Potražnja za protivpožarnim sistemima veća je nego ikada ranije. Mnoge vatrodojavne centrale su moćni računari, koji u sprezi s inteligentnim detektorima izvještavaju o promjenjivim uslovima u protivpožarnom sistemu te upozoravaju ljude na hitne slučajeve glasom, svjetlom i/ili zvukom
Piše: Vladimir Zrnić, prodajni menadžer za Evropu, Advanced; E-mail: vzrnic@advancedco.com
Umreženi sistem za dojavu požara razmjenjuje podatke između svih centrala / mrežnih tačaka na lokaciji, omogućavajući veću kontrolu nad zaštitom od požara cijele zgrade. Dizajn mreže trebao bi omogućiti zaštitu zgrada ispravno raspoređenim protivpožarnim centralama. Koristeći “peer-to-peer” sistem, informacije s bilo kojeg ulaznog ili izlaznog uređaja mogu se slati preko mreže i prikazati na bilo kojoj mrežnoj tački, omogućavajući prikaz stanja sistema na bilo kojoj centrali ili izdvojenom panelu u zgradi.
Fleksibilna arhitektura sistema
Povezivanje centrala za dojavu požara u jedinstveni sistem korištenjem namjenske, zaštićene mreže omogućava nesmetanu razmjenu podataka čak i situacijama kada se centrale nalaze na različitim lokacijama. Informacije s bilo koje centrale dostupne su bilo kojoj ili svim ostalim centralama u mreži, smanjujući troškove i štedeći vrijeme na održavanju. Sistem petlje se preporučuje kako bi se omogućila veća sigurnost sistema jer koristi različite tehnike usmjeravanja kablova. Ako dođe do jedne greške, koja utječe na komunikaciju, sistem i dalje može funkcionisati i komunicirati kako bi pružio koordiniran odgovor.
Brzina sistema
Na velikim, složenim lokacijama od vitalnog je značaja da umrežene centrale rade efikasno. Kako se broj centrala te ulaza i izlaza na mreži povećava, rad nekih sistema može biti znatno usporen, što ugrožava sigurnost i pouzdanost. Advanced “peer-to-peer” standardna mreža ili mreža otporna na grešku može se konfigurisati tako da omogući međusobno povezivanje do 200 centrala u konfiguraciji otpornoj na grešku. Maksimalna dužina kabla između mrežnih tačaka je 1,5 km, s ukupnom dužinom petlje od 20 km. Mreža može izdržati jedan kvar između tačaka bez gubitka komunikacije s bilo kojom pojedinačnom centralom upotrebom standardnog dvožičnog kabla s funkcijom u požaru.
EN54-13 određuje maksimalno vrijeme za prenošenje signala požarnog alarma na mreži. EN 54-13 (E) 4.3.2.1 precizira da “stanje požarnog alarma na opremi za kontrolu i indikaciju (CIE) mora biti prikazano na glavnom CIE-u u roku od 20 sekundi”. Uobičajeno kašnjenje na Advancedovoj Ad-NeT+ mreži s 50 centrala – za svaki panel koji ukazuje na požar iz bilo koje zone – manje je od jedne sekunde, a za sistem od 200 panela 3,5 sekunde. Ovo je važno, jer koja je svrha postavljanja odgode istrage na 30 sekundi ako komunikacija preko mreže traje cijelu minutu? Nepotvrđivanje alarma putem mreže i nepokretanje istrage rezultirat će potpunom evakuacijom na velikim složenim lokacijama, a to ne želimo.
Prilagodljivost
Istinski prilagodljiva mreža vatrodojavnih uređaja omogućit će različite topologije pogodne za lokacije različitih veličina s velikim uzročno-posljedičnim opcijama i intuitivnim, jednostavnim programiranjem. Primjena optičkih kablova sve je češća u građevinskoj industriji, pa se ovaj trend prenio i na opremu za zaštitu od požara, koja sada, zahvaljujući novim tehnologijama, može komunicirati na još većim udaljenostima. Vatrodojavni sistemi moraju raditi brzo i pouzdano te obraditi veliki broj promjenjivih signala u slučaju stvarnog požara. Može se činiti da mnogi protivpožarni sistemi ispunjavaju ove zahtjeve, ali u složenim zgradama s umreženim sistemima postići adekvatne performanse nije uvijek moguće s lošijim centralama.
Zahvaljujući posebnom dizajnu, praktičnosti i lakoći korištenja, Ajax sigurnosni sustav već je neko vrijeme “ljubimac” krajnjih korisnika, ali i instalatera tehničke zaštite. Sada uz novu Fibra adresabilnu žičanu tehnologiju Ajax ponovno pomiče granice industrije protuprovalnih rješenja
Piše: Lana Klobas, voditeljica marketinga veleprodaje, Alarm automatika; E-mail: lana@alarmautomatika.com
Nasuprot tehnologiji iz 80-ih koja je još prisutna u sigurnosnoj industriji, inženjeri tvrtke Ajax Systems razvili su Fibru, žičanu tehnologiju digitalne generacije. Fibra kombinira pouzdanost žica sa slobodom radioveze. Do 2.000 metara povezivosti, kompatibilnost sa svim vrstama uređaja, 60 sati rada sustava koji se sastoji od 30 uređaja na pomoćnoj bateriji, napredna antisabotaža, fotoverifikacija, trenutne notifikacije, instalacija bez muke i daljinska konfiguracija putem aplikacija ili, ukratko – sve što je bilo moguće uz bežični Ajax sada je dostupno u Fibra žičanom sustavu.
