Jak si inteligentní čistička vzduchu poradí s bytem na rušném Žižkově? Zkusili jsme to

Philips Dual Scan 4000i versus naše nápady, jak místnost zamořit. Bez vyzkoušení bychom si ani neuvědomili, jak znečištěný vzduch dýcháme.

Peter BrejčákPeter Brejčák

philips-dual-scan

Foto: Philips

Čistička vzduchu Philips Dual Scan 4000i

Uzavřený pokoj a v něm na jedné straně moderní čistička vzduchu, která umí profiltrovat menší místnost za pět minut a podle výrobce si má poradit téměř se vším, co kolem nás poletuje. Neschovají se před ní prý ani ty úplně nejmenší částice, bakterie nebo viry o velikosti tří tisícin mikrometru. Na druhé straně jsme my a nápady, jak vzduch zamořit. Jak si s nečistotou inteligentní stroj poradí?

Nápad na souboj s chytrým přístrojem vznikl spontánně, když kolega přišel s tím, že do redakce míří čistička vzduchu a je potřeba ji otestovat. „Pokud by k tomu měli na testování i měřič kvality vzduchu, mohlo by to být zajímavé,“ reagoval jsem pohotově. „Koukám, že to právě umí přímo sama čistička,“ dozvěděl jsem se. A nápad byl na světě. Chtěli jsme se totiž s čističkou zavřít do malé místnosti, kde bychom naplno otestovali její schopnosti.

Jak již bylo řečeno, čistička vzduchu Philips Dual Scan 4000i si má podle výrobce poradit v podstatě se vším – prachem, alergeny, smogem, bakteriemi, viry. Vzduch totiž čistí pomocí trojité filtrace, která má mít téměř stoprocentní účinnost (přesně 99,97 procenta) a je zdravotně nezávadná.

„HEPA filtr NanoProtect si poradí i s mimořádně malými částicemi od velikosti 0,003 mikrometru. Jinými slovy dokáže odstranit částice menší, než je nejmenší známý virus,“ píše Philips s tím, že samotný filtr stačí měnit jednou za tři roky. Jako všechny ostatní čističky vzduchu i tento model musel projít 170 kontrolními testy.

philips-dual-scan-2

Foto: Philips

Čistička vzduchu Philips Dual Scan 4000i

Stroj ve tvaru válce o výšce asi 70 centimetrů a šířce 30 centimetrů je vybaven dvěma senzory, které hlídají kvalitu vzduchu nepřetržitě tisíckrát za sekundu. Konkrétní hodnoty můžete vidět na malém displeji a samozřejmě také v mobilní aplikaci, která už dnes u chytrých produktů všeho druhu nemůže chybět. Ostatně bez ní čističku v podstatě není možné používat.

Už při úvodním zapnutí je nutné přístroj spárovat s mobilem přes lokální Wi-Fi síť. U registrace uživatel zvolí, jaké ukazatele nebo problémy se znečištěním vzduchu ho zajímají. Vybírat můžete od prachu a formaldehydu přes prachové částice, zápach z vaření, smetí a cigaret až po alergeny, bakterie nebo viry. Nutné je také přidat informace o místnosti, ve které se čistička nachází, a také stáří bytu, aby stroj lépe poznal své okolí.

Pak začíná čisticí představení. Pokud čističku necháte v automatickém režimu, sílu filtrace mezi čtyřmi stupni nastavuje sama. Jednotlivé úrovně ovlivňují také hlučnost stroje, v turbo režimu je opravdu hlasitý, na výběr je však také noční režim se skutečně nízkou hlasitostí 18 decibelů. Ten je navržený například pro alergiky, aby je čistička nerušila během spánku a mohli ji mít neustále aktivní.

Nastartujte svou kariéru

Více na CzechCrunch Jobs

O všem Philips Dual Scan 4000i informuje pomocí notifikací v mobilní aplikaci – o aktuální hladině alergenů, plynů TVOC (těkavých organických sloučenin jako toluen, benzen, xylen, alkeny a aldehydy, které se vylučují například z čisticích prostředků) a částic PM2,5, tedy prachových částic menších než 2,5 mikrometru, které se běžně používají jako indikátor znečištění ovzduší.

