0 просмотров
Рейтинг статьи
1 звезда2 звезды3 звезды4 звезды5 звезд
Загрузка...

Проверочная работа №1 для 7 класса (ФГОС) по учебнику Босовой Л

Проверочная работа №1 для 7 класса (ФГОС) по учебнику Босовой Л.Л.
тест по информатике и икт (7 класс) на тему

Данная проверочная работа составлена на основе материалов размещенных на официальном сайте автора учебника «Информатика. 7 класс»

Скачать:

ВложениеРазмер
proverochnaya_rabota_no1.docx125.79 КБ

Предварительный просмотр:

Проверочная работа №1

1. Какое из следующих утверждений точнее всего раскрывает смысл понятия «информация» с обыденной точки зрения

А) последовательность знаков некоторого алфавита;

Б) книжный фонд библиотеки;

В) сведения об окружающем мире и протекающих в нем процессах, воспринимаемые человеком непосредственно или с помощью специальных устройств;

Г) сведения, содержащиеся в научных теориях.

2. Дискретным называют сигнал:

А) принимающий конечное число определенных значений; Б) непрерывно изменяющийся во времени;

В) который можно декодировать; Г) несущий какую-либо информацию.

3. Информацию, существенную и важную в настоящий момент, называют:

А) полезной; Б) актуальной; В) достоверной; Г) объективной

4. Известно, что наибольший объем информации физически здоровый человек получает при помощи:

А) органов слуха; Б) органов зрения; В) органов осязания;

Г) органов обоняния; Д) вкусовых рецепторов.

5. Укажите «лишний» объект с точки зрения вида письменности:

А) русский язык; Б) английский язык; В) китайский язык; Г) нотные знаки.

6. По форме представления информацию можно условно разделить на следующий виды:

А) математическую, биологическую, медицинскую, психологическую и т.д.;

Б) знаковую и образную;

В) обыденную, научную, производственную, управленческую;

Г) визуальную, аудиальную, тактильную, обонятельную, вкусовую

7. Основными свойствами информации являются:

А) дискретность; Б) конечность; В) актуальность; Г) стоимость;

Д) ценность; Е) сходимость; Ж) полнота; З) доступность;

И) массовость; К) результативность; Л) достоверность; М) читаемость;

8. Сообщение об объекте или явлении передает всю требуемую вам информацию в случае его:

А) актуальности (своевременности); Б) полезности (практической ценности); В) полноты;

Г) объективности; Д) понятности; Е) достоверности

9. Если человеку рассказываю что-то, к восприятию чего он не готов (например, обращаются на неизвестном ему иностранном языке), то эта информация для такого человека не будет:

А) полезной (практически ценной); Б) понятной; В) вероятной;

Г) объективной; Д) полной; Е) актуальной (своевременной)

10. Какой из перечисленных источников информации можно использовать для получения полной информации о конкретном домашнем животном?

А) специализированная литература;

Б) радиопередачи по общим проблемам дрессировки домашних животных;

В) видео- и телепрограммы про животных;

Г) поиск информации в информационных системах и базах данных;

Д) изучение родословной и наблюдение за данным домашним животным

11. Представления наших древних предков, отраженные в наскальных рисунках дошли до нас благодаря носителям информации в виде:

А) магнитных дисков; Б) стен пещер; В) бумаги;

Г) акустических волн; Д) электромагнитных волн

12. Декодируйте известные пословицы, представленные в виде рисунков:

Проверочная работа №1

1. Непрерывным называют сигнал:

А) принимающий конечное число определенных значений;

Б) непрерывно изменяющийся во времени;

В) несущий текстовую информацию;

Г) несущий какую-либо информацию.

2. Информацию, не зависящую от личного мнения или суждения, называют:

А) понятной; Б) актуальной; В) объективной; Г) полезной.

3. По способу восприятия человеком различают следующие виды информации:

А) текстовую, числовую, графическую, табличную и пр.

Б) научную, социальную, политическую, экономическую, религиозную и т.д.;

В) обыденную, производственную, техническую, управленческую;

Г) визуальную, аудиальную, тактильную, обонятельную, вкусовую.

4. Укажите «лишний» объект с точки зрения соглашения о смысле используемых знаков:

А) буквы; Б) дорожные знаки; В) цифры; Г) нотные знаки

5. К формальным языка можно отнести:

А) русский язык; Б) латынь; В) китайский язык; Г) французский язык

6. Дискретизация информации – это:

А) физический процесс, изменяющийся во времени;

Б) количественная характеристика сигнала;

В) процесс преобразования информации из непрерывной формы в дискретную;

Г) процесс преобразования информации из дискретной формы в непрерывную.

7. «Долгое время считалось, что в центре Вселенной находится Земля, а Солнце вращается вокруг Земли (геоцентрическая модель Вселенной Птолемея). Однако такая модель Вселенной не согласовывалась с наблюдениями астрономов. В 1543 г. польский астроном М.Коперник на основании анализа результатов значительного количества наблюдений доказал ошибочность геоцентрической модели мира и вероятность гелиоцентрической модели, которая служит науке и сегодня».

Какие из свойств информации присущи данному сообщению?

А) достоверность; Б) понятность; В) актуальность (современность);

Г) полезность (практическая ценность); Д) полнота; Е) объективность

8. Данные полученные с помощью корректно работающих датчиков измерительных приборов, характеризуются:

А) полезностью (практической ценностью); Б) актуальностью (своевременностью);

В) полнотой; Г) достоверностью;

Д) объективностью; Е) понятностью

9. Сообщение: «В 20.00 начнется выпуск теленовостей», полученное в 19.00, по сравнению с тем же сообщением, полученным в 21.00, является:

А) объективным; Б) полным; В) полезным (практически ценным);

Г) актуальным (своевременным); Д) понятным; Е) вероятным

10. Что является наиболее общим между папирусом, берестяной грамотой, книгой и дискетой?

А) способ производства; Б) форма; В) материал, из которого они изготовлены;

Г) назначение; Д) стоимость

11. В системе «человек – телевизор» носителем информации является:

А) вещество; Б) гравитационное поле;

В) звуковые и световые волны; Г) вакуум

12. Декодируйте известные пословицы, представленные в виде рисунков:

Данные полученные с помощью корректно работающих датчиков

Возможные причины и их устранение:

  • В детекторе поездок выбран некорректный определитель движения (например, неработающий или неправильно настроенный датчик зажигания).
  • В шаблоне отчета для таблицы Поездки установлены фильтры (по минимальному пробегу, по наличию остановок в поездках и прочие), которые отсекают произведенную поездку. Удалите эти фильтры или откорректируйте их.
  • Трекер присылал сообщения с большим интервалом, превышающим установленное в детекторе поездок минимальное время стоянки. Необходимо перенастроить трекер на более частую отсылку сообщения (1 раз в 3-5 минут) и увеличить минимальное время стоянки до 5-7 минут.
  • Проверьте также и другие параметры детектора поездок.

Возможные причины и их устранение:

1. Были выбросы данных.

Чтобы определить, что выбросы данных имели место, постройте трек передвижения объекта за соответствующий период. На треке выбросы будут видны.

С выбросами можно бороться следующими способами:

  • На вкладке Дополнительно в свойствах объекта включите фильтрацию информации о положении объекта в сообщениях и задайте необходимые параметры. Они не затронут старые сообщения, но будут применяться к новым.
  • Чтобы получить более корректные данные в отчетах по уже зафиксированным в базе сообщениям, попробуйте настроить иначе детектор поездок объекта. В частности, уменьшите максимальное расстояние между сообщениями и увеличьте минимальное количество спутников.

2. Неправильно настроен или некорректно работает датчик, выбранный для счетчика пробега.

  • Проверьте настройки счетчика пробега на вкладке Основное.

Возможные причины и их устранение:

  • Если моточасы определяются по датчику зажигания, то причина может быть в том, что данные от этого датчика некорректны. Проверьте свойства датчика: правильно ли выбран параметр, задана таблица расчета, валидация и т. п.
  • Для точного расчета моточасов оборудование должно прислать любое валидное значение параметра датчика зажигания. В случае получения невалидного значения необходимо заменить датчик валидатором с корректным значением (например, 0).
  • Максимальный интервал между сообщениями, выставленный на вкладке Дополнительно в свойствах объекта меньше типичного для трекера промежутка между сообщениями. Поэтому интервалы моточасов определяются неверно. Тогда следует установить параметр Максимальный интервал между сообщениями в ноль или задать ему адекватное значение, которое будет соответствовать потере связи (например, 10-20 минут).

Возможные причины и их устранение:

1. Установлена опция Поиск заправок только при остановке, но при этом детектор поездок настроен некорректно.

Отключите опцию Поиск заправок только при остановке в настройках ДУТ либо перенастройте детектор поездок, например, увеличьте минимальную скорость или максимальное расстояние между сообщениями.

2. Установлена большая степень фильтрации ДУТа.

Уменьшите степень фильтрации значений датчиков уровня топлива в настройках (рекомендуемое значение — до 15) или выберите опцию Рассчитывать объем заправки по сырым данным.

