Recent code large language models have achieved remarkable progress on general programming tasks. Nevertheless, their performance degrades significantly in industrial scenarios that require reasoning about hardware semantics, specialized language constructs, and strict resource constraints. To address these challenges, we introduce InCoder-32B (Industrial-Coder-32B), the first 32B-parameter code foundation model unifying code intelligence across chip design, GPU kernel optimization, embedded systems, compiler optimization, and 3D modeling. By adopting an efficient architecture, we train InCoder-32B from scratch with general code pre-training, curated industrial code annealing, mid-training that progressively extends context from 8K to 128K tokens with synthetic industrial reasoning data, and post-training with execution-grounded verification. We conduct extensive evaluation on 14 mainstream general code benchmarks and 9 industrial benchmarks spanning 4 specialized domains. Results show InCoder-32B achieves highly competitive performance on general tasks while establishing strong open-source baselines across industrial domains.
Robotic foundation models (RFMs) are emerging as a promising route towards flexible, instruction- and demonstration-driven robot control, however, a critical investigation of their industrial applicability is still lacking. This survey gives an extensive overview over the RFM-landscape and analyses, driven by concrete implications, how industrial domains and use cases shape the requirements of RFMs, with particular focus on collaborative robot platforms, heterogeneous sensing and actuation, edge-computing constraints, and safety-critical operation. We synthesise industrial deployment perspectives into eleven interdependent implications and operationalise them into an assessment framework comprising a catalogue of 149 concrete criteria, spanning both model capabilities and ecosystem requirements. Using this framework, we evaluate 324 manipulation-capable RFMs via 48,276 criterion-level decisions obtained via a conservative LLM-assisted evaluation pipeline, validated against expert judgements. The results indicate that industrial maturity is limited and uneven: even the highest-rated models satisfy only a fraction of criteria and typically exhibit narrow implication-specific peaks rather than integrated coverage. We conclude that progress towards industry-grade RFMs depends less on isolated benchmark successes than on systematic incorporation of safety, real-time feasibility, robust perception, interaction, and cost-effective system integration into auditable deployment stacks.
Keno Moenck, Adrian Philip Florea, Julian Koch
et al.
Autonomous vision applications in production, intralogistics, or manufacturing environments require perception capabilities beyond a small, fixed set of classes. Recent open-vocabulary methods, leveraging 2D Vision-Language Foundation Models (VLFMs), target this task but often rely on class-agnostic segmentation models pre-trained on non-industrial datasets (e.g., household scenes). In this work, we first demonstrate that such models fail to generalize, performing poorly on common industrial objects. Therefore, we propose a training-free, open-vocabulary 3D perception pipeline that overcomes this limitation. Instead of using a pre-trained model to generate instance proposals, our method simply generates masks by merging pre-computed superpoints based on their semantic features. Following, we evaluate the domain-adapted VLFM "IndustrialCLIP" on a representative 3D industrial workshop scene for open-vocabulary querying. Our qualitative results demonstrate successful segmentation of industrial objects.
Background and objective The role of public participation in managing natural crises, including floods, is evident, and the government will incur many costs without utilizing the potential of non-governmental organizations (NGOs). This study aims to explore the perceptions of NGOs in Iran regarding public participation in flood relief during the 2020 flood in Chabahar city, Sistan & Baluchistan Province, south of Iran.
Method This is a qualitative study using the grounded theory. Participants were 25 members of NGOs who participated in relief operations during the 2020 flood in Chabahar city, who were selected using a purposive sampling method. A semi-structured interview was used to collect data. Member checking, analytical comparisons, and the auditing technique were used to determine the trustworthiness of the data. The data were analyzed using the grounded theory approach in three stages: open coding, selective coding, and axial coding.
Results Causal factors included: Formation and support of NGOs, quality of flood management, operational transparency, and media culture-building. The intervening factors included: Quality and manner of information dissemination, quality of relief goods distribution and relief services, quality of institutional trust, and social-cultural conflicts. Contextual factors included: Regional public support for relief groups, cultural structure, and professional ethics of relief groups. Strategies included: Education and information on relief efforts, pragmatic/revolutionary approach to flood management, establishment of participatory platforms, and utilization of capacities. Consequences included: Lack of coordination in flood management, inapplicable policies, personal-psychological consequences, and institutional distrust.
Conclusion Various causal, intervening, and contextual factors influence public participation in managing crises caused by floods in Iran.
