Data science

Làm thế nào chuỗi dữ liệu thời gian thúc đẩy thời gian qua mùa hè

Mùa hè đã gần kết thúc, nhưng vẫn còn thời gian để mở một ly bia và thưởng thức một bữa tiệc nướng ở sân sau. Một số người thích tự chế tạo máy hút thuốc hoặc lên men bia của riêng họ như tôi. Để đảm bảo món sườn của bạn chín tới hoàn hảo và bia được chuẩn bị ở nhiệt độ thích hợp, các nhà sản xuất bia và đầu bếp tại nhà nên cân nhắc sử dụng công nghệ dữ liệu chuỗi thời gian. Tôi thích thử nghiệm nhiều cách khác nhau mà công nghệ chuỗi thời gian có thể giúp theo dõi nhiệt độ. Phân tích dữ liệu là một cách hữu ích để phát hiện những điểm bất thường xảy ra trong quá trình này. Việc triển khai nền tảng dữ liệu chuỗi thời gian cho phép bạn gửi cảnh báo về sự thay đổi nhiệt độ cho chính mình thông qua Slack, ví dụ: trong đó nền tảng đám mây sẽ gửi cảnh báo khi hệ thống đạt đến các ngưỡng nhất định. Điều này cho phép các wannabe-brewers truy cập cơ sở dữ liệu chuỗi thời gian mà không cần phải cung cấp cơ sở hạ tầng của bạn hoặc quản lý các cụm. Nấu bia cho mùa hè Mặc dù gần đây tôi không có nhiều thời gian cho một số sở thích yêu thích của mình kể từ khi có chú chó con mới, tôi đã bắt đầu trở lại với việc nấu bia của riêng mình. Tôi cũng đã khám phá ra cách dữ liệu chuỗi thời gian có thể được sử dụng như một phần của quy trình. Tôi bắt đầu sử dụng công nghệ chuỗi thời gian vì khi tôi đang nấu bia, London đã trải qua một đợt nắng nóng, vì vậy tôi cần theo dõi nhiệt độ. Bằng cách sử dụng dữ liệu chuỗi thời gian, tôi đã có thể cải thiện hương vị từ việc nấu bia ở nhiệt độ thích hợp chính xác bằng cách sử dụng cơ sở dữ liệu chuỗi thời gian và máy tính Raspberry Pi có kích thước bằng thẻ tín dụng. Quá trình sản xuất bia bao gồm quá trình lên men đường và men để tạo ra rượu và carbon dioxide. Mỗi bước, cho dù là chiết xuất đường hay giữ hạt trong nước, đều bao gồm việc theo dõi ở một nhiệt độ nhất định. Đó là lúc công nghệ chuỗi thời gian xuất hiện – cụ thể là tôi đã sử dụng nó cho một phần của quá trình mạch nha biến đường thành rượu. Một nhà sản xuất bia thực hiện thủ công của mình (Dejan Dundjerski / Shutterstock) Men hoạt động ở một nhiệt độ nhất định và người nấu bia cần duy trì nhiệt độ 19 độ C. 66 độ F) trong khoảng một tuần. Đặt nhiệt độ này làm mức “dung sai” của bạn. Nếu bạn đặt dung sai nhiệt độ quá cao, bộ làm mát sẽ không hoạt động cho đến khi chất lỏng quá nóng. Đó là lý do tại sao bạn cần giám sát. Nếu không duy trì nhiệt độ thích hợp, bia sẽ không có mùi thích hợp. Bạn không cần phải là một chuyên gia về bia để chọn nó. Trong quá trình nấu bia, một bộ điều khiển sẽ theo dõi nhiệt độ. Bằng cách theo dõi nhiệt độ theo thời gian bằng công nghệ chuỗi thời gian, bạn có thể khắc phục các vấn đề như thay đổi nhiệt độ môi trường và cấu hình sai bộ điều khiển. Thiết lập của tôi bao gồm một webcam chụp ảnh màn hình kỹ thuật số về nhiệt độ. Các hình ảnh được đưa vào thiết bị Raspberry