Các công việc của kỹ sư Cơ điện tử tại bộ phận Tender: - Lập kế hoạch, bóc tách khối lượng, lập dự toán - Bóc tách khối lượng, lập dự toán báo giá cho chủ đầu tư các công trình M&E , điệ
TỔNG QUAN VỀ CÔNG TY
Tầm nhìn
Là nhà phân phối hàng đầu Việt Nam các sản phẩm tiên tiến nhất thế giới phục vụ cho ngành cơ - nhiệt - điện - lạnh (ME & HVAC) Đóng góp vào sự thành công của khách hàng và sự phát triển của ngành công nghiệp Việt Nam.
Chính sách
Thực hiện tầm nhìn thông qua việc phát triển tài năng của mỗi thành viên của BKG; luôn hành động trong sự kỷ luật, trung thực và kiên định với mục tiêu chung; Tạo thành một tập thể cống hiến vì sự phát triển bền vững của khách hàng; Theo đuổi sự hạnh phúc và thịnh vượng bền vững cho tất cả mọi người.
Sứ mệnh BKG thương mại
Thấu hiểu yêu cầu của khách hàng, dùng trí tuệ và trái tim để đưa ra giải pháp tối ưu cho sự phát triển của khách hàng Xây dựng môi trường làm việc là nơi mỗi thành viên thực hiện mục tiêu, khác vọng, đam mê của chính mình Đóng góp cho sự phát triển ngành HVAC - BMS - ME của Việt Nam
Thông điệp
Đồng hành cùng khách hàng để đưa ra giải pháp đồng bộ chính xác và tối ưu nhất cho các hệ thống HVAC - BMS - MEP, đóng góp cho sự phát triển ngành HVAC - BMS - MEP của Việt Nam
Giá trị BKG thương mại
Giá trị con người BKG thương mại
Nội quy thực tập và kế hoạch thực tập
1.7.2 Các quy định cơ bản khi thực tập:
- Đảm bảo đi làm đúng giờ
- Đảm bảo đồng phục: áo thun có cổ/sơ mi + quần dài + dép quai hậu/ giày
- Làm việc như một kỹ sư thực thụ của công ty: thực hiện nghiêm túc kỷ luật, an toàn lao động, có ý thức giữ gìn và bảo vệ các tài sản riêng của công ty
- Chấp hành một cách nghiêm túc mọi công việc được phân công với ý thức tránh nhiệm
QUÁ TRÌNH THỰC TẬP
Tìm hiểu về hướng đi kỹ sư Cơ điện tử tại bộ phận Tender
a Các công việc của kỹ sư Cơ điện tử tại bộ phận Tender:
- Lập kế hoạch, bóc tách khối lượng, lập dự toán
- Bóc tách khối lượng, lập dự toán báo giá cho chủ đầu tư các công trình M&E , điện công nghiệp , điện tự động
- Kiểm tra hồ sơ bản vẽ, khối lượng, hạng mục vật tư trang thiết bị và nhân công có liên quan
- Lập hồ sơ dự toán thi công công trình
- Theo dõi và cập nhật khối lượng của dự án trong quá trình thiết kế và thi công, làm dự toán phát sinh
- Cập nhật thông tin đơn giá thị trường của các loại vật tư, vật liệu Tìm kiếm đối tác, thầu phụ, làm việc với đối tác, thầu phụ về đơn giá và khối lượng thi công
- Phối hợp với bộ phận kinh doanh và giải trình giá với khách hàng (nếu có)
- Hỗ trợ và phối hợp với phòng cung ứng làm việc cùng các nhà thầu phụ (nếu có) để có cách tính dự toán và mức dự toán thi công cho phù hợp
- Lập kế hoạch đấu thầu, triển khai công tác làm hồ sơ dự thầu, thực hiện công tác là hồ sơ dự thầu theo Hồ sơ mời thầu
- Lập HSMT / HSYC sau khi nhận HSTK, Spec, chỉ dẫn kỹ thuật từ bộ phận Kỹ thuật, tiên lượng mời thầu từ bộ phận Kỹ thuật, Dự toán
- Xây dựng dữ liệu đấu thầu (Dữ liệu về năng lực công ty, dữ liệu về năng lực dự án, dữ liệu nhân sự, dữ liệu thiết bị,…) cho công ty để chủ động tham gia các dự án đấu thầu
- Liên hệ với đối tác trao đổi các vấn đề liên quan đến hồ sơ thầu Tiếp nhận thông tin từ CĐT, TVĐT, chủ động liên hệ để đưa ra giải pháp tối ưu nhất cho công tác triển khai hồ sơ dự thầu