3. Установлено слишком большое значение минимального объема заправки.

Уменьшите минимальный объем заправки в настройках ДУТ.

Возможные причины и их устранение:

1. Слив был тестовый и был произведен непосредственно перед заправкой.

Такие тесты система определяет как выбросы данных. В реальной ситуации (без последующего восстановления уровня топлива) слив будет детектироваться.

2. Слив был произведен во время длительного выключения контроллера.

Слив может быть определен только при выключенной опции Рассчитывать расход топлива по времени в настройках ДУТ и при наличии поездки после включения контроллера.

3. Большая степень фильтрации.

Уменьшите степень фильтрации (рекомендуемое значение — до 15) либо выберите опцию Рассчитывать объем слива по сырым данным.

4. Большое значение минимального объема слива.

Уменьшите минимальный объем слива в настройках ДУТ.

1. Расчет уровня топлива по пробегу

При таком расчете фиксируются показания по датчику только в состоянии движения, которое определяется исходя из настроек детектора поездок.

Вычисление слива/заправки происходит методом сравнения разницы между начальным уровнем топлива (X) на последующем интервале движения и конечным уровнем топлива на предыдущем интервале движения (Y). Если (X—Y)>0, то была заправка, если Почему не считается расход по расчету?

Поскольку механизм математического расчета топлива опирается на показания датчика зажигания, проверьте его свойства и работу. Возможно, у вас не создан данный датчик либо в нем установлено значение расхода равное 0 л/ч.

Вы можете воспользоваться несколькими описанными ниже подходами.

Вариант 1

Создайте виртуальный датчик зажигания. В качестве его параметра мы рекомендуем использовать усредненную скорость: (speed+#speed)/const2.

Вариант 2

Даже если вы не устанавливали датчик зажигания в объект или не уверены, какое имя имеет параметр, отвечающий за зажигание, в параметрах прибора может быть какой-либо признак, соответствующий работе двигателя. Чтобы воспользоваться им, сравните два сообщения от объекта: одно — когда зажигание вероятнее всего выключено; второе — когда включено.

Пример

На протяжении длительного времени ночью объект присылает примерно следующий набор параметров:

При движении со скоростью — примерно такой:

Непосредственно перед началом движения, как правило, зажигание включается:

Отбрасываем заведомо неточные параметры: hdop (точность), adcN (закономерность трудно определить), odo (относительный одометр в метрах), mcc mnc cell_id и lac (блок LBS данных), gsm_lvl (уровень сигнала GSM) и так далее. Параметр J1708_eng_hrs для данного объекта выглядит наиболее вероятным, т.к. не изменяется во время стоянки ночью. Как правило, можно использовать также pwr_ext. Если зажигание цифровое, то изменения значений можно отследить в блоке I/O = (подробнее в разделе Параметры входов и выходов).

Вариант 3

Если вы подключали зажигание, узнайте параметр, воспользовавшись методом, описанным выше, либо инструкцией производителя.

  • В некоторых случаях система может считать, что в течение интервала отсутствия сообщений от объекта зажигание было включено. Установите значение по умолчанию 0 секунд в опции Максимальный интервал между сообщениями на вкладке Дополнительно свойств объекта. Влияние данной опции на расчет топлива описано в документации.
  • Может быть создано несколько датчиков полезной работы двигателя. Проверьте, какие значения они принимают. Проще всего оценить это, построив в отчете простой график с одной из кривых Расход по расчету.

Предположим, расход топлива в городском цикле равен 10 л/100 км, а в загородном — 7 л/100 км.

  • Создадим датчик зажигания (как в примере выше) и установим расход на холостом ходу в размере 1 л/ч.
  • Средняя скорость движения в городе — 36 км/ч, за городом — 80 км/ч.
  • Расстояние в 100 км при движении со скоростью 36 км/ч объект проедет за 2.8 часа. 10 л/2.8 = 3.57. Вычислим значение повышающего коэффициента при движении в городе: 3.57 / 1 (х/х) = 3.57.
  • В результате проведения аналогичного расчета для загородного режима получаем коэффициент равный 5.6.
  • Создадим датчик полезной работы двигателя, принимая во внимание тот факт, что объект не может тратить топлива меньше, чем на холостом ходу, и что до начала движения он неподвижен. В качестве параметра используем среднюю скорость (speed+#speed)/const2 и заполняем таблицу расчета (вручную либо с помощью мастера таблицы расчета):

Обратите внимание, что последняя пара точек — то, как система рассчитывала ранее (для скорости выше 80 км/ч расход топлива считался постоянным). Вы можете не использовать данный метод и изменить набор точек. Также 3 в данном примере — это минимальная скорость из детектора поездок объекта, соответственно, в вашем объекте данный параметр может быть иным.

Результат: в нашем примере для объекта был определен средний расход, рассчитанный относительно скорости и времени между сообщениями и с учетом номиналов работы транспортного средства.

При математическом расчете расход топлива вычисляется отдельно для каждой пары сообщений.

Используется следующий алгоритм:

  1. Определяется состояние датчиков работы двигателя (датчик зажигания и датчики абсолютных и относительных моточасов) в текущем сообщении.
  2. Для работающих датчиков суммируются значения, указанные в их свойствах в поле Расход, литров в час.
  3. Вычисляются значения датчиков полезной работы двигателя.
  4. Полученные значения суммируются по формуле k1 + (k2 — 1) + (k3 — 1) + … + (kn – 1). Таким образом формируется коэффициент. Если сумма коэффициентов меньше нуля или невалидна, то общий коэффициент принимает значение 1.
  5. Для определения текущего расхода топлива объектом значение из пункта 2 умножается на значение из пункта 4.
  6. Время от предыдущего сообщения до текущего умножается на значение из пункта 5.
  7. Расход для каждой пары сообщений за указанный интервал суммируется и таким образом определяется расход топлива по расчету.

Теперь эта опция находится на вкладке Дополнительно.

Как правило, сезонный коэффициент предполагает повышенный расход. Например, зимой расход топлива на 30% выше, чем летом. Допустим, что зима в вашем климате – с 01 декабря по 01 марта.

  1. Создайте датчик полезной работы двигателя с параметром time:d.
  2. Найдите, какому номеру дня в году соответствуют ваши даты. Высокой точности не требуется: год может быть високосным, а сам сезон — длиннее или короче. Например, для указанного выше периода — это примерно 334 и 59.
  3. Создайте таблицу расчета, как на скриншоте ниже.

time – параметр, который присутствует в любом сообщении от любого прибора, и система автоматически вычислит номер дня по нему. Таким образом, при наступлении сезона к расходу топлива автоматически будет добавлено 30%.

Более точный результат можно получить при наличии, например, датчика температуры окружающей среды, рассчитав повышение нормы при определенных показателях.

Он необходим для адаптивного расчета топливных данных в различных условиях: при наличии различных типов навесного оборудования, температурных режимов, условий эксплуатации, пробега авто и его технического состояния, нескольких потребителей топлива на одном и том же объекте, учета ускорений/торможений, оборотов двигателя.

Данные полученные с помощью корректно работающих датчиков

В чём заключаются главные задачи современных систем предиктивной диагностики?

Последние десятилетия были отмечены достаточно бурным ростом количества предлагаемых систем диагностики. Причём, если изначально этом могли быть системы ориентированные на контроль изменения какого-то одного параметра, даже без глубоких диагностических возможностей, то со временем совершенствовались и углублялись как методы диагностики, так и вопросы и проблемы, встающие перед разработчиками таких систем. Уже достаточно давно мы ушли от контроля общего уровня различных параметров – для повышения достоверности диагностики применяется множество различных приёмов, будь то спектральный анализ, статистический, анализ форм. Многие разработчики предлагают программы для автоматизации диагностики. Однако, помимо непосредственно определения дефектов, важной задачей становится предсказание развития найденных дефектов, расчёт ресурса и, в конечном итоге, возможность формирования гибкой стратегии ТОиР, с одной стороны ориентированной на обеспечение бесперебойного надежного функционирования оборудования, с другой – отвечающей политике предприятия в области оптимизации расходов и снижения затрат.

Расскажите об общих принципах работы систем, необходимых компонентах.

Доступные сейчас системы можно в целом разделить на 2 группы: программные комплексы и программно-аппаратные комплексы. В первом случае мы имеем дело с программным обеспечением, которое может выступать некоей надстройкой для существующих измерительных устройств. Эти программы, как правило, предоставляют широчайший инструментарий для работы с сигналами вибрации, также позволяют подгружать сигналы иной природы, в том числе полученные с помощью переносных приборов, формировать отчёты, использовать предустановленные алгоритмы автоматизированной диагностики или формировать собственные. Программно-аппаратные комплексы, при схожем функционале софтверной части, обеспечивают также непосредственное проведение измерений, т.е. в комплект входят измерительные датчики, устройства обработки сигналов и непосредственно софт.

На рынке представлено не мало систем, разработчики которых декларируют предиктивный функционал и использование современных методов обработки данных. В чём Вы идите достоинства и недостатки этих систем? Какие отличия предлагаете в своей системе?