Žičana tehnologija digitalne generacije
Na fizičkoj razini Fibra koristi adresabilnu BUS vezu: detektori su četverožično spojeni na hub. No, prava se revolucija krije na razini softvera. Fibra komunikacijski protokol naslijedio je sve prednosti Jeweller radiotehnologije. Zahtijeva minimalnu snagu za dvosmjerni paketni prijenos podataka. Ova značajka pruža više slobode pri instaliranju sustava u usporedbi s analognim i digitalnim rješenjima dostupnima na tržištu. Na svaku od ukupno osam Fibra BUS linija može se spojiti jedan ili deseci raznih detektora, sirena i tipkovnica u bilo kojoj kombinaciji. Više Fibra BUS linija omogućuje ožičenje praktičnim i sigurnim putem, a zatim prilagođava digitalnu arhitekturu sustava u PRO aplikaciji. Bez obzira na to štiti li se višekatnica ili nekoliko zgrada, s takvom fleksibilnošću i mogućom duljinom svake BUS linije od 2 km nije potrebno komplicirati sustav s pojačivačima signala ili dodatnim izvorima napajanja.
Energijska učinkovitost bez presedana
Potrošnja struje Fibra detektora je i do 100 puta manja od industrijskog prosjeka za digitalne žičane detektore. Ova niska potrošnja energije omogućuje povezivanje više uređaja s jednom BUS linijom i omogućuje duže žičane veze. Fibra komunikacija organizirana je prema TDMA principu, koji sustavu omogućuje izvanrednu autonomiju u slučaju nestanka struje. Trideset žičanih Fibra uređaja radit će 60 sati na pomoćnoj bateriji od 7 Ah. To je pet puta više nego što je potrebno za Grade 2 i ispunjava zahtjeve za Grade 3.
Fleksibilnost, pouzdanost i kontrola
Fibra je u potpunosti naslijedila Ajax bežično korisničko iskustvo. Obavijesti aplikacija sadrže sveobuhvatne informacije: vrstu događaja, datum, vrijeme, naziv detektora, prostoriju za smještaj. Zbog adresabilnosti uređaja točno znate što se događa u sustavu i na objektu, čak i ako je desetak detektora spojeno na jednu BUS liniju. Dodajte ovome MotionCam fotoverifikaciju detektora pokreta i dobit ćete maksimalnu informativnost sustava i kontrolu nadohvat ruke. Fibra predstavlja fleksibilnost, pouzdanost i kontrolu. Kao dio Ajax ekosustava, nova žičana tehnologija omogućila je dosljedno korisničko iskustvo, bez obzira na vezu između uređaja i huba. Učinkovit hardver i sofisticiran softver postavili su temelje za razvoj još jedne Ajax linije proizvoda postavljajući novi standard u sigurnosnoj industriji. Kompletnu ponudu Ajax uređaja možete pronaći na web-stranici Alarm automatike, ovlaštenog uvoznika i distributera Ajax proizvoda.
Kada kamere “razumiju” ono što vide, mogu pretvoriti videopodatke u praktične uvide koji korisnicima omogućavaju da predvide i preduprijede potencijalne opasnosti. Kompanija Bosch je prije mnogo godina prepoznala AI kao trend i sve svoje videonadzorne kamere opremila vještačkom inteligencijom kao standardom
Piše: Danijel Jerković, menadžer za razvoj poslovanja i projektnu prodaju za Bosnu i Hercegovinu, Hrvatsku i Sloveniju, Bosch sigurnosni sistemi; E-mail: Danijel.Jerkovic@hr.bosch.com
Sve Boscheve kamere proizvedene na otvorenoj platformi dolaze s vještačkom inteligencijom, tako da korisnici mogu dodati softver kad god žele kako bi unaprijedili funkcionalnosti. Kako se tehnologija videonadzornih kamera razvija i radi s prediktivnom inteligencijom, naprednije kamere će koristiti algoritme dubokog učenja kako bi naučile i prepoznale obrasce i time brže i preciznije rješavale najsloženije zadatke.
Olakšana izrada prediktivnih rješenja
AI kamere kompanije Bosch dodaju smisao i strukturu videopodacima, što će olakšati da svojim klijentima pomognete da se direktno suoče s izazovima. Vještačka inteligencija im omogućava da razumiju ono što kamere snime i daju značenje snimljenom videu pomoću metapodataka. Ovaj proces je važan prvi korak u pretvaranju bogatih kontekstualnih i bihevioralnih videopodataka u korisne uvide. Time je olakšana izrada prediktivnih rješenja, koja korisnicima pomažu da predvide i spriječe nepredviđene događaje. Sve kamere povezuju se s internetom stvari kako bi podržale modele stalnih prihoda putem prodaje usluga i daljinskog pristupa te upravljanja pomoću sigurnog Boschevog oblaka.