- Check kiểm chéo hồ sơ thầu b Các hướng đi tại vị trí Tender
- Thiết kế cơ điện tử
- Lựa chọn thiết bị cơ điện tử
- Tư vấn chuyển giao công nghệ
- Lập trình điều khiển hệ thống
Tìm hiểu về hệ thống BMS
a Định nghĩa về hệ thống BMS:
Hệ thống quản lý tòa nhà BMS (Building Management System) là công nghệ quản lý tòa nhà thông minh cho phép bạn điều khiển, giám sát thiết bị kỹ thuật, vận hành các hệ thống điện, nước, điều hòa, thông gió, an ninh, PCCC,… đồng bộ các hoạt động diễn ra trong tòa nhà
Với BMS, tình trạng quản lý tổng thể thông số kỹ thuật Trên cơ sở thông tin tiếp nhận được, BMS sẽ điều khiển để đảm bảo cho việc vận hành các thiết bị, hệ thống trong tòa nhà được diễn ra thông suốt, an toàn, hiệu quả, giảm thiểu tối đa các chi phí phát sinh b Các hệ thống mà BMS điều khiển và giám sát:
Hệ thống quản lý tòa nhà BMS có thể điều khiển và giám sát đa dạng các hệ thống thiết bị trong tòa nhà như:
• Hệ thống báo cháy, chữa cháy khẩn cấp
• Hệ thống phân phối điện, máy phát điện dự phòng
• Hệ thống máy lạnh, điều hòa thông gió
• Hệ thống âm thanh c Chức năng của hệ thống quản lý toà nhà BMS:
BMS là hệ thống có thể giúp bạn quản lý vận hành tòa nhà một cách hiệu quả với các chức năng:
• Duy trì các thiết bị thông minh trong tòa nhà luôn ở trạng thái hoạt động hiệu quả
• Có khả năng điều khiển ứng dụng trên hệ thống bằng cách điều khiển qua hệ thống mạng
• Các hệ thống PCCC, an ninh,… được kết nối thông qua giao diện mở rộng với ngôn ngữ quốc tế đảm bảo thuận tiện cho việc điều khiển
• Kiểm tra được tình trạng môi trường, không khí trong tòa nhà
• Báo cáo, tổng hợp các thông tin liên quan đến tòa nhà
• Đưa ra các cảnh cáo kịp thời trước khi những sự cố xảy ra
• Hỗ trợ sao lưu, soạn thảo các chương trình, dữ liệu của tòa nhà
• Sẵn sàng đưa ra các giải pháp để giải quyết vấn đề đáp ứng yêu cầu của khách hàng d Cấu trúc của hệ thông quản lý toà nhà BMS:
Cấp chấp hành của hệ thống quản lý tòa nhà BMS gồm 2 đầu:
• Đầu vào Ở đầu vào, cấp chấp hành sẽ được thiết kế với hệ thống cảm biến camera,… Ngược lại, ở đầu ra sẽ gồm nhiều thiết bị (đèn, điều hòa, động cơ, loa,…)
Cấp điều khiển của BMS còn được gọi là cấp trường Dựa vào hệ thống điều khiển, cảm biến, xử lý và truyền đạt thông tin của mình Cấp này thường chứa đựng các thiết bị: DDC, PLC, PAC,… Do đó, nhiệm vụ chính của cấp điều khiển là tiếp nhận thông tin và xử lý dữ liệu đem kết quả đến các bộ phận chấp hành
3 Cấp điều khiển giám sát
Tại cấp này, chức năng nổi bật là giúp ban quản lý tòa nhà kiểm tra và vận hành các quá trình hoạt động của hệ thống Bên cạnh đó, cấp này còn có thể thực hiện được bài toán điều khiển cao cấp theo công thức nhất định Đặc biệt, cấp điều khiển giám sát chỉ yêu cầu máy tính thông thường và không đòi hỏi các thiết bị khác e Lợi ích của việc sử dụng hệ thống BMS trong quản lý toà nhà:
Nếu cần hỗ trợ trong Quản lý vận hành tòa nhà thì BMS chính là giải pháp quản lý tòa nhà thông minh không thể bỏ qua Những lợi ích mà hệ thống này mang lại:
• Đảm bảo quá trình vận hành các hệ thống, thiết bị tòa nhà tối ưu, hiệu quả
• Đảm bảo hệ thống điện, đáp ứng tốt nhất nhu cầu sử dụng cho cư dân
• Vận hành tòa nhà tối ưu giúp các kỹ sư dễ dàng kiểm soát và theo dõi tình trạng của tòa nhà
• Giảm thiểu chi phí năng lượng