Philips v popisu produktu uvádí, že místnost s dvaceti metry čtverečními a výškou stropu 2,4 metru (tedy 48 metrů krychlových) dokáže kompletně vyčistit již do pěti minut. Díky silnému výkonu by ale čistička měla fungovat také v místnostech až do velikosti kolem 175 metrů krychlových, kde bude ovšem rychlost kompletní filtrace snížená.

Shodou náhod jsme pro testování našli místnost s objemem přesně podle modelového případu Philipsu – velikost 15 metrů čtverečních se stropem o výšce 3,2 metru (což je také 48 metrů krychlových). Po zapnutí čistička naměřila škodlivé plyny na nejnižší možné úrovni, index alergenů na páté úrovni z dvanácti možných a na stejné škále také částice PM2,5. Konkrétně šlo o hodnotu 22 mikrogramů na metr krychlový. V pokoji se totiž delší dobu neuklízelo.

Abychom toto číslo zasadili do kontextu, podle profesora fyziky na Kalifornské univerzitě v Berkeley Richarda Mullera je přesně taková výše mikročástic ekvivalentem jedné vykouřené cigarety denně. V Česku je aktuální limit pro roční průměrnou koncentraci těchto částic ve venkovním vzduchu zákonem stanovený na 20 mikrogramů na metr krychlový, zdravotní problémy ale může způsobovat i dlouhodobá koncentrace ve výši 10 mikrogramů.

philips-dual-scan-phone-2

Foto: CzechCrunch

Testování čističky vzduchu Philips

Do několika minut od zapnutí čistička v naší místnosti hlásila, že vzduch je vyčištěn a množství prachových částic se ustálilo na téměř nulových hodnotách. Z pohledu – či možná přesněji čichu – zdravého člověka, který netrpí problémy dýchacích cest ani alergiemi, jsem pocitově žádný rozdíl nezaznamenal, což o to víc ukazuje na problém znečištění okolního vzduchu, které reálně téměř nikdy neregistrujeme.

Po otevření okna se skoro okamžitě objem prachových i alergenních částic opět zvýšil. Doplním, že naše testovací místnost se nachází na pražském Žižkově, kde je v ulicích de facto celý den značný provoz. Přesto jsme chtěli chytrou čističku otestovat v ještě extrémnějších podmínkách, a tak jsme vyzkoušeli další způsob, jak vzduch v místnosti zamořit.

Pomocí cigaretového dýmu se nám v řádu několika minut podařilo prachové částice vyhnat na alarmující úroveň 500 mikrogramů na metr krychlový. Zdálo se, že vyšší hodnotu už ani Philips Dual Scan 4000i neumí naměřit. Na nejvyšší stupeň vyrostl také index alergenů. Protože byla čistička v automatickém režimu, ihned zapnula turbo mód filtrování a její barevné diody indikující kvalitu vzduchu zrudly. Po přibližně patnácti minutách stroj hlásil návrat částic PM2,5 i indexu alergenů na původní, téměř nulové úrovně.

Philips Dual Scan 4000i (s uváděnou doporučenou cenou 16 499 korun) tak funguje dostatečně rychle. Podle námi měřených hodnot dokáže v běžné místnosti pročistit vzduch do několika minut. Tím dokáže ulevit například alergikům nebo lidem s jinými respiračními problémy. Díky tichému režimu navíc neruší ani během spánku a může zlepšit jeho kvalitu.

Partnerem článku a celého CzechCrunche je společnost Philips. V rámci CzechCrunch Premium spolupracujeme s vybranými partnery, se kterými připravujeme obsah na míru. Více najdete zde.

Chytře řízené společnosti aneb jak ve firmách stavět datové sklady pro lepší analýzy a rozhodování

Jedna věc je data mít, ale ještě důležitější je pak s nimi ve firmě správně nakládat a pracovat.

tomas-novotnyKomentář

Foto: Trask

Tomáš Novotný, Data Architect v české technologické společnosti Trask

Data jsou všude kolem nás, a pokud je umíme využít, mohou zásadně zlepšit například řízení firem. Čím větší firmy jsou, tím více toho měří – a tím pádem mají i více dat. Ty je potřeba někde skladovat, aby nad nimi mohly probíhat různé analýzy, z nich vznikat reporty a na základě těch se pak rozhodovali jednotliví manažeři. Jednou z důležitých součástí společností řízených daty může být i datový sklad, kde se všechna data sbíhají.