Videoanalitika pogonjena vještačkom inteligencijom
S vještačkom inteligencijom kupci mogu dobiti veću vrijednost od prikupljenih podataka. Bosch nudi više videoanalitičkih funkcija, lokalno ili u oblaku, kako bi sigurnosnim profesionalcima pomogli da odgovore na različite izazove i isporuče dodatnu vrijednost izvan same sigurnosti. Ova AI videoanalitika je precizna, konzistentna, pouzdana i jednostavna za korištenje, a sigurnosni profesionalci i korisnici imat će bolje iskustvo rada s jednostavnim UX dizajnom. Standardni slučajevi upotrebe ne zahtijevaju podešavanje. Zahvaljujući intuitivnom grafičkom korisničkom interfejsu, vizuelnim modelima i opcijama prilagođavanja, konfiguracija je moguća za naprednije slučajeve upotrebe.
Mašinsko učenje
Camera Trainer, tehnologija mašinskog učenja, znatno poboljšava nivo zaštite ljudi i imovine i dovodi do novih prilagođenih aplikacija i upotreba. Kamere kompanije Bosch se mogu naučiti da prepoznaju nove objekte i situacije unutar bilo koje scene koju definira korisnik. Instrukcije se mogu dodati u bilo koje vrijeme, a kamere koriste ove upute za obradu budućih scena.
Duboko učenje
Duboko učenje je dio mašinskog učenja sa tri ili više slojeva koji mu omogućavaju da optimizira i precizira ono što uči iz podataka. Autonomnim vozilima omogućava da prepoznaju saobraćajne znakove, otkriju prepreke i utvrde mogućnost sudara. Upravo ove AI tehnologije Bosch je počeo dodavati svojim videonadzornim platformama prošle godine jer one poboljšavaju automatizaciju obavljanjem analitičkih i fizičkih zadataka s većom preciznošću i tačnošću bez ljudske intervencije. Analitika zasnovana na dubokim neuronskim mrežama (DNN) je unaprijeđena korištenjem visokokvalitetnih podataka iz stvarnog života. To im pomaže da prepoznaju obrasce kako bi brže, lakše i preciznije rješavali složenije zadatke.
Kroz “obuku” na velikom broju slika nadograđeni Auto Tracking 3.0 nudi optimizirano praćenje četiri vrste ciljeva, a izuzev ljudi, brodova i vozila, omogućava i praćenje aviona pomoću prilagođenog firmvera
Priredio: Odjel marketinga, Dahua Technology; E-mail: info.dhslo@dahuatech.com
Auto Tracking 3.0 je Dahuin AI algoritam za praćenje ciljeva iza kojeg stoje godine tehnološkog razvoja. Riječ je o jedinstvenoj tehnologiji za PTZ kamere. Kada cilj aktivira pravilo inteligentne videoanalitike, kamera koristi rotiranje po horizontalnoj i vertikalnoj osi i zumiranje da nacilja metu koja se kreće u sredini ekrana. Cijeli proces praćenja je stabilan, jasan i gladak.
PTZ kamere s automatskim praćenjem imaju niz prednosti nedostupnih fiksnim kamerama. Fiksna kamera može nadzirati samo malu površinu. Kada dođe do upada u nadzirani prostor, ona pruža samo sliku osobe, koju ne može pratiti niti predvidjeti njeno ponašanje. No, PTZ kamere s automatskim praćenjem mogu precizno pratiti metu unutar nadziranog prostora i zumirati prema njoj kako bi prikazala šta je uradila i gdje je otišla nakon upada, što može poslužiti kao dokaz tokom istrage incidenta.
Važne funkcionalnosti
Vrijedi spomenuti da je novi Auto Tracking 3.0 nadogradio niz AI tehnologija zasnovanih na algoritmu 2.0, uključujući PFA3.0, algoritam za prilagođavanje brzine, algoritam za prilagođavanje pozicije i algoritam za filtriranje smetnji. Rezultat je unaprijeđeno praćenje u sve tri oblasti koje su važne korisnicima: višestrukim tipovima ciljeva, jasnim detaljima i preciznom praćenju.
Kroz “obuku” na velikom broju slika ciljeva, nadograđeni Auto Tracking 3.0 nudi optimizirano praćenje četiri vrste ciljeva, a izuzev ljudi, brodova i vozila, omogućava i praćenje aviona putem prilagođenog firmvera. PFA 3.0 tehnologija fokusiranja ostvaruje duboku integraciju inteligentnih i algoritama za fokusiranje, efikasno poboljšavajući fokus tokom praćenja i snimanja. Algoritam za prilagođavanje brzine može prilagoditi brzinu rotacije PTZ kamere, zumiranje i ekspoziciju slike shodno brzini cilja, čineći cijeli proces praćenja kontinuiranim, glatkim i bez naglih promjena, čak i kada je cilj automobil koji se brzo kreće. Algoritam za prilagođavanje pozicije objedinjuje tehnologiju detekcije ciljeva zasnovanu na dubokom učenju i 3D pozicioniranje, držeći metu u centru slike unutar pravih proporcija dok zumirate ili odzumirate.
Višestruke primjene
Nova DPT tehnologija može preciznije izračunati okvir cilja koji se prati. Ona omogućava praćenje manjih ciljeva i dodatno povećava udaljenost praćenja, koja bi u idealnim uslovima mogla dosegnuti i 1.500 metara. Drugim riječima, sve dok je cilj unutar dometa nadzora, PTZ kamere mogu pratiti njegovo kretanje s velikom preciznošću. Algoritam filtriranja interferencije može precizno procijeniti smjer kretanja, veličinu koraka i brzinu mete prema karakteristikama vektora kretanja cilja. Cilj se može kontinuirano pratiti čak i u složenim scenama s preprekama, preklapanjem slike, promjenama svjetla itd.
