U ovom članku ćemo predstaviti značenje sučelja podataka čovjek-mašina. Vlasnici postrojenja mogu koristiti ovaj članak da saznaju više o konceptu sučelja podataka čovjek-računar i ulozi sučelja podataka čovjek-računar u tvornici budućnosti.
Ovaj članak pokriva:
- Šta znači sučelje podataka čovjek-mašina?
- Ključne prednosti sučelja podataka čovjek-mašina
- Koje industrije ga koriste?
- Šta je potrebno za implementaciju?
Šta znači interfejs podataka čovek-računar?
Internet stvari i okruženje velikih podataka
Kako se sve više IoT platformi koristi u proizvodnji, generiraju se velike količine podataka. „Pametno“ fabričko okruženje se odnosi na generisanje i isporuku velikih količina podataka, mašinsko učenje, veštačku inteligenciju, rešenja proširene i virtuelne stvarnosti i povezane mašine sa integrisanim IoT platformama. Stvarni podaci mogu doći iz eksternih izvora kao što su senzori na mašinama, povezani uređaji, logistika, ugrađeni HMI, interni SCADA sistemi i obrasci kupovine kupaca. Danas postoji bezbroj izvora podataka koje je potrebno integrirati u proces donošenja odluka.
Big Data i Business Intelligence rješenja se sve više procjenjuju kako bi se stekli uvid iz podataka. U većini slučajeva ovi podaci se šalju u oblak na dalju analizu i obradu. Postoji potreba za robusnim industrijskim cloud rješenjem za pohranu i obradu podataka iz više generiranih izvora podataka.
Međutim, postoje trenuci kada je potrebno donijeti trenutne odluke, u kom slučaju podatke treba obraditi na rubu, umjesto da se prvo prenesu u oblak. Edge computing uključuje obradu podataka sa IoT platformi bliže mjestu gdje se podaci zapravo generiraju. U slučaju tvornica, to uključuje obradu podataka na fabričkom podu.
Razmotrite situaciju u kojoj se kritična mašina na važnoj montažnoj liniji pregrije. Ako se svi podaci prvo moraju poslati u oblak, to može biti dugotrajno jer je potrebna hitna akcija. Problemi koji uključuju kašnjenje i mrežnu povezanost također mogu imati utjecaja. U ovom slučaju, edge computing je poželjniji od procesa zasnovanog na oblaku jer senzori iz mašina mogu slati samo podatke koji su im potrebni u HMI u fabrici, tako da osoblje fabrike može odmah da prilagodi temperaturu mašina u skladu sa tim.
Interfejs ljudskih podataka
Koncept sučelja podataka čovjek-mašina odnosi se na direktnu interakciju ljudi s podacima generiranim mašinama. Takođe opisuje vezu između mozga i misaonih obrazaca mašine. Drugim riječima, podaci teku između ljudskog mozga i mašine.
Mnogi vlasnici pogona su upoznati sa uključivanjem mašina u mašinu jer mašine u fabrici zahtevaju unos od drugih mašina i deo su internog SCADA sistema. Većina je također upoznata s konceptom olakšavanja ljudske interakcije korištenjem jezika.
Podatkovni interfejsi ljudi-mašina odnose se na komunikaciju čovjek-mašina. Ljudska sučelja podataka zahtijevaju mašine koje su u stanju da pokupe i razumiju ne samo neuronske obrasce i komunikacije, već i prepoznaju i razumiju druge senzorne indikatore. To bi moglo uključivati korištenje sistema za prepoznavanje lica kako bi trgovci mogli procijeniti reakciju kupaca na određeni proizvod ili pružiti promotivne informacije u realnom vremenu o proizvodu za koji su pokazali pozitivan interes. Mašine bi također trebale biti u stanju da obrađuju i razumiju glasovne komande, vizuelne znakove, biofeedback i druge senzorne podatke kako bi se efikasno uključile u ovu komunikaciju.
Interfejsi ljudskih podataka su u skladu s ciljem mašinskog učenja Industrije 4.0, jer će mašine naučiti i moći obraditi podatke koje dobiju od ljudskog mozga/direktne ljudske povratne informacije. Dakle, ako se ovaj koncept primeni na fabričko okruženje, u slučaju pregrejane mašine, temperatura bi se mogla podesiti vizuelnim signalima ili direktnim glasovnim komandama radnika fabrike.
Ključne prednosti sučelja podataka čovjek-mašina
Poboljšane sposobnosti donošenja odluka
Optimizacija postrojenja zasnovana na podacima olakšala je razvoj rješenja za predviđanje održavanja i drugih uvida u velike podatke kao što su algoritmi mašinskog učenja. Kada se IoT platforme postave, sučelja ljudskih podataka mogu omogućiti ljudskom mozgu da pristupi podacima i uvidima direktno sa ovih platformi, a da prethodno ne mora prenijeti podatke u oblak.
Pojednostavljivanje procesa angažovanja podataka
Analitika podataka je prilično složena oblast. Dok razvoj back-end sistema i dalje zahtijeva napredne tehnološke sposobnosti, sučelja čovjek-mašina imaju potencijal da smanje složenost tradicionalnih front-end sistema.
Analiza i obrada podataka u realnom vremenu
Ljudski podatkovni interfejsi su dobro prilagođeni okruženjima za obradu rubova i omogućavaju kritično donošenje odluka i analizu podataka u realnom vremenu. Nema vremenskog kašnjenja zbog kašnjenja i šalju se samo podaci koje je potrebno obraditi, stoga su uključeni manji paketi podataka.
Koristi li ga industrija?
Trenutno nema mnogo industrija koje koriste interfejs ljudskih podataka. Zdravstveni sektor je rano usvojio tehnologiju Human Data Interface i korišten je za pomoć pacijentima s paraplegikom. Očekuje se da će sve više industrija usvojiti model Human Data Interface u bliskoj budućnosti.
Šta je potrebno za implementaciju?
Promjena stava
Prva prepreka koju treba savladati da bi se implementirao interfejs ljudskih podataka je stav. Tradicionalno, analitiku podataka i upravljanje velikim podacima su se zaista bavili samo analitičari podataka i drugi IT/poslovni profesionalci. Da bi se mogli upiti podaci, potrebno je razumjeti baze podataka i više programskih jezika. Koncept interfejsa ljudskih podataka oslanja se na sposobnost ljudskog mozga da izdaje direktne komande mašinama i sposobnost mašina da prime ljudske znakove i senzorne indikatore. To znači da se protok podataka može olakšati bez obzira na nivo vještina ili stručnost krajnjeg korisnika, što zahtijeva dramatičnu promjenu trenutnih stavova prema upitima i upravljanju podacima.
Razumijevanje podataka
Ljudski mozak mora biti u stanju razumjeti podatke koje prenosi mašina i obrnuto. Obuka virtuelne stvarnosti i drugi alati veštačke inteligencije mogu se koristiti za pružanje sesija angažovanja mašina za složenije skupove podataka. Mašine također moraju imati potrebne senzore i algoritme za obradu direktnih ljudskih povratnih informacija.