Czujniki wirtualne — średnie, sumy i wskaźniki pochodne z realnych pomiarów

Czujniki wirtualne to odpowiedź na pytanie, które prędzej czy później zadaje każdy użytkownik monitoringu: „mam pięć czujników w chłodni, ale jaka właściwie jest temperatura chłodni?". Fizyczny czujnik mierzy punkt — pół metra od parownika, przy drzwiach, w głębi regałów — a decyzje podejmuje się na podstawie stref, sum i wskaźników. Czujnik wirtualny wylicza taką pochodną metrykę z realnych pomiarów i oddaje ją platformie tak, jakby zmierzyło ją kolejne urządzenie: bez nowego sprzętu, bez baterii, bez wiercenia. W Nextriv do dyspozycji są cztery przekształcenia — średnia, suma, korekta i stosunek. Poniżej o tym, jak działa każde z nich i w których sytuacjach robią największą różnicę.

Czujniki wirtualne, czyli pomiary, których nie wykonuje żadne urządzenie

Definicja jest krótka: czujnik wirtualny to metryka wyliczana programowo z odczytów istniejących czujników fizycznych. Wskazujesz źródła i rodzaj przekształcenia, a platforma tworzy nowy „pomiar", z którym pracujesz dokładnie tak, jak z każdym innym: oglądasz go na pulpicie, śledzisz jego trend i wstawiasz do raportów.

Najważniejsza konsekwencja jest ekonomiczna i praktyczna zarazem. Nowa metryka zwykle oznacza zakup, montaż i utrzymanie kolejnego urządzenia — czujnik wirtualny powstaje w minutę z danych, które już płyną do systemu. To także jedyny „czujnik", który nigdy nie zgłosi słabej baterii ani nie wypadnie z zasięgu.

Cztery przekształcenia: avg, sum, offset i ratio

Średnia (avg). Klasyka i najczęstszy przypadek: kilka punktów pomiarowych w jednej strefie, a interesuje cię stan strefy jako całości. Średnia temperatura chłodni z trzech czujników rozmieszczonych przy drzwiach, w środku i w najdalszym kącie mówi o komorze więcej niż każdy z punktów z osobna. Jak sensownie rozmieścić te punkty, opisaliśmy w przewodniku po monitoringu stref chłodniczych.

Suma (sum). Wartości z wielu czujników zsumowane w jedną zbiorczą metrykę — tam, gdzie liczy się łączny wynik, a nie pojedyncze składowe. Zamiast przeglądać kilka osobnych wykresów, patrzysz na jedną liczbę, która opisuje całość.

Korekta (offset). Czasem czujnik systematycznie zawyża lub zaniża odczyt o stałą wartość — bo wisi bliżej źródła ciepła, niż powinien, albo porównanie z wzorcem przy okazji kalibracji wykazało stałe odchylenie. Offset koryguje taki pomiar o zadaną wartość, nie ruszając danych źródłowych: oryginalny odczyt zostaje, a obok pojawia się skorygowana metryka.

Stosunek (ratio). Proporcja dwóch metryk wyliczana jako osobny pomiar. Tam, gdzie istotna jest relacja między dwiema wielkościami — a nie każda z nich z osobna — ratio zamienia dwie krzywe w jeden czytelny wskaźnik, który można śledzić w czasie jak zwykły odczyt.

Po co uśredniać, skoro można patrzeć na punkty

Pojedynczy punkt pomiarowy bywa nerwowy. Czujnik przy drzwiach chłodni skacze przy każdym otwarciu, czujnik pod sufitem biura reaguje na słońce zza żaluzji — i każda taka lokalna anomalia wygląda na wykresie jak problem całego pomieszczenia. Średnia ze strefy wygładza ten szum: pokazuje stan, który faktycznie odczuwa towar na regałach albo ludzie w pokoju, a nie mikroklimat jednego zakamarka.

Dobrym przykładem jest biuro. Stężenie CO₂ w sali konferencyjnej po godzinnym spotkaniu i w pustym open space różnią się dramatycznie — średnia z pięter mówi facility managerowi, czy wentylacja nadąża za budynkiem jako całością, a punkty wskazują, gdzie interweniować najpierw. Więcej o samych pomiarach jakości powietrza piszemy w artykule o jakości powietrza w biurze.

Jest i drugi porządek korzyści: komunikacja. „Średnia temperatura komory K2: 4,1 °C" to zdanie, które rozumie zarząd, audytor i nowy pracownik pierwszego dnia. Lista ośmiu punktów pomiarowych z ośmioma wartościami — niekoniecznie.

Wirtualny pomiar zachowuje się jak prawdziwy

Cała siła tego mechanizmu polega na tym, że platforma nie traktuje metryk pochodnych po macoszemu. Czujnik wirtualny pojawia się na pulpitach obok fizycznych — do dyspozycji jest blisko 20 typów kafelków, od prostego kafelka z wartością po wykresy wielu serii — jego historia jest przechowywana i dostępna w analizie trendów, a wyliczona metryka trafia do raportów PDF i eksportów tak samo jak surowe odczyty. Pełny przegląd tych możliwości znajdziesz na stronie funkcji platformy.

Fundamentem pozostają jednak rzetelne pomiary źródłowe — żadna średnia nie będzie lepsza niż czujniki, z których powstaje. W typowych wdrożeniach strefowych podstawą jest Nextriv Sense Essential: czujnik temperatury i wilgotności o dokładności ±0,3 °C, w szczelnej obudowie IP67, równie dobrze czujący się w chłodni, jak na rampie zewnętrznej. Kilka takich punktów w jednej strefie to gotowy materiał na wirtualną średnią całej komory.

![Wirtualna średnia strefy na pulpicie obok pomiarów źródłowych](/images/blog/inline/czujniki-wirtualne/srednia-strefy.webp "GRAFIKA: ekran platformy — kafelek z wirtualną metryką „Chłodnia — średnia" oraz wykres, na którym linia średniej biegnie spokojnie na tle trzech bardziej nerwowych linii czujników źródłowych | styl: UI | format: 16:9")

Od czego zacząć

Przepis jest prosty. Najpierw upewnij się, że masz co najmniej dwa–trzy fizyczne punkty pomiarowe w strefie, o którą naprawdę pytasz — to one zdecydują o jakości każdej pochodnej metryki. Potem zacznij od jednej średniej dla najważniejszej strefy i sprawdź przez tydzień, czy opowiada tę samą historię, co twoja intuicja. Dopiero wtedy dokładaj kolejne przekształcenia: sumę tam, gdzie liczy się całość, offset tam, gdzie znasz stałe odchylenie, ratio tam, gdzie istotna jest proporcja.

Od strony formalnej: czujniki wirtualne są częścią płatnego planu platformy — 99 zł netto za 30 dni albo 990 zł netto za rok, a pełne zestawienie planów znajdziesz w cenniku. Jeśli wolisz najpierw zobaczyć mechanizm w działaniu, umów prezentację — skonfigurujemy wirtualną średnią z twojego scenariusza na żywym systemie i pokażemy, jak wygląda na pulpicie i w raporcie.