Dahuine 4G PTZ kamere s aktivnim odvraćanjem se u prirodnim rezervatima koriste za nadziranje ključnih područja, a svjetlima upozorenja i zvukovima odvraćaju uljeze. Na aerodromima prate polijetanja i slijetanja aviona radi veće sigurnosti. U vodotocima mogu pratiti brodove kako bi operaterima pomogle da vide broj plovila i lakše upravljaju njime, a mogu i detektovati nivo vode i aktivirati uzbunu za plovila. Osim toga, Dahuine PTZ kamere često se koriste i u drugim scenarijima kao što su tvornice i industrijski parkovi radi boljeg upravljanja i rada, kontrole rizika i troškova te prevencije upada.
Ove kamere u donjoj jedinici imaju četiri promjenjiva algoritma dubokog učenja – za zaštitu perimetra, prepoznavanje lica, automatsko prepoznavanje registracija i detekciju višestrukih vrsta ciljeva, koje korisnici mogu jednostavno uključivati i isključivati, ovisno o trenutnim potrebama
Pripremio: Odjel marketinga za Evropu, Hikvision; E-mail: marketing.eu@hikvision.com
Hikvision je najavio lansiranje svojih novih bullet mrežnih kamera DeepinView s tehnologijom TandemVu, čime proširuje njen doseg s PTZ jedinica na modele u drugoj vrsti kućišta. Razlikujući se od svog PTZ “brata”, bullet kamere DeepinView s TandemVu-om imaju dvije susjedne bullet leće. Gornja fiksna pruža veliku sliku u svakom trenutku, dok donja motorizirana ima žarišnu duljinu od 10 do 50 mm ili od 8 do 32 mm, dizajniranu za detaljnu provjeru određenih sigurnosnih događaja. Uz Hikvisionove bulletice koje podržavaju TandemVu, korisnici mogu imati koristi od sljedećih karakteristika.
“Dva u jedan” za uštedu troškova
Primjenom novih bullet kamera korisnici eliminiraju potrebu za postavljanjem dviju zasebnih kamera s udvostručenim troškovima nabave, troškovima instalacije i održavanja, kao i potrebnim tehničkim vještinama za povezivanje proizvoda. Dizajn kamere “dva u jedan” također znači da postoji samo jedan IP kanal za upravljanje, a potrebna je i samo jedna licenca na platformi softvera za upravljanje videozapisima.
4K DarkFighter za vrhunsku jasnoću slike
Ove kamere također nasljeđuju Hikvisionove tehnologije ColorVu i DarkFighter u svoja dva objektiva. Gornja leća s ColorVu-om proizvodi 4 MP sliku u boji danju i noću. Donja leća s DarkFighterom sada prvi put podržava rezoluciju 4K. To znači da slike u boji u 4K mogu postići do 0,0003 luksa – čime se osigurava da se svaki sigurnosni incident zabilježi s jasnim detaljima.
Inovativno “fuzijsko svjetlo” za veću učinkovitost
Kamere imaju dodatno bijelo i infracrveno svjetlo, koja zajedno rade na pametan način. Kamera aktivira IR svjetlo za normalan rad pri slabom osvjetljenju. Kada se dogodi sigurnosni događaj, na primjer uljez ili vozilo uđu u unaprijed definirana područja, bijelo će se svjetlo pokrenuti da zamijeni IR, omogućujući kameri da uhvati slike uljeza u boji. Funkcija automatskog uključivanja bijelog svjetla također im daje signal odvraćanja, jasno dajući do znanja da su ušli u sigurnosno pokriveno područje.
Promjenjivi algoritmi za razne sigurnosne potrebe
Bullet kamere DeepinView s TandemVu tehnologijom imaju četiri promjenjiva algoritma dubokog učenja u svojoj donjoj jedinici, uključujući zaštitu perimetra, prepoznavanje lica, automatsko prepoznavanje registarskih pločica (ANPR) i detekciju višestrukih vrsta ciljeva. U skladu s tim, korisnici mogu jednostavno omogućiti algoritam ručno za namjensku upotrebu, a zatim ga kasnije promijeniti prema potrebi. To ove kamere čini odličnima za perimetre, ulaze i izlaze industrijskih parkova, parkirališta, gradske ulice i drugo.
Grijač stakla za pouzdan rad na otvorenom
Kamere su dodatno pouzdane u hladnim vremenskim uvjetima zahvaljujući ugrađenom grijaču stakla, koji štiti leće od snijega ili leda. Grijač također sprječava zamagljivanje leće kod naglih promjena temperature. Na ovaj način korisnici uvijek mogu dobiti kristalno jasne slike čak i u teškim uvjetima.