Подавляющее большинство систем ориентировано на использование предварительно сформированных диагностических и прогностических алгоритмов. Они могут быть получены разными методами (экспертная оценка, моделирование, конструкторские расчеты), но в любом случае предполагают некую универсальность – т.е. одни и те же критерии, алгоритмы применяются, например, для одинаковых насосов, работающих в кардинально разных условиях. При этом очевидно, что двух абсолютно одинаковых агрегатов быть не может – отличия материалов, нюансы сборки, разница в исполнении опорных конструкций, режимы работы, соседние агрегаты – всё оказывает влияние на эталонные характеристики. При этому, в случае использования технологий машинного обучения, очевидно, что, по крайней мере на первом этапе, чем больше различных параметров мы используем для анализа – тем более точным можем быть результат. Ряд дефектов и особенностей агрегатов может никак себя не проявлять в вибрационном сигнале – и системы, предназначенные прежде всего для анализа вибрации (а таких большинство), будут в этих случаях бесполезны. Мы же в своих разработках основываемся прежде всего на комплексной оценке конструкции агрегата, режимов и условий его работы, опыта эксплуатации. Изначально заложенные возможности анализа и расчёта любых сигналов, эксплуатационных параметров, возможность формирования новых собственных параметров – всё это даёт преимущество как в точности диагностики, определения дефектов на первых стадиях развития, так и в точности прогнозирования остаточного ресурса.

Какие преимущества даёт Цифровой Двойник?

Цифровой двойник позволяет нам оперировать всеми параметрами, связанными с работой агрегата. Здесь вибрационные, токовые, температурные характеристики, любые эксплуатационные параметры. Любое выявленное отклонение от оптимальных режимов и характеристик может стать важным диагностическим критерием. При этом появляется возможность использовать виртуальные датчики там, где нет возможности использовать датчики реальные. Не менее важным преимуществом Цифровых двойников является возможность отработки сценария «Что если?», который позволяет обеспечивать безопасность эксплуатации агрегатов во всех штатных и нештатных режимах.

Что требуется от Заказчика для внедрения системы в работу?

КАДФЕМ Диджитал не просто разрабатывает программный продукт, а может предложить решение любого уровня: от программно-аппаратного комплекса для периодической комплексной диагностики до масштабных решений на базе Комплексных Цифровых Двойников. Наши решения предназначены для предприятий любого масштаба и оборудования любого уровня сложности. При отсутствии необходимости непрерывного мониторинга, предлагаемый нами программно-аппаратный комплекс может использоваться в качестве полустационарной системы и эксплуатироваться как опытной диагностической службой, так и специалистами без глубокой подготовки, обеспечивая при этом своевременное обнаружение дефектов и расчёт остаточного ресурса, выдачу рекомендаций специалистам службы эксплуатации. В случае реализации масштабных автоматических систем предиктивной диагностики, Комплексных Цифровых Двойников, наши программно-аппаратные комплексы являются ключевыми инструментами обеспечения точности и надёжности Цифровых Двойников, а сама система может быть интегрирована в АСУТП предприятия. Таким образом, прежде всего заказчику необходимо определиться с имеющимися задачами, помощь в этом могут оказать специалисты нашей компании.

Какой принцип работы системы предиктивной диагностики и что это дает его пользователю? Чем ваша система лучше хорошо известных классических систем?

Система является диагностическим комплексом лабораторного уровня, его работа основана на использовании промышленных устройств обработки данных, что даёт возможность получать и обрабатывать сигналы любой природы. Использование комплекса параметров, широкие возможности обработки сигналов (получение спектров, форм, огибающих), возможность использования различных датчиков, формирования собственных пользовательских параметров значительно повышают оперативность и достоверность диагностики, алгоритмы машинного обучения обеспечивают точность расчёта остаточного ресурса. Главное преимущество нашей системы – возможность автоматического формирования предиктивных алгоритмов для каждого конкретного агрегата.

Сколько комплексов системы будет нужно сделать для группы однотипных промышленных изделий?

Модульная структура номинально позволяет довести количество каналов одного головного устройства до 64. Таким образом, использование нескольких комплексов позволяет построить диагностическую предиктивную систему для всего предприятия любого масштаба.

Как вы можете гарантировать правильность информации, которую дает система?

Использование поверенных датчиков, регулярная калибровка измерительных и вычислительных компонентов. Своевременная актуализация состояния диагностируемых агрегатов, синхронизация состояний позволяют верифицировать и при необходимости уточнять применяемые методики.

Почему при демонстрации ресурс подшипника (двигателя) быстро изменяется при изменении частоты вращения и продолжает уменьшаться, хотя мы ничего не меняем?

В данном случае демонстрируется, как на ресурс подшипника качения влияют частота вращения и температура. Вполне очевидно, что увеличение частоты и температуры относительно нормального режима работы приводит к уменьшению ресурса. Т.к. температура подшипника возрастает относительно медленно, то для демонстрационных целей в модели скорость роста температуры была специально увеличена. Как можно видеть, температура в модели уже практически стабилизировалась и изменение ресурса прекратилось. К слову сказать, расчёт проводится по стандарту ISO 281 для которого есть аналогичный гост ГОСТ 18855-2013. По данному стандарту на ресурс влияют не только температура и частота, но, например, и загрязнение смазки. Но в условиях выставки/демонстрации мы это не показываем, хотя и учитываем.

Почему ресурс восстанавливается после возвращения двигателя к нормальным условиям работы?

В нашем случае вы видите, каким будет ресурс при текущем режиме работы. Меняя режим работы, мы увеличиваем или уменьшаем скорость износа. Если бы наш демонстратор проработал с повышенной нагрузкой хотя бы день, вы бы увидели, что ресурс не вернулся на начальный уровень. Но т.к. прошло всего несколько минут, реальный износ подшипника за это время просто физически не успел отразиться на ресурсе и вернулся к прежнему значению.

В примере Ansys остаточный ресурс нормирован по номинальному режиму работы. Т.е. вы видите сколько оборудование проработает, если его вернуть в этот номинальный режим, а не то сколько оно проработает при сохранении фактического режима. Т.к. наша практика показывает, что заказчиков больше интересует фактический режим работы, а не некий номинальный, мы показываем то, что показываем. Справедливости ради, можно сказать, что иногда возникает задача нормировать остаточный ресурс по нескольким режимам нагрузки. Это не представляет никакой технической сложности и мы это тоже делаем.

Для чего в двойнике используются расчётные методы оценки ресурса (параметров надежности и т.п.)?

Методы расчёта показателей надежности, основанные на теории надежности и статистике отказов не предназначены для определения точного момента выхода из строя конкретного экземпляра оборудования. Наработка на отказ рассчитывается по пороговому значению вероятности отказа. Наиболее часто используется вероятность отказа 10%, хотя порог может быть и другим. Физически это означает, что к рассчитанному моменту времени из 100 работающих изделий 10 выходят из строя. Кривая интенсивности отказов имеет U-образную форму, с практически горизонтальным отрезком в средней части, когда интенсивность отказа постоянна. После этого участка интенсивность отказов начинает возрастать, т.е. после отказа некоторой части изделий, не сильно превышающей 10%, следующие начинают отказывать все быстрее и быстрее. Поэтому экономически может быть выгодно заменить или отремонтировать изделия при ближайшем техническом обслуживании (ТО) от выработки ресурса, хотя физически они еще не отказали. Если же используется стратегия эксплуатации до отказа, информация о расчётной наработке на отказ/остаточном ресурсе помогает правильно планировать складские запасы.

Даже в случаях, когда качество изделий, ремонта или ТО очень низкое и расчетная наработка на отказ неприменима, ее все равно надо использовать, чтобы явно указать на существующие проблемы с обеспечением надежности при эксплуатации.

Почему ваш цифровой двойник не такой, каким он должен быть? (нет BIM-модели, не основан на ГОСТ Р 58301—2018, не использует самообучающиеся модели и т.п.)?

Когда мы говорим про Электронный (Цифровой) макет изделия или Информационную модель строительного объекта, мы в первую очередь имеем в виду электронное описание его структуры в различных его представлениях (со связанной документацией и расчетами), проведенную по жизненному циклу и рабочим процессам до состояния выпуска и архива КТД или ПСД. Эти данные живут в специальных смежных информационных системах PLM, BIM CDE. Цифровой двойник (ЦД) изделия или актива – понятие собирательное, безусловно использующее данные перечисленных систем, но не только. Цифровой двойник начинается с понятия цифровой тени, то есть технологических потоковых данных полевого уровня, которые, как правило, накапливаются в системах АСУТП, АСДУ и др., либо идут напрямую с КИПиА. Когда речь идет о сценариях работы ЦД, очень часто требуются данные из ERP, MES, MRO-систем. Например, для получения кодов ТМЦ для заказа комплектующих, последовательности выполнения работ в производственных заданиях, справочные данные НСИ. Именно поэтому наиболее подходящим место хранения и агрегирования данных по активам, объектам должна быть отдельная информационная система, к-я кроме того, что содержит различные модели цифровых двойников (их может быть несколько и на основе разных технологий) еще и умеет обмениваться необходимой информацией со всеми перечисленными ИТ/ОТ-системами. Именно по вышеуказанным причинам мы в КАДФЕМ Диджитал используем в качестве такой системы решения на базе платформы промышленного интернета вещей, как наиболее подходящее место для агрегирования данных ЦД, взаимодействия со смежными системами. Кроме того, в мире создаются особые системы (пока единично) – платформы цифровых двойников, для тех же самых целей и с тем же набором функций.