• Nhanh chóng sửa chữa, phát hiện sự cố, tránh các tai nạn không đáng có
• Đơn giản hóa công tác vận hành tòa nhà
• Giảm thiểu chi phí nhân công
• Nâng cao hiệu suất làm việc
Dim kích thước, chỉnh sữa và bóc tách khối lượng Cable tray
11 b Chỉnh sữa bản vẽ theo yêu cầu:
- Cable tray trước khi chỉnh sửa:
- Cable tray sau khi chỉnh sữa:
13 c Bóc tách khối lượng Cable tray:
Nghiên cứu Python
- Code tạo model được huấn luyện: import os import cv2 import numpy as np import tensorflow as tf from tensorflow import keras from keras import regularizers
# Đường dẫn đến thư mục chứa ảnh data_dir = 'F:/phanloaicable' classes = ['ducting', 'cable tray', 'trunking'] num_classes = len(classes) input_shape = (128, 128, 3) # Kích thước ảnh đầu vào
# Load dữ liệu ảnh và gán nhãn data = [] labels = [] for i, cls in enumerate(classes): path = os.path.join(data_dir, cls) for img in os.listdir(path): img_path = os.path.join(path, img)
15 image = cv2.imread(img_path) image = cv2.resize(image, input_shape[:2]) data.append(image) labels.append(i)
# Chuyển đổi dữ liệu sang numpy array và chuẩn hóa giá trị pixel về khoảng [0, 1] data = np.array(data, dtype="float32") / 255.0 labels = np.array(labels)
# Chia dữ liệu thành tập huấn luyện và tập kiểm tra split = int(0.8 * len(data)) x_train, x_test = data[:split], data[split:] y_train, y_test = labels[:split], labels[split:]
# Xây dựng mô hình CNN model = keras.Sequential([ keras.layers.Conv2D(32, (3, 3), activation='relu', input_shape=input_shape), keras.layers.MaxPooling2D((2, 2)), keras.layers.Conv2D(64, (3, 3), activation='relu'), keras.layers.MaxPooling2D((2, 2)), keras.layers.Conv2D(128, (3, 3), activation='relu'), keras.layers.MaxPooling2D((2, 2)), keras.layers.Flatten(),
16 keras.layers.Dense(128, activation='relu', kernel_regularizer=regularizers.l2(0.01)), keras.layers.Dropout(0.5), keras.layers.Dense(num_classes, activation='softmax')
# Biên dịch mô hình model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True), metrics=['accuracy']) early_stopping = tf.keras.callbacks.EarlyStopping(monitor='val_loss', patienceP) model_checkpoint tf.keras.callbacks.ModelCheckpoint('F:/anhgiutam/modelcable1000000.h5', monitor='val_loss', save_best_only=True)
# Huấn luyện mô hình với Early Stopping và Model Checkpoint model.fit(x_train, y_train, epochs00, batch_size2, validation_data=(x_test, y_test), callbacks=[early_stopping, model_checkpoint])
# Đánh giá mô hình trên tập kiểm tra test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2) print(f"Test accuracy: {test_acc}")
- Giải thích code: Đoạn mã trên thực hiện việc xây dựng và huấn luyện một mô hình CNN
(Convolutional Neural Network) để phân loại các loại ảnh liên quan đến cáp điện
Mô hình sẽ dự đoán xem ảnh thuộc vào một trong ba lớp: 'ducting' (ống dẫn cáp), 'cable tray' (thang máng cáp điện), và 'trunking' (ống đựng cáp) Để làm điều này, mã sử dụng các thư viện như os, cv2, numpy, tensorflow và keras Quá trình huấn luyện mô hình được thực hiện trên tập dữ liệu chứa ảnh liên quan đến cáp điện trong thư mục 'F:/phanloaicable', đã được chia thành các lớp tương ứng
Quá trình huấn luyện mô hình bao gồm các bước sau:
▪ Đọc dữ liệu ảnh và gán nhãn: Đầu tiên, mã duyệt qua các lớp ảnh trong danh sách 'classes' và đọc ảnh từ các thư mục tương ứng Sau đó, mã chuyển đổi kích thước ảnh về kích thước đầu vào của mô hình (128x128 pixel và 3 kênh màu RGB) Dữ liệu ảnh và nhãn tương ứng được thêm vào các danh sách 'data' và 'labels'
▪ Chuẩn hóa dữ liệu: Sau khi thu thập được dữ liệu ảnh và nhãn, mã chuyển đổi chúng thành dạng numpy array và chuẩn hóa giá trị pixel của ảnh từ khoảng [0, 255] về khoảng [0, 1]
▪ Chia dữ liệu: Dữ liệu được chia thành hai phần: 80% dữ liệu sẽ được sử dụng để huấn luyện (tập huấn luyện) và 20% dữ liệu sẽ được sử dụng để kiểm tra (tập kiểm tra)
▪ Xây dựng mô hình CNN: Mô hình CNN được xây dựng bằng cách sử dụng Sequential API của keras Mô hình bao gồm các lớp Conv2D để xử lý ảnh, các lớp MaxPooling2D để giảm kích thước của đầu ra của các lớp Conv2D, các lớp Flatten để chuyển đổi đầu ra thành dạng phẳng, các lớp Dense để thực hiện phân loại và lớp Dropout để tránh overfitting
▪ Biên dịch mô hình: Mô hình được biên dịch với trình tối ưu hóa 'adam', hàm mất mát 'SparseCategoricalCrossentropy', và độ đo 'accuracy' để theo dõi hiệu suất mô hình trong quá trình huấn luyện
▪ Huấn luyện mô hình: Mô hình được huấn luyện trên tập huấn luyện trong 1000 epochs với kích thước batch là 32 Để tránh quá khớp, mô hình sử dụng kỹ thuật Early Stopping để dừng huấn luyện nếu không có sự cải thiện trong mất
18 mát trên tập kiểm tra sau 50 epochs liên tiếp Ngoài ra, mô hình cũng lưu lại mô hình có mất mát thấp nhất trên tập kiểm tra vào tập tin
▪ Đánh giá mô hình: Cuối cùng, mô hình được đánh giá trên tập kiểm tra để đo độ chính xác của nó trong việc phân loại ảnh thuộc vào các lớp 'ducting', 'cable tray' và 'trunking' Độ chính xác được in ra màn hình
- Code phân loại ảnh: import cv2 import numpy as np import tensorflow as tf from tensorflow import keras
# Load mô hình đã được huấn luyện model = keras.models.load_model('F:/anhgiutam/modelcable10000.h5')
# Đường dẫn đến ảnh cần phân loại image_path = 'F:/anhgiutam/14d7daf3899059ce0081.jpg'
# Đọc và tiền xử lý ảnh image = cv2.imread(image_path) image = cv2.resize(image, (128, 128)) image = np.expand_dims(image, axis=0) image = image / 255.0
# Phân loại ảnh predictions = model.predict(image) class_index = np.argmax(predictions[0]) confidence = predictions[0][class_index]
# Lấy nhãn lớp classes = ['ducting', 'cable tray', 'trunking'] # Đổi tên 'thangmangcapdien' thành 'cable tray' predicted_class = classes[class_index]
# Hiển thị kết quả print(f"Predicted class: {predicted_class}") print(f"Confidence: {confidence}")
- Giải thích code: Đoạn mã trên thực hiện việc sử dụng mô hình học máy đã được huấn luyện để phân loại một ảnh đầu vào vào một trong ba lớp: 'ducting' (ống gió), 'cable tray' (thang máng cáp điện) và 'trunking' (ống cáp điện) Bây giờ, hãy đi sâu vào từng phần để hiểu rõ hơn về các bước thực hiện:
Import các thư viện cần thiết:
▪ Dòng import cv2 là việc import thư viện OpenCV (Open Source Computer Vision) Thư viện này sẽ giúp chúng ta xử lý và làm việc với các tác vụ liên quan đến ảnh
▪ Dòng import numpy as np là việc import thư viện NumPy, một thư viện hỗ trợ các phép toán trên mảng và ma trận, giúp xử lý dữ liệu số học một cách hiệu quả
Tham khảo và nghiên cứu hệ SCADA
