《打赢职场遭遇战》连载(五)瞒天过海(2)

coldday102 2010-09-20 03:19:08
羊毛出在羊身上,李财因此对于中标后的施工,能混就混,经常偷工减料,比如装修用量最多的5夹板,几乎很少按标准采用的:1级板偷偷换成3级板,或干脆半夜加工,趁没人监督时,直接换3夹板。

李财干着昧心事,心理倒也很平衡:遇到钱易这种人,不做点手脚,赚点钱,又怎么能送得起大礼呢?

李财装修的工程出了这么多问题,如何还能生存到现在呢?原来他有个原则:一旦要发生暴露他劣质工程的重大事件,他就会全力去打补丁,这方面花多少钱都可以。

有一次,KFD美国总部的大员,心血来潮要视察李财多年前装修的一个店,他得知消息后,提前通宵加班把这家店有问题,没问题的地方几乎全翻新了一遍,结果总部的老外对着崭新的装修惊讶不已:“中国的装修太牛了,几年了还象新的一样,比美国的装修还棒!”



这次湖州新店的装修,李财是事在必得,而且准备趁着秦刚新来乍到,可能不熟悉业务,大赚一笔。通过与秦刚的几次接触,李财认为秦刚书生气十足,是个嫩头,想怎么玩,就可以怎么玩。

于是,李财在秦刚面前云里雾里的大造声势,让人听后就只知道一件事:钱易是我大哥,总部大员是我洋干爹,你小子识趣的话,对你前途绝对有好处,否则,老子一不高兴,就掐了你炒茶叶。

换了常人,听了李财的话,再加上看到李财之前惊人的中标工程数,一般都会被李财的气势压倒。绝对不敢挡路,只有俯首垂耳,巴结的份,可他低估了秦刚。

但凡正直善良的人,好象都有些倔驴脾气,秦刚也不例外。不过秦刚有个特点:虽然坚持只做正确的事,但很注意方式方法,而且总能找出好办法,最后做成正确的事。

秦刚认为:经过前期了解,李财明显不是一条好狗,应该一脚踢出KFD大门,能踢多远就踢多远。不过硬是不让李财干,目前情况下,自己是很难办到的,老板钱易这关就过不了。钱易肯定和李财有一腿,所以就算把李财偷工减料证据(比如:那只女员工的断跟鞋),在会议上列举出来,也一定会被钱易压下来,没什么效果。只有让李财犯下钱易也无法掩盖的致命错误,才有可能淘汰掉他。

经过思考,秦刚终于想出了一个好办法:诱导李财自己把他这套“靠送请拿项目”的不正当伎俩公之于众,从而可以让大家都看透他的嘴脸,同时让钱易也无话可说。

但李财是个老江湖,人精,不是灰太狼,怎么可能不发现他的意图,自己乖乖的跳进坑里去呢 ?



秦刚决定采用“瞒天过海”之计,为此,他要先稳住李财。

接下来的日子,秦刚故意表现出了李财希望看到的自己形象:贪婪巴结无原则:

每次李财宴请,他都乐颠颠而去,美滋滋啃着李财给的骨头,说着李财能听得懂的俏皮话 。。。。

直到钱易出国休假,去东南亚旅游。
...全文
59 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文针对网型T型三电平逆变器的低电压穿越(LVRT)能力及其综合控制策略开展深入研究,重点分析电网电压跌落条件下逆变器的动态响应特性与稳定性控制方法。研究基于Simulink平台构建详细的系统仿真模型,融合改进的电流环控制策略与中点电位平衡控制算法,有效提升逆变器在故障工况下的电流跟踪精度、过流抑制能力和直流侧中点电压稳定性。通过多场景仿真验证,所提出的综合控制策略能够显著增强逆变器在低电压穿越过程中的鲁棒性与电能质量,确保新能源系统在电网扰动下的持续可靠并网运行。; 适合人群:电力电子、新能源发电、电力系统自动化等相关专业的研究生、科研人员及从事并网逆变器设计与控制的工程技术人员。; 使用场景及目标:①深入理解三电平逆变器在电网故障下的运行机理与控制挑战;②掌握低电压穿越技术中电流限幅、故障响应及中点电位平衡的核心控制方法;③应用于光伏、风电等新能源并网系统的控制策略开发与仿真验证; 阅读建议:建议结合提供的Simulink仿真模型进行动手实践,重点关注控制器参数设计、中点电位观测与调节模块的实现逻辑,并通过对比不同电压跌落深度和控制策略的仿真结果,深化对系统动态行为与控制性能的理解。
yolo算法港口码头船舶目标检测数据集 目标类别:['ship'] 中文类别:['船舶'] 训练集:16046 张 验证集:1971 张 测试集:983 张 总计:19000 张 该数据集提供了data.yaml文件,内容如下: train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: ['ship'] 该数据集聚焦于港口码头及近海水域的船舶检测任务,涵盖多种类型船舶在不同天气、光照和水文条件下的真实场景。图像样本覆盖了货轮、客轮、拖船、油轮及工程船等典型船只,充分体现了海上交通与港口作业的复杂性与多样性。通过高精度标注,该数据集为海上智能监控、船舶识别与航行安全预警系统提供了高质量的数据支撑,具有重要的实际应用价值。 该数据集在训练集、验证集和测试集之间实现了科学合理的分布,训练集包含16046张图像,验证集1971张,测试集983张,总计19000张。这种分布结构确保了模型在训练过程中具备充足的样本学习能力,同时验证集与测试集规模适中,能够有效评估模型的泛化性能与稳定性,符合深度学习项目对数据划分的标准要求。 该数据集的标注工作严谨规范,所有船舶均采用精确边界框进行标注,覆盖了不同尺寸、姿态和视角下的目标实例。标注框紧密贴合船舶轮廓,未出现明显偏移或遗漏,且在复杂背景(如水面反光、雾天、桥梁遮挡)下仍保持高一致性。标注信息完整可靠,为后续模型训练提供了坚实基础。 该数据集可广泛应用于港口自动化管理、海上交通监控、船舶动态跟踪、航道安全预警以及海洋执法等领域。其丰富的场景覆盖和多样化的船舶类型使其特别适用于智慧港口建设、海上搜救系统开发及航运物流智能化升级,能够有效提升相关系统的识别准确率与响应效率,推动海洋经济数字化转型。

700

社区成员

发帖
与我相关
我的任务
社区描述
提出问题
其他 技术论坛(原bbs)
社区管理员
  • community_281
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