Добавлю также, что имеет место начало разработки и использования ЦД и на инжиниринговых этапах жизненного цикла изделия ЭТП, РКД и Испытаний, когда цифровые двойники используются в сценарии «что, если» для проверки характеристик и определения оптимальных режимов работы. В этом случае используется термин Виртуальный двойник изделия/актива, когда нет связи с физическим объектом.

Все выше сказанное получило в КАДФЕМ Диджитал название – Комплексный цифровой двойник изделия/актива.

Как реализуются диагностика фактического состояния и прогнозирование остаточного ресурса конкретного агрегата? В чём отличие от расчётного (номинального) ресурса?

Фактическое техническое состояние отдельных узлов и агрегата в целом обусловлено наличием и степенью развития дефектов, которые могут быть вызваны естественным износом (выработки, повышенные зазоры, люфты, ослабления), нарушениями в процессе наладки, монтажа, регулировки (расцентровки, дисбалансы, перекосы), неправильными условиями эксплуатации (резонансные разрушения, повышенный износ из-за недостатка/низкого качества смазочных материалов), «врождёнными» дефектами отдельных комплектующих (некачественные подшипники, дефекты материалов) и т.п. Все эти дефекты могут быть выявлены в процессе эксплуатации агрегата методами неразрушающего контроля: анализ вибраций, температур, пусковых токов, токовых спектров, а также любых доступных для контроля эксплуатационных параметров. Чем большее количество показательных параметров можем использовать – тем более детальной и точной может быть диагностика. В этой связи использование принципов комплексной диагностики в составе Цифрового Двойника видится большим шагом вперёд, т.к. даёт возможность контролировать весь спектр эксплуатационных параметров, а также моделировать картину проявления дефектов, что ещё повышает достоверность диагностики.

На основе накопленных данных оценивается изменение всех доступных параметров как в абсолютном измерении, так и относительно друг друга, создаются математические модели развития дефектов. Применяя технологии анализа больших данных и различные алгоритмы машинного обучения мы получаем возможность построить прогностическую систему, способную не только определять текущее состояние агрегата, но и прогнозировать период развития дефектов вплоть до разрушения. Это, в свою очередь, даёт возможность сформировать оптимальную для агрегата стратегию обслуживания в зависимости от целей и стратегии эксплуатирующего предприятия.

Дефекты, вызванные некачественным монтажом или использованием дефектных комплектующих, естественно, не предусматриваются при проведении конструкторских расчётов – таким образом, мы имеем дело с разными видами ресурса.

Распределенный ввод/вывод IP67 в угледобыче

Разработчики электростанции в Китае доверяют свое новое угледобывающее предприятие fieldbus-системе в защищенном исполнении BL67 от компании Turck

Проектировщики доверили новое угледобывающее предприятие технологии промышленных сетей

Осенью 2006 года Инженерно-консалтинговый институт электротехники в Шаньдуне (SDEPCI) начал проект по увеличению мощности электростанции Yongchuan двумя установками на 135 МВт для переработки угля пониженного качества. Протяженная система транспортировки проходит через всю электростанцию и перемещает уголь из хранилища к углеразмольным мельницам перед подачей в печи. Поэтому разработчики электростанции ставят высокие требования к используемым решениям по автоматизации. В итоге необходимо управлять распределенными по всей площади завода бесчисленными датчиками и приводами, несмотря на пыль, влажность, вибрацию, шум или электромагнитные помехи.

Традиционная архитектура автоматизации не смогла бы удовлетворить этим требованиям, поэтому разработчики электростанции для передачи сигналов между ПЛК и датчиками и приводами остановили свой выбор на современной системе промышленных сетей. Правильно спроектированная система промышленных сетей — в современном конструктивном исполнении и со степенью защиты IP67 — не только гарантирует помехоустойчивую связь между всеми задействованными устройствами, но также обеспечивает высокую степень целостности данных, защиту от вибрации и расширенные функции диагностики.

Вопреки пыли и вибрации

После анализа систем промышленных сетей от различных поставщиков разработчики электростанции из компании Shandong LuNeng Engineering Co. Ltd., которые получили контракт на проектирование и ввод в эксплуатацию новой системы автоматизации электростанции, выбрали серию BL67 компании Turck. Чтобы обеспечить надежную работу в условиях запыленности и вибрации, разработчики электростанции решили не отказываться от применения защиты IP67, несмотря на то, что все станции системы промышленной сети будут установлена в шкафу управления. Система промышленных сетей Turck убедила их благодаря еще одной своей возможности: отдельные модули ввода/вывода могут быть заменены без прерывания работы. Таким образом, BL67 позволяет операторам электростанции заменять неисправные модули ввода/вывода, при этом избегая дорогостоящих простоев. Защита от короткого замыкания и отличительный диагностический функционал, которые обеспечивают быстрый обзор состояния, дополняют комплекс защитного оборудования системы. Благодаря модульной конструкции система BL67 может быть, при необходимости, легко расширена, когда требуется добавить цифровые, аналоговые, температурные или другие сигналы.

Модульные станции ввода/вывода передают все аналоговые и цифровые сигналы, которые отображают состояние системы транспортировки: данные о скорости подачи, смещении, потере натяжения, трещинах или уровне наполнения. Станции системы промышленных сетей соединены с ПЛК более высокого уровня, Control Logix 5560 производства Allen Bradley, через DeviceNet. После анализа полученных данных ПЛК передает данные о состоянии электростанции в информационно-управляющую систему (MIS). Разработчики электростанции реализовали в общей сложности две промышленные сети: одна охватывает 900 м, другая — 400 м. Система BL67 компании Turck абсолютно убедила инженера-технолога, Сяньян Бай (Xiangyang Bai), гарантируя дальнейшее сотрудничество с Shandong LuNeng Engineering: «BL67 — это отличное решение для системы промышленных сетей, которое мы уже сейчас планируем использовать в наших следующих проектах», — говорит Бай.

Как правильно внедрить IoT на производстве

Почему некоторые проекты в сфере интернета вещей остаются пилотами и как этого избежать

Многие эксперты называют интернет вещей (IoT, Internet of Things) технологией, которая может кардинально изменить современные бизнес-процессы. Илья Кошкин, старший менеджер направления инфраструктурных сервисов компании Accenture в России, рассказывает о главных факторах успеха и причинах провала IoT-проектов на производственных предприятиях.

БЕЗ АНАЛИТИКИ НЕ ОБОЙТИСЬ

Сегодня можно говорить о том, что бизнес все еще до конца не осознает потенциал IoT. Есть заинтересованность в технологии и опыт отдельных удачных пилотных проектов, но нет понимания, как извлечь из интернета вещей максимальную пользу и тиражировать успех в масштабах всей организации.

Компаниям не хватает восприятия IoT как полноценно работающей технологии. Все знают, что есть датчики, данные с которых можно собирать, хранить и обрабатывать. Но зачем это нужно и как применить эти возможности на практике, понимает довольно ограниченный круг специалистов внутри компаний.
Общая концепция IoT неразрывно связана с последующим глубоким анализом собранных данных и способностью принимать бизнес-решения на основе полученных выводов. Грубо говоря,

интернет вещей на уровне датчиков и хранилища данных без надстройки в виде аналитических решений и искусственного интеллекта – пустая трата ресурсов

Возьмем любое промышленное производство. IoT позволит собрать огромный массив данных о работе оборудования, записав определенные параметры в рамках производственного цикла. Однако вся эта информация без аналитики будет почти бесполезной: никаких открытий сама по себе она не предоставит.

Бизнесу необходимо проводить поиск скрытых корреляций и паттернов в рутинных рабочих процессах. Далее – генерировать рекомендации на основе таких находок.
Чаще всего на выходе будут получаться гипотезы, и здесь важно подключать к работе с промышленными IoT-решениями специалистов со стороны бизнес-департаментов, обладающих глубоким пониманием производственного процесса и способных оценить, насколько предоставленные выводы релевантны и ценны.
На практике же эта модель реализуется крайне редко.

БОЛЕЗНИ РОСТА

На текущий момент IoT в промышленности страдает от целого перечня хронических «болезней роста». Прежде всего, большая часть производственных компаний не хранят свои данные в необходимом объеме для того, чтобы эффективно применять искусственный интеллект (ИИ).

Кроме того, существует множество процессуальных проблем, связанных с человеческим фактором. В целом комплексе IoT-задач на предприятии финальная трактовка результатов обработки данных часто закреплена за конкретным специалистом. Но сотрудники не избавлены от предвзятости, подвержены профдеформации, а иногда и вовсе не заинтересованы в создании объективной картины относительно своего участка работы.