Mlin i pekare d.o.o. prodaje svoje proizvode trgovcima na malo kao što su supermarketi, prodavnice i delikatesne radnje. No, kao i u drugim sektorima, i na pekarskom tržištu vlada jaka konkurencija. Ove činjenice natjerale su firmu Mlin i pekare da unaprijedi poslovanje prelaskom s oslonca na ljudski rad i odluke na poluautomatsku proizvodnju, uz donošenje odluka na bazi podataka
Pekare su, sa stanovišta proizvoda, zahtjevni proizvodni pogoni s različitim vrstama proizvoda kao što su peciva, lepine, zemičke i hljebovi, koji se razlikuju po veličini, težini, boji, strukturi, sastojcima itd. Instalacija MOBOTIX IoT kamera sa FORXAI funkcijom detekcije i brojanja objekata na jednoj proizvodnoj liniji pomogla je kompaniji da poboljša proces proizvodnje i isporuke pomoću pouzdanih podataka iz sistema. Rješenje je povećalo ukupnu efikasnost jer je smanjeno oslanjanje na ljudski rad.
Način rada
Sistem također štedi resurse jer sprečava planere proizvodnje da donesu pogrešnu odluku na osnovu ručno prikupljenih podataka. To je ranije obično dovodilo do prekomjerne proizvodnje. Proizvodna linija na koju je instalirano rješenje sada radi bolje uz povećanu preciznost i brzinu. Sistem podržava i vođenje evidencije o broju proizvoda (za svaku vrstu) na jednoj proizvodnoj liniji, dok se izvještaji o proizvodnji baziraju na različitim vremenskim intervalima, kao što su sat, dan, sedmica i mjesec. Radi podizanja efikasnosti proizvodnje, izvještaji se rade i prema tipu pojedinačnog proizvoda.
Optički senzor visoke rezolucije na kameri M73 postavlja se iznad proizvodne linije jer pruža kvalitetne slike u realnom vremenu. Algoritmi uče na podacima koje ustupa investitor, pokreću se na snažnom serveru sa grafičkim procesorom i obavljaju zadatke detekcije, kategorizacije i brojanja objekata, također u realnom vremenu, a rezultati se prikazuju na grafičkom interfejsu sistema s kojeg operater linije preuzima podatke. Upravo sve i počinje od intuitivnog grafičkog korisničkog interfejsa namijenjenog administratorima sistema. Na osnovu dobijenih izvještaja moguće je preciznije i detaljnije planiranje proizvodnje. Zahvaljujući mašinskom učenju, sistem nudi neprevaziđenu fleksibilnost u dodavanju novih proizvoda kroz prekvalifikaciju modela. Isto važi i za fleksibilnost u pogledu proširenja kapaciteta sistema prema vašim promjenjivim potrebama. Na kraju, ovo rješenje ne zahtijeva nadzor i može cjelodnevno samostalno raditi.
Ubrzavanje proizvodnje
U modernim fabrikama i proizvodnim procesima postoji stalan i neumoljiv pritisak da se poveća proizvodna propusnost. Uz mnoštvo alata i strategija koje se koriste za ubrzavanje proizvodnje, čak i napredna obuka zaposlenika nekada ne može zadovoljiti sve vaše potrebe. Uz konvencionalne metode prepoznavanja i brojanja objekata, postoji nekoliko novih metoda koje se mogu koristiti za brojanje, prepoznavanje ili klasifikaciju neograničenog broja objekata. Nekadašnje usko grlo za mnoga proizvodna mjesta sada bi moglo postati stvar prošlosti. Konica Minolta u tu svrhu nudi i FORXAI, IoT platformu za obradu slika. Platforma kombinira tehnologiju snimanja slika sa najsavremenijim IoT i AI tehnologijama, dok interno razvijeno rješenje za detekciju i brojanje objekata (ODC) pruža i statističke podatke za proizvedene artikle prema vremenu i vrsti (kategoriji), a prvenstveno za potrebe vođenja inventara ili proizvodnje.
Kompanija Fenwick Iribarren Architects ima dugogodišnje iskustvo u radu sa informacijskim modeliranjem zgrada (BIM). Oni su iskoristili transparentnost projekata u Španiji i inostranstvu. Za Campus Acciona, važan novi poslovni i uredski objekat u madridskom kvartu Hortaleza, tražen je pouzdani BIM partner za pojednostavljenje procesa izrade specifikacija.
Prema Javieru Iribarrenu, BIM donosi važne prednosti saradnje u kompleksne radne tokove: „Projekti su mnogo bolje koordinirani između više disciplina, što rezultira razrađenijim projektom na samoj lokaciji“, objašnjava on.
“Za nekoliko godina to će biti jedini način za implementaciju ovakvih projekata.”
Za svoj projekat u Madridu, Fenwick Iribarren je imao za cilj da uštedi vrijeme u koordinaciji specifikacija i parametara građevinskih materijala i njihovog Revit projekta. S tim je išao i zadatak da se omogući da softverski paketi rade zajedno i tako kreiraju transparentan „živi model“ sa odgovarajućim nivoom detalja. Isto je važilo i za ažuriranje resursa u vidu dokumenata sa dugotrajnom vrijednošću za timove za održavanje zgrada i sigurnost.
Vjerovalo se da će uspjeh ovog projekta upoznati ostale dionike u procesu projektovanja zgrada sa prednostima snažnog BIM partnerstva.
BIM partnerstvo između arhitekata i ASSA ABLOY
Saradnja sa partnerom kompanije ASSA ABLOY za specifikacije i BIM iz Španije pomaže u koordiniranju informacija koje se brzo mijenjaju, a koje Fenwick Iribarren traži u fazi projektovanja. Sada se, na primjer, pomoću BIM modela mogu brzo dijeliti alternativni scenariji.
