Pitlik Marcell Németh Tamás Svastits Áron Eszköz- / gép- használati log-ok üzleti potenciálja a CLAAS portfóliójában A Dinamika kettes csapat tagjai: Pitlik Marcell Németh Tamás Svastits Áron Budapesti Műszaki és Gazdaságtudományi Egyetem (BME) Mechatronikai mérnöki alapszak Német nyelvű képzés 4. félév A MY-X kutatócsoport tagjai Tisztelt Hölgyeim és Uraim! Pitlik Marcell vagyok a Budapesti Műszaki és Gazdaságtudományi Egyetem német nyelvű képzésének másod éves mechatronika szakos hallgatója. A csapatunk termékfejlesztési és szolgáltatás ötlete az eszköz- és géphasználati log adatok feldolgozásában rejlő üzleti potenciál amit a mai napon a CLAAS portfóliájához igazítva mutatunk be. Hiszen a log alapú döntéstámogatás, gyanúgenerálás egy quasi univerzális ötlet. Mentor: Pitlik László KJE Informatika Tanszék: Tanszékvezető / KMRIÜ / MY-X kutatócsoport vezetője Dátum: 2019. április 10. Helyszín: Törökszentmiklós, CLAAS Hungaria Kft.

Tartalom Előzmények Koncepció I Koncepció II Üzleti modellek Megvalósíthatóság Hasonlóságelemzés alapjai Mottó Pénzügyi terv Egy rövid áttekintés miről is lesz szó, a következőkben. Az előzményekről A kutatócsoport saját fejlesztésű MI-ről A MY-X mottójáról Koncepció_1 ami szolgáltatás jellegű Koncepció_1-re épülő üzleti modellről Koncepció_2 inkább műszaki fejlesztés Megvalósíthatóságról És természetesen a pénzügyi tervről

Előzmények Mit? Hol? Minőségbiztosítás Kísérleti alany Tesztelés Elemzés Publikálás Adatvizualizáció Csapatunk tagjai már a középiskola alatt is részesei voltak magyarországi és nemzetközi innovációs projekteknek és ezek publikálásának a MY-X kutatócsoporton keresztül A korábbi projektekben is a log alapúság volt előtérben, mert a nagy mennyiségű adatvagyon egyszerre való kezelni tudásával lehet minőségben új szintre lépni.

„Fáradt olaj” szakértő Koncepció I A log alapú döntéshozás I műszaki fejlesztés Humán diagnosztika: Gép diagnosztika: Vizelet szakértő „Fáradt olaj” szakértő Egy másik lehetséges koncepció műszaki fejlesztéssel Pár hete az egyik német nyelvű csatorna adásában láttam, hogy a humán diagnosztikában, már alkalmaznak képfeldolgzást a vizelet ürítésről készült videókon A céljuk így a gyanúgenerálás, hogy a páciensnek lehet-e valamilyen problémája. A mi analógiánk a fáradt olaj szakértő Vagyis bármilyen folyadák típusú segédanyag leeresztésekor készült videókból a következő log-adatok nyerhetők ki Áramlási sebesség folyadék színe viszkozitás a folyadékban lévő szilárd részecskék

Billentyűzet/egér log-ok Faláb-index Szenzor log-ok Koncepció II A log alapú döntéshozás II szolgáltatás Irodai munka Mezőgazdaság: Stressz index Billentyűzet/egér log-ok Mért jelenségek: Gyorsulások több ponton Motor/kerekek fordulatszáma Kerekekre jutó nyomaték Hőmérséklet Páratartalom Légnyomás Fénymennyiség Zörgések detektálása Faláb-index Szenzor log-ok Egy korábbi projekt analógiájára, ahol a billentyűzet és egér használati log adatok elemezve lehet mongmondani real-time/valós időben, hogy a felhasználó stressz indexét Vagyis azt, hogy stresszesebb-e mint általában A mezőgazdasági gépek esetében egy hasonló mutató a faláb-index Ami a gép szempontjából mondja meg, hogy mennyire kíméletesen vezetik A faláb indexet pedig a mezőgépekbe szerelt szenzorok adataiból számítható. Néhány szenzor megemlítése Giroszkóp Fordulatszám mérő Környezeti szenzorok Hang szenzor

Egy gép - több gépkezelő Üzleti modellek 1. Szint Egy gép - több gépkezelő 2. Szint Kombájn Sharing Lássuk, hogy milyen üzleti modellek épülhetnek a faláb-index-re Ami a géphasználat közben mért adatokból mondja meg, hogy ki mennyire kíméletesen vezeti a gépet. szint: Nagy cégeknél, ahol sok gép és sok gépkezelő van többen is vezetnek egy gépet a faláb-index alapján lehetne őket bérezni így növelve a gép élettartamát. 2. szint: Ugyan ez a faláb indexen alapuló bérezés működne akkor is amikor a CLAAS a tulajdonos és bérbe adja a gépeit. KOMBÁJN SHARING 3. Szint: közvetlenül következik az első kettőből, hogy a CLAAS hatalmas adatvagyon birtokába kerül. Így pl. a robotpilóták belső fejlesztésében lehet felhasználni a meglévő adatvagyont, amiből kiderül, hogy mikor volt képes optimálisabban vezetni az ember mint a gép. 3. Szint Belső fejlesztés