Например, для обучения ИИ-модели на собранных данных необходимо загрузить в нее образцы ситуаций, наглядно демонстрирующих, как определенная комбинация факторов привела к поломке. На практике бывает, что сотрудники часто трактуют такие ситуации «в свою пользу», чтобы сохранить место в компании и избежать наказания за допущенные просчеты.

Третий момент: на крупных предприятиях системы и их элементы, как правило, устанавливались в разное время, с разрывом в 10-20 лет. Многие производственные механизмы и узлы рассчитаны на очень длительный срок службы.

Интегрировать различные «исторические» части общей производственной системы воедино очень сложно даже на уровне мониторинга

Соответственно, отслеживается только часть производственного процесса. Это может быть наиболее критичный участок или тот, где чаще всего происходят поломки. Сквозной прозрачности процесса для специалистов удается добиться крайне редко.

Оснащение производственных аппаратов IoT-датчиками – отдельная головная боль, поскольку из-за разрозненности оборудования довольно сложно определить конфигурацию подходящих устройств, а тем более произвести экономически выгодный монтаж (без остановки производства).
В итоге в IoT для промышленных компаний работает только подход case-by-case (для каждого случая отдельно).

СБОР ДАННЫХ И ПОГРАНИЧНЫЕ ВЫЧИСЛЕНИЯ

Еще один вызов интернету вещей в промышленности – это многообразие форматов данных, получаемых от множества производственных систем и различных датчиков.

Как правило, большие системы типа Siemens или Honeywell общаются по разным проприетарным протоколам, что приводит к сложностям интеграции с остальными IT-системами предприятия, особенно если мы говорим про мониторинг в реальном времени.

Нужно обеспечивать непрерывность поступления данных, принимая во внимание задачи по преобразованию форматов

Здесь мы переходим к вопросам правильной организации сбора информации. Оптимальным будет применение решений класса пограничных вычислений (edge computing), расположенных непосредственно на производственном объекте. Помимо сбора данных, такие решения также осуществляют первичную обработку, подготавливая их для более глубокого анализа средствами ИИ и machine learning (машинное обучение).

Сегодня крупные вендоры типа HP, IBM и Dell имеют целые линейки оборудования для edge-задач. Они постоянно развиваются и прогрессируют, что, с одной стороны, открывает новые возможности для интернета вещей, с другой – существенно усложняет процесс их интеграции в единый IoT-комплекс. Все это приводит к дефициту консультантов и интеграторов, способных качественно собрать все элементы в одно работающее решение.

Нужно также учесть, что масштабирование само по себе – это затратный процесс. Потоки данных существенно возрастают, интеграция усложняется, модели необходимо переобучать – эти и другие факторы при недостаточно качественном планировании могут замедлить работу IoT-системы или спровоцировать ее отказ.

В итоге далеко не каждая компания оказывается готова к тратам на сквозное IoT-решение, начиная трансформацию предприятия с небольшого участка производственного цикла. Здесь появляется риск на нем проект и завершить, потому что такой подход даст слишком малую выборку данных и, скорее всего, покажет неубедительные результаты. Подготовительный процесс при этом съест довольно много времени и денег.

ТРИ ШАГА К УСПЕХУ

Однако не все так мрачно и бесперспективно. С развитием технологий (сети, вычислительные мощности, системы хранения и алгоритмы анализа данных) возможности в области сбора информации из огромного количества источников и realtime-процессинга растут с каждым месяцем. Перспектива 5G делает IoT одним из наиболее перспективных направлений цифровизации бизнеса в целом и промышленности в частности.

Мы стоим на пороге качественного скачка. Сумма технологий, на базе которых развивается интернет вещей, позволяет извлечь из производственных данных практические инсайты, ранее попросту не существовавшие. Для прорыва нужно научиться преодолевать перечисленные проблемные места в цепочке движения информации от производственных машин и систем до аналитических выводов, применимых с пользой на практике.

Для этого стоит не упускать из вида следующие шаги, которые гарантированно придадут развитию предприятия IoT-импульс.

  1. Планирование. Цель – определить производственные направления, наиболее важные с точки зрения бизнеса, выявить участки, генерирующие максимум полезных данных. На них запускается пилотный проект.
  2. Пилотный проект с прицелом на последующее масштабирование. В случае демонстрации перспективных результатов можно переходить к этапу масштабирования с пилотного участка на целое направление или сразу на все предприятие. Здесь понадобится прототип платформы на основе пилота, c учетом интеграции всех систем, всех видов датчиков и форматов данных. На этом же этапе прорабатываются модели машинного обучения, механизмы их интеграции, возможности переобучения, а также виды дашбордов (информационные панели), предоставляющих руководству финальные результаты аналитической обработки данных.
  3. Разработка технического решения проекта и его внедрение. Ключевая предпосылка для работы в этом направлении – понимание разрыва между инженерным уровнем (датчики) и IT-уровнем конечного IoT-решения. Условно говоря, люди, которые занимаются датчиками, не смогут рассказать вам об edge computing и моделях машинного обучения. И наоборот – специалисты по этим решениям понятия не имеют о работе конкретных датчиков. Между тем для успешного проекта необходимы и те, и другие. Например, датчики для IoT – отдельный мир со своими лидерами, стандартами, требованиями в части совместимости с IT-компонентами и т. д. На этом рынке есть флагманы (National Instruments или HBM), но

для определенных участков и видов оборудования иногда оптимально использовать датчики вендоров второго или третьего эшелона, в том числе из Азии или России

Только так можно построить надежную основу IoT-проекта на базовом инженерном уровне.

КОМАНДА ВАЖНА ВСЕГДА

Ключевым фактором успеха в IoT-направлении сегодня также можно назвать качество сотрудничества между производственным блоком предприятия и IT-командой, отвечающей за проект. Без эффективно настроенной кооперации между ними генерировать работающие инсайты по поводу производства не получится. Только понимание бизнес-процессов и технических аспектов позволит извлекать максимум практических результатов от IoT уже на пилотном уровне и заложить качественную основу для масштабирования на все производство.

Да, можно анализировать «сухие» данные без привлечения «толкователей» из бизнес-департаментов. Но, на мой взгляд, такой подход представляет собой следующий этап развития IoT и другой уровень аналитической экспертизы, которые приходят только со временем, хотя в рамках пилота имеет смысл пробовать и его.

Сегодня разрыв между спецификой производства, бизнес-целями и технической составляющей IoT покрывает консультант-интегратор, опыт работы которого объединяет в себе инженерные и IT-знания и позволяет реализовывать проекты от стадий проектирования до ввода в эксплуатацию.

КОГДА НАСТУПИТ ЗРЕЛОСТЬ

После запуска IoT-решения в эксплуатацию на предприятии можно озаботиться задачами обогащения данных производства информацией других систем предприятия.

В будущем проекты интернета вещей в промышленности смогут окупаться через крайне выгодные для предприятий интеграции. Возможности постоянного контроля производства через IoT-решение позволяют четко понимать объемы выпуска, уровень качества, прогнозировать их на определенную временную перспективу.
Можно соотносить данную информацию с общими экономическими трендами, рыночной динамикой и с помощью математической модели на основе исторических данных выставлять выгодную рыночную цену на свою продукцию, обеспечивая максимальную прибыль.

Важно понимать, что IoT не всегда должен открывать принципиально новые направления или рынки. Оптимизация сложившегося производственного цикла позволит серьезно оздоровить уже существующие процессы на производстве, что положительно отразится на экономической картине работы предприятия.
IoT в промышленности сегодня – это полностью реализуемая концепция, зрелость применения которой в отрасли придет в перспективе трех-пяти лет.

Оплатить поездку в городском транспорте Норильска можно будет по QR-коду, телефону или карте

Приложения для отслеживания транспорта будут показывать время прибытия с точностью до секунды.

#НОРИЛЬСК. «Таймырский телеграф» – Для получения стартовых данных на автобусах муниципального и коммерческих перевозчиков устанавливают датчики отслеживания численности пассажиропотока.

Совместный проект Агентства развития Норильска и администрации города призван устранить белые пятна в работе городских автобусов, ведь жалобы горожан на их работу не редки. Чтобы определить, какие направления пиковые, какие нет, где случаются опоздания автобусов и почему, какова напряженность разных маршрутных линий и многое другое, авторы проекта проведут масштабную работу.

Так, на протяжении месяца (до середины марта) будет проводиться подсчет числа пассажиров, пользующихся общественным транспортом. Это же исследование повторят в один из летних месяцев для корректности полученной картины. Договор на проведение работ заключен с «ЦЭИ-Город». К настоящему моменту системой видеонаблюдения оборудован 51 автобус. Автобусы муниципального перевозчика НПОПАТ оборудованы собственной системой мониторинга пассажиропотока – АСМ-ПП. Эти данные также будут учитывать при диагностике системы транспортного обслуживания.

