离岸开发-认识自己的位置

做为一名离岸外包开发人员,十分有必要看清楚自己所处的位置,甚至于公司所处的位置也需要有一个概念。
因为我们应该清楚自己该做什么,清楚公司该做什么,做什么是对的,什么是不用做的。

离岸的公司很少会直接面对最终客户,这里我们要再次回顾这两个词:onshore,offshore。

所谓的onshore,就是负责和客户接触的人,所谓的offshore,就是承接项目的人了。

举个例子,海外有一个客户,有一个项目,由A公司承接了。A公司又转包给了中国的B公司。
这个时候,A公司就是onshore,中国的B公司就是offshore。

对于offshore来说,onshore的地位就好像客户--因为有了onshore,我们才有项目。所以,onshore说的,我们都
要服从。其实许多做offshore的人大抵都是这样的想法。

所以很多人做的时间长了,就会觉得onshore的人越来越难以伺候。除了要满足各种各样的要求,还经常被他们无端的
指责。而我们却无力反抗,也无法反抗。

在我们抱怨的同时,也应该要想一下,我们和onshore之间的关系究竟应该是怎样的?

1、onshore是客户吗?
onshore不是客户。他们和我们一样,同样是团队的成员,只不过他们距离客户较近,或者母语与客户相同。
但是offshore和onshore的合作,是建立在一定合理的协议之上的合作。

例如,一个项目明明需要10个人月才能做完,可是onshore要求offshore用3个人在2个月内做完。假设没有其他的解决方案了,
那么offshore是可以拒绝onshore的要求的。

例如,某个人维护一个系统,onshore经常要求他额外做一些工具,而且这些工具非常花时间。那么offshore可以拒绝这个无理
的要求。理由很简单:做额外的工作影响了正常的工作。

所谓的“拒绝”,并非直接对onshore说“No”。我们的项目来自onshore,他们实际的地位还是比offshore高的。所谓的“拒绝”,一定要摆数据,讲影响。

例如上面做工具的例子。offshore可以列出这样的数字:每天工作8小时,正常的工作:4个小时;做工具:4个小时。也就是说我花费50%的时间去做工具,而没有做实际的工作。带来的影响就是降低了工作质量,很可能会导致系统出现问题。

在数据和影响面前,合格的onshore是会认识到自己的问题的。毕竟,正常的工作才是主要的。
通过这样的方式去“拒绝”onshore,onshore会更容易接受。

2、onshore做的一定都正确吗?
onshore的人并非都是天才。虽说onshore会做大部分的决定,但这并不表示onshore所有的决定都是正确的。
例如我经历过的一个项目,规模非常大。但是onshore那边人员配备严重不足,很多大学刚毕业的人去做设计,分析需求。结果就是做了快1年了,很多功能的需求还没分析明白。

还有一个例子,我们和onshore商量好了,一个小项目需要2个人月来完成。但是过了一段时间,onshore不记得这件事了,非说是1个人月来完成。是否我们就要接受这种无理的要求呢。当然不会。我们查找了几个月前的邮件,找到了决定这件事的邮件,把它发给了onshore。之后onshore就什么都不说了。
题外话:在工作中对于决定的事项,一定要保留一个证据,例如邮件。

所以,对于onshore的错误,offshore可以随时的指出来;对于onshore的不足,我们可以理直气壮的让onshore去改善。

onshore/offshore的关系,既平等,又有高低之分;offshore可以决绝无理的要求,但是要讲究策略和方法;offshore可以维持相互平等的关系,但是一定要懂得一定的技巧和规则。

之后的内容,就是关于offshore的一些沟通,管理的技巧,以及自我改善的各种方法的讨论。
内容概要:本文系统研究了基于动态三维环境下的Q-Learning算法在无人机自主避障路径规划中的应用,依托Matlab代码实现,深入剖析了强化学习在复杂、时变空间中实现智能决策的机制。研究构建了三维网格化状态空间模型,设计了合理的动作集合与奖励函数,充分考虑静态与动态障碍物的存在,使无人机能够通过与环境持续交互,自主学习规避障碍并趋近目标的最优策略。文章不仅展示了Q-Learning算法在路径规划中的具体实现流程,还涵盖了状态表示、策略迭代、收敛性分析等关键环节,并通过仿真实验验证了算法的有效性与鲁棒性,为智能体在动态环境中的自主导航提供了理论依据和技术参考。; 适合人群:具备人工智能、自动化、计算机科学或机器人学等相关专业背景,熟悉Matlab编程语言和基本的强化学习概念,从事无人机控制、智能导航、路径规划算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于城市峡谷、灾害现场等复杂动态三维场景中无人机的自主飞行与紧急避障;②作为强化学习解决实际路径规划问题的教学实例,帮助理解Q-Learning的核心思想、状态-动作值函数更新过程及探索-利用权衡策略;③为后续研究更先进的深度强化学习算法(如DQN、PPO)在无人机控制中的应用奠定基础和提供对比基准。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,通过调整学习率、折扣因子、探索率(ε-greedy)等超参数,观察其对算法收敛速度和最终路径规划质量的影响,并尝试修改环境复杂度(如增加障碍物密度或动态性)以评估算法的泛化能力。
内容概要:本文系统研究了三相逆变器逆变电路的闭环控制模型,基于Simulink平台构建完整的仿真系统,深入探讨闭环控制策略对逆变器输出电压、电流波形质量的调控作用。研究内容涵盖三相逆变器的基本工作原理、空间矢量脉宽调制(SVPWM)技术、电压外环与电流内环构成的双闭环控制架构设计、PI控制器参数整定方法,并通过仿真实验全面评估系统在阻性、感性及非线性负载条件下的动态响应特性、稳态精度以及抗负载扰动能力,从而验证闭环控制策略的有效性与鲁棒性。同时,文档关联了多项电力电子与新能源并网相关的仿真案例,凸显其在光伏发电、微电网并网、储能系统等实际工程应用中的重要价值; 适合人群:具备电力电子技术、自动控制理论基础知识,熟悉Simulink/MATLAB仿真环境,从事电气工程、新能源发电、智能电网等方向的科研人员、工程技术人员及研究生; 使用场景及目标:①掌握三相逆变器双闭环控制系统建模与仿真的完整流程;②深入理解电压电流双闭环控制的设计原理及其在提升电能质量方面的实现机制;③为光伏并网逆变器、储能变流器(PCS)、微网能量管理系统等实际项目的控制算法开发与性能验证提供理论依据和技术参考; 阅读建议:建议结合文中提及的Simulink仿真模型进行实操演练,重点关注控制器参数调节对系统稳定性与动态性能的影响规律,并进一步拓展学习如重复控制、PR控制、模型预测控制(MPC)等先进控制策略在逆变器中的应用与对比分析。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值