Hệ SCADA (Supervisory Control and Data Acquisition) là một hệ thống phức tạp và toàn diện được sử dụng rộng rãi trong nhiều ngành công nghiệp và quản lý quy trình Nó bao gồm sự kết hợp của các công nghệ và phần mềm điều khiển tự động, viễn thông, máy tính, và giao diện người dùng để giám sát, điều khiển và thu thập dữ liệu từ các quy trình và thiết bị từ xa.Các thành phần chính trong hệ thống SCADA bao gồm:
▪ Remote Terminal Units (RTUs) hoặc Programmable Logic Controllers (PLCs): Đây là các thiết bị trích xuất dữ liệu từ các cảm biến và thiết bị đo tại hiện trường RTUs và PLCs có khả năng gửi và nhận các tín hiệu và dữ liệu giữa máy tính trung tâm và các thiết bị tại hiện trường
▪ Máy tính trung tâm (Server): Đây là trung tâm điều khiển của hệ thống SCADA, nơi dữ liệu từ RTUs và PLCs được gửi về và xử lý Máy tính trung tâm cũng chứa các phần mềm giám sát và điều khiển, cung cấp giao diện người dùng cho người quản lý để theo dõi và kiểm soát các quy trình
▪ Mạng truyền thông: Đây là hệ thống mạng kết nối các RTUs/PLCs và máy tính trung tâm để truyền dữ liệu và tín hiệu giữa các thiết bị
22 và máy tính Mạng truyền thông có thể sử dụng nhiều công nghệ như cáp, mạng không dây và mạng viễn thông
▪ Giao diện người dùng: Giao diện người dùng cung cấp các biểu đồ, đồ thị, bản đồ và bảng số liệu hiển thị thông tin cần thiết để giám sát và điều khiển quy trình Nó cũng cho phép người quản lý thực hiện các lệnh điều khiển và đưa ra các quyết định dựa trên dữ liệu thu thập được
▪ Hệ thống SCADA được ứng dụng rộng rãi trong nhiều ngành công nghiệp như điện lực, dầu khí, nước và môi trường, sản xuất và quản lý cơ sở hạ tầng Nó giúp tối ưu hóa hiệu suất, giảm thiểu sai sót con người, nâng cao an toàn và tiết kiệm chi phí vận hành
▪ Một trong những lợi ích quan trọng của hệ thống SCADA là khả năng giám sát và điều khiển từ xa Người quản lý có thể theo dõi và kiểm soát các quy trình và thiết bị từ xa, giúp tối ưu hóa hoạt động và giải quyết các vấn đề nhanh chóng Hơn nữa, hệ thống SCADA cũng cung cấp khả năng lưu trữ dữ liệu lâu dài, giúp phân tích hiệu suất và dự đoán xu hướng tương lai
Tổng quan, hệ thống SCADA là một công nghệ quan trọng giúp cải thiện quản lý và điều khiển trong các ngành công nghiệp và quy trình, đồng thời cung cấp khả năng giám sát và điều khiển từ xa hiệu quả và cung cấp dữ liệu để hỗ trợ quyết định
23 b Sơ đồ nguyên lý hệ SCADA được tham khảo:
- Hình 1: Chi tiết hệ thống đo chênh áp suất Regen
- Hình 2: Chi tiết kết nối hệ thống đo chênh áp suát quạt gió cấp
- Hình 3: Chi tiết hệ thống do mức Kathene
NHẬT KÝ THỰC TẬP
- Giới thiệu sơ lược về công ty
- Giới thiệu về văn hoá doanh nghiệp
- Phổ biến các quy đinh của công ty
- Định hướng về các hướng đi của ngành Cơ điện tử
- Tìm hiểu về hướng đi Kỹ sư điện toán đấu thầu (Tender)
- Tham khảo bản vẽ Autocad về hệ thống lạnh sau đó luyện tập tạo các layout chuyên nghiệp và vẽ lại theo mẫu
- Dim và chỉnh sữa bản vẽ
- Bóc tách khối lượng bản vẽ
- Tìm hiểu về hệ thống BMS
- Nghiên cứu và học thêm về code Python
- Lập trình code dự đoán nhiệt độ, độ ẩm ở 1 thời điểm tương lai từ dữ liệu cho trước
- Nghiên cứu sử dụng arduino để làm hệ thống nhắn tin cảnh báo chống trộm
- Tham khảo và nghiên cứu bản vẽ hệ SCADA
- Chia sẽ kinh nghiệm thực tế khi đi phỏng vấn, đi làm
- Viết code phân biệt ducting, cable tray và trunking