Rimi Latvia uzsāk īstenot pētniecības projektu

Rimi Latvia uzsāktais pētniecības projekta nosaukums -  “Elektronisko bezvadu sensoru mērījumu lielu datu apjoma (BigData) apstrāde izmantojot mākoņa risinājumu, un tā pielietojums pārtikas mazumtirdzniecības uzņēmumiem”.

Rimi Latvia 01.04.2019 uzsāk īstenot pētniecības projektu Darbības programmas “Izaugsme un nodarbinātība” 1.2.1. specifiskā atbalsta mērķa “Palielināt privatā sektora investīcijas P&A” 1.2.1.1. pasākuma “Atbalsts jaunu produktu un tehnoloģiju izstrādei kompetences centru ietvaros” otrās projektu iesniegumu atlases kārtas ietvaros.

Projekts Nr. 1.2.1.1/18/A/006
 
Pētniecības projekta īss apraksts – veikt pētījumu un izstrādāt IoT (Internet of Things) sensoru mākoņa-risinājumu liela datu apjoma apstrādei un analīzei, kas būtu pielietojams mazumtirdzniecības ķēdēs, lai savlaicīgi konstatētu un novērstu pārtikas uzglabāšanas vitrīnu iespējamos bojājumus. Nosakot vitrīnu optimālo temperatūru, noskaidrot kā iespējams samazināt vitrīnu elektroenerģijas patēriņu.
 
Pētniecības projekta mērķis – veikt izpēti vairākos virzienos, lai noskaidrotu iespējas:

• ieviest vitrīnu temperatūras monitoringu, mērījuma datu reģistrāciju un to uzkrāšanu, samazinot cilvēkresursu piedalīšanos temperatūras manuālā monitoringa procesā;
• mērījumus uzkrāšanai izmantojot mākoņ-skaitļošanas (Cloud computing) risinājumu;
• noteikt nepieciešamo un optimālo sensoru komplektu (temperatūra, mitrums, CO2, elektroenerģijas patēriņš un citi), lai savlaicīgi identificētu vitrīnu bojājumus un disfunkciju (t.i. pirms bojājums ir noticis), analizējot temperatūras un citus iespējamo parametrus;
• 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;
• identificēt energoefektivitātes iespējas izmantojot iegūtos un izanalizētos datus, piemēram 2 dažādos veikalos izmanto vienu un to pašu vitrīnu, vienādiem produktiem, taču temperatūru režīmi nav identiski, kā arī atklāt cita veida korelācijas saņemtajos datos;
• izvērtēt saņemto liela apjoma datu (Big data) glabāšanas optimālo modeli, lai spētu nodrošināt gan efektīvu datu glabāšanu, gan arī optimālu un ātru piekļuvi vēsturiskajiem datiem;
• risinājumā izmantot atvērtā koda (Open Source) komponentes atbilstoši Cloud Native Computing Foundation rekomendācijām;
• risinājumu tehnoloģiski būvēt izmantojot jaunākos konceptus un rīkus, kā Docker Container, nodrošinot risinājuma vieglu darbināšanu pie dažādiem mākoņ-pakalpojuma sniedzējiem un neatkarību, ļautu vienkāršu migrāciju starp pakalpojumu sniedzējiem, nepieciešamības gadījumā palielinot pieejamo skaitļošanas jaudu (compute power) vai arī pieejamo datu apjomu, tai skaitā pašam uzņēmumam nepieciešamības gadījumā darbināt šo risinājumu uz savas aparatūras (serveriem), tai skaitā piemērojot DevOps konceptus sākot ar izstrādi, testēšanu un piegādi klientam;
• ieviest vitrīnu bojājumu gadījumu automātisku konstatēšanu un attiecīgu ziņojumu nosūtīšanu apkalpojošam personālam (piemēram, e-pasts, īsziņa, aplikācijas paziņojums), veikt padziļinātu analīzi darba plūsmas organizācijai un datu uzkrāšanas nepieciešamību iespējamam monitoringam un darbības analīzei.

Pētniecības projekta rezultāts - pēc pētījuma beigām, uzņēmums iegūs jaunas zināšanas par mākoņ-risinājumu veiktspēju, liela apjoma datu savākšanu, uzkrāšanu, to apstrādi un analīzi, risinājuma piegādi pakotnēs (Docker Container) un mašīn-mācīšanas un mākslīgā intelekta pielietojumu pārtikas mazumtirdzniecības sfērā.
 
Veiksmīga pētījuma projekta noslēgumā plānojam iegūt mūsdienīgu mazumtirdzniecības veikala aukstumsistēmas monitoringa sistēmu, kas atvieglos ikdienas darbu un ļaus samazināt uzņēmuma izdevumus, kas rodas dēļ novēlotas tehniska rakstura problēmas identificēšanas, kā arī samazinot cilvēkresursu piedalīšanos temperatūras manuālā monitoringa procesā, kā arī uzlabot veikalu energoefektivitātes rādītājus. 

