нас. Впереди еще тьма сложностей, которые нужно победить для полноценного масштабирования. Например, потому что сборка - лишь один из десятков операционных процессов даркстора, и теперь нужно адаптироваться под остальные - оптимизировать процессы размещения, упрощать ротацию товаров и контроль сроков годности, улучшать отбор.

Приведу пример задачи. Робот снизу приподнимает высокий и тяжелый стеллаж. Очень не хотелось бы, чтобы стеллаж мог упасть. А ускорять движение роботво хочется. А где движение - там разгоны и торможения, при которых возникает инерция, которая может привести к заваливанию. Логичное действие - на уровне rms/wms при размещении товара давать задания на размещение тяжелого товара пониже, а легкого - повыше. Но этого тоже недостаточно - стеллажи комплектуются с двух сторон (и отбор идет тоже с двух сторон, робот поворачивается нужным боком), и нужно еще следить за прогнозной оборачиваемостью товара, чтобы не было такого, что с одной стороны стеллажа все разобрали, и другая сторона стала сильно тяжелее, иначе нарушился баланс нагрузки, и снова риск заваливания.

Да и со сборкой мы еще не закончили - нужно повышать стабильность показателей в пиковые часы и работать над аптаймом робо-зоны, продолжать оптимизировать весь процесс и развивать инфру вокруг. Это лишь начало пути. Но уже очень интересно. Кстати, нам можно в этом помочь - мы ищем талантливых ребят в нашу wms, Роботикс тоже нанимает, да и в посте про роботов-доставщиков я не упомянул вакансию. Откликайтесь или пишите в личку!

Только в профиль

Мы тут с командой бренда сняли видосик с моим участием для нельзяграма (организация Мета признана в России ай-яй-яй и пользоваться их продуктами фу-фу-фу, так что ссылку на дам). Пусть, пожалуй, и тут полежит.

Такая аргументация

Из собеседования technical deep-dive с кандидатом, чья компания поставляет софт государственным организациям:
- (Я:) А почему решили писать свое хранилище, а не взять что-то общепринятое в индустрии?
- (К:) Шеф сказал, "что не сертифицируется - то не монетизируется"...

🐚 Отвечаем на вопросы подписчиков вместе с Городскими сервисами Яндекса

Инженерная культура, AI в разработке, развитие ML и рост сильных индивидуальных сотрудников — темы, которые сегодня волнуют многих. Мы собрали популярные вопросы пользователей и попросили экспертов Городских сервисов Яндекса (ГСЯ) ответить на них.

📎 А если хочется обсудить эти темы подробнее — подключайтесь к «Сеньёрному разговору». Это платформа для встреч 1:1, где разработчики и эксперты Городских сервисов Яндекса знакомятся, обмениваются опытом и обсуждают рабочие кейсы.

Как это работает:

🔴 Вы отвечаете на несколько коротких вопросов и рассказываете, какие темы вам интересны

🔴 Бот подбирает собеседника с похожими запросами и отправляет его анкету вам в чат

🔴 Если мэтч случился, бот назначает онлайн-встречу в Zoom

⏩️ Регистрируйтесь в боте и продолжайте разговор на личной онлайн-встрече с экспертами Городских сервисов Яндекса.

Подписывайтесь:
💬 @Yandex4Developers

Нечеловеческий фактор

Предположим, у вас есть продукт с кучей метрик. Метрик так много, что черт ногу сломит за всеми уследить. Одну потянешь - другая проваливается. В такой системе трудно что-то менять так, чтобы быть уверенным в целостном интегральном результате. Как выбрать царь-метрику? За какими другими метриками присматривать? Как не сойти с ума?

На помощь приходит факторный анализ - метод статистического анализа для многомерных данных. Он позволяет находить связи между различными параметрами, выявлять скрытые факторы, находить закономерности, объяснять взаимосвязи между наблюдаемыми явлениями. И только так можно проверять гипотезы и строить обдуманные прогнозы. Основная задача - уменьшить количество измеряемых признаков, вплоть до создания синтетических агрегатов, сохраняющих информационное содержание кучки отдельных переменных.

Вообще там довольно сложный математический аппарат, и этому надо учиться, но рекомендую хотя бы немного почитать про это. Помогает в принятии решений на данных, поиске инвариантов, выделении главного.

Например, составив матрицу корреляций между посещаемостью офиса и наличием сырков на кофепойнте (коэффициент Кайзера-Мейера-Олкина тут будет, пожалуй, выше 0.7), можно и без ортогонального вращения факторов varimax-ом провести конфирматорный анализ занятости паркинга к 12 часам дня, отбросив фактор насыщенности хитмапы в коммитнице как несущественный.

Короче, штука мощная, нужно только научиться ей правильно пользоваться (а как видно из предыдущего абзаца, я - не умею).

- Тук-тук! - Кто там? - Рободоставка

Все любят наших роботов-доставщиков (будем их условно называть роверами). Эти милые шестиколесные тумбочки с мультяшными глазками никого не оставляют равнодушным. А еще это отличный способ борьбы с андерсапплаем. Курьеров часто не хватает, стоимость их труда растет, а технологии совершенствуются, давая возможность компенсировать рост потребности в курьерах за счет роботизации.

