Posiada możliwość modyfikacji pod specyficzne potrzeby obszaru nadzorowanego, a także wytyczne Klienta. Jest on stworzony zgodnie z najnowszymi standardami UX/UI. Jego unikalną funkcjonalnością są karty szybkiego dostępu Favourites, którymi w pełni może zarządzać użytkownik systemu. Funkcjonalność ta połączona jest z mobilną wersja systemu w taki sposób, że użytkownik tworząc karty Favourites sam dostosowuje wygląd swojej aplikacji mobilnej.
Dashboard umożliwia zdalny nadzór nad obszarami monitorowanymi w czasie rzeczywistym. Posiada następujące sekcje:
Jest usprawnieniem zarządzania wieloma obszarami monitorowanymi w postaci integracji wszystkich zasobów wykorzystanych do nadzorowania obiektów (kamery, konta klienckie, notyfikacje itd.). Moduł ten jest w pełni kompatybilny z Dashboardem systemu i pozwala na bezpieczny dostęp do wielu miejsc w tym samym czasie, bez konieczności korzystania z osobnych systemów, obsługujących każdy obszar z osobna.
To oprogramowanie, które na podstawie danych z monitorowanych obszarów wyodrębnia potencjalne rutyny, które następnie rekomendowane są do oceny użytkownika systemu. W tej sytuacji użytkownik może zakwalifikować daną rutynę jako zdarzenie podejrzane, co następnie zostanie wykorzystane także do dotrenowania się silnika o tą informację w trybie automatycznym. Zastosowanie modułu wspomaga działania prewencyjne, dzięki czemu istnieje możliwość przeprowadzenia działań zaradczych, wyprzedzających działania niepożądane.
To wsparcie zdarzeń, które nie zostały odpowiednio zidentyfikowane przez oprogramowanie wbudowane w rejestratorze obrazu i dźwięku. Moduł ten umożliwia wytrenowanie własnego silnika AI, który uzupełnia system o identyfikację złożonych (niestandardowych) przypadków naruszeń obszarów monitorowanych.
To oprogramowanie służące do magazynowania informacji przesyłanych z rejestratorów obrazu i dźwięku (kamer, czujników, sensorów). Jego rolą jest automatyczne uporządkowanie danych takich jak obraz, dźwięk, pomiary, informacje o zdarzeniach w celu zapisu ich w odpowiednich miejscach systemu (z wolnym lub szybkim dostępem).
Wspiera korzystanie z systemu diagnostyki poprzez przeprowadzenie szkoleń z zakresu użytkowania wdrożonego rozwiązania. W ramach szkolenia, użytkownicy zdobędą niezbędną wiedzę o sposobach autentykacji do serwisu, dostępie do danych, nawigacji Dashboard, kanałów komunikacji z zespołem serwisowym, korzystania z wersji API. Moduł ten jest idealną pomocą w bezpiecznym i sprawnym korzystaniu z systemu BFT Diagnostics.
Umożliwia rozszerzenie produktu BFT Diagnostics o funkcję przechowywania danych w specjalnie do tego przeznaczonych miejscach takich jak Jezioro Danych. Jezioro Danych jest produktem z obszaru Data Engineering i umożliwia magazynowanie danych w sposób bezpieczny i zintegrowany zarówno w przypadku danych surowych (pobranych z urządzeń), ale także wygenerowanych raportów. Moduł ten jest szczególnie przydatny do obsługi danych z wielu urządzeń diagnostycznych różnego typu, znajdujących się w wielu lokalizacjach w tym samym czasie. W takim przypadku, pomocnym jest zastosowanie modułu Dashboard Raportowy, co znacznie upraszcza zarządzanie dużą ilością danych.
Umożliwia tworzenie rozproszonej infrastruktury obliczeniowej poprzez wdrażanie zrównoleglania obliczeń: pionowe (Parallel Computing) oraz poziome (Load Balancing). Moduł uwzględnia także tworzenie rozbudowanych łańcuchów analiz wspierających asynchroniczność obliczeń. Dla zaawansowanych obliczeń numerycznych moduł dostarcza możliwość korzystania z usługi procesu roboczego (ang. workers), bazującej na obiektach w postaci kontenerów.