Projekta pirmā ceturkšņa ( 01.04.2019 – 30.06.2019) SIA Rimi Latvia un AS Saf Tehnika projekta ietvaros strādāja pie:

• organizētas SAF tehnika darbinieku apmācības par aukstuma vitrīnu darbību;
• veikta izpēte un apkopojums par esošo aukstuma vitrīnu problēmzonām;
• tiek pielāgota IT infrastruktūra katrā veikalā, lai nodrošinātu datu pārraides kanālu priekš SAF Tehnika vides pārraudzības iekārtām;
• kopā ar SAF Tehnika tiek strādāts pie risinājuma, lai nodrošinātu uzticamu un drošu sensoru mērījumu nosūtīšanu uz mākoņa risinājuma platformu.

Projekta otrā ceturkšņa rezultāti:

• Uzstādīti ap 6500 sensoru vairāk nekā 110 Rimi veikalos, atliekot montāžas darbus tajos veikalos, kuros tiek plānota veikala pārbūve tuvākajā laikā. To aprīkošana paredzēta pēc attiecīgā veikala pārbūves.
• Pabeigts darbs pie mākoņ-risinājuma kodola izstrādes.
• Pabeigts darbs pie jaunas programmatūras izstrādes bāzes stacijām, lai tās varētu sūtīt datus uz mākoņ-risinājumu.
• Atjaunināta programmatūra bāzes stacijām.
• Mākoņ-risinājums integrēts kopējā Rimi un SAF slēgtajā datu pārraides tīklā.
• Tiek analizēti pirmie iegūtie temperatūras dati no uzstādītajiem sensoriem un norit darbs pie procedūras izstrādes, lai salīdzinātu Rimi darbinieku veiktos produktu mērījumus ar uzstādīto sensoru rādījumiem.
• Tiek turpināts darbs pie kopējā risinājuma funkcionalitātes uzlabošanas.

Turpmākie darbi:

• Izstrādāt metodiku pētījumam par temperatūras izkliedi vitrīnās, izmantojot termo kameru.
• Veikt iegūto datu salīdzinājumu ar Rimi darbinieku veiktajiem mērījumiem.
• Sensoru izvietojuma pielāgošana, analizējot iegūtos temperatūras datus.
• Uzsākt pētījumus par mašīnmācīšanās algoritmu izstrādi.

Otrā ceturkšņa ( 01.07.2019 – 31.09.2019) SIA Rimi Latvia un AS Saf Tehnika projekta ietvaros strādāja pie:

• organizētas turpmākās SAF tehnika darbinieku apmācības par aukstuma vitrīnu darbību;
• mērījumu eksportēšana un apstrāde no esošajiem datu avotiem (aukstumiekārtu un ēku vadību kontrolieri);
• darbinieku veikto produktu temperatūras mērījumu apkopošana;
• nodrošinātas aukstuma vitrīnas uzstādīšanai partnera telpās kuras paredzētas padziļinātākiem testiem, nebojājot veikalos izvietotos produktus.

Projekta trešā ceturkšņa rezultāti:

• Uzstādīti papildus sensori vitrīnās, lai iegūtu precīzāku priekšstatu par temperatūras izkliedi vitrīnā.
• Veikti mērījumi, izmantojot infrasarkano temperatūras videokameru un veikta šo mērījumu salīdzināšana ar Aranet sensoru rādījumiem.
• Izstrādāts veids, kā piekļūt datiem no aukstum-sistēmu kompresoriem.
• Tiek uzkrāta informācija par vitrīnu bojājumiem un bojājuma brīdim pielīdzināti sensoru rādījumi.
• Notikušas pirmās konsultācijas par mākslīgā intelekta algoritmu izstrādi šīprojekta vajadzībām un specifikai.

Turpmākie darbi:

• Turpināt darbu pie pētījuma ar infrasarkano temperatūras videokameru
• Turpināt darbu pie informācijas uzkrāšanas par vitrīnu bojājumiem
• Izstrādāt produkta imitācijas, kuras izvietot vitrīnās starp produktiem un veikt šo produktu mērījumus ar temperatūras zondes sensoriem
• Produktu imitācijas mērījumus salīdzināt ar Aranet sensoru datiem
• Sensoru izvietojuma pielāgošana, analizējot iegūtos temperatūras datus
• Veikt izpēti par esošo aukstum-sistēmu kompresoru datu automātisku nolasīšanu un nosūtīšanu uz mākoņrisinājumu

Trešā ceturkšņa ( 01.10.2019 – 31.12.2019) SIA Rimi Latvia un AS Saf Tehnika projekta ietvaros strādāja pie:

• organizētas turpmākās SAF tehnika darbinieku apmācības par aukstuma vitrīnu darbību;
• strukturēts servisa pieteikumu apkopojums dažādu tipu un modeļu vitrīnu problēmjautājumos;
• kvalitātes kontrole veikalos uzstādīto iekārtu un sensoru montāžai;
• mākoņrisinājuma agrās versijas testēšana;
• aranet sensoru temperatūras rādījumu salīdzināšana ar pašu veiktajiem mērījumiem.

