Warning: mkdir(): No space left on device in /var/www/group-telegram/post.php on line 37
Warning: file_put_contents(aCache/aDaily/post/p1ngpub/--): Failed to open stream: No such file or directory in /var/www/group-telegram/post.php on line 50 IT-блогер Серж Потаман | Мурманск | Telegram Webview: p1ngpub/2326 -
Большое интервью с разработчиком из мира БигФарма Алексеем: как автоматизация меняет фармацевтическую индустрию
Вопрос: Расскажи, чем занимаешься в БигФарме?
Я работаю в отделе автоматизации компании, которая разрабатывает софт для фармацевтической индустрии. Если коротко - я пишу скрипты, которые автоматизируют обработку огромных массивов данных с аналитического оборудования.
Современная фармацевтика - это колоссальные объемы данных. Поиск новых лекарств, генерация соединений требует множества исследований методами HPLC, NMR и других на соответствующем оборудовании. Все эти приборы генерируют сырые данные, которые нужно обрабатывать, хранить и превращать в отчеты.
Вопрос: Как выглядит типичный процесс работы с данными?
Возьмем для примера HPLC-анализ. Оборудование выдает raw dataset - набор цифр с метаданными, абсолютно нечитаемый человеком. Обычно можно посмотреть эти данные через софт производителя оборудования, но это отдельная боль. Софт производителя кривой, убогий, медленный, непонятный, не умеющий в параллелизацию и обычно очень, очень старый и не очень хорошо документированный. Например, у Waters Empower самая свежая документация API датируется 2014 годом с примерами на Visual Basic!
В ручном режиме химик-аналитик запускает анализ, получает папку с данными, импортирует в наш софт, обрезает лишнее, проводит пик-пикинг, дает пикам имена, сохраняет в базу и генерирует PDF-отчет. На один датасет уходит от 5 до 15 минут, иногда больше.
Вопрос: Как автоматизация меняет этот процесс?
Наш софт имеет встроенный скриптовый движок, который позволяет делать все то же самое, но без участия человека. Скрипт обрабатывает датасет за 1-180 секунд, включая создание отчетов по шаблону.
Например, один из вариантов - специальный сервер мониторит папку, и как только появляется новый датасет - автоматически запускается весь процесс: импорт, обработка, сохранение в БД, генерация отчетов. Скрипт не устает, не требует повышения зарплаты, не делает ошибок по невнимательности. Так что да, я напрямую участвую в сокращении персонала лабораторий!
Вопрос: Какие интересные проекты вам или тебе лично приходилось реализовывать?
Было много интересного:
1. Автоматизация переноса данных в новую базу со сборкой полной химической реакции из данных, размазанных по 6 таблицам в базе заказчика - с реагентами, продуктами, условиями реакции, плюс обработанный датасет продукта реакции.
2. Система безопасности, где даже администратор БД не может ничего сделать с датасетом без соответствующих прав, и все действия логируются.
3. Разработка интерфейсов, где аналитику достаточно нажать одну кнопку для полной обработки, а затем просто принять решение о дальнейших действиях.
Вопрос: Какие основные проблемы возникают при работе с устаревшими системами вендоров?
Главная проблема - найти хоть какую-то документацию! Доходило до того, что я лучше знал API Waters, чем их собственная техподдержка. Приходится заниматься реверс-инжинирингом, разбираться с внутренней структурой их баз данных.
Например, софт Waters не умеет параллельно обрабатывать запросы на экспорт - если в очереди больше 10-15 запросов, все падает без ошибок. Приходится вручную балансировать очередь.
Плюс устаревшая сетевая инфраструктура на Западе - когда один сервер в Канаде, второй в Англии, третий в США, перенос 100 мегабайт может занимать минуты.
Большое интервью с разработчиком из мира БигФарма Алексеем: как автоматизация меняет фармацевтическую индустрию
Вопрос: Расскажи, чем занимаешься в БигФарме?
