DOU Labs: как в GlobalLogic создали климатическую систему с дополненной реальностью
В рубрике DOU Labs мы приглашаем IT-компании делиться опытом собственных интересных разработок и внутренних технологических инициатив. Вопросы и заявки на участие присылайте на Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. .
Соавтор статьи — Алексей Огуй (Senior Manager, GlobalLogic)
Ранее мы уже рассказывали о том, что в харьковском офисе GlobalLogic запустилась инновационная лаборатория BrainMade. Это инкубатор идей внутри компании, где когда-либо созданные Proof-of-Concept (PoC) получают свое продолжение, развитие и, в перспективе, практическую реализацию. Кроме концепции умной железной дороги, мы писали и о некоторых новых направлениях лаборатории, например, Big Data, Industrial, IoT, Augmented Reality, Machine Learning.
В этой статье мы хотим поделиться проектом, который начинался как самостоятельная инициатива, а теперь стал важной частью BrainMade. Это система мониторинга микроклимата в помещении под названием MeteoLogic, основанная на технологиях умного дома и интернета вещей.
Идея проекта
Идея MeteoLogic возникла из особенностей офиса GlobalLogic в Харькове. Вернее, из особенностей бизнес-центра, где расположен офис и где нет центральной системы кондиционирования и управления температурой. Для того, чтобы поддерживать оптимальный микроклимат в помещениях, специально обученный человек производит регулярный обход и вручную снимает показания температуры офисного воздуха. Да, это действительно нерационально и трудозатратно. Именно эта часть офисной рутины вдохновила нас на создание PoC.
Как вариант, можно было использовать готовые датчики и климатические решения. Мы оценили существующие готовые решения, а также решения «под ключ», их стоимость. Получалось неоправданно дорого. Кроме того, они не давали возможности в точности выполнить поставленную задачу и интегрировать все данные в одну наглядную систему для практического использования в офисе.
У команды проекта уже был опыт работы с embedded-решениями и, что немаловажно, огромное желание экспериментировать в IoT. Таким образом, возникла идея сделать все самостоятельно с нуля.
Разумеется, мы хотели создать решение для сбора информации о температуре и влажности воздуха, ее визуализации и ведения статистики. Но мы собирались также испытать в деле разные датчики, устройства и протоколы, оценить и проанализировать их эффективность для разных задач. Но самое главное — получить новый опыт и новые знания. Собрав команду, мы принялись за дело.
Реализация
В ходе нашей работы мы хотели получить не просто некоторое инженерное решение, которое будет работать, но и адекватную по стоимости реально действующую систему, которую можно масштабировать на все офисное помещение. Начали мы с интервью специалистов, ответственных за жизнеобеспечение офиса, для сбора их пожеланий и требований к такой системе.
После обработки результатов опросов мы перешли к экспериментам и подбору оборудования. В результате мы выбрали датчики температуры и влажности DHT11, которые по протоколу MQTT передают информацию на специальные хабы. Аккумулируя информацию с нескольких датчиков (например, расположенных в одном блоке или на одном этаже), хаб через Wi-Fi передает ее дальше на сервер. Обработка данных происходит на сервере, где данные агрегируются, визуализируются и передаются на пользовательские компьютеры через веб-интерфейс.
При серийном производстве стоимость одного датчика составит $7-8, хаба — $9-10. Для покрытия офиса площадью около 5600 м2 (в среднем 1000 м2 один этаж) нам может понадобиться около 100 датчиков и
Наиболее сложной задачей стал подбор аппаратных устройств, которые бы удовлетворили нас по функциональности, надежности и производительности, но при этом были бы простыми в массовом производстве и обладали невысокой ценой. Также вопросы возникли в необходимости глубокой проработки UX для веб-интерфейса, обеспечении стабильности беспроводной передачи информации от датчиков к хабам (проблемы с разводкой антенны), учитывая тот факт, что проектированием плат занимались s/w engineers, пусть и со специализацией в embedded.