Pi, theo sau là cơ sở dữ liệu chuỗi thời gian. Cá nhân tôi nhận được thông báo về nhiệt độ nấu bia trong Slack – nếu nhiệt độ đạt 21 độ C, tôi sẽ nhận được thông báo Slack cảnh báo tôi phải thay đá . Một cảnh báo khác cho biết khi tôi không nhận được dữ liệu. Thiết lập bảng điều khiển cho phép bạn hình dung nhiệt độ theo thời gian. Bạn có thể phát hiện những điểm bất thường trong dữ liệu, chẳng hạn như tăng hoặc giảm đột ngột. Tôi đã thiết lập nó để từ chối các cảnh báo dưới 18 độ C trở lên 21 độ C như sự bất thường. Tôi nhận được một cảnh báo trong Slack để kiểm tra mức băng. Khi tôi khắc phục tình trạng thiếu đá, nhiệt độ giảm trở lại mức có thể chấp nhận được và tôi thiết lập cảnh báo khi các kết quả đọc lên trên 23 độ C. Nếu bạn đang tìm cách thiết lập một hệ thống để nấu bia hoặc nấu thịt nướng, bạn sẽ muốn theo dõi tự động các sự kiện như nhiệt độ. Nếu không, bạn sẽ phải thường xuyên kiểm tra bình lên men và thùng đá theo cách thủ công. Các trường hợp sử dụng vượt xa việc nấu bia – bạn có thể sử dụng thiết lập để theo dõi nhiệt độ của những thứ khác như rượu vang, thực vật và nấm. Bạn cũng có thể sử dụng dữ liệu chuỗi thời gian để theo dõi âm thanh “blub blub” của quá trình lên men và đầu đọc tỷ trọng kế kỹ thuật số, là công cụ để đo tỷ trọng của chất lỏng và độ mạnh của nó. Giám sát người hút thuốc nướng Dữ liệu chuỗi thời gian cũng là một công cụ có giá trị để theo dõi nhiệt độ của người hút thuốc nướng trong mùa hè này. Trong một hội thảo trên web gần đây, các đồng nghiệp của tôi là Will Cooke và Scott Anderson đã thảo luận về cách dữ liệu chuỗi thời gian có thể giúp ích khi bạn đang hút món thịt yêu thích của mình trên thịt nướng. Quy trình của họ liên quan đến phần cứng thương mại sẵn có, cảm biến giám sát chuỗi thời gian và giao thức mở Zigbee. Khi được tổ chức đúng cách, bạn nhập dữ liệu của mình và tạo trang tổng quan, đối chiếu thông tin bạn gửi và sau đó chia nó ra. Thời gian và nhiệt rất quan trọng đối với quá trình hun khói (Anze Furlan / Shutterstock) MQTT là cơ chế mặc định để di chuyển dữ liệu IoT của cảm biến tự động hóa gia đình xung quanh mạng. Cooke đọc dữ liệu cảm biến nhiệt độ từ một tập lệnh Python trên Raspberry Pi và các cảm biến theo dõi nhiệt độ bên trong người hút thuốc. Khi nhiệt độ ngăn cản và thịt không đạt đến nhiệt độ cần thiết để nấu chín, bạn có thể nhận thấy sự giảm nhiệt bằng cách xem biểu đồ trong cơ sở dữ liệu chuỗi thời gian. Cooke nói, “Tôi muốn thêm một số cảnh báo tốt hơn vào đó để, chẳng hạn, khi bạn có thể phát hiện ra rằng bạn đang ở trong một gian hàng và nhiệt độ không tăng lên một mức nhất định trong một khoảng thời gian – tôi có thể làm cho nó gửi cho tôi một tin nhắn đẩy ngay lập tức đến điện thoại của tôi và nói với tôi rằng đã đến lúc phải đi và bọc giấy bạc lại. Tôi có thể làm điều đó bằng cách sử dụng các nhiệm vụ và hệ thống cảnh báo được tích hợp trong cơ sở dữ liệu chuỗi thời gian ”. Trong khi đó, thiết