Firmy wydają ogromne kwoty na sprzęt najwyższej klasy - radarowe czujniki poziomu, ultradźwiękowe przepływomierze, przemysłowe sterowniki PLC. A kiedy dane trafiają już do chmury, często lądują w gotowych, uniwersalnych bibliotekach wykresów. Efekt? Operatorzy, którzy mają na tej podstawie nadzorować system, dostają obraz, z którego trudno cokolwiek wyczytać.
W przemysłowym IoT wizualizacja danych to nie tylko rysowanie punktów na siatce. Liczy się zrozumienie, co te dane oznaczają w praktyce. Źle ustawiony wykres nie tylko brzydko wygląda - ukrywa krytyczne anomalie, opóźnia reakcję i może skończyć się kosztownymi szkodami, na przykład przeoczoną powodzią albo awarią urządzenia.
Oto dlaczego uniwersalne dashboardy zawodzą w telemetrii i jak projektuję interfejsy z myślą o ludziach pracujących w terenie.
Złudzenie płaskiej linii (oś Y dopasowana do danych)
Najczęstszy błąd gotowych narzędzi do wykresów to oś Y zaczynająca się od zera. Wyobraź sobie rzekę, w której normalny stan wody waha się wokół 220 cm. Jeśli nagle podniesie się o 20 cm, operator musi to zauważyć od razu.
Ale gdy oś Y zaczyna się od zera, skok do 240 cm na tak dużej skali wygląda jak niemal płaska, spokojna linia. Matematycznie wszystko się zgadza. Dla hydrologa to niebezpieczne złudzenie.
Rozwiązanie: stosuję automatyczne dopasowanie skali. Gdy dane mieszczą się w określonym przedziale (np. 200-250 cm), system sam wylicza bezpieczne minimum i maksimum osi. Dzięki temu zmiany są wyraźne, a trendy i anomalie widać od razu - bez ręcznego przybliżania.
Dane ciągłe a dane sumowane
Kolejny objaw uniwersalnych dashboardów: wszystkie dane traktowane są tak samo. Bez znajomości dziedziny łatwo dla każdej wielkości wybrać wykres liniowy, bo „ładnie wygląda”. Tymczasem w świecie fizycznym dane zachowują się różnie:
- Stan wody / temperatura - wielkość ciągła. Zmienia się płynnie, więc wymaga wykresu liniowego lub wygładzonego.
- Opad / zużycie energii - wartość sumowana w określonym przedziale czasu (np. „ile napadało w ostatniej godzinie”). Pokazywanie tego linią jest po prostu błędne. Tu potrzebny jest wykres słupkowy, który oddaje ilość.
Gdy typ wykresu nie pasuje do danych, operator musi w głowie przekładać obraz z powrotem na rzeczywistość. Oszczędzam mu tego wysiłku, dobierając typ wykresu do fizycznej natury danej wielkości - podejście, które dopracowałem w systemach monitoringu takich jak Wodowskaz.
Kilka osi na jednym wykresie (mniej wysiłku dla operatora)
Inżynierowie w terenie rzadko patrzą na jedną wielkość w oderwaniu od reszty. Chcą wiedzieć „dlaczego?”. Dlaczego stan wody rośnie? Bo dwie godziny temu w górze rzeki był ulewny deszcz. Dlatego buduję wykresy z wieloma osiami, które pokazują zależności między danymi.
Nałożenie wykresu liniowego i słupkowego na jedną siatkę bez przemyślanego projektu tworzy jednak chaos. Złota zasada: kolor serii danych musi dokładnie odpowiadać kolorowi jej osi Y. Jeśli linia stanu wody jest niebieska, to lewa oś Y - opisy, linie siatki i podziałka - też jest niebieska. Jeśli słupki opadu są turkusowe, prawa oś Y też jest turkusowa.
Dzięki temu nie trzeba szukać w legendzie, która seria należy do której osi. Zależność widać w ułamku sekundy.
Wyjście awaryjne
Na koniec trzeba uszanować ekspertów. