Сквозные цифровые технологии

1. BIM-технологии

1.1. это современный способ проектирования зданий.

1.1.1. История: Термин «строительная модель» (в том смысле, в каком он используется сегодня) впервые был использован в работах в середине 1980-х годов: в статье Саймона Раффла 1985 года, опубликованной в 1986 году, а затем в статье Роберта Айша — разработчика программного обеспечения RUCAPS, на которое автор ссылался при описании использования программного обеспечения в лондонском аэропорту Хитроу. Термин «Информационная модель здания» впервые появился в статье Г. А. ван Недервина и Ф. П. Толмана

1.1.1.1. Примеры применения: 1. Проектирование зданий: BIM позволяет создавать точные и детальные проекты, которые учитывают все требования и нормы. 2. Управление строительством: BIM помогает контролировать процесс строительства, отслеживать выполнение работ и обеспечивать их качество. 3. Эксплуатация зданий: BIM-модели позволяют быстро и точно определить, какие работы нужно провести в здании, а также рассчитать их стоимость. 4. Энергетический анализ: BIM может использоваться для анализа энергопотребления здания и разработки мер по его снижению. 5. Экологический анализ: BIM позволяет оценить воздействие здания на окружающую среду и разработать меры по его минимизации.

2. Аддитивные технологии

2.1. это метод создания трёхмерных объектов, деталей или вещей путём послойного добавления материала.

2.2. История создания аддитивных технологий началась с изобретения первого 3D-принтера. Его сконструировал Чарльз Халл в 1983 году. Он придумал устройство, которое смогло напечатать небольшой пластиковый стаканчик новым способом — послойным наложением с помощью ультрафиолетового излучения. Халл назвал эту технологию стереолитографией.

2.3. Области применения аддитивных технологий: - строительство домов (производство панелей, материалов для декоративной отделки) - создание прототипов автомобилей, поездов, спецтехники - производство сувениров (фигурок, кружек, наборов посуды, игрушек) - изготовление рекламных щитков, вывесок - выпуск обуви, одежды - производство запасных деталей для смартфонов, компьютеров, крупной бытовой техники

3. Цифровые устройства, умный дом

3.1. Электронная система "Умный дом" – это интегрированная система управления различными устройствами в доме, позволяющая автоматизировать и контролировать освещение, отопление, кондиционирование, безопасность, аудио и видео, а также другие функции. Такие системы управления с каждым годом становятся все более популярными и доступными.

3.2. Многофункциональность, энергоэффективность, комфорт

3.3. Система умного дома была придумана в 1961 году супругами Джоэлем и Рут Спира. Они создали и запатентовали устройство для регулировки яркости света - диммер. Этот прорыв стал отправной точкой для создания компании Lutron Electronics Company, Inc., которая стала главным игроком на рынке умного дома. Впервые умный дом появился в 1975 году.

4. Цифровые двойники

4.1. это цифровая копия физического объекта или процесса, помогающая оптимизировать эффективность производства и бизнеса

4.1.1. История: Появление концепции цифровых двойников было связано с ростом цифровизации производственных процессов, в ходе которой физические или аналоговые ресурсы заменялись информационными или цифровыми. Организации следовали за последними тенденциями и пытались определить, как цифровые решения могут помочь им извлечь как операционную, так и стратегическую выгоду

4.1.1.1. Примеры применения: 1. Производство: оптимизация процессов, улучшение качества продукции, снижение затрат; 2. Медицина: создание персонализированных программ, прогнозирование результатов лечения, оптимизация работы медицинских учреждений; 3. Транспорт: оптимизация транспортных систем, улучшение логистики, снижение затрат на перевозки; 4. Финансы: анализ финансовых рынков, прогнозирование тенденций, принятие инвестиционных решений; 5. Образование: создание виртуальных лабораторий, симуляторов, тренажеров для обучения.

5. Определение

5.1. это ключевые научно-технические направления, которые радикально меняют ситуацию на существующих рынках и способствуют созданию новых.

6. Интернет вещи

6.1. это объединение цифровых датчиков и устройств (интернет-вещей), которые взаимодействуют между собой и с внешней средой с помощью встроенных технологий связи и Интернета. Концепция и термин[5] для неё впервые сформулированы основателем исследовательской группы Auto-ID Labs при Массачусетском технологическом институте Кевином Эштоном[6] в 1999 году на презентации для руководства Procter & Gamble. В презентации рассказывалось о том, как всеобъемлющее внедрение радиочастотных меток сможет видоизменить систему управления логистическими цепями в корпорации[7]. Мониторинг оборудования в реальном времени. Прогнозирование поломок. Автоматизация производственных процессов.