„BIM proces je kontinuirani dijalog i proces koji pomaže arhitektima, građevinskim izvođačima, investitorima i vlasnicima projekata da rade zajedno“, kaže Marc Ameryckx iz ASSA ABLOY Opening Solutions EMEIA. „Kao nešto više od pukog upravljanja ili virtuelnog modeliranja tokom rada, BIM predstavlja vid saradnje koja je obogaćena podacima.”
„Za veliki projekat sa 554 vrata kakav je Campus Acciona, transparentnost i efikasnost BIM partnerstva igraju ključnu ulogu.”
Ušteda vremena i truda pomoću softvera Openings Studio
Openings Studio pojednostavljuje protok informacija iz ASSA ABLOY-ove baze specifikacija direktno u tekući Revit projekat. Sve vrste rješenja, od zatvarača vrata do mehaničkih cilindara dostupne su uz par klikova. To zamjenjuje dugotrajan proces ručnog dodavanja parametara vrata.
„Softver je vrlo jednostavan za naučiti“, dodaje Javier. „Posebno je korisno ažurirati izmjene jer sistem prepoznaje ažuriranja unutar modela. Nije potrebno napredno poznavanje programiranja i ne morate koristiti druge pakete poput Excela za otvaranje ili uvoz rasporeda.”
“Tok posla i iskustvo nakon naknadnog održavanja bili su odlični.”
Asortiman rješenja koja nudi ASSA ABLOY također je pomogao da se uštedi vrijeme na izradi specifikacija. „Sveobuhvatan asortiman koji nudi ASSA ABLOY uključuje sisteme vrata, elektronske brave, elektroprihvatnike, inovativne zatvarače vrata i rješenja za kontrolu pristupa prilagođena uredskom prostoru,” dodaje Marc.
Objekat Campus Acciona opremljen je ASSA ABLOY zatvaračima za vrata (DC340, 500, 700 i 840), TESA TOP panik izlaznim uređajima, vatrootpornim bravama iz serije CF60, Cubo ručkama s jednom polugom i dvostrukim cilindrima visoke sigurnosti TX80 Euro profila.
Saznajte više o partnerstvu sa BIM konsultantima kompanije ASSA ABLOY i preuzmite studije slučaja na https://campaigns.assaabloyopeningsolutions.eu/hubfs/AA_BIM%20CS%20references_final.pdf
DIGITALNO IZDANJE
UVODNIK
DIGITALNO IZDANJE
UVODNIK
Nove tehnologije zaštite perimetra
Iako su tehnologije za zaštitu perimetra napredovale, one i dalje povremeno i pod određenim okolnostima reaguju na lažne alarme. To dovodi do većih troškova i manjeg povjerenja u efikasnost sistema. Zbog toga je industrija spremna za sljedeći korak u evoluciji sistema za zaštitu perimetra – senzorsku fuziju. Riječ je relativno novoj tehnologija za zaštitu perimetra koja objedinjuje istovremene ulazne podatake iz više vrsta senzora s ciljem dobijanja preciznijih i tačnijih signala od onih koje generiše pojedinačni, izolirani senzor. U ovu svrhu se mogu koristiti različite vrste senzora, kao što su videonadzorne kamere, detektori postavljeni na ograde i dr. Ukupna količina podataka se sofisticiranim tehnikama mašinskog učenja razlaže kako bi se dobili inteligentni rezultati, a istovremeno se minimiziraju potencijalne slabosti i nedostaci pojedinačnih senzora.
Veliki broj lažnih alarma dovodi do ležernosti u njihovoj provjeri, što može dovesti do zanemarivanja stvarne prijetnje, a kasnije i do pada povjerenja u sistem. Senzorska fuzija u tome smislu razlikuje prave od lažnih prijetnji u stvarnom vremenu. A kada se smanji broj lažnih alarma, manja je potreba da se šalju zaštitari da provjere lokaciju, što ujedno utječe i na smanjenje troškova. Ušteda je posebno velika na troškovima osiguranja, jer sistem bolje reaguje na probleme ukoliko se pojave, što dovodi i do veće sigurnosti, uz smanjenje troškova za saniranje oštećene imovine ili sigurnosnih sistema te za nadoknadu ukradene imovine.
Tu na scenu stupa i vještačka inteligencija. Ona također ubrzava pametno pretraživanje, što je ključno tokom istraga. Mogućnost brzog pretraživanja velikih količina videozapisa za određene uzorke, kao što su konkretna lica, boja vozila ili čak i kape, ima potencijal za velike uštede resursa operatera. Isto važi za identifikaciju događaja koje ljudi nekada jednostavno mogu previdjeti. Osim toga, smanjenje količine smetnji i lažnih alarma može pomoći organizacijama i kroz smanjenje ukupnog obima nevažnih događaja. Treba još dodati da ako su adekvatno dizajnirana, AI rješenja također nude znatno smanjenje operativnih troškova
Iako su tehnologije za zaštitu perimetra napredovale, one i dalje povremeno i pod određenim okolnostima reaguju na lažne alarme. To dovodi do većih troškova i manjeg povjerenja u efikasnost sistema. Razlog je to zašto je industrija spremna za sljedeći korak u evoluciji sistema za zaštitu perimetra – senzorsku fuziju
Priredila: redakcija a&s Adrije; E-mail: redakcija@asadria.com
Fuzija senzora relativno je nova tehnologija za zaštitu perimetra. Riječ je o procesu objedinjavanja istovremenih ulaznih podataka iz više vrsta senzora s ciljem dobijanja preciznijih i tačnijih signala od onih koje generiše pojedinačni, izolirani senzor. Mogu se koristiti različite vrste senzora, kao što su videonadzorne kamere, detektori postavljeni na ograde, zapreminski senzori i dr. Ukupna količina podataka se sofisticiranim tehnikama mašinskog učenja razlaže kako bi se dobili inteligentni rezultati, a istovremeno se minimiziraju potencijalne slabosti i nedostaci pojedinačnih senzora.