Как заверяют специалисты, опасности для раскрытия личных данных пассажиров нет – камеры считают буквально по головам, поскольку направлены строго вниз на входных дверях. Кроме того, в салонах размещены предупреждения о видеосъемке. Как пояснила Анастасия Снежко, представитель Московского центра экономики инфраструктуры, видеокамеры подключают к видеорегистратору, с которого информация поступает на сервер центра. Данные между дверьми синхронизируются, это позволяет понимать, сколько человек остаются в салоне в каждую минуту времени и сколько вышли на всех остановках: «Со всеми коммерческими перевозчиками уже достигнута договоренность на установку оборудования, а впоследствии, если они захотят, камеры останутся в салонах для обеспечения безопасности перевозок».

Также авторы проекта сотрудничают с операторами сотовой связи, чтобы оценить пассажиропоток за несколько лет на разных маршрутах и активность пользования автобусами в разные сезоны.

Параллельно запустили онлайн-опрос: респондентам предлагают оценить качество транспортного обслуживания, структуру транспортного спроса, способы передвижения по городу и цели поездок, выявить места отправления, назначения, пересадок, попутного посещения объектов притяжения, время выхода и передвижения.

А уже 18 февраля в 18:30 на «Кухне городских идей» АРН ждут всех горожан, желающих лично поделиться мыслями о том, по каким еще критериям важно оценивать работу городского транспорта и какие моменты необходимо модернизировать. Для участия необходимо зарегистрироваться. Вместе с тем исследователи в рамках проекта проведут несколько интервью с руководителями различных транспортных структур, давно работающих в городе.

Как рассказал Максим Миронов, директор АРН, итоги первого этапа исследования будут предоставлены до 31 мая. Общий итог зимних и летних исследований подведут к осени. В целом комплексная программа позволит качественно поменять уровень оказываемых услуг по ряду направлений: обновление машинного парка, появление полностью автоматизированной системы контроля движения маршрута, возможно, открытие новых остановок, изменение маршрутной схемы Норильска и так далее.

«Новая экономическая модель работы будет выгодна всем участникам процесса: пассажирам, перевозчику, муниципалитету, контролеру. В ней предусмотрено участие муниципалитета в роли заказчика услуг, независимого оператора, выступающего контролером, следящим за качеством услуг, а также перевозчика. Последнему больше не потребуется гнаться за пассажиропотоком: как показывает практика, наиболее эффективна схема, когда он просто качественно выполняет свой маршрут», – отметил Максим Миронов.

Он пояснил, что подобная система работы есть во многих городах страны, привел в пример Тверь, где система доказала свою эффективность.

«Мы заметили, что в Твери многие люди активно пользуются приложением для отслеживания городского транспорта. Неудивительно: оно с точностью до секунд показывает, когда подойдет нужный транспорт. Более того, приложение покажет загруженность подходящих машин, чтобы пассажир мог решить, ехать ему на этом автобусе или дождаться следующего. А оплатить поездку можно безналичным способом – по QR-коду, телефону, карте. Все это мы планируем применить и в Норильске», – рассказал Максим Миронов.

В свою очередь Павел Пискунов, начальник отдела транспорта управления городского хозяйства администрации Норильска, отметил, что первая задача, которую надо решить, чтобы транспортная реформа сработала, – создать условия для привлечения на работу водителей автобусов.

Подписывайтесь на нашу страницу новостей «Северный город Норильск» в Telegram

Данные полученные с помощью корректно работающих датчиков

Фитнес-браслеты в последнее время все больше набирают популярность: эти гаджеты используются не только для измерения спортивных показателей, но и для формирования режима дня, мониторинга качества сна и вычисления оптимального времени пробуждения. Rusbase решил выяснить, стоит ли доверять фитнес-гаджетам в таком важном вопросе, как сон, и возможно ли вообще измерить качество сна – или это просто очередная маркетинговая уловка.

Для начала давайте разберемся, по какому принципу работают фитнес-гаджеты, которые следят за состоянием вашего сна.

Современные носимые устройства имеют в своей конструкции акселерометр, то есть датчик положения тела, датчик ускорения. Поэтому появляется возможность оценивать двигательную активность человека в течение длительного времени, пока он носит это устройство. В том числе – и во сне. Данные о качестве и продолжительности сна девайс получает, исходя из движений вашего тела.

Некоторые такие приборы даже претендовали на то, чтобы оценивать отдельные стадии сна.

Но внедрению актиграфов во врачебную практику предшествовала длительная, кропотливая работа. Результаты, полученные прибором, сопоставляли с так называемым «золотым стандартом» исследований сна – полисомнографией.

Полисомнографическое исследование – очень сложное. Человека укладывают на всю ночь в специально оборудованное помещение, и на компьютер записываются различные показатели сна пациента. Делается энцефалограмма, фиксируются движения глазных яблок, напряжение мышц подбородка, сердечная деятельность – в общем, измеряется масса показателей. Такое исследование позволяет четко отделять состояние бодрствования от сна, а также разграничивать разные степени глубины сна.

Когда сопоставлялись данные, полученные с помощью актиграфов и с помощью «эталонного метода», оказалось, что научные (именно научные!) актиграфы достаточно точно определяют по крайней мере то, спит человек или бодрствует. Они могут так же с вероятностью фактически в 90% определять ночные пробуждения.

Да, качество сна можно измерить – в науке это делается с помощью актиграфов. Ученый может почти со 100% вероятностью определить, был человек в состоянии сна или бодрствования, просыпался ли за ночь. Из этих показателей врачом-сомнологом и делается вывод о качестве сна.

Процесс сопоставления данных, полученных разными методами, с эталонным стандартом назывался «валидизацией». Данные, снятые с актиграфов, прошли валидизацию, после чего такие приборы заняли свое место в научном мире.

Никто, конечно же, – ни в фирме «А», ни в фирме «Б», ни в фирме «В» – не проводил исследований сна и не сопоставлял данные этого исследования с результатами, которые показывает выпущенный ими гаджет. А в таком случае получается – разработчики пишут алгоритм для работы трекера и считают, что этот алгоритм показывает данные сна, потому что он должен показывать эти данные.

О большинстве фитнес-гаджетов можно сказать лишь то, что в их основу заложена действительно хорошая идея. Но нет никаких доказательств, что это работает.

То же самое происходит и с пробуждением «в удачное время». Есть известная концепция, что наиболее быстрым и физиологичным является пробуждение из сна со сновидениями, так называемого «быстрого сна». Действительно, исследования показывают, что у снов со сновидениями наиболее низкий порог пробуждения – человек, с помощью внешнего раздражителя вырванный именно из этого состояния, быстро включится в активную деятельность.

«Быстрый сон», опять же, определяется с помощью полисомнографии. Когда мы видим на экране компьютера электроэнцефалограмму спящего человека, движения глаз, – мы очень четко можем сказать, находится ли сейчас он в «медленном сне» или в «быстром сне», сне со сновидениями.

Каким образом актиграф (и любой другой прибор, работающий по тому же принципу) понимает, в каком состоянии – «медленного» или «быстрого» сна – находится человек? Опять же, по изменению интенсивности двигательной активности. В «быстром сне» двигательная активность низкая. Гаджет следит за движениями и определяет, что в какое-то время наступил «быстрый сон». И если речь идёт об утреннем пробуждении – то гаджет отсчитывает некоторое количество времени (не меньше семи часов, которые положено человеку спать) и даёт сигнал на пробуждение.

Но, повторюсь, никакого научного подтверждения эффективности модных фитнес-гаджетов учеными не производилось. Опять мы видим научную идею, заложенную в основу работы приборов, но при этом не доказана эффективность их работы.

Еще одна проблема гаджетов в том, что они… собирают действительно много данных. Но фактически эти данные нигде нельзя применять.

Ученые называют такие данные «сырыми» – чтобы их использовать, нужно приложить к этому ещё и знания, скорее всего – врачебные.

А что я как врач могу узнать их массива данных, которые мне набросал фитнес-трекер – да еще неизвестно, с какой долей погрешности? Я могу, допустим, узнать, насколько правильно организован режим дня человека. Пациент, например, жалуется, что он плохо спит. А я увижу, что в один день он ложился спать в 3 часа ночи, в другой день – в 12 часов, в третий – в пять часов утра. Сразу становится понятно, что пациент нарушает самые простые правила.

Для пожилых людей, кстати, это может быть очень важно моментом – они чаще других жалуются, что плохо спят ночью. Почему? Да потому что днём несколько раз спят хорошо! Таким образом уменьшается так называемое «давление сна» – то самое, которое помогает к вечеру засыпать.

Что еще я могу узнать из «показаний» фитнес-трекера? Например, можно с помощью трекеров отслеживать продолжительность сна как одного человека, так и группы людей. Допустим, нам нужно изучить продолжительность сна спортсменов, чтобы понять, сможем ли мы через удлинение сна повлиять на их спортивные показатели. На самом деле – сможем, уже доказано, что если искусственно удлинять время сна молодым спортсменам – их результаты улучшаются.

Большая проблема фитнес-гаджетов в том, что мы можем получить только некое общее представление, без конкретики. А каким-то образом с пользой для себя интерпретировать данные по сну сам владелец фитнес-гаджета, по сути, не сможет вообще.

Тем более врач не может на основе данных с фитнес-трекера назначать лечение. Возможно, есть некий конкретный человек, у которого все показания фитнес-браслета оказываются правдивыми – я могу так предполагать, если слежу за человеком и его режимом. Наверное, к этому человеку я смогу индивидуально подойти и буду учитывать в нашем общении показания прибора. Но все равно такую практику невозможно переносить на остальных людей.