Risk in industry. Risk management, Industrial safety. Industrial accident prevention
Background: Modeling tools should be tested against real-world outcomes to confirm their predictive ability compared to random chance. Insights is an analytical tool within the biomathematical modeling software SAFTE-FAST that identifies work patterns that consistently result in elevated fatigue risk. This study investigated the ability of Insights to correctly identify duties with an associated fatigue report using previously collected flight schedule and report data. Methods: Planned and completed flight roster schedules were analyzed using SAFTE-FAST Insights after the rosters had been flown. Fatigue reports were independently linked to planned and completed schedules at the duty level. Odds ratio (OR) analysis investigated the ability of Insights to predict which duties would be linked to a fatigue report. Differences in duties were compared using a one-way analysis of variance (ANOVA) and a two-sample <i>t</i>-test. Results: There were 157 fatigue reports out of 78,061 planned duties and 235 fatigue reports out of 82,612 completed duties. Insights had 3.04 odds of correctly identifying fatigue reports in planned duties but 0.41 odds for completed duties. Discussion: Insights showed good odds of correctly identifying a fatigue report duty using planned schedules but poor odds of identifying a fatigue report duty from completed schedules. Completed duties started later in the day and were shorter in duration than planned duties. Day-of-operations schedule changes may have reduced the fatigue risk in response to the fatigue reports.
Industrial safety. Industrial accident prevention, Medicine (General)
Shima Shakiba, Ahmad Sharifi, Farnaz Hashemi
et al.
Introduction: Burnout is a psychological syndrome that develops due to chronic stressors in a person's professional life, resulting in emotional exhaustion and detachment. The objective of this study was to determine the prevalence of burnout among medical residents, considering socio-demographic variables and job characteristics, and to predict burnout in this group. Medical residents often face specific pressures such as long working hours, sleep deprivation, high patient loads, and emotional demands from patient care, which contribute to their overall stress levels. Methods: A cross-sectional study was conducted in the academic year 2019-2020, involving 164 residents from two general hospitals who completed the Persian versions of the Job Content Questionnaire (JCQ) and Maslach Burnout Inventory (MBI-HSS). Results: A significant proportion of residents reported burnout symptoms, with 73.7% experiencing moderate to high levels of emotional exhaustion and 64.4% indicating moderate to high levels of depersonalization. Additionally, 90.1% of residents reported low perceived professional efficacy. Among the subscales of MBI-HSS, reduced professional efficacy was found to be the highest. Psychological demands and limited decision latitude were significant predictors of burnout, particularly in relation to emotional exhaustion and depersonalization. Conversely, support from family and co-workers, as well as higher levels of experience, were associated with lower depersonalization and improved professional efficacy. Conclusion: Overall, medical residents in Iran face significantly high levels of burnout, which are influenced by specific personal and job characteristics. Consequently, preventive and therapeutic interventions are necessary to address this pressing issues.
Перспективним напрямом бойового застосування безпілотних літальних апаратів є розміщення на їхній платформі малогабаритних ретрансляторів для наземних радіомереж. Враховуючи значну увагу, що надається вдосконаленню систем військового управління, актуальним є визначення основних тенденцій розвитку військових систем радіозв'язку з повітряними ретрансляторами в умовах активних засобів радіоелектронної протидії противнику.
Метою статті є визначення основних напрямів розвитку та вдосконалення систем військового радіозв'язку з повітряними ретрансляторами для забезпечення безперервного управління підрозділами в зоні відповідальності за активне застосування противником засобів радіоелектронної боротьби в умовах активних заходів радіоелектронної протидії з урахуванням сучасного стану військ (сил) противника.
Методи дослідження. Під час написання статті було використано системний аналіз і синтез. Це дало змогу проаналізувати військові системи радіозв'язку в умовах активних заходів радіоелектронної протидії та надати рекомендації щодо зменшення впливу противника.
Аналіз останніх досліджень та публікацій. Значна кількість наукових статей присвячена бойовому використанню безпілотних літальних апаратів у сучасних збройних конфліктах та заходам протидії їм, зокрема – радіоелектронному придушенню каналів управління та навігації.
Виклад основного матеріалу. Проведено аналіз тенденцій використання військових систем радіозв'язку від повітряних ретрансляторів у сучасних військових конфліктах різної інтенсивності. Виокремлено напрями розвитку та вдосконалення військовими цих систем радіозв'язку, що функціонують в умовах активної радіоелектронної протидії противнику. Окреслено перспективи їх подальшого розвитку в частині використання в системі радіоелектронної боротьби. Запропоновано рекомендації щодо зниження енергетичного впливу засобів радіоелектронної боротьби противника, вибору оптимальної топології системи військового радіозв'язку з повітряними ретрансляторами та використання сучасних антенних систем.
