Кейс хакатона «РУТакон»: зачем спать, если можно хакать?

Хакатон «РУТакон» — университетский хакатон, организованный РУТ (МИИТ), ведущим транспортным университетом страны. С 16 по 21 декабря 2024 года участники трудились над кейсами, предложенными командами Школы коммерциализации РУТ (МИИТ) в трех направлениях: машинное обучение, программирование и инженерия. Основная цель хакатона заключалась в разработке элементов решений проектов Школы коммерциализации, а также в усилении команд Школы за счет приглашения лучших студентов-участников хакатона.

Цифры хакатона

• 44 регистрации.
• 12 команд сформировано.
• 9 команд активно участвовали.
• 7 решений загружено.
• 5 команд получили приглашения для участия в проектах Школы коммерциализации.

Общие критерии оценки для всех задач:

• Качество реализации (архитектура, качество кода) — 30 баллов.
• Оригинальность и инновационность подхода — 20 баллов.
• Командная работа — 15 баллов.
• Продвижение по этапам хакатона — 20 баллов.
• Оценка за питч — 15 баллов.

Максимальное количество баллов, которое может набрать команда за каждую задачу, составляет 100 баллов.

Задачи разделены на три группы кейсов:

Группа кейсов «ML»:

Эта группа фокусируется на задачах, связанных с машинным обучением и анализом данных.

• ConcreteStab: задача включает разработку калькулятора долговечности бетона, требующего создания модели для прогнозирования проникновения коррозиционных агентов.
• Умный порт: цель — оптимизировать использование ресурсов портовой инфраструктуры путем создания системы категоризации простоев.

Группа кейсов «Программирование»:

Эта группа включает задачи, связанные с разработкой алгоритмов и программных решений.

• Кран-скан: разработка алгоритма для фильтрации лишних точек в облаке точек модели.
• WagonBid: обучение модели для прогнозирования даты прибытия вагонов, используя данные РЖД.
• Digital Expert: создание IT-классификатора для виртуального помощника дежурного по станции.

Группа кейсов «Инженеринг»:

Эта группа сосредоточена на инженерных задачах, требующих разработки конструкций и решений.

• ELLIC: разработка конструкции эллиптического велосипеда с уменьшенным диаметром колес и возможностью переключения передач.
• Хочу кевлар: разработка методов проверки прочности композитных материалов.
• Инфраком: создание схемы крепления измерительной балки к грунтоуплотняющему катку.
• МРК-750 Орлан: разработка чертежа усиления дефектоскопной тележки для предотвращения падения при расширении колеи.

Описание задач

Задача «ConcreteStab» — разработка калькулятора долговечности бетона

Участникам предлагалось создать предиктивную модель для прогнозирования глубины проникновения коррозионных агентов в бетон. Для этого требовалось использовать данные о классе бетона, водоцементном соотношении и условиях эксплуатации.

Этапы выполнения:

1. Сбор данных и создание модели:
   • Собрать данные из публикаций об экспериментальных исследованиях бетона.
   • Провести разведочный анализ данных (EDA) для выявления и исключения выбросов и нехарактерных точек.
   • Создать и обучить модель для расчета коэффициента миграции хлоридов (Dnssm) на основе характеристик бетона.
2. Вычисления с использованием модели. Использовать предсказанный Dnssm для проведения вычислений с учетом параметров среды/эксплуатации, вводимых пользователем.
3. Разработка графического интерфейса. Создать web-приложение для взаимодействия пользователя с моделью, позволяющее изменять отображаемые параметры в зависимости от результатов вычислений.

Задача «Умный порт» — оптимизация использования ресурсов портовой инфраструктуры

Задача заключалась в разработке системы категоризации простоев, чтобы оптимизировать использование ресурсов в портовой инфраструктуре.

Разработка системы категоризации простоев. Это включает в себя сбор и анализ данных о простоях, определение категорий и разработку алгоритмов их классификации.

Задача «ELLIC» — эллипс тренажер на колесах

Необходимо было разработать конструкцию эллиптического велосипеда с уменьшенным диаметром колес и возможностью внедрения переключения передач, чтобы повысить комфорт и эффективность использования.

Этапы выполнения:

1. Разработка конструкции с меньшим диаметром колес. Обеспечить простоту установки и совместимость с существующей системой механики эллипса.
2. Внедрение системы переключения передач. Обеспечить ремонтопригодность конструкции без использования специальных инструментов и снизить себестоимость производства.
3. Интеграция российских комплектующих. Использовать преимущественно аналоги комплектующих российского производства для снижения затрат и обеспечения доступности материалов.