Возможно, я скажу странную вещь – но я считаю, что люди, которые пытаются таким образом лечиться, поступают хорошо. Делать хотя бы что-нибудь для того, чтобы улучшить сон – куда более полезно, чем не делать ничего.

Сама по себе покупка такого дорогостоящего (или не очень) фитнес-гаджета заставляет человека задуматься, правильно ли он, например, соблюдает режим сна. И когда человек начинает лучше соблюдать режим, сон улучшается – пусть на 10%, но это тоже большой плюс. Здесь вопрос даже не в гаджетах, а в том, что следование определённой системе всегда лучше, чем полная бессистемность.

Спецификации оборудования для Azure Kinect DK

В этой статье содержатся сведения о том, как оборудование Azure Kinect интегрирует новейшую технологию датчиков Майкрософт в единое подключенное к USB периферийное оборудование.

Термины

Эти сокращенные термины используются во всей этой статье.

  • NFOV — режим узкого поля обзора;
  • WFOV — режим широкого поля обзора;
  • FOV — поле обзора;
  • FPS — кадры в секунду;
  • IMU — инерциальный измерительный блок;
  • FoI — область возможного использования.

Габариты и вес устройства

Устройство Azure Kinect имеет следующие габариты и вес.

  • Измерения. 103 x 39 x 126 мм
  • Вес: 440 г

Операционная среда

Продукт Azure Kinect DK предназначен для разработчиков и коммерческих компаний, работающих в следующих условиях окружающей среды.

  • Temperature: 10–25 ⁰C.
  • Влажность: 8–90 % относительной влажности (без конденсации).

Использование вне указанных условий может привести к сбою или неправильной работе устройства. Эти условия применимы к окружающей среде вокруг самого устройства при любых условиях эксплуатации. При использовании с внешним корпусом рекомендуется активный контроль температуры или другие решения для охлаждения, чтобы обеспечить работу устройства в этих условиях. Конструкция устройства включает в себя канал охлаждения между передним и задним кожухом. При внедрении устройства убедитесь, что этот канал охлаждения не заблокирован.

См. дополнительные сведения о безопасной эксплуатации устройства.

Поддерживаемые режимы работы камеры глубины

В Azure Kinect DK интегрирована разработанная Майкрософт 1-мегапиксельная камера глубины времени полета (ToF) с использованием датчика изображения, представленного на конференции ISSCC 2018. Камера глубины поддерживает перечисленные ниже режимы.

РежимРешениеFoIFPSРабочий диапазон*Время выдержки
NFOV без привязки640 x 57675° x 65°0, 5, 15, 300,5–3,86 м12,8 мс
NFOV 2 x 2 с привязкой (SW)320 x 28875° x 65°0, 5, 15, 300,5–5,46 м12,8 мс
WFOV 2 x 2 с привязкой512 x 512120° x 120°0, 5, 15, 300,25–2,88 м12,8 мс
WFOV без привязки1024 x 1024120° x 120°0, 5, 150,25–2,21 м20,3 мс
Пассивный датчик инфракрасного излучения1024 x 1024Недоступно0, 5, 15, 30Недоступно1,6 мс

*Отражательная способность от 15 % до 95 % при 850 Нм, 2,2 мкВт/см 2 /нм, случайная ошибка (стандартное отклонение). ≤ 17 мм, типичная систематическая ошибка 65 дБ

  • Точка акустической перегрузки: 116 дБ
  • Azure Kinect DK — это составное устройство USB 3, которое предоставляет следующие аппаратные конечные точки для операционной системы.

    Идентификатор поставщика — 0x045E (Майкрософт), таблица идентификаторов продуктов приведена ниже:

    Интерфейс USBIP-адрес PNPПримечания
    Концентратор USB 3.1 Gen10x097AОсновной концентратор
    Концентратор USB 2.00x097BHS USB
    Камера глубины0x097CUSB 3.0
    Камера для цветной съёмки0x097DUSB 3.0
    Микрофоны0x097EHS USB

    Индикаторы

    В устройстве есть индикатор потоковой передачи камеры на передней панели, который можно отключить программно с помощью пакета SDK для датчиков.

    Светодиодный индикатор состояния, который находится на задней части устройства, указывает состояние устройства:

    Цвет индикатораЗначение
    Постоянно белыйУстройство включено и работает правильно.
    Мигающий белыйУстройство включено, но отсутствует подключение USB 3.0.
    Мигающий оранжевыйНедостаточное питание устройства для работы.
    Мигающий оранжево-белыйВыполняется обновление встроенного ПО или восстановление.

    Устройство питания

    Питание устройства может осуществляться двумя способами:

    1. С помощью встроенного блока питания. Данные передаются с помощью отдельного USB-кабеля-переходника для разъемов Type-C и Type-A.
    2. С помощью кабеля для разъемов Type-C, который можно использовать как для питания, так и для передачи данных.

    Кабель для разъемов Type-C не входит в комплектацию Azure Kinect DK.

    • Поставляемый кабель питания представляет собой USB-кабель для разъема Type-A и цилиндрического соединителя. Используйте прилагаемый розеточный блок питания с этим кабелем. Устройство способно потреблять больше энергии, чем можно предоставить через два стандартных USB-порта Type-A.
    • USB-кабели имеют важное значение, поэтому мы рекомендуем использовать высококачественные кабели и проверять функциональность перед удаленным развертыванием устройства.

    Чтобы выбрать подходящий кабель для разъемов Type-C, следует учитывать следующее:

    • Сертифицированный USB-кабель должен поддерживать как питание, так и передачу данных.
    • Длина пассивного кабеля должна быть меньше 1,5 м. Если она больше, используйте активный кабель.
    • Кабель должен поддерживать силу тока не менее 1,5 А. В противном случае необходимо подключить внешний источник питания.

    Подключите устройство с помощью кабеля к главному компьютеру.

    Убедитесь, что все устройства правильно перечислены в диспетчере устройств Windows. Должна отобразиться RGB-камера глубины, как показано в примере ниже.

    Убедитесь, что кабель обеспечивает надежную передачу данных со всех датчиков в средстве просмотра Azure Kinect со следующими параметрами.

    • Камера глубины: NFOV без привязки
    • RGB-камера: 2160p
    • Микрофоны и IMU включены

    Что означает цвет индикатора?

    Индикатор питания — это светодиодный индикатор на задней панели Azure Kinect DK. Цвет индикатора меняется в зависимости от состояния устройства.

    На этом рисунке отмечены следующие компоненты:

    1. Индикатор питания
    2. Кабель питания (подключенный к источнику питания).
    3. Кабель данных USB-C (подключенный к ПК).

    Убедитесь, что кабели подключены, как показано ниже. Затем просмотрите следующую таблицу, чтобы узнать о различных состояниях индикатора питания.

    Убедитесь, что кабель USB-C подключен к устройству и порту USB 3.0 на компьютере.

    Подсоедините устройство к другому порту USB 3.0 на компьютере.

    Энергопотребление

    Azure Kinect DK потребляет до 5,9 Вт. Энергопотребление зависит от условий использования.

    Калибровка

    Azure Kinect DK откалиброван на фабрике. Параметры калибровки визуальных и инерционных датчиков можно запрашивать программно с помощью пакета SDK для датчиков.

    Восстановление устройства

    Встроенное ПО устройства можно сбросить до исходных настроек с помощью кнопки под блокировочной защелкой.

    Чтобы восстановить устройство, ознакомьтесь с инструкциями здесь.

    Обзор Asus VivoWatch: часы жизни

    Хороших часов не бывает слишком много, и, возможно руководствуясь этим, вслед за анонсом Asus ZenWatch 2 тайваньская компания предложила миру ещё одни «умные» часы — на сей раз работающие не под Android Wear.

    Asus VivoWatch, скорее фитнес-трекер в форме часов, нежели смарт-часы, соответствуют большинству запросов пользователей, желающих следить за своим физическим состоянием, и даже предлагают в этом плане кое-что необычное. К тому же они показывают время и передают уведомления со смартфона. А главное, их не нужно заряжать каждый день. Ну что, заинтригованы?

    Технические характеристики Asus VivoWatch

    • Экран: 128×128, монохромный (чёрно-белый)
    • Сенсоры: трёхосный акселерометр, оптический датчик частоты пульса с технологией Asus VivoPulse, датчик ультрафиолетового излучения
    • Беспроводные интерфейсы: Bluetooth 4.0
    • Синхронизация: автоматическая с приложением Asus HiVivo
    • Защищённость: IP67
    • Энергопотребление: до 10 дней автономной работы в обычном режиме
    • Размер ремешка: 22 мм (стандартный)
    • Вес: 50 граммов

    Устройство поставляется в белой коробке, на которой указано название модели, нанесены логотип компании и изображение продукта.

    Внутри коробки лежат сами часы, кабель micro-USB, руководство пользователя, гарантийный талон и специальный зарядный крэдл с пятью пинами. На нём есть специальная защёлка, обеспечивающая плотную посадку часов на контакты.