Елементи наукової новизни. Визначено напрями розвитку та вдосконалення, обираючи оптимальну топологію системи військового радіозв'язку з повітряними ретрансляторами.
Теоретична та практична значущість статті. Впровадження зазначених технологій у систему управління військами дасть змогу забезпечити стійке управління нею, бойовими та спеціальними засобами в умовах складної радіоелектронної обстановки з активним використанням противником засобів радіоелектронної боротьби.
Висновок і перспективи подальших досліджень. Аналіз тенденцій використання військових систем радіозв'язку з повітряними ретрансляторами в сучасних військових конфліктах різної інтенсивності дає змогу визначити основні напрями їх розвитку та вдосконалення. Напрямом подальших досліджень є удосконалення методів керування параметрами та режимами роботи військових систем радіозв'язку з повітряними ретрансляторами під впливом різних видів навмисних перешкод.
Employers in South Africa are mandated by labour laws to implement systems of work for the maintenance and promotion of health and safety at work. In response, companies have adopted and implemented occupational health and safety management systems (OHSMSs) whose effectiveness should be continuously monitored through performance measurement. However, there remains no national convention on the specific performance measurement indicators for companies to use. The objective of this study was to determine, characterise and compare lagging indicators adopted and reported by the top 150 Johannesburg Stock Exchange (JSE)-listed companies in South Africa. This qualitative study evaluated annual reports and data books from these companies by analysing textual data through qualitative document analysis. Only 87 of the 150 case companies reported performance using lagging indicators. The basic materials, consumer goods, consumer services and industrial sectors had the most companies which reported performance metrics. Fatality count and lost time injury frequency rate (LTIFR) were the most commonly reported performance metrics and were reported by 64 and 41 companies, respectively. There was variation in the number, type and form of adopted lagging indicators by the case companies. Companies in the manufacturing and mining sectors were more likely to report OHS performance, in general, than those in other sectors. The observed variation across sectors emphasises the need for harmonised indicators to measure and report OHS performance in South Africa.
Industrial safety. Industrial accident prevention, Medicine (General)
Naval Kishore Mehta, Arvind, Himanshu Kumar
et al.
Detecting and interpreting operator actions, engagement, and object interactions in dynamic industrial workflows remains a significant challenge in human-robot collaboration research, especially within complex, real-world environments. Traditional unimodal methods often fall short of capturing the intricacies of these unstructured industrial settings. To address this gap, we present a novel Multimodal Industrial Activity Monitoring (MIAM) dataset that captures realistic assembly and disassembly tasks, facilitating the evaluation of key meta-tasks such as action localization, object interaction, and engagement prediction. The dataset comprises multi-view RGB, depth, and Inertial Measurement Unit (IMU) data collected from 22 sessions, amounting to 290 minutes of untrimmed video, annotated in detail for task performance and operator behavior. Its distinctiveness lies in the integration of multiple data modalities and its emphasis on real-world, untrimmed industrial workflows-key for advancing research in human-robot collaboration and operator monitoring. Additionally, we propose a multimodal network that fuses RGB frames, IMU data, and skeleton sequences to predict engagement levels during industrial tasks. Our approach improves the accuracy of recognizing engagement states, providing a robust solution for monitoring operator performance in dynamic industrial environments. The dataset and code can be accessed from https://github.com/navalkishoremehta95/MIAM/.
Industrial monitoring systems, especially when deployed in Industry 4.0 environments, are experiencing a shift in paradigm from traditional rule-based architectures to data-driven approaches leveraging machine learning and artificial intelligence. This study presents a comparison between these two methodologies, analyzing their respective strengths, limitations, and application scenarios, and proposes a basic framework to evaluate their key properties. Rule-based systems offer high interpretability, deterministic behavior, and ease of implementation in stable environments, making them ideal for regulated industries and safety-critical applications. However, they face challenges with scalability, adaptability, and performance in complex or evolving contexts. Conversely, data-driven systems excel in detecting hidden anomalies, enabling predictive maintenance and dynamic adaptation to new conditions. Despite their high accuracy, these models face challenges related to data availability, explainability, and integration complexity. The paper suggests hybrid solutions as a possible promising direction, combining the transparency of rule-based logic with the analytical power of machine learning. Our hypothesis is that the future of industrial monitoring lies in intelligent, synergic systems that leverage both expert knowledge and data-driven insights. This dual approach enhances resilience, operational efficiency, and trust, paving the way for smarter and more flexible industrial environments.
Vyron Kampourakis, Christos Smiliotopoulos, Vasileios Gkioulos
et al.