Jak takový datový sklad postavit a na co si při tom dát pozor? O tom ve svém komentáři pro CzechCrunch píše Tomáš Novotný, který má jako Data Architect na starosti právě datové sklady v tuzemské technologické společnosti Trask. Jedna věc je totiž data mít, ale ještě důležitější je pak s nimi správně nakládat a pracovat.

***

Budování datového skladu se vždy týká celé firmy. Na začátku proto musí vrcholový management učinit důležité rozhodnutí, zda je pro firmu strategické datovým skladem disponovat. Funkcí datového skladu je podpora strategického i operativního rozhodování na základě dashboardů, reportů, datových analýz a naplňování reportingových požadavků regulátorů. Kdy se tedy pro sklad rozhodnout a jak dál postupovat?

1. Definujte si klíčové metriky

Nejprve si musí každé oddělení ve firmě definovat klíčové metriky, které potřebuje k posuzování vlastní výkonnosti – ať už v oblasti financí a produktivity zaměstnanců, z hlediska provizí a efektivity výrobních i obchodních procesů nebo z pohledu naplňování regulatorních požadavků. Cílem je, aby si organizace udělala rámcovou představu o tom, na jaké byznysové otázky by měl datový sklad znát odpovědi, které reporty a datové soubory by se měly automatizovat a která data by se měla historizovat.

V každé firmě totiž existuje sada datových výstupů či reportů, jejichž tvorba je nezbytná pro chod celé organizace. Mnohdy se však tyto výstupy zpracovávají částečnou nebo zcela manuální cestou. Automatizace tvorby výstupů a požadavek na historizování zdrojových dat proto může být prvním motivem pro definici a formalizaci požadavků na datový sklad. Příkladem může být vytváření účetních výkazů do výroční zprávy označených značkami podle standardu XBRL.

2. Určete si klíčové obchodní požadavky a dejte jim jasnou strukturu

Formalizace požadavků bývá momentem, kdy by měl do přípravy vývoje datového skladu vstoupit externí dodavatel. Ten organizaci pomůže vytvořit strukturovanou dokumentaci uživatelských požadavků s mapováním na obchodní procesy a stávající zdroje dat. Výsledný dokument by měl být natolik strukturovaný, aby ho bylo možné napojit na další části strukturované dokumentace celého díla – tedy na ostatní metadata datového skladu.

Dobrý dodavatel by měl disponovat referenčními modely a best-practices pro danou oblast byznysu. Jedině tak si firma může být jistá tím, že se při návrhu datového skladu nezapomene na žádnou oblast jejího podnikání a že navrhovaný datový model bude funkční a bude jej možné spravovat a snadno rozšiřovat.

Formalizace požadavků na datový sklad je zároveň krokem, který může rozkrýt neefektivnost některých obchodních procesů či jejich částí a může se tak stát impulsem k jejich úpravě. Strukturovaná definice požadavků na datový sklad tak vytváří synergický efekt s vysokou přidanou hodnotou pro celou organizaci.

3. Zvolte správný přístup k vývoji a dalšímu rozvoji datového skladu

Datový sklad není podnikovou aplikací, jejíž vývoj se definitivně ukončí po vyřešení všech požadavků. Organizace by si už v tuto chvíli měla s pomocí dodavatele určit, jaký přístup zaujmout, aby bylo možné datový sklad rozvíjet v souladu s růstem jejích aktivit.

Kvalitní analýza dat je základem v chytrém řízení firem

Vybraná procesní, datová a technická architektura datového skladu i zvolené návrhové vzory pak musí reflektovat požadavky na dostupnost a rychlost zpracování výstupů, schopnost rychle implementovat změnu, potřebu provázanosti byznysové a technické dokumentace a bezpečnosti. Špatně navržená architektura datového skladu po procesní, technické i datové stránce zvyšuje celkovou cenu celého projektu.

4. Nastavte infrastrukturu tak, aby reflektovala technickou architekturu

Technologie datového skladu reflektují požadavky na dostupnost výstupů, jednoduchost správy datového skladu a rychlost změny. V rámci vývoje je však také nutné dobře nastavit vývojové, testovací a produkční prostředí.

