Когда разрабатывается любой продукт всегда есть свои особенности и специфика - это нормально.

А что если сюда добавляются жёсткие требования к развёртыванию от заказчиков, требования регуляторов, как внешних, так и внутренних, при этом мы хотим сохранить качество нашего продукта, как быть?

Сегодня я поделюсь опытом, как может выглядеть процесс разработки и поставки продукта для заказчиков, у которых полностью изолированный контур. В рассказе будут входить: описание работы с инцидентами, особенности проектирования архитектуры, специфика скриптов развёртывания на такие контура заказчиков.

После ухода вендорских решений по визуализации данных с промышленного оборудования, остро встал вопрос чем заменить данных функционал. Мы сразу решили делать что-то свое и пришли к логичной развилки: разработка или open sources. В данном докладе я хотел показать open sources решение по визуализации производственных показателей на базе time series database и grafana.

Керн - образец горной породы, извлеченный из скважины.Традиционный метод анализа керна – кропотливый и трудоемкий процесс, требующий от геолога тщательного визуального осмотра образцов породы, ручной фиксации данных о цвете, текстуре и другие характеристики в журналы и последующего внесения информации в компьютер. Этот метод не только занимает значительное время, но и подвержен субъективным ошибкам, связанным с человеческим фактором: усталостью, индивидуальными особенностями восприятия и т.д. К тому же, интерпретация полученных результатов требует высокой квалификации специалистов. Точность описания керна напрямую влияет на эффективность геологоразведочных работ, а следовательно, на принятие стратегических решений о дальнейшей разработке месторождений.

В докладе мы рассмотрим реальный кейс для геологоразведки. Расскажем, с какими проблемами сталкиваются геологи, почему анализ керна один из важных этапов при разведке, как мы подошли к решению задачи, какие инструменты использовали и каких результатов достигли.

- Внедрение голосового управления требует тщательной аналитики, расскажем, на что нужно обратить внимание, чтобы избежать ошибок и сократить время разработки;

- Поделимся своим опытом по реализации голосового управления для мобильного приложения, которое является частью контрольно-надзорной системы в сфере строительства и жилищного контроля, лесного и сельского хозяйства;

- Рассмотрим сложности и ограничения проекта: распознавание без доступа к сети, наличие шума, сложная структура заполняемых документов, специальные термины и аббревиатуры, ограничения по размеру приложения

В ходе выступления расскажем про внедрение технологических инноваций с использованием NFC-меток, автоматизацию процесса отбора и анализа проб, обезличивание проб, что позволяет значительно повысить точность и достоверность лабораторных исследований в нефтегазовой отрасли, минимизируя влияние человеческого фактора и риски фальсификаций. Данный подход оптимизирует процессы контроля качества, сокращает количество ошибок и необоснованных операций, а также имеет потенциал для применения в других отраслях.

Предыстория – почему вообще надо писать систему «с нуля»
Сбор требований – как не надо (поделится печальным(но с нюансами) опытом попытки в «аджайл»)
Как выбрать архитектуру таким образом, чтобы не говорить потом «так исторически сложилось»? (основные паттерны при разработки архитектуры, «компромиссная архитектура»)
Организация процесса разработки и тестирования (канбан, ci cd, приватные стенды для тестировщиков и т.д.)
Какие трудности приходится преодолевать, чтобы внедрить систему такого масштаба (несколько кейсов из опыта 2х летней разработки)
Использование нагрузочного тестирования
Как происходил запуск/переключение на новую систему (был план расписанный по минутам на 4 часа вечером, всё прошло как по маслу)
Столкновение с реальностью – нагрузочное тестирование показало искаженную картину работоспособности системы
Работа с анализатором DPA, как выявить запросы, которые «кладут» базу и исправить их
Итоговые цифры бюджета до и после внедрения (можно без конкретных цифр, в условных порядках сравнить цены)

Как автоматизировать приёмку металлолома с помощью нейросетей и при этом уложиться в сроки? Мы разработали систему автоматического сбора фотографий и моделей оценки засора и класса лома.
В докладе разберём:

Какие метрики ML-моделей и бизнеса оказались критически важны и почему?
Как организовать процесс так, чтобы быстро запустить MVP и не утонуть в доработках?
Как ожидания заказчика соотносятся с реальным пользовательским опытом?
Почему важнее не только точность модели, но и удобство её интеграции в бизнес-процессы?
Какие организационные методы позволили ускорить разработку и что мы бы сделали по-другому?

0. Аналитика самых частых запросов на регистрацию ПО от промышленных разработчиков.
По нашей статистике около 30% клиентов обращается именно из сектора разработки промышленного ПО. Зачем таким компаниям регистрировать разработки и какие риски они пытаются устранить попаданием в реестр?

1. Реестр российского ПО: цели и преимущества
Ключевые преимущества для разработчиков:
- 0% НДС
- Доступ к госзакупкам
- Льготное налогообложение (7,6% страховые взносы, 5% налог на прибыль)
- Обязательное использование для субъектов КИИ

2. Критерии "отечественности" ПО: техстек и лицензии
В реестр включается ПО только с “чистым” техстеком. Как проверять тексты лицензий?

3. Риски компании при применении "вирусного" OpenSource в составе продукта.
Выполнение требований опенсорс компонентов с целью импортозамещения и коммерциализации продукта. На что обращать внимание?

4. Автоматизация проверки техстека с помощью ИИ
Инструменты автоматизации проверки чистоты техстека с точки зрения законодательства с помощью ИИ: компиляторы, СУБД, фреймворки и т.д.