Traditional air gaps in industrial systems are disappearing as IT technologies permeate the OT domain, accelerating the integration of wireless solutions like Wi-Fi. Next-generation Wi-Fi standards (IEEE 802.11ax/be) meet performance demands for industrial use cases, yet their introduction raises significant security concerns. A critical knowledge gap exists regarding the empirical prevalence and security configuration of Wi-Fi in real-world industrial settings. This work addresses this by mining the global crowdsourced WiGLE database to provide a data-driven understanding. We create the first publicly available dataset of 1,087 high-confidence industrial Wi-Fi networks, examining key attributes such as SSID patterns, encryption methods, vendor types, and global distribution. Our findings reveal a growing adoption of Wi-Fi across industrial sectors but underscore alarming security deficiencies, including the continued use of weak or outdated security configurations that directly expose critical infrastructure. This research serves as a pivotal reference point, offering both a unique dataset and practical insights to guide future investigations into wireless security within industrial environments.
The introduction of Smart Electric Vehicles (SEVs) represents an increasingly disruption on automotive area, once integrates advanced computer and communication technologies to highly electrical cars, which come with high performances, environment friendly and user friendly characteristics . But the increasing complexity of SEVs prompted by greater dependence on interconnected systems, autonomous capabilities and electrification, presents new challenges in cybersecurity as well as functional safety. The safety and reliability of such vehicles is paramount, as unsafe or unreliable operation in either case represents an unacceptable risk in terms of the performance of the vehicle and safety of the passenger. This paper investigates the integrated development of cybersecurity and functional safety for SEVs, emphasizing the requirement for the parallel development of these domains as components that are not treated separately. In SEVs, cybersecurity is quite crucial in order to prevent the threats of hacking, data breaches and unauthorized access to vehicle systems. Functional safety ensures that important vehicle functions (braking, steering, battery control, etc.) keep working even if some part fails. This convergence of functional safety issues with cybersecurity issues is becoming more crucial, since a security incident can result in a failure of catastrophic consequences for a functional safety system and, conversely. This paper reports the current state of cybersecurity and functional safety standards for SEVs, highlighting challenges that include the weaknesses of communication networks, the potential security threats of over-the-air updates, and the demand for real-time responsive systems for failure.
У статті розглядається проблематика створення програмного агента інтелектуальної інформаційної системи формування індивідуальної освітньої траєкторії здобувача професійної військової освіти, що дає змогу отримати знання визначеного рівня. Метою статті є створення та використання програмного агента інтелектуальної інформаційної системи, що формує індивідуальну освітню траєкторію на взаємодії зі здобувачем професійної військової освіти за допомогою електронних засобів спілкування. Під час написання статті застосовані методи дослідження: аналіз і синтез, моделювання. Зазначений методологічний підхід дає змогу удосконалювати (розробляти) форми, методи та алгоритми реалізації сучасних технологій для формування індивідуальної освітньої траєкторії здобувача професійної військової освіти в системі управління навчанням. У роботі обґрунтовано доцільність створення програмного агенту інтелектуальної інформаційної системи формування індивідуальної освітньої траєкторії здобувача професійної військової освіти для підвищення ефективності освітнього процесу з використанням штучного інтелекту. Для побудови індивідуальної освітньої траєкторії здобувача запропоновано застосувати теорію графів. Розроблено загальну схему програмного агента та визначено його основні елементи для виконання функцій. Також розроблена функціональна схема програмного агента та її послідовність формування. Запропонований програмний агент із використанням штучного інтелекту на онлайн-платформах дає змогу оптимізувати процес навчання, економити час і ресурси, підвищує продуктивність освіти, адаптує освіту до індивідуальних потреб здобувача та сприяє створенню прозорого середовища навчання. Програмний агент інтелектуальної інформаційної системи формування індивідуальної освітньої траєкторії здобувача професійної військової освіти дасть змогу адаптуватися здобувачу до освітнього процесу та визначити подальший шлях його розвитку, надаватиме навчальну підготовку до вступу до вищого військового навчального закладу і впродовж навчання, допомагатиме в підготовці до занять. Програмний агент являє собою розроблену інтелектуальну систему, що може інтегруватися до освітнього процесу, який індивідуалізує навчання кожного здобувача, враховуючи його попередній освітній досвід. Практичною значущістю статті є надання здобувачам професійної військової освіти нового програмного продукту для набуття нових компетентностей, адаптації освітнього процесу до навчальних потреб з урахуванням поточного рівня знань здобувача освіти.