Senzorska fuzija ≠ Bulova logika
Sve to izgleda prilično jednostavno, ali da bi sistem zaista koristio senzorsku fuziju, ulazni podaci se moraju kombinovati na tačno određen način. Česta je greška pomisao da je senzorska fuzija jednaka korištenju Bulove logike. Naime, Bulova logika je način kombinovanja tačnih i netačnih vrijednosti koristeći funkcije kao što su “i”, “ili” i “ne”. Primjer njene upotrebe u sigurnosti jeste kada sistem pošalje obavijest o upadu u zaštićeni prostor nakon što istovremeno i senzor na ogradi detektuje pokret i kamera zabilježi kretanje. S druge strane, senzorska fuzija je mnogo naprednija od ovoga jer ispituje ukupni kontekst. Ona koristi naprednu matematiku (digitalne filtere, probabilističke modele i neuronske mreže) pomoću koje obrađuje sirove podatke. Da bi to uradio, takvom sistemu potrebna je velika procesorska snaga, ali i pristup senzorskim podacima nižeg nivoa, što je teško moguće ako se koriste sistemi različitih proizvođača.
Da bismo razumjeli zašto sistem zasnovan na Bulovoj logici i onaj sa senzorskom fuzijom nisu isti, poslužit ćemo se jednostavnim primjerom zgrade s ogradom i perimetrom podijeljenim u šest zona. Sigurnosni sistem je opremljen senzorima koji ogradu dijele na šest dijelova, od A do F. Svaki je podijeljen na podzone, tako da se svaki dio ograde dijeli na četiri kako bi se precizirala pozicija detektovanog ometanja. Dakle, postoje dvadeset četiri podzone. Svaku zonu također nadziru kamere s videoanalitikom, koje šalju signal kada detektuju ljude na slici. Integracija sistema zasnovana na Bulovoj logici zahtijeva da obje vrste senzora, i detektori pokreta na ogradi i videonadzorne kamere, rade zajedno kako bi spriječili lažne alarme. Koristi se “i” logika, koja kombinuje izlazne podatke protivprovalnih senzora na svakoj zoni s podacima s kamere koja nadzire tu zonu. Da bi se oglasio alarm, mora se istovremeno pomjerati ograda i provalnik mora biti snimljen. Vjetar koji pomjera ogradu neće aktivirati uzbunu ako nije ujedno snimljen i uljez, kao što neće ni osoba koja hoda po ogradi ne dodirujući je.
Sličnost senzorske fuzije s ovakvim sistemom ogleda se u tome da ona također ispituje podatke iz oba tipa senzora da bi donijela odluku. Međutim, razlikuje se po tome što uzima podatke nižeg nivoa sa svakog senzora i provlači ih kroz algoritam koji traži podudaranja u obrascima te koji te podatke uspoređuje i suprotstavlja ih jedne drugima. Algoritmi ne traže samo ogradu koja se pomjera i oblik osobe, već sumu obrazaca koja može indicirati problematičnu namjeru. Samim tim će teže biti prevaren radnjama koje se mogu činiti kao pokušaj upada, a ustvari to nisu.
Jasne prednosti
Ako, naprimjer, uzmemo situaciju gdje istovremeno puše vjetar duž cijelih zona A i B i provalnik pokušava preći ogradu u zoni A, sistem zasnovan na Bulovoj logici neće oglasiti uzbunu u zoni B jer kamera nije detektovala uljeza, dok će aktivirati alarm duž cijele zone A jer nije u stanju razlikovati je li pomjeranje ograde uzrokovao vjetar ili čovjek. To znači da se aktiviraju tri lažna i jedan stvarni alarm. Fuzija senzora, pak, kombinuje sirove podatke sa svih senzora i analizira ih pomoću vještačke inteligencije. Ona prepoznaje karakterističan obrazac pomjeranja ograde usljed vjetra u obje zone i zbog toga ne aktivira alarm, ali pokreće uzbunu u onoj zoni gdje je način pomjeranja ograde drugačiji usljed ljudske aktivnosti uz potvrdu da je riječ o osobi pomoću videonadzorne kamere. Stoga, dakle, prijavljuje samo jedan alarm u jednoj podzoni.
