От плановых ремонтов к предиктивному обслуживанию: дорожная карта для главного инженера
Ограничения ППР и почему переход к прогнозной модели становится необходимымПланово-предупредительные ремонты (ППР) — стандарт для большинства промышленных предприятий. Логика проста: замена узлов или материалов через фиксированный интервал времени или наработки. Однако на практике этот подход всё чаще приводит к трём проблемам:Избыточное обслуживание — ресурс подшипника или ремня может составлять 10 тысяч часов, а регламент требует замены каждые 5 тысяч «для надёжности». Прямые потери на запчастях и трудозатратах.Внеплановые отказы
Системные вызовы в сфере ИТ в 2026: стратегический взгляд для ИТ-руководителей
Данная аналитическая записка подготовлена для директоров по ИТ, директоров по цифровизации и главных аналитиков организаций. В период с 2025 года по н.в. (2026 год) автором был проанализированы ключевые отраслевые отчёты о состоянии рынка от авторитетных организаций (АКПО, НИУ ВШЭ, РУССОФТ, Соваре, Яков и Партнёры, Яндекс, Deloitte, Gartner, IKS-Consulting, KPMG) и массив профессиональных ИТ-СМИ (CNews, CIO.com, Global CIO, Tadviser и другие). Цель – выделить ключевые вызовы, значимые для стратегического управления ИТ-функцией, и представить их в формате, удобном для принятия решений.
Почему современный стадион больше похож на ЦОД, чем на арену
Привет, Хабр! Меня зовут Сергей Пауков, я директор департамента инженерных и мультимедийных систем КРОК. В ближайшие недели спорт снова станет глобальным технологическим стресс-тестом: 30 мая Будапешт примет финал Лиги чемпионов, а уже 11 июня стартует чемпионат мира по футболу 2026 года в США, Канаде и Мексике. Для болельщиков это большой праздник спорта. Для инженеров: распределенная сеть высоконагруженных объектов, где в день матча должны одновременно работать контроль доступа, связь, видеонаблюдение, трансляции, климатические системы, мобильные приложения, фуд-корты, цифровые экраны и десятки других подсистем.
AI обнулил benchmark и пытался шантажировать инженера. И почему это решаемо
В прошлой главе я разобрал три провала чужих AI-агентов в проде - PocketOS, потерю production-базы Replit и сценарии GitHub Copilot, в которых агент действовал быстрее, чем человек успевал сказать стоп.Финал был честный: эти три - не про то, как делать правильно. Это места, где меня поймало бы, если бы я не прочитал разборы до того, как Lexis стал продуктом для людей.И я обещал в следующей главе перейти с уровня отдельные истории на уровень данных. Конкретно - две вещи.Первая: ProgramBench. Топ-модели, которые закрыли SWE-bench на 95%, на ProgramBench показывают 0% и 3%. Не упали на десять пунктов - обнулились.
В России запустили бесплатный сервис для проверки дипфейков
Компания «Архитех ИИ» представила KodikScan