Földrajzi információs Megvalósíthatóság Szenzor adatok Adatelemzés Földrajzi információs rendszer Miért megvalósítható a log adatok alapuló faláb index? A CLAAS önvezető gépeiben már rendelkezésre állnak a faláb index hez szükséges szenzorok , és a mérés közeben még 2-3 cm pontossággal a gép helyét is meg lehet határozni Az adatfeldolgozás módszertana szintén rendelkezésre áll Az adat továbbítás és tároláshoz is megvannak már a kipróbált és jól működő módszerek. RTK FIELD BASE Adattárolás felhőben

Y0 anti-diszkriminatív Standard modell termelési függvény Hasonlóságelemzés Célja: A vizsgált objektumok mért tulajdonságaik alapján való egymáshoz képesti értékelése Eszköze: Lineáris egyenletrendszerek közelítő megoldása legkisebb négyzetes hiba alapján Fajtái: A kutatócsoport saját fejlesztésű MI-je a hasonlóságelemzés. Célja: A vizsgált objektumok összehasonlítása az objektumok mért tulajdonságai alapján A háttérben az OAM Objektum-Attribútum/tulajdonság/Mátrixok-ból automatikus következő lineáris egyenletrendszer közelítő megoldása történik a célfüggvény négyzetes hibájának minimalizálása mellett. Alapvetően 3 modellel dolgozunk MCM deklaratív feltáró modell Y0 anti-diszkriminatív modell, lehet-e minden objektum másként egyforma a többihez képest az attribútumai alapján STD Standard modell termelési függvény alapon MCM exploratív feltáró modell Y0 anti-diszkriminatív modell Standard modell termelési függvény

„Science is what we understand well enough to explain to a computer „Science is what we understand well enough to explain to a computer. Art is everything else we do.” Donald Knuth (Stanford, 1992) Mottó A kutatócsoport mottója: Csak az a tudás amit annyira értünk, hogy a számítógépeknek is el tudjuk mondani… Minden más amit csinálunk az művészet. az idézet Donald Knuth Turing-díjas amerikai programozó, jelenleg a Stanford-i egyetem professzora, és nem mellesleg a TEX betűszedő rendszer kifejlesztője is.

Pénzügyi terv ∑ Kiadások gépenként Beruházási költségek 100.000 € átlag gép ár Szenzorok költsége: 50 € 0,05 % Beépítés becsült költsége: 50 € 0,05 % Adatfeldolgozás becsült költsége: ~0 € 0,00 % ∑ Becsült pluszköltség gépenként: 100 € 0,1 % Hozzávetőleges pénzügyi terv Vegyünk példának egy 100.000 eurós gépet, ami nagyjából megegyezik egy átlagos CLAAS gép árával A gyártási költségnövekedés kb 0,1%-osra becsüljük a gép árához képest hiszen jóminőségű szenzorokat nagyon olcsón lehet venni És az önvezetésre képes gépekben ez már eleve adott Az adatfeldolgozás költsége egy gépre elterjedt szolgáltatás esetén az automatizálható elemzés miatt szintén közel 0 csak a számítógép áramfelvétele jelentkezik költségként. Beruházási költségek viszont már vannak Az adatkommunikáció és adattárolás megvalósítása és fenntartása Az automatizált elemzőrendszer adaptálása a falábindexhez Beruházási költségek Adatkommunikáció, adattárolás Elemzőrendszer adaptálás

Pénzügyi terv ∑ Bevételek gépenként Egyéb bevételi lehetőségek 100.000 € átlag gép ár ∑ Áremelés: 1000 € 1 % Becsült extra profit gépenként: 1000 € 1 % + pl. éves adatszolgáltatási díj Mekkora többlet bevételt lehet elérni gépenként? Az 1000 euró az alsó becslésünk erre, amit a gép vásárlásakor egyből megfizet a vevő De a feldolgozott adatok riportjainak külön lehet díja Milyen előre nem beárazható értékek keletkeznének? Hatékonyabb belső fejlesztés az önvezetőgépek irányításában Piaci részesedés növekedése, az egyedi szolgáltatás miatt A hatalmas adatvagyonvan rejlő tudás know how továbbértékesítése, hiszen a faláb-indedx minden más ember/ vagy robot által vezetett járműben fontos. Egyéb bevételi lehetőségek Egyedi szolgáltatás piaci részesedés növekedése Hatékonyabb belső fejlesztés Faláb-index KNOW HOW

Összefoglalás Log adatok Automatizált elemzés Precíziós gazdálkodás Alacsony költségek Gyors megtérülés Hosszútávú profit Belső fejlesztés lehetősége Fenntarthatóság növelése Összefoglalva az eddigieket Log adatokból automatizált elemzés mellett alacsony költségekkel Gyors megtérülés és Hosszútávú profit érhető el Nem mellesleg a belső fejlesztéseknek köszönhetően a fenntarthatóság is növekszik

Köszönöm a megtisztelő figyelmet! Az imént elhangzottak alapján feltehetőleg sokakban fogalmazódtak meg más ötletek is, ahol a logalapú döntéstámogatást érdemes lehet használni. Természetesen szívesen együtt gondolkodunk/dolgozunk ezeken az ötleteken a későbbiekben. Köszönöm a megtisztelő figyelmet pitlikmarci@gmail.com tomi.nemeth98@gmail.com svastits.aron@gmail.com Az előadás az alábbi linken elérhető: https://miau.my-x.hu/miau/248/claas.ppt

Ha belekérdeznének pontosan meg tudjuk mondani melyik miről szólt Esetleg a Hasonlóság elemzésről is rakhatunk be ilyen + diát