Służy do tworzenia dedykowanych silników opartych na Sztucznej Inteligencji (AI) oraz Uczeniu Maszynowym (ML), w zastosowaniu do systemów diagnostyki obiektów. Moduł ten ma zastosowanie do automatyzacji obecnych rozwiązań, łączenia wielu silników i podprocesów w jeden oraz budowania innowacyjnych silników obliczeniowych w przestrzeni wielowymiarowej.
Służy do przebudowania aktualnych aplikacji typu standalone, a także w postaci serwisów działających na infrastrukturze serwerowej zamkniętej (on-premises) do oprogramowania jako produktu w chmurze (ang. Product as a Service – PaaS). Moduł ten uwzględnia także zabezpieczenia aplikacji chmurowej pod względem security.
Odpowiedzialny za bezpieczny dostęp do systemu, wspierający standardy ISO takie jak: bezpieczny format haseł, wielostopniową autentykację itp. Moduł ten posiada także zaawansowaną warstwę autoryzacji, realizującą zdefiniowany dostęp do zasobów systemu oraz aktywności użytkowników na podstawie ról.
To interfejs użytkownika, umożliwiający zdalny dostęp do danych w bezpieczny sposób. Interaktywny Dashboard ułatwia użytkownikowi pobieranie już wygenerowanych raportów oraz zarządzanie danymi źródłowymi.
Dashboard posiada następujące funkcjonalności:
Dashboard jest modułem wspierającym optymalne zarządzanie danymi diagnostycznymi w koncepcji IoT. Umożliwia on dodatkowo edycję danych na poziomie generowania raportu, co nie jest możliwe w wersji API. Moduł ten spełnia najnowsze standardy UX/UI, dzięki czemu rozszerza produkt BFT Diagnostics o dodatkowe funkcjonalności, takie jak: magazynowanie danych, interaktywna obsługa danych źródłowych, edycja raportów, obsługa błędów.
To wsparcie w zakresie projektowania, planowania i rozbudowy systemów diagnostyki dostosowanych do potrzeb i specyfiki obiektów. Doradztwo dotyczy oceny zastosowania potencjalnego systemu diagnostyki oraz wsparcia w przeprowadzeniu Proof of Concept lub Studium Wykonalności, mającym na celu integrację obecnych zasobów (systemów lub urządzeń) z produktem BFT Diagnostics.
To dodatkowe wsparcie dla produktu BFT Diagnostics poprzez wykorzystanie kanału komunikacji zwrotnej do urządzeń diagnostyki, dzięki któremu można dokonywać zdalnie ich serwisowania. Funkcjonalność ta pozwala na aktualizację oprogramowania wbudowanego (firmware) w urządzeniu diagnostycznym, podłączonym do systemu BFT Diagnostics.
To oprogramowanie monitorujące zasoby i procesy Systemu BFT Diagnostics w celu wsparcia niezawodnego działania systemu zarówno w wersji API oraz wersji z Dashboardem. Ma on m.in. za zadanie umożliwiać zarządzanie kontami użytkowników czy zarządzanie autoryzacją nowych urządzeń diagnostycznych.
Zawiera usługę utrzymania systemu oraz jego serwisu, poprzez dokonywanie aktualizacji odpowiednich jego modułów, sprawdzanie poprawności danych, aktualizację silników obliczeniowych i wsparcie w przypadku awarii.
Wspiera automatyczny proces tworzenia raportów bazując na danych uzyskanych w Module Automatycznej Identyfikacji Wad. Aby moduł był w pełni funkcjonalny, należy dokonać jego dostosowania poprzez wprowadzenie odpowiedniego szablonu, który będzie modelem w procesie generowania raportu automatycznego do najbardziej popularnych formatów *.pdf, *.xlsx oraz *.docx. Moduł ten ma zastosowanie w zrównoważonym zarządzaniu infrastrukturą przedsiębiorstwa poprzez automatyzację procesu oraz ograniczenie ingerencji ludzkiej w zawartość merytoryczną raportów
To oprogramowanie zawierające silnik Sztucznej Inteligencji (AI), który po wytrenowaniu, w sposób automatyczny dokonuje identyfikacji potencjalnych wad diagnozowanego obiektu. W zależności od rodzaju oraz stopnia uszkodzenia, oprócz bezpośredniego wyniku zidentyfikowanej wady, silnik zwraca także informację na temat pewności podjętej decyzji (ang. Confidence Level). Sam proces trenowania (optymalizacji silnika) uwzględnia fizykę problemu oraz kluczowe wymagania i ograniczenia obiektu zdefiniowane przez klienta.