Задача «Хочу кевлар!» — автоматизированная установка для производства композитных материалов

Участники должны были разработать инженерный калькулятор для проверки прочности деталей и их соответствия стандартам, что автоматизировало бы процесс изготовления карбоновых деталей для автомобилей.

Этапы выполнения:

1. Разработка инженерного калькулятора. Создать калькулятор на базе программы Excel для подсчета необходимого количества и пропорций смешиваемых материалов на основе заданной прочности детали.
2. Обработка входных данных. Калькулятор должен принимать следующие данные: прочность детали и выдавать расчеты для углеволокна (в метрах) и эпоксидной смолы (в литрах).
3. Интеграция теоретических расчетов. Включить в калькулятор возможность использования теоретических расчетов для оптимизации процесса изготовления.

Задача «Инфраком» — система контроля качества уплотнения грунтов

Требовалось разработать принципиальную схему подвеса измерительной балки к грунтоуплотняющему катку, чтобы улучшить контроль качества уплотнения грунтов в режиме реального времени.

Этапы выполнения:

1. Анализ существующих решений. Рассмотреть возможности модернизации серийных грунтоуплотняющих машин для интеграции измерительной балки.
2. Разработка универсального крепления. Создать механическое крепление, которое обеспечивает легкость монтажа, быструю съемку и совместимость с различными моделями техники.
3. Оптимизация конструкции для снижения себестоимости. Разработать конструкцию с учетом минимизации затрат на производство и использование стандартных комплектующих.

Задача «МРК-750 Орлан» — устройство дефектоскопии для железнодорожных путей

Участникам нужно было разработать чертеж конструкции усиления дефектоскопной тележки для предотвращения падения и опрокидывания при расширении колеи.

Этапы выполнения:

• Анализ текущей конструкции. Изучить существующую конструкцию рамы дефектоскопической тележки и выявить слабые места, ведущие к опрокидыванию при расширении колеи.
• Разработка конструкционных изменений. Внести изменения, которые предотвращают сход тележки с рельсового полотна и ее опрокидывание, сохраняя исходные габариты и массу изделия.
• Обеспечение прочности и функциональности. Гарантировать, что конструкция выдерживает грузоподъемность не менее 100 кг и позволяет размещение дефектоскопического оборудования.

Задача «Кран Скан» — бесконтактное измерение деформаций металлоконструкций портальных кранов

Задача состояла в том, чтобы разработать алгоритм для фильтрации лишних точек из облака точек модели, полученного с помощью фотосъемки и технологии NERF, с целью улучшения точности измерений деформаций металлоконструкций портальных кранов.

Задача «WagonBid» — прогнозирование даты прибытия вагона

Участникам требовалось создать модель машинного обучения для прогнозирования даты прибытия вагона, используя данные о маршруте, текущей точке нахождения и специфику железнодорожных перевозок РЖД.

Этапы выполнения:

• Анализ и подготовка данных. Изучить предоставленный датасет, содержащий информацию о железнодорожных перевозках, включая время отправления, промежуточные точки маршрута, задержки и время прибытия.
• Обучение модели. Обучить модель машинного обучения на подготовленном датасете, используя информацию о текущем местоположении вагона, маршруте и других характеристиках.
• Прогнозирование даты прибытия. Модель должна возвращать точную прогнозируемую дату и время прибытия вагона в конечный пункт назначения.
• Валидация модели. Оценить точность прогнозов модели, используя тестовую выборку данных, и при необходимости внести улучшения.

Задача «Digital Expert» — виртуальный помощник дежурного по станции

Необходимо было разработать цифровой помощник для диспетчерского регулирования поездов, который автоматизировал бы ключевые процессы управления движением поездов, упрощая работу диспетчера.

Задачи:

• Оцифровка диспетчерских приемов.
  • Создать базу данных для хранения диспетчерских приемов, классифицированных по группам (например, по типу участка: однопутный, двухпутный, узловой).
  • Реализовать возможность добавления новых приемов с описанием через административную панель.
• Вывод списка приемов.
  • Разработать интерфейс, который позволяет пользователю выбрать участок и увидеть все приемы, применимые для этого участка.
• Поиск приемов.
  • Обеспечить удобный поиск по базе приемов в интерфейсе приложения.
• Визуализация процесса.
  • Реализовать визуализацию, показывающую, как изменяется пункт скрещения поездов на однопутном участке, используя простые схемы с движущимися поездами.
• Ввод параметров участка.
  • Предусмотреть возможность ввода данных об участке (длина, количество станций, ограничения скорости и т.д.) для отображения соответствующих приемов.