    Смарт-часы Asus VivoWatch не блещут необычными формами и эксклюзивной отделкой, их вид приближен к классическим наручным часам, простой и строгий. При этом гаджет отличается гармоничным дизайном и качественными материалами.

    На часы установлен квадратный экран, а их форма — прямоугольная с закруглёнными углами. Рамка корпуса и ушки для крепления ремешка выполнены из нержавеющей стали, поверхности пластиковые, лицевая покрыта защитным изогнутым стеклом Corning Gorilla Glass 3.

    Выше экрана — инкрустированный логотип Asus, сочетающийся с металлом рамки. Под экраном находятся датчики интенсивности ультрафиолетового излучения и полоска индикатора, в обычном режима показывающего уровень заряда аккумулятора, а в режиме тренировок — частоту пульса, безопасную или повышенную.

    Справа под металлической рамкой расположена хромированная кнопка, с помощью которой можно разблокировать часы, а при долгом нажатии — запустить режим тренировок.

    На задней стороне по центру расположен датчик частоты пульса с технологией Asus VivoPulse, над ним находятся зарядные контакты.

    Управление часами осуществляется, в основном, через сенсорный экран. Расположенная справа «на три часа» физическая кнопка служит для разблокировки устройства — с экрана это сделать нельзя, несколько нажатий на него лишь ненадолго включают подсветку.

    Как только часы вышли из режима ожидания, можно делать свайпы влево, вправо, вверх и вниз, перелистывая экраны с различными данными.

    Ремешок часов выполнен из приятного на ощупь силикона, застёжка классическая, имеются два хлястика, в которые можно заправить свободный конец ремешка.

    К эргономике Asus VivoWatch нет никаких претензий, часы отлично сидят и смотрятся на руке, а весят всего 50 граммов.

    Корпус Asus VivoWatch защищён по протоколу IP67, и на практике это означает, что часы выдерживают погружение на глубину до одного метра на протяжении 30 минут: ливень, душ и даже плавание часам не страшны, но нырять в них уже не следует.

    В Asus VivoWatch установлен чёрно-белый экран разрешением 128х128 пикселей. Примерные физические размеры экрана — квадрат со сторонами 2,3 см (точные данные производитель не указывает).

    Говорить о цветопередаче не приходится: информация на экран выводится белым цветом на чёрном фоне.

    Если несколько раз тапнуть по экрану или коротко нажать на боковую кнопку, включается подсветка. Она освещает дисплей так, что позволяет прочесть данные в темноте.

    К сожалению, у экрана нет антибликового покрытия, и он ловит всех «светлячков». К тому же углы обзора совсем небольшие.

    Безусловно, экран нельзя причислить к козырям устройства, если сравнивать его с другими «умными» часами. Однако на самом деле со своей функцией он вполне справляется: не слишком трудно посмотреть на часы так, чтобы блики не помешали узнать время или данные о пульсе.

    Чтобы связать смартфон с часами, нужно установить приложение HiVivo — часы работают на собственной платформе, а не используют Android Wear. Приложение есть как под Android, так и под iOS, соединение устройств осуществляется посредством Bluetooth.

    С помощью приложения можно выбрать циферблат для часов: есть и аналоговые, и цифровые. Особо не разгуляешься, но варианты всё-таки имеются.

    На главном экране приложения отображаются все данные за день: количество сделанных шагов, максимальная частота пульса в течение дня, сожжённые калории. Также в любой момент здесь можно проверить число HI — так называемый Индекс Комфорта, вычисляемый на основе данных о качестве сна и физической активности пользователя. Индекс выражается числом от 0 до 100, и чем ближе к 100, тем лучше. Значение «70» на скриншоте — средний показатель, можно и лучше.

    Приложение позволяет установить будильник, настроить уведомления о входящих сообщениях и звонках. Можно включить предупреждения о необходимости выполнить разминку, если засиделся на одном месте, ведь движение — жизнь. Напоминая об этом, часы завибрируют, а на их экране появится человечек, призывающий подвигаться.

    На этом же экране приложения устанавливаются цели по шагам и калориям на текущий день.

    Основной упор в приложении сделан на предоставление информации по ежедневной активности и всевозможной статистики. Приложение показывает активность по часам в виде простого и удобного графика. Можно даже посмотреть информацию по шагам в час. Кстати, шагомер в устройстве работает очень точно.

    Также в течение дня часы периодически замеряют пульс владельца и отображают результаты в наглядном графике, а в статистике появляется максимальное значение за день.

    Сходным образом отображаются данные по расходу калорий. Они подсчитываются в соответствии с дневной активностью, то есть полученные с приёмом пищи не учитываются — только расход.

    Часы отслеживают сон владельца и продолжают замерять его пульс, когда он спит. Помимо общего времени, учитываются периоды глубокого (т.н. «комфортного») сна, и в приложении может появиться несколько графиков с соответствующими показателями.

    В приложении отображается идентификационный номер модели, версия ПО, присутствует возможность обновить прошивку устройства. Данными из приложения можно делиться в Google Fit и Apple HealthKit.

    Непосредственное управление устройством происходит с тач-дисплея, который для начала нужно разблокировать, нажав на боковую кнопку. Далее все действия производятся с помощью свайпов по экрану, перелистывания работают в двух направлениях: горизонтальном и вертикальном.

    Свайп вправо открывает экран пульса и моментально включает его измерение. Ещё один свайп вправо — и пользователь видит, на какое время установлен будильник. На следующем экране доступны данные об ультрафиолетовом излучении, получаемые с датчика под дисплеем. И на последнем экране собраны показатели дневной активности за день: количество сделанных шагов и потраченных калорий.

    Свайп вниз откроет Индекс Комфорта (HI) на текущий день. Следующий экран по вертикали — информация о сне. На последнем экране доступны данные, полученные в режиме тренировки, который включается и выключается долгим нажатием на механическую кнопку.

    Когда на смартфон приходит сообщение, на часах открывается уведомление, а само сообщение можно прочесть почти полностью. Часы также начинают ощутимо вибрировать при получении на гаджет входящего вызова.

    Аппарат в работе

    В использовании Asus VivoWatch показали себя отлично. Это действительно вполне «умный» и удобный девайс, который сочетает в себе функции часов, фитнес-трекера и показывает уведомления со смартфона. Устройство точно подсчитывает шаги и быстро измеряет частоту сердечных сокращений, установленный датчик УФ-излучения также работает корректно. В течение тестирования смарт-часы показывали низкий уровень излучения — небо, в основном, было затянуто облаками. Но сама идея оснастить устройство, призванное помогать в соблюдении здорового образа жизни, УФ-датчиком представляется весьма удачной — летом под открытым небом это легко позволит избежать чрезмерного, а значит вредного, воздействия ультрафиолетовых лучей.

    Пульсометр же не только поставляет статистику, но и помогает контролировать нагрузку при занятиях аэробными упражнениями. Часы Asus VivoWatch оснащены светодиодным индикатором, который в режиме тренировки при аэробной нагрузке светится зелёным цветом. Если же нагрузка становится чересчур высокой, индикатор предупреждает об этом, сменив цвет на красный.

    На борту Asus VivoWatch есть модуль Bluetooth 4.0, проблем с его работой не наблюдалось.

    В часах Asus VivoWatch установлен достаточно слабый чёрно-белый экран с неяркой подсветкой, и сделано это для повышения времени автономной работы. Большинство «умных» часов не могут порадовать даже двумя днями работы, в то время как VivoWatch работают около 10 дней без подзарядки: за четыре дня VivoWatch потерял всего лишь треть заряда.

    В режиме тренировки, когда замер пульса происходит непрерывно, часы способны проработать без подпитки до 24 часов.

    Для зарядки часы нужно вставить в специальный крэдл с защёлкой и подключить его к micro-USB кабелю. На полное восстановление заряда аккумулятора уйдёт около двух часов.

    Asus VivoWatch — «умные» часы-трекер с необходимым минимумом корректно работающих функций. Они подойдут тем, кто следит за своим здоровьем и не нуждается для этого в многоцветном экране с ворохом разнообразных циферблатов. В устройстве есть шагомер, пульсометр, УФ-датчик, счётчики сна и потраченных калорий, оно разбудит в установленное время и напомнит о необходимости подвигаться, если владелец засиделся за компьютером или перед телевизором. Единственное слабое место часов — чёрно-белый экран со слабой подсветкой, но более чем щедрая компенсация за это — продолжительное время автономной работы.

    У Asus получился отличный гаджет, как по внешнему виду, так и по возможностям. С часами крайне просто управляться свайпами по горизонтали и вертикали, а с помощью собираемых ими данных можно легко следить за состоянием своего здоровья, от которого, как известно, во многом зависит качество жизни.

    • рамка корпуса из нержавеющей стали;
    • большое время автономной работы;
    • УФ-датчик, пульсометр, шагомер;
    • удобное приложение для Android и iOS.
    • чёрно-белый экран;
    • слабая подсветка;
    • скромные возможности персонализации.
    Ссылка на основную публикацию
    Adblock
    detector