Перед нашими сервисами (Лавкой, Едой, Доставкой) сейчас стоит вызов - увеличить количество доставляемых роверами заказов в пару десятков раз. Без этого уже трудно продолжать масштабировать бизнес. Но просто произвести тысячи роботов и выпустить в города на вольный выпас - недостаточно. Нужно еще менять мир вокруг них, продукт, инфраструктуру. Я и в свою команду продолжаю искать человека (в том числе) на проект масштабирования роверов.

Одно из изменений, призванных повысить спрос на доставку роверами, случилось буквально на днях. Специально для тех, кому нестерпимо лень выползать из уютной квартиры/офиса, чтобы встретить ровера, мы запустили рободоставку до двери (пресс-релиз). Нет, пока что ровер не может открыть дверь подъезда и подняться на этаж, поэтому второе плечо последней мили будет преодолевать пробегающий мимо курьер. Но большую часть пути, тем не менее, проделает робот, а вам не придется обуваться. И вы сыты, и курьеры целы.

Почему я выше написал "пока что"? Да мне кажется, что это тоже не целевая картинка. В каком-то будущем (уж не знаю, насколько далеком), я рободоставку вижу себе так. Большой ровер с батчом высокой размерности подъезжает к ЖК/БЦ, из него вылезает небольшой гибкий робот (например, робособака с манипулятором) с вашим заказом, и через пару минут стучит вам в дверь. Возможно, я пересмотрел фантастики. А может, и нет. Верите?

Недостижимый идеал

Читаю сейчас книгу по ТРИЗ (теория решения изобретательских задач) Генриха Альтшуллера. Как обычно и бывает в таких ситуациях, сразу сильно хочется делиться мыслями из книги и своими наблюдениями. Пожалуй, начну. И это явно не последний пост про ТРИЗ.

Интересный подход, который сразу хочется применять везде - "идеальный объект". Это когда объекта не существует, тем не менее его функциональность выполняется. Простота - залог успеха. Долой лишнее трение, потери, искажения, даешь "прямой привод". И это не только про механику - с данными это тоже работает.

Про изобретение решений. Чтобы не упустить выигрышный вариант, можно использовать матричный подход - строится эдакий "морфологический ящик" для перебора возможных элементов решения. Это позволяет заметить все варианты, но не помомогает выбрать подходящие - либо нужна фильтрация, либо комбинаторно неподъемный метод проб и ошибок.

Про фильтрацию еще поговорим отдельно, а с методом проб и ошибок проблема в том, что когда вариантов сотни или тысячи, перебор становится накладным. Можно часть вариантов проверить мысленным экспериментом, то есть аналитически, и тут даже можно призвать на помощь ИИ. Одно плохо - это исключает неожиданные побочные открытия. Так что если бы наши предки-изобретатели пользовались ИИ, у нас бы не было пенициллина, микроволновок и тефлона.

И последнее на сегодня. При автоматизации/роботизации не нужно бездумно копировать действия человека, которые вы хотите автоматизировать. Исходить нужно из проблемы/задачи, а не из того способа ее решения, который привычен, но ограничен возможностями человека. Так, в насущной нынче ИИ-зации рутины нужно не дублировать действия человека машиной, а избавляться от причины появления этой рутины. А в робототехнике мне модель Доктора Осьминога кажется куда перспективней модных нынче роботов-гуманоидов, которых все зачем-то пытаются сделать.

"Где мои деньги, Лебовски?"

Довелось тут изучать забористую финмодель одного будущего проекта. Я и так-то эксель не жалую, а тут в нем еще обнаружилась масса непонятных терминов. Стыдно. Пришлось спешно самообразовываться - полдня читал про дисконтирование денежных потоков, внутреннюю норму доходности и чистую приведенную стоимость.

Если вы, как и я, дремучие как дупло - во-первых, почитайте про эти штуки, это полезно и даже интересно. А во-вторых, поясню: внутренняя норма доходности (IRR, Internal Rate of Return) — это ставка дисконтирования (условно, ключ + риск), при которой чистая приведённая стоимость (NPV, или Net Present Value) проекта равна нулю. Простыми словами, IRR — это годовая процентная доходность инвестиций в проект.

Вообще, само понятие дисконтирования - метода оценки стоимости будущих денежных потоков для приведения их к эквиваленту в текущих ценах - можно вытащить и за пределы экономики и применить в нашей повседневной жизни.

Стоит ли делать рефакторинг сейчас за 20 человекодней и начать экономить 0.1 FTE в условиях ставки дисконтирования 50% (с учетом роста эффективности разработки и рисков что сервис закопаем)? Нужно ли внедрять более оптимальное хранилище при известном росте объема данных и ценах на стораджа? Проинвестировать ли усилия в фичи или "положить на депозит" (в техдолг)? Всегда можно попытаться привести динамические временные ценности к единым попугаям и принять решение более осознанно.