Интересный факт: судя по выбору победителей и активному участию команд, наибольший интерес у участников вызвали задачи, связанные с машинным обучением и инженерией. Например, задача «ConcreteStab» (разработка калькулятора долговечности бетона) и «ELLIC» (создание эллиптического велосипеда) стали одними из самых популярных. Эти кейсы требовали глубоких технических знаний и предлагали участникам возможность создать реальные, применимые на практике решения.

Роль платформы Codenrock

Платформа Codenrock обеспечила полный цикл организации хакатона: от регистрации участников до подведения итогов. Были реализованы ключевые этапы:

• Регистрация и формирование команд. На платформе была запущена специальная страница, где участники могли регистрироваться и формировать команды, облегчая процесс объединения студентов для совместной работы.
• Управление проектами. Для каждой команды был создан отдельный репозиторий на платформе GitLab, где участники хранили код своих проектов, материалы и презентации. Это обеспечивало сохранность всех данных и упрощало доступ жюри и экспертам к необходимым материалам.
• Процесс оценки. Жюри оценивало решения команд непосредственно на платформе, присваивая баллы согласно установленным критериям.
• Голосование и отображение результатов. Автоматизированный лидерборд в реальном времени отражал текущие позиции команд, а система голосования помогала определить победителей, обеспечивая прозрачность и вовлеченность всех участников.
• Работа экспертов и менторов. Для обеспечения высокого уровня проведения хакатона привлекались эксперты и менторы:

• Эксперты Codenrock консультировали по описанию задач для хакатона в соответствии с техническим заданием заказчика, обеспечивая их актуальность и соответствие целям мероприятия.
• Менторы отвечали за организацию командной работы и проводили тематические мастер-классы для участников:
  • Проведение мастер-класса по техническим вопросам для каждого кейса хакатона.
  • Проведение мастер-класса по организации командной работы на хакатоне.
  • Проведение мастер-класса по подготовке презентации и питча финального выступления.
• Чат с участниками. Для оперативного взаимодействия с участниками и своевременного информирования о ключевых этапах мероприятия был организован чат в Telegram. В чате публиковались напоминания, ответы на вопросы и важные обновления, что обеспечивало комфортную работу всех участников. 

Особенность платформы: на Codenrock есть возможность организовать соревнование по непубличной ссылке, что позволяет проводить закрытые мероприятия для ограниченного круга участников, например, для студентов вашего учебного заведения или сотрудников компании.

Победители

 1 место — команда «Помощники Деда Мороза».

  2 место — команда «1A4».

  3 место — команда «Эйдалоны».

Дополнительные номинации

Самая новогодняя команда — «Приматы».

Самая вовлечённая команда — «Крутые бобры».

Приз зрительских симпатий — «Жабки-летяги».

Эксперты

Отзывы

Это был просто нереальный экспириенс, я первый раз участвую в хакатоне и все получилось круто и классно! Я надеюсь, что в нашем прекрасном ВУЗе будет проводиться еще больше таких мероприятий, потому что это реально прокачивает скилл и ты получаешь нереальные и незабываемые эмоции!

Никита, 2 место, участник команды «1А4»

Мы старались, готовились и получили тот результат, который хотели, но о котором даже  не могли и мечтать! Я выражаю благодарность от всей команды за проведение данного мероприятия, потому что оно действительно дает возможность работать над крутыми проектами. А победителям хакатон дает шанс развиваться дальше! Спасибо университету и преподавателям за совет попытать свои возможности на данном мероприятии.

Влад, участник команды «Помощники деда Мороза»

Спасибо команде Codenrock за подготовку и проведение хакатона на своей платформе. Команда Codenrock взяла на себя всю подготовительную работу, начиная от дизайна мероприятия и заканчивая подготовкой кейсов и привлечением экспертов для консультации участников хакатона. Функционал платформы решил все поставленные задачи: описание кейсов и материалы по кейсам, регистрация участников и распределение по командам, выбор кейсов, закрепление экспертов, расписание консультаций, проведение защиты, оценки жюри, определение победителей, генерация сертификатов участникам. Надеемся на дальнейшее сотрудничество.

Николай Суровикин, заместитель директора Центра научно-технологического предпринимательства Управления новых проектов и технологий РУТ (МИИТ)