lập của Anderson đơn giản hơn nhưng giá cả phải chăng hơn của Cooke. Anh ấy đã sử dụng một nhiệt kế thịt không dây được kết nối với đám mây FireBoard để thu thập dữ liệu cảm biến từ các đầu dò mà bạn đã kết nối với nó. FireBoard 2 có sáu đầu vào và điều khiển tốc độ quạt và nhiệt độ môi trường xung quanh của cảm biến. Anderson nói: “Tôi sử dụng một tác nhân máy chủ hướng plugin để thu thập dữ liệu mà FireBoard gửi đến các máy chủ đám mây của nó. “Đó là một luồng dữ liệu thực sự đơn giản và một thiết lập cực kỳ đơn giản. Tất cả những gì bạn cần là một cấu hình mà khi bạn tạo tài khoản FireBoard, bộ điều nhiệt của bạn thực sự được đăng ký với tài khoản đó và mọi dữ liệu nó thu thập sẽ tự động được gửi đến tài khoản đó. ” Anderson đã sử dụng các công cụ trực quan hóa trong cơ sở dữ liệu chuỗi thời gian như một phần của dự án của mình. Anh ấy đã xây dựng một bảng điều khiển để theo dõi nhiệt độ trên FireBoard, cho phép anh ấy xem lịch sử đọc nhiệt độ cho phiên nấu ăn của mình. FireBoard gửi dữ liệu đến API, sau đó tác nhân máy chủ kéo dữ liệu đó vào cơ sở dữ liệu chuỗi thời gian. Giống như Cooke, Anderson cũng gặp phải một thách thức trong việc khắc phục nhiệt độ quầy hàng. Anderson cho biết: “Tôi muốn được thông báo khi thịt bắt đầu se lại để tôi có thể đứng dậy và bọc nó. Đối với anh ta, một gian hàng bao gồm 0 độ 02 cứ sau năm phút. “Thật là chậm,” anh nói. “Bất cứ điều gì khác ngoài điều đó, đó là nấu ăn.” Nếu có sự cố, bạn có thể tạo một thông báo về trạng thái của một đầu dò và chuyển dữ liệu vào cơ sở dữ liệu chuỗi thời gian. Khi trạng thái của món nướng thay đổi từ “OK” thành “Warn”, hệ thống sẽ gửi thông báo trong Slack. Anderson sau đó được đánh thức để kiểm tra nhiệt độ của người hút thuốc. Dữ liệu chuỗi thời gian cũng hữu ích cho phân tích so sánh. Bạn có thể căn chỉnh thời gian bắt đầu và xếp chồng chúng lên để so sánh. Trong tương lai, Anderson muốn thêm khả năng dự báo cho người hút thuốc của mình để anh ta có thể ước tính thời gian nấu còn lại. Anh ấy cũng muốn hình ảnh hóa nâng cao bằng cách sử dụng bảng màu và nhiều thông báo hơn. Những thông báo bổ sung này sẽ cảnh báo anh ta khi nấu xong. Cuối cùng, dữ liệu chuỗi thời gian đã là một công cụ có giá trị cho các đồng nghiệp của tôi và tôi để tăng cường các hoạt động trong mùa hè của chúng tôi. Tất cả những gì cần là một chút bí quyết kỹ thuật và trí tưởng tượng sống động để tìm ra những cách sử dụng thú vị và thiết thực cho dữ liệu chuỗi thời gian. Về tác giả: Luke Bond là kỹ sư tại InfluxData. Các mục liên quan: Bia + Dữ liệu = Tuân thủ CCPA cho Bỉ mới Từ bia lớn đến dữ liệu lớn: Bên trong chuỗi thời gian chuyển đổi kỹ thuật số của AB InBev Người dẫn đầu ảnh hưởng của dữ liệu Tăng thêm tiền

  • Trang chủ
  • CRM
  • Email doanh nghiệp
  • Email marketing
  • Marketing News
  • Marketing tổng thể
  • SEO
  • Thiết kế Website
  • Web Hosting
  • Chatbot
  • Data science
  • Back to top button