V této fázi se osvědčil koncept oddělených prostředí datového skladu, který napodobuje ověřené postupy při vývoji softwaru. Zabezpečuje kvalitu datového skladu a odstiňuje vývoj od produkčního prostředí. Oddělení jednotlivých prostředí je navíc vhodné jak z hlediska bezpečnosti, tak i kvůli zajištění stability produkčního prostředí.

Testovací prostředí je živé a do jisté míry replikuje zpracování produkce. Když na něm prochází nově vyvinutý inkrement simulací produkčního běhu, snižuje se tím riziko výskytu chyb v „ostrém“, produkčním zpracování.

5. V procesu vývoje etablujte základní uživatelské požadavky

V procesu vývoje se zpravidla uplatňuje přístup, který reflektuje strategii odbavování uživatelských požadavků s přihlédnutím k jejich prioritám. Konkrétně uživatelské požadavky reflektuje datový model, který ruku v ruce s mapováním datových transformací představuje hlavní zdroj pro vývojáře. A na základě těchto definic vytváří transformační procedury ve vývojovém prostředí.

Před odevzdáním hotového inkrementu je nezbytně nutné zajistit provázanost dokumentace uživatelských požadavků s konkrétními obchodními procesy, datovým modelem, mapováním datových transformací a s technickou implementací požadavku. Při vývoji datových skladů je klíčová také proveditelnost dopadové analýzy napříč celým řešením – od byznysových definic až po technickou realizaci. Jinak vyvstává riziko, že byznysový uživatel nebude výstupu důvěřovat, a svět byznysu a IT vývoje si tak nebudou rozumět.

6. Otestujte výstupy datového skladu

Jestliže byznys nemá důvěru ve výstupy datového skladu, vyjde celá investice vniveč. Důvěra zadavatele se často vytrácí v okamžiku, kdy prezentované hodnoty klíčových metrik v nově nasazeném řešení nesouhlasí s očekávanými hodnotami. Aby k této krizi důvěry nedocházelo, je nutné před nasazením do produkčního prostředí celé řešení kvalitně otestovat na vhodně nastaveném testovacím prostředí. To by mělo být v jistém smyslu obrazem produkčního prostředí.

Nastartujte svou kariéru

Více na CzechCrunch Jobs

Testovací scénáře by se ale neměly omezovat na výběr několika příkladů. Ideálně by se měly testovat hodnoty metrik na celém sledovaném portfoliu faktů, přičemž rozdíly se musí vždy zdůvodnit. Nesmíme zapomínat, že je nutné testovat nejen prezentovaná data, ale i zabezpečení přístupu k nim. Proto je vhodné otestovat korektní nastavení přístupových oprávnění na nasazované výstupy.

7. Uvažujte o dalším rozvoji a řízení změn

Datový sklad zastává ve světě IT trochu zvláštní místo. Na rozdíl od jiných aplikací musí mít dlouhou životnost, neboť návrhové vzory na konsolidaci a zejména historizaci dat nelze snadno změnit. Proto se architektonická rozhodnutí přijatá v úvodních fázích vývoje datového skladu uplatňují po celou dobu jeho životnosti.

tereza-martinkova

Přečtěte si takéV šesti letech zkusila větrný tunel, teď je juniorskou mistryní světaVe větrném tunelu byla poprvé v šesti a moc ji neoslovil. Teď je Tereza Martínková juniorskou mistryní světa

Z datového skladu se žádná data nemažou, ledaže by šlo o striktní požadavek regulátora, třeba v souvislosti s nařízením GDPR. Základní premisy proto předurčují i to, jakým způsobem se realizuje rozvoj a řízení změn v rámci datového skladu. Platí zde zlaté pravidlo: každý dodatečný požadavek a jeho řešení musí být zdokumentované, nový inkrement datového skladu musí vždy následovat nastavený návrhový vzor a datový model skladu rozšiřujte nejlépe podle referenčního datového modelu s dodržením definovaných konvencí.

Partnerem článku je společnost Trask. V rámci CzechCrunch Premium spolupracujeme s vybranými partnery, se kterými připravujeme obsah na míru. Více najdete zde.