7. Искусственный интеллект

7.1. это технология, которая позволяет машинам демонстрировать человекоподобные рассуждения и возможности, такие как автономное принятие решений. История искусственного интеллекта, как учение о развитии современной науки и технологии создания интеллектуальных машин, имеет свои корни в ранних философских исследованиях природы человека и процесса познания мира, расширенных позднее нейрофизиологами и психологами в виде ряда теорий относительно работы человеческого мозга и мышления. Современной стадией развития науки об искусственном интеллекте является развитие фундамента математической теории вычислений — теории алгоритмов — и создание компьютеров. 1.Машинное обучение 2.Предсказательная аналитика 3.Высокопроизводительные 4.вычислительные системы 5.Интернет вещей

8. Технологии виртуальной и дополненной реальности

8.1. это комплексная технология, позволяющая погрузить человека в иммерсивный виртуальный мир при использовании специализированных устройств

8.2. В 1962 году Мортон Хейлиг создал Sensorama — механический симулятор, который использовал визуальные, звуковые и тактильные эффекты для создания ощущения погружения. В 1968 году Иван Сазерленд и его студент Боб Спроул создали первый HMD (Head-Mounted Display) под названием «The Sword of Damocles».

8.3. Эти технологии уже реализованы в нефтегазовом секторе, в строительстве и дизайне, медицине, розничной торговле, банковском деле, ресторанном бизнесе.

9. Виды сквозных цифровых технологий

9.1. 1.Нейротехнологии и искусственный интеллект 2.Квантовые технологии 3Новые производственные технологии 4.Компоненты робототехники и сенсорика 5.Системы распределенного реестра 6.Технологии беспроводной связи 7.Технологии виртуальной и дополненной реальности

10. Большие данные

10.1. Это совокупность непрерывно увеличивающихся объёмов информации одного контекста, но разных форматов представления, а также методов и средств для эффективной и быстрой обработки.

10.2. Главные характеристики больших данных: 1)Объём. Компании собирают огромное количество информации, размер которой становится критическим фактором в аналитике. 2)Разнообразие. Генерируемая информация неоднородна и может быть представлена в различных форматах, вроде видео, текста, таблиц, числовых последовательностей, показаний сенсоров и т. д.. 3)Скорость, с которой генерируется информация. Практически всё происходящее вокруг (поисковые запросы, социальные сети и т. д.) производит новые данные, многие из которых могут быть использованы в бизнес-решениях. 4)Достоверность. Достоверность относится к качеству анализируемых данных. С высокой степенью достоверности они содержат много записей, которые ценны для анализа и которые вносят значимый вклад в общие результаты.

10.3. Больши́е да́нные (англ. big data, [ˈbɪɡ ˈdeɪtə]) — обозначение структурированных и неструктурированных данных огромных объёмов и значительного многообразия, эффективно обрабатываемых горизонтально масштабируемыми программными инструментами, появившимися в конце 2000-х годов и альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence.

11. Машинное обучение

11.1. класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение за счёт применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, математического анализа, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.Истоки машинного обучения можно проследить до середины 20-го века. В 1950 году Алан Тьюринг предложил концепцию "Тьюринг-теста", который должен был определить, может ли машина мыслить как человек. Этот тест стал важным философским и техническим ориентиром для исследователей в области искусственного интеллекта. В 1952 году Артур Самуэль разработал одну из первых программ, способных обучаться — программу для игры в шашки. Эта программа использовала метод проб и ошибок для улучшения своей игры, что стало одним из первых примеров машинного обучения. Важным аспектом ранних исследований было понимание того, что машины могут не только выполнять заранее запрограммированные задачи, но и адаптироваться к новым условиям. Это открытие стало основой для дальнейших исследований и разработок в области машинного обучения. В 1957 году Фрэнк Розенблатт разработал перцептрон — простой нейрон, который мог обучаться и классифицировать данные. Это стало важным шагом в развитии нейронных сетей и заложило основу для будущих исследований в этой области.Где используется машинное обучение Распознавание и классификация изображений. ... Анализ текста. ... Прогнозирование временных рядов. ... Выявление мошенничества и кибербезопасность. ... Рекомендательные системы. ...