Latvieši vienmēr ir bijuši naski uz praktiskām un tehniskām lietām, līdz ar to, ja mēs kaut ko gribam, tad to arī sasniedzam, kā tas ir sanācis Latvijā radītam viedo sensoru uzņēmumam Aranet. Domāju, ka cilvēki, kuri seko SAF Tehnikas darbībai un Latvijas tehnoloģiju uzņēmumiem būs pamanījuši, ka kompānija ar saviem produktiem redzama arvien biežāk un biežāk. Iepriekš SAF Tehnika šaurākās aprindās bija labi zināms ar saviem radiotīklu produkiem, taču pēdējā laikā iesaistās arī internet of things jomā. Ikdienas patērētājiem visaktuālākais ir CO2 sensors Aranet4, kurš vasarā paviesojās mūsu gādīgajās rokās.
Uzņēmums Aranet no 2018. gada savus pakalpojumos testa režīmā ir piedāvājis Latvijā lielākajam mazumtirgotājam RIMI, un nesen kā nācis klajā ar šīs sadarbības analīzi, kurā 7000 sensori tikuši uzstādīti 125 RIMI veikalos. Tas darīts ar mērķi, lai prezentētu sensoru veiktspēju ledusskapju un aukstuma vitrīnu temperatūras analīzē, jo izrādījies, ka temperatūras pārbaude veikalos joprojām notiek manuāli, mērījumus pierakstot ar roku.
Tā ir bijusi laba iespēja, lai Aranet spētu parādīt savus muskuļus. Viens no lielākajiem plusiem šiem sensoriem ir tas, ka pietiek ar vienu bāzes staciju, lai spētu nolasīt informāciju no ievietotā sensora, piemēram, saldējumu vitrīnā 3 km rādiusā, kas ir ļoti liels attālums. Kā norāda kompānija, tad pat gandrīz 9000 kvadrātmetru lielā veikalā viena bāzes stacija būs spējīga uztvert visus sensorus. Otrs plus ir tas, ka pašus sensorus var vienkārši piespraust brīvā vietā, tādējādi izvairoties no potenciālajiem pārtikas uzglabāšanas noteikumu pārkāpumiem.
Runājot par ieguvumiem, tad viens ir bijusi efektīva datu iegūšana reālā laikā, jo visa informācija komplektā ar bāzes staciju tiek glabāta Aranet mākoņservisā, līdz ar to tā ir ērti pieejama atbildīgajām personām. Nākamais ir ātrā spēja reaģēt uz neparastām temperatūras izmaiņām saldētavā, jo iespējams pielāgot paziņojumus no sistēmas, lai tie signalizētu par krasām izmaiņām. Ļoti iespējams, ka reālajā dzīvē tā būtu jau izkususi vitrīna un lieli naudas zaudējumi. Tāpat sensoru lietošana ļāvusi samazināt enerģijas pateriņu par 20%, jo kā norāda RIMI pārstāvji, tad dažas vitrīnas esot bijušas noregulētas pat uz -30 grādu temperatūru, kaut arī noteiktais standarts ir -20 grādi. Tādējādi Aranet ļāvis atklāt šo situāciju un atbilstoši rīkoties, saglabājot enerģiju.
Es personīgi ar interesi iešu ielūkoties RIMI vitrīnās, lai paskatītos vai tieši šajā atrodas mūsu pašu Aranet sensors. Piekrītu arī uzņēmuma teicienam, ka “uzlabot var vienīgi to, ko iespējams nomērīt”. Šis noteikti ir vietā!
Uzlabošanu vajadzētu sākt ar cenu.
Un kāda ir cena par sabojātiem produktiem vai reputāciju? Nē, nu lēti tie gadžeti nav, bet automatizācija ar laiku atmaksājas. Dot 125 tantēm pildspalvu, lai iet pierakstīt mērījumus no ledusskapjiem, pavisam noteikti nav efektīvi.
Interesanti būtu apskatīties vai pēc kādiem 2 – 5 gadiem šo varētu palaist valsts mērogā. Uz lapiņas var sarakstīt da jebkādas temperatūras un to jau neviens nespēj nokontrolēt – tur vienmēr viss ir labi :)
Būtu labi veidot sadarbūbu ar veikalu iekārtu ražotājiem, lai sensori jau ir iebūvēti un atliek vien pievienot uzraudzības programmai
Interesants piedāvājums, bet nereti veikalos ir saldētavas no dažādiem ražotājiem – tas nozīmē, ka sadarbība ir jāveido ar visiem un tas izmaksā dārgi. Papildus tam, no ekonomiskā viedokļa – ejot pa barības ķēdi uz leju, t.i. no gala patērētāja uz ledusskapja piegādātāju, ir jāsamazina peļņas norma un bieži vien jāpielāgo pats sensors, kas atkal ceļ uz augšu izstrādi utt. Argumentu “pret” ir vēl kaudze.
Nezinu gan kā ar sensoru ražošanas jaudām un brīvo kapacitāti – tas arī ir jāpēta.
Lai vai kā – ir prieks, ka LV uzņēmumi var! Būšot arī mākslīgais intelekts, kas spēs analizēt visu kaudzi ar datiem.
Vari padalīties ar avotu par to mākslīga intelekta izmantošanu, ja tāds ir, lūdzu?
Te ir copy/paste no SAF mājas lapas. Tas ir viens no projekta mērķiem:
“Uzkrātajiem mērījumu datiem piemērot liela apjoma datu (Big Data) analītikas risinājumus, tai skaitā mašīn-mācīšanās algoritmus (Machine Learning), lai spētu identificēt normālas un anomāliju paternus saņemtajos datos, tai skaitā izvērtējot un veicot saņemto datu apstrādi faktu vektoros, lai izveidotu un apmācītu atbilstoši izvēlēto apmācības modeli, kā arī nodrošinot iteratīvus modeļa uzlabojumus”