Развитие идеи в процессе реализации
Параллельно с работой над основной частью проекта мы решили добавить в MeteoLogic технологии дополненной реальности для развития экспертизы и в этой области. Проект как нельзя лучше для этого подходил. Прежде всего потому, что в отличие от коммерческих проектов, здесь мы не связаны какими-либо NDA. Кроме того, в данном случае дополненная реальность действительно способна расширить функциональность изначального решения.
Во-первых, это визуальное отображение информации о температуре и влажности непосредственно возле датчика. Конечно, крайней необходимости делать это с помощью AR нет, зато это выглядит достаточно эффектно: навел камеру смартфона на настенный датчик — моментально увидел показатели.
Во-вторых, использование дополненной реальности для демонстрации процесса обслуживания устройства — визуализация детальной инструкции по разбору неисправного девайса, замене батареи и обратной сборке в исходное состояние. Это уже намного интереснее и позволяет сделать процесс интуитивным, доступным даже для человека без специальных навыков.
Ну и конечно же, был интересен и сам процесс изучения и построения реально действующей системы сбора и анализа данных, последующая визуализация и соединение технологий в единый продукт, имеющий перспективную ценность для бизнеса.
Благодаря технологиям Unity и Vuforia через пару месяцев у нас была готова «надстройка» дополненной реальности к проекту. Теперь у нас есть приложение для Android и iOS, получающее информацию от сервера на основе уникальной метки датчика и отображающее основные показатели системы пользователю.
Результаты и планы
В результате работы над проектом мы получили достаточно интересную и развитую платформу, которую можно интегрировать в существующую экосистему офиса. Тестовая эксплуатация на протяжении 12 месяцев прошла успешно. Теперь для непосредственного внедрения системы остается обширное поле деятельности — оптимизация работы с IoT стандартами и протоколами передачи данных.
На данный момент команда уже спроектировала новую версию печатной платы с поддержкой BLE и заказ передан в производство, параллельно идёт серьёзная переработка софтверной части, которая позволит легко масштабировать и расширять функционал платформы путем подключения новых датчиков по стандартным алгоритмам работы с периферийными модулями (SPI, UART, I2C).
Одним из первых внешних датчиков, который был подключён к системе с использованием новой расширяемой архитектуры ПО, стал датчик углекислого газа MH-Z14.
Также новый софт поддерживает возможность двусторонней связи, т. е. не только получения информации с сенсоров, но и управления устройствами, так называемыми актуаторами. В планах нашей команды первым делом реализовать таким способом дистанционное управление по инфракрасному каналу кондиционерами с помощью выносного IR-передатчика, что позволит сделать нашу систему умного офиса интерактивной, с обратной связью. И, как результат, выполнять функцию не только мониторинга, но и автоматизированного управления такими параметрами, как температура и качество воздуха в офисе.
Для продолжения этого проекта мы выбрали следующие направления развития идеи: оптимизация сетевой инфраструктуры путем реализации сети типа mesh и, как следствие, минимизация количества хабов на каждом этаже до одного экземпляра. Интересная задача — переход на беспроводную технологию Bluetooth Low Energy (BLE), которая удачно сочетает в себе возможность реализации mesh-сети и минимизацию энергопотребления датчиков.
Кроме этого, есть планы всячески дополнять проект новыми технологиями и интегрировать с другими существующими решениями, в том числе упомянутой ранее железной дорогой, что как нельзя лучше служит целям и задачам BrainMade. К проекту уже подключилась команда Big Data, которая занимается улучшением обработки, анализа и визуализации получаемых реальных данных. По сути — мы разработали базис для дальнейшего творчества команды.
Система обросла решениями, углубила нашу экспертизу, стала толчком к синергии технологий и полем для развития бизнеса. Стимулируя развитие простых и понятных всем вещей, мы вышли на другой технологический стек, связанный с применением Machine Learning.
Рабочий процесс
Мы уверены, что новые идеи приносятся людьми. Этот проект ярко показал: к команде можно присоединиться на каждом этапе, привнести свой вклад в общее дело и продолжить дело, начатое другими. Мы не можем сказать, что это конец проекта. Из опыта — мы постоянно развиваем свои же идеи. Поэтому если вам интересны технологии начиная от embedded заканчивая data science — мы будем только рады новым людям в команде, пишите Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. !