Projekta ceturtā ceturkšņa rezultāti:

• Veikti mērījumi, izmantojot infrasarkano temperatūras videokameru un veikta šo mērījumu salīdzināšana ar Aranet sensoru rādījumiem.
• Veikti pētījumi testa vitrīnās.
• Apkopota informācija par iespējamiem vitrīnu bojājumu veidiem un Aranet sensoru rādījumu salīdzināšana.
• Identificētas energoefektivitātes iespējas.

Turpmākie darbi:

• Turpināt darbu pie datu analīzes vitrīnu bojājumu laikā.
• Turpināt pētījumus testa vitrīnās.
• Apkopot informāciju par sistēmas lietotāju grupām.
• Uzsākt pirmā mašīnmācīšanās algoritma izstrādi.
• Izstrādāt pirmo prototipu būtiskāko datu aplūkošanai viedierīcēs.

Ceturtā ceturkšņa ( 01.01.2020 – 31.03.2020) SIA Rimi Latvia un AS Saf Tehnika projekta ietvaros strādāja pie:

• organizētas turpmākās SAF tehnika darbinieku apmācības par aukstuma vitrīnu darbību;
• intervijas ar projektā iesaistītajiem RIMI departamentiem, būtisko programmatūras prasību apkopojumam;
• energoefektivitātes iespēju identificēšana ar aukstumu kontrolieru uzstādījumu pielāgošanu.

Projekta 5. ceturkšņa rezultāti

• Veikti mērījumi, izmantojot infrasarkano temperatūras videokameru un veikta šo mērījumu salīdzināšana ar Aranet sensoru rādījumiem
• Veikti pētījumi testa vitrīnās
• Veikti uzlabojumi mākoņ-risinājuma funkcionalitātē
• Apkopota informācija par reāliem vitrīnu bojājumiem un ar tiem saistošie Aranet temperatūras rādījumi
• Veikta cenu aptauja un izvēlēts pretendents, kurš strādās pie mašīn-mācīšanās algoritmu izstrādes

Turpmākie darbi:

• Turpināt darbu pie datu analīzes vitrīnu bojājumu laikā
• Turpināt pētījumus testa vitrīnās: dažādu bojājumu imitācija un Aranet sensoru rādījumu analīze
• Apkopot informāciju par sistēmas lietotāju grupām, veicot aptaujas ar pārstāvjiem no dažādām lietotāju grupām
• Uzsākt pirmā mašīnmācīšanās algoritma izstrādi

Projekta 6. ceturkšņa rezultāti

• Veikti vairāki eksperimenti ar dažādiem mašīn-mācīšanās algoritmiem un to anomāliju prognozēšanas kļūdas noteikšana
• Izstrādāts pirmais algoritms anomālu mērījumu automātiskai fiksēšanai
• Veikti pētījumi testa vitrīnās, imitējot dažāda veida bojājumus
• Veikti uzlabojumi mākoņ-risinājuma funkcionalitātē
• Apkopota informācija par reāliem vitrīnu bojājumiem un ar tiem saistošie Aranet temperatūras rādījumi
• Apkopotas katras lietotāju grupas būtiskās prasības

Turpmākie darbi:

• Turpināt darbu pie datu analīzes vitrīnu bojājumu laikā
• Turpināt pētījumus testa vitrīnās: dažādu bojājumu imitācija un Aranet sensoru rādījumu analīze
• Apkopot informāciju par sistēmas lietotāju grupām, veicot aptaujas ar pārstāvjiem no dažādām lietotāju grupām
• Uzsākt pirmā mašīnmācīšanās algoritma izstrādi

Projekta 7. ceturkšņa rezultāti

• Mašīn-mācīšanās modelis papildināts ar jauniem algoritmiem, kas strādā vienoti, lai pēc iespējas precīzāk noteiktu anomālijas
• Norit darbs pie demo sistēmas izveides
• Veikti uzlabojumi mākoņ-risinājuma funkcionalitātē
• Veiktas manipulācijas ar sensoru izvietojumu vitrīnās

Turpmākie darbi:

• Pabeigt demo sistēmas izstrādi
• Uzlabot mākoņ-risinājuma funkcionalitāti
• Galējā nodevuma gatavošana