Немецкие инженеры разработали умный болт и шайбу — они отслеживают натяжение болта и сообщают, когда его уровень меняется, используя энергоэффективную систему связи.
Болтовые соединения используются повсеместно в самых разных промышленных конструкциях, транспорте и в других местах. Зачастую болты имеют преимущество перед сваркой, но в то же время из-за вибраций и других факторов болтовое соединение может ослабевать. Чтобы это не привело к катастрофическим последствиям, за натяжением периодически следят и, при необходимости, затягивают болт до нужного усилия.
Инженеры из Кластера передовых когнитивных интернет-технологий Общества Фраунгофера разработали набор из болта и шайбы, которые могут самостоятельно предупредить о раскручивании. На поверхности шайбы есть пьезорезистивная пленка, сопротивление которой меняется при изменении давления. Когда уровень затяжки болта падает до установленного уровня, LPWAN-модуль в головке болта передает сигнал об этом на базовую станцию, которая может следить за состоянием множества соединений одновременно.
Для питания системы из болта и шайбы используется либо термоэлектрический генератор, вырабатывающий энергию из разницы температур с окружающей средой, либо солнечная панель на головке болта. На фотографиях можно увидеть, что в некоторых вариантах для связи между болтом и шайбой используется провод. Инженеры разработали прототипы для размера M18, а также планируют изготовить болты с размером M20 и M36.
Умные болты — один из примеров автоматизации и создания промышленного интернета вещей. Другой, более масштабный пример этих процессов — создание цифровых двойников завода, отображающих состояние каждого станка и устройства. Подробнее об этом можно узнать из нашего партнерского материала «Заводы без людей».
Григорий Копиев
Самая большая из них превосходит GPT-4 в 30 из 32 тестах. Но ненамного
Компания Google представила семейство мультимодальных нейросетевых моделей Gemini, которые способны оперировать, обобщать, и комбинировать информацию различного типа, включая текст изображения, аудио, видео, а также программный код. В отличие от других больших языковых моделей, таких, например, как GPT-4 от OpenAI, которая изначально обучалась только на текстах, Gemini создавалась сразу с расчетом на работу с разнородной информацией. Согласно опубликованным данным самая большая модель из семейства Gemini превосходит (не очень значительно) GPT-4 в 30 из 32 тестов, включая популярный бенчмарк MMLU (massive multitask language understanding) с вопросами из 57 экзаменов по разным предметам, в котором модель Google даже слегка превзошла человеческий результат. Краткое описание новой модели опубликовано в блоге компании. Больше технических подробностей можно также найти в выложенной на сайте статье.