To oprogramowanie służące do automatycznego wstępnego przetwarzania danych z urządzeń diagnostycznych (lub baz danych). Jego zaletą jest elastyczność, ponieważ moduł ten można optymalizować do indywidualnych formatów danych, które produkuje urządzenie diagnostyczne. Aby uzyskać ostateczną decyzję z urządzenia diagnostycznego, dane muszą zostać usystematyzowane do spójnych formatów wymaganych w dalszych etapach przetwarzania danych.
Bazuje na modelowaniu numerycznym, kluczowym w rozwiązywaniu skomplikowanych i niestandardowych problemów. Moduł umożliwia tworzenie dedykowanych modeli z użyciem Metody Elementów Skończonych (FEM) oraz przebudowę obecnych modeli numerycznych. Dodatkowo, pakiet wspiera Teorię Planowania Eksperymentu (ang. Design of Experiment – DoE), zaawansowane techniki optymalizacji modeli, a także analizy czasowe.
Składa się z dwóch wariantów:
Wariant FEM (analizy statyczne i dynamiczne) – to wsparcie modelowania numerycznego przy użyciu Metody Elementów Skończonych (ang. Finite Element Method – FEM), które uwzględniają zarówno analizy statyczne jak i dynamiczne. Moduł ten jest idealnym rozwiązaniem w procesie odwzorowywania rzeczywistego obiektu lub procesu w warunkach numerycznych, w celu identyfikacji parametrów wejściowych, ale także powiększania zbioru danych treningowych o dane symulacyjne. Narzędzia planowania eksperymentu (DoE) oraz algorytmów Uczenia Maszynowego (ML) umożliwiają budowanie precyzyjnych modeli oraz tworzenie reprezentatywnych zbiorów danych treningowych.
Wariant Symulacje Numeryczne – wspiera przeprowadzanie symulacji numerycznych w środowiskach bazujących na Metodzie Elementów Skończonych (ang. FEM), ale również opartych na analizie sygnałów i obrazów. Dzięki zaawansowanym narzędziom opartym na Sztucznej Inteligencji (AI), moduł ten umożliwia dobór optymalnych parametrów procesu, obiektu oraz narzędzi produkcyjnych. Jest idealnym rozwiązaniem do przeprowadzania Proof of Concept dla skomplikowanych zagadnień związanych z przemysłem.
To dedykowane środowisko rozwoju algorytmów Sztucznej Inteligencji (AI). Dotyczy on zarówno zaawansowanej analizy sygnałów, analizy obrazów jak i danych statystycznych, w zastosowaniu w przemyśle. Moduł ten to idealne narzędzie umożliwiające optymalizację produkcji, tworzenie dedykowanych silników Sztucznej Inteligencji (AI) lub rozwój obecnych rozwiązań o zaawansowane elementy Uczenia Maszynowego (ML).
Składa się z trzech wariantów:
Wariant analiza sygnałów – to dedykowane narzędzia i algorytmy do analizy sygnałów mowy, ultradźwięków lub innych sygnałów przemysłowych. Wspiera on tworzenie inteligentnych silników przetwarzania danych wielowymiarowych, z zastosowaniem najnowszych standardów Uczenia Maszynowego (ML), uwzględniając w tym sieci konwolucyjne, algorytmy ewolucyjne, metody samplingowe, metody augmentacji danych itp.
Wariant analiza obrazów – to zaawansowane narzędzia analizy obrazów w zastosowaniu w przemyśle. Poza automatyczną analizą obrazów wariant dotyczy również automatyzacji śledzenia oraz identyfikacji obiektów poprzez stworzenie dedykowanych silników Sztucznej Inteligencji (AI). Moduł ten idealnie nadaje się do rozwoju algorytmów wykorzystywanych w medycynie, systemach monitoringu oraz kontroli jakości skanowanych obiektów w firmach produkcyjnych. Unikalną wartością modułu jest możliwość augmentacji danych obrazowych, co ma istotny wpływ na wzrost skuteczności silników AI.