Я работаю в отделе автоматизации компании, которая разрабатывает софт для фармацевтической индустрии. Если коротко - я пишу скрипты, которые автоматизируют обработку огромных массивов данных с аналитического оборудования.
Современная фармацевтика - это колоссальные объемы данных. Поиск новых лекарств, генерация соединений требует множества исследований методами HPLC, NMR и других на соответствующем оборудовании. Все эти приборы генерируют сырые данные, которые нужно обрабатывать, хранить и превращать в отчеты.
Вопрос: Как выглядит типичный процесс работы с данными?
Возьмем для примера HPLC-анализ. Оборудование выдает raw dataset - набор цифр с метаданными, абсолютно нечитаемый человеком. Обычно можно посмотреть эти данные через софт производителя оборудования, но это отдельная боль. Софт производителя кривой, убогий, медленный, непонятный, не умеющий в параллелизацию и обычно очень, очень старый и не очень хорошо документированный. Например, у Waters Empower самая свежая документация API датируется 2014 годом с примерами на Visual Basic!
В ручном режиме химик-аналитик запускает анализ, получает папку с данными, импортирует в наш софт, обрезает лишнее, проводит пик-пикинг, дает пикам имена, сохраняет в базу и генерирует PDF-отчет. На один датасет уходит от 5 до 15 минут, иногда больше.
Вопрос: Как автоматизация меняет этот процесс?
Наш софт имеет встроенный скриптовый движок, который позволяет делать все то же самое, но без участия человека. Скрипт обрабатывает датасет за 1-180 секунд, включая создание отчетов по шаблону.
Например, один из вариантов - специальный сервер мониторит папку, и как только появляется новый датасет - автоматически запускается весь процесс: импорт, обработка, сохранение в БД, генерация отчетов. Скрипт не устает, не требует повышения зарплаты, не делает ошибок по невнимательности. Так что да, я напрямую участвую в сокращении персонала лабораторий!
Вопрос: Какие интересные проекты вам или тебе лично приходилось реализовывать?
Было много интересного:
1. Автоматизация переноса данных в новую базу со сборкой полной химической реакции из данных, размазанных по 6 таблицам в базе заказчика - с реагентами, продуктами, условиями реакции, плюс обработанный датасет продукта реакции.
2. Система безопасности, где даже администратор БД не может ничего сделать с датасетом без соответствующих прав, и все действия логируются.
3. Разработка интерфейсов, где аналитику достаточно нажать одну кнопку для полной обработки, а затем просто принять решение о дальнейших действиях.
Вопрос: Какие основные проблемы возникают при работе с устаревшими системами вендоров?
Главная проблема - найти хоть какую-то документацию! Доходило до того, что я лучше знал API Waters, чем их собственная техподдержка. Приходится заниматься реверс-инжинирингом, разбираться с внутренней структурой их баз данных.
Например, софт Waters не умеет параллельно обрабатывать запросы на экспорт - если в очереди больше 10-15 запросов, все падает без ошибок. Приходится вручную балансировать очередь.
Плюс устаревшая сетевая инфраструктура на Западе - когда один сервер в Канаде, второй в Англии, третий в США, перенос 100 мегабайт может занимать минуты.
BY IT-блогер Серж Потаман | Мурманск
Warning: Undefined variable $i in /var/www/group-telegram/post.php on line 260
The regulator said it has been undertaking several campaigns to educate the investors to be vigilant while taking investment decisions based on stock tips. "He has kind of an old-school cyber-libertarian world view where technology is there to set you free," Maréchal said. He said that since his platform does not have the capacity to check all channels, it may restrict some in Russia and Ukraine "for the duration of the conflict," but then reversed course hours later after many users complained that Telegram was an important source of information. Telegram, which does little policing of its content, has also became a hub for Russian propaganda and misinformation. Many pro-Kremlin channels have become popular, alongside accounts of journalists and other independent observers. Anastasia Vlasova/Getty Images
from us