Ako bi se, recimo, u istim uvjetima našao pješak, a ne provalnik, sistem zasnovan na Bulovoj logici bi opet prijavio alarm u četiri dijela zone A, s tim da bi ovaj put sva četiri bila lažna jer prolaznik ne pokušava preskočiti ogradu. Senzorska fuzija, s druge strane, istrenirana je da razumije nijanse u podacima prikupljenim pomoću kamere i senzora pokreta, npr. da li je osoba okrenuta prema ogradi ili sa strane. Također, senzor može prepoznati ko pomjera ogradu, čovjek ili životinja. To je moguće jer je prepoznavanje takvih ponašanja rezultat hiljada različitih benignih testova kojima je sistem naučen prije nego što je pušten u upotrebu. U ovom slučaju sistem bi prepoznao da nema prijetnje.
Iako su ovi primjeri namijenjeni da pokažu sofisticiranije mogućnosti sistema s fuzijom senzora, nisu neke neuobičajene situacije s kojima se ne možete susresti. Fleksibilnost i preciznost ovih sistema senzora daje im ogromnu prednost u smanjenju broja lažnih alarma bez potrebe da se žrtvuje sigurnost lokacije. Ustvari, sigurnost se povećava s boljim razlikovanjem senzorskih ulaznih podataka, pametnijom korelacijom između podataka i maksimalnom osjetljivošću senzora.
Sistem koji uči obrasce
Sistem senzorske fuzije ne može izdvojiti suptilne karakteristike iz stalnog toka podataka koje procesiraju ako se ne nauče, što podrazumijeva prikupljanje velike količine podataka s ciljem finog podešavanja algoritama. To znači da se algoritmi ne treniraju samo na jednostavnim varijablama već i na kvalitativnim atributima senzorskih podataka kao što su lokacija, intenzitet signala i nivo pouzdanosti. Još je važnije to što sistem nauči da ne obraća pažnju na određene vrste obrazaca, koji mogu prevariti jednostavnije sisteme. Ako se ograda i kamera pomjeraju, to ne znači nužno da je razlog tome provalnik, već može biti i vjetar. S druge strane, ovakav sistem može s visokom pouzdanošću aktivirati alarm ukoliko provalnik pokušava određenom metodom onesposobiti određeni senzor. Senzorska fuzija jako je korisna u zaštiti perimetra, jer iskorištava snagu pojedinačnih senzora, a izbjegava njihove slabosti, smanjuje broj lažnih alarma i maksimalno iskorištava postojeću sigurnosnu infrastrukturu.
Između dvije krajnosti
Nisu sve tehnologije jednako efikasne u zaštiti perimetra važnijih lokacija poput kritične infrastrukture. Zbog toga se često koristi slojeviti pristup, pri kojem druga sigurnosna tehnologija u nizu štiti štićeni prostor od potencijalne prijetnje ukoliko je prva nije detektovala. Ovakav pristup, ali na još višem nivou, nudi fuzija senzora. Jedan od najvećih izazova u zaštiti perimetra su lažni alarmi, zbog kojih sigurnosno osoblje gubi vrijeme i resurse na provjeri situacije na terenu. Senzorska fuzija stoga dosta efikasno rješava ovaj problem. Sintetiziranjem podataka iz više senzora sistem može razlikovati prave prijetnje ili potencijalne incidente od lažnih izazvanih pomjeranjem vegetacije, vremenskim neprilikama ili životinjama.
S druge strane, neobaziranje na lažne alarme ne smije dovesti do zanemarivanja svih uzbuna i zato je fino podešavanje osjetljivosti sistema između dvije krajnosti zahtjevno. Fuzija senzora nema taj problem jer se svaki senzor može podesiti na najvišu osjetljivost budući da sistem za zaštitu perimetra koristi što više sirovih podataka, a onda iz njih izvlači zaključke. Sistem je, samim tim, visokoosjeljiv na stvarne prijetnje kada se dogode.
Kao što smo ranije spomenuli, da bi senzorska fuzija radila ispravno, interni podaci nižeg nivoa sa svakog senzora moraju raditi efektivno, što obično zahtijeva da su svi od istog proizvođača. Prednost je toga i u činjenici da je za rad sistema odgovorna jedna strana i nema prebacivanja odgovornosti na drugu za učinak sistema. Sistem s fuzijom različitih senzora osmišljen je da radi kao cjelina i stoga ne zahtijeva mnogo podešavanja vezanih za lokaciju na kojoj su postavljeni kao što to traže alternativni sistemi. Naprimjer, sistemi koji koriste Bulovu logiku moraju se posebno konfigurisati da kombinuju podatke sa svake kamere i dijela ograde. Takvim sistemima trebat će dosta podešavanja nivoa osjetljivosti kako bi se postiglo razlikovanje lažnih alarma od važnih događaja.
Veće povjerenje u sigurnosni sistem
Korist tačnog prepoznavanja prijetnji je veće povjerenje operatera u efikasnost sistema. Veliki broj lažnih alarma dovodi do ležernosti u njihovoj provjeri, što može dovesti do zanemarivanja stvarne prijetnje. Sve to dovodi do niskog povjerenja u sistem. Senzorska fuzija, pak, razlikuje stvarne od lažnih prijetnji u stvarnom vremenu. A kada se smanji broj lažnih alarma, manja je potreba da se šalju zaštitari da provjere lokaciju, što smanjuje i troškove. Ušteda je posebno velika na troškovima osiguranja, jer sistem bolje reaguje na probleme ukoliko se pojave, što dovodi do veće sigurnosti, a tu su i manji troškovi za saniranje oštećene imovine ili sigurnosnih sistema te za nadoknadu ukradene imovine.