Wariant analiza danych – wspiera rozwiązania Data Mining oraz Predictive Analytics do zastosowania w przemyśle. Eksploracja danych, wnioskowanie na danych, wyszukiwanie niezależnych klas danych, predykcja zdarzeń – to jedne z wielu elementów modułu, który idealnie wpisuje się w zrównoważone zarządzanie, wspierając tworzenie wysokiej jakości informacji zarządczej.
To wsparcie w zakresie projektowania, planowania i rozbudowy algorytmów Uczenia Maszynowego (ML) i Sztucznej Inteligencji (AI) dostosowanych do potrzeb Klienta oraz specyfiki zagadnienia. Doradztwo dotyczy zarówno oceny zastosowania potencjalnego algorytmu, ale także wsparcia w przeprowadzeniu Proof of Concept lub Studium Wykonalności, mających na celu wskazanie potencjalnych możliwości rozwoju poprzez wykorzystanie Sztucznej Inteligencji (AI). Moduł ten idealnie nadaje się do weryfikacji możliwości rozwojowych już istniejących rozwiązań, poprzez ich unowocześnienie oraz przedłużenie cyklu życia.
To wsparcie nowoczesnego podejścia w budowaniu rozwiązań opartych na Sztucznej Inteligencji (AI). Istotą modułu jest nowatorska metoda pozyskiwania danych oparta na łączeniu wstępnie estymowanych modeli rozproszonych w wielu lokalizacjach (np. wielu oddziałach firmy) w jeden główny, bez konieczności dostępu do danych źródłowych. Podejście to jest szczególnie przydatne w sytuacjach w których, często z powodów obostrzeń, ograniczony jest dostęp do danych źródłowych. Rozwiązanie wspiera także zaawansowane metody zabezpieczenia danych (Security), poprzez agregację informacji w sub-model, bez możliwości transformacji wstecznej.
To profesjonalne wsparcie w projektach badawczo-rozwojowych poprzez realizację zaplanowanych zadań. Wsparcie polega na wykonywaniu prac badawczo-rozwojowych uwzględniających implementację algorytmów w środowisku cloud oraz on-premises, tworzeniu raportów końcowych, przeprowadzaniu Proof of Concept, ale także zarządzaniu pracami zespołu R&D.
Szkolenie ma na celu podniesienie świadomości w zakresie korzyści wynikających z zastosowania algorytmów Sztucznej Inteligencji (AI). Dodatkowym elementem szkolenia jest przekazanie informacji na temat najnowszych trendów, możliwości jakie daje AI oraz samego sposobu realizacji projektu, w zakresie tworzenia nowego produktu lub rozwoju obecnego, podnoszenia gotowości wdrożeniowej konkretnego rozwiązania (TRL) czy też przeprowadzania Studium Wykonalności oraz Proof of Concept (PoC).
Wspiera optymalizację procesów przemysłowych, poprzez mapowanie procesów z uwzględnieniem odwzorowania faktycznego przepływu informacji modelowanej linii produkcyjnej w model wirtualny. Następnie z użyciem silników Sztucznej Inteligencji (AI), w szczególności ze wsparciem algorytmów ewolucyjnych, następuje iteracyjny dobór optymalnych parametrów procesu (na każdym etapie przepływu informacji), z oszacowaniem otrzymanego uzysku. Moduł ten wpływa na obniżenie kosztów, a także na ustabilizowanie procesów przemysłowych.
Służy do integracji wszystkich danych mogących mieć istotne znaczenie w procesie wyodrębniania rutyn. Mogą to być dane sensoryczne, dane z urządzeń lub baz danych, które jednoznacznie wskazują na aktywności systemów lub użytkowników i posłużą do trenowania silników Sztucznej Inteligencji (AI). Dane mogą być zapisywane w postaci Jeziora Danych lub Hurtowni Danych, ale także ich dedykowanej kombinacji.
Służy do integracji wszystkich danych mogących mieć istotne znaczenie w procesie wyodrębniania rutyn. Mogą to być dane sensoryczne, dane z urządzeń lub baz danych, które jednoznacznie wskazują na aktywności systemów lub użytkowników i posłużą do trenowania silników Sztucznej Inteligencji (AI). Dane mogą być zapisywane w postaci Jeziora Danych lub Hurtowni Danych, ale także ich dedykowanej kombinacji.