Industrial parks are critical to urban economic growth. Yet, their development often encounters challenges stemming from imbalances between industrial requirements and urban services, underscoring the need for strategic planning and operations. This paper introduces IndustryScopeKG, a pioneering large-scale multi-modal, multi-level industrial park knowledge graph, which integrates diverse urban data including street views, corporate, socio-economic, and geospatial information, capturing the complex relationships and semantics within industrial parks. Alongside this, we present the IndustryScopeGPT framework, which leverages Large Language Models (LLMs) with Monte Carlo Tree Search to enhance tool-augmented reasoning and decision-making in Industrial Park Planning and Operation (IPPO). Our work significantly improves site recommendation and functional planning, demonstrating the potential of combining LLMs with structured datasets to advance industrial park management. This approach sets a new benchmark for intelligent IPPO research and lays a robust foundation for advancing urban industrial development. The dataset and related code are available at https://github.com/Tongji-KGLLM/IndustryScope.
Francesco Sanfedino, Paolo Iannelli, Daniel Alazard
et al.
To overcome the innovation gap of the Guidance, Navigation and Control (GNC) design process between research and industrial practice a benchmark of industrial relevance has been developed and is presented. This initiative is driven as well by the necessity to train future GNC engineers and the GNC space community on a set of identified complex problems. It allows to demonstrate the relevance of state-of-the-art modeling, control and analysis algorithms for future industrial adoption. The modeling philosophy for robust control synthesis, analysis including the control architecture that enables the simulation of the mission, i.e. the acquisition of a high pointing space mission, are provided.
У статті окреслено низку питань, що актуалізують наявні проблеми у вимогах до системи боротьби з безпілотними літальними апаратами противника. Метою статті є узагальнення вимог до системи боротьби з безпілотними літальними апаратами на основі досвіду боротьби з такими апаратами противника під час відбиття збройної агресії російської федерації проти України та розкриття способів боротьби з ними. Під час написання статті застосовано метод аналізу досвіду боротьби з безпілотними літальними апаратами противника, отриманого під час відбиття збройної агресії російської федерації проти України у 2014–2023 роках, а саме аналіз функціонування елементів системи боротьби з безпілотними літальними апаратами. Це дає змогу визначити вимоги до системи боротьби з безпілотними літальними апаратами в цілому та до її складових, зокрема. Конкретизація таких вимог відповідає головному завданню – зниженню ефективності застосування противником безпілотних літальних апаратів по критичній інфраструктурі держави, військових об’єктах, а також цивільному населенню. Такий підхід дає змогу у подальшому виробити єдині погляди на тактику дій підрозділів Збройних сил України стосовно боротьби з безпілотними літальними апаратами та удосконалювати технічну складову системи боротьби з такими апаратами противника.
We address the problem of teleoperating an industrial robot manipulator via a commercially available Virtual Reality (VR) interface. Previous works on VR teleoperation for robot manipulators focus primarily on collaborative or research robot platforms (whose dynamics and constraints differ from industrial robot arms), or only address tasks where the robot's dynamics are not as important (e.g: pick and place tasks). We investigate the usage of commercially available VR interfaces for effectively teleoeprating industrial robot manipulators in a variety of contact-rich manipulation tasks. We find that applying standard practices for VR control of robot arms is challenging for industrial platforms because torque and velocity control is not exposed, and position control is mediated through a black-box controller. To mitigate these problems, we propose a simplified filtering approach to process command signals to enable operators to effectively teleoperate industrial robot arms with VR interfaces in dexterous manipulation tasks. We hope our findings will help robot practitioners implement and setup effective VR teleoperation interfaces for robot manipulators. The proposed method is demonstrated on a variety of contact-rich manipulation tasks which can also involve very precise movement of the robot during execution (videos can be found at https://www.youtube.com/watch?v=OhkCB9mOaBc)
J. P. Edelen, M. J. Henderson, J. Einstein-Curtis
et al.
Industrial particle accelerators inherently operate in much dirtier environments than typical research accelerators. This leads to an increase in noise both in the RF system and in other electronic systems. Combined with the fact that industrial accelerators are mass produced, there is less attention given to optimizing the performance of an individual system. As a result, industrial systems tend to under perform considering their hardware hardware capabilities. With the growing demand for accelerators for medical sterilization, food irradiation, cancer treatment, and imaging, improving the signal processing of these machines will increase the margin for the deployment of these systems. Our work is focusing on using machine learning techniques to reduce the noise of RF signals used for pulse-to-pulse feedback in industrial accelerators. We will review our algorithms, simulation results, and results working with measured data. We will then discuss next steps for deployment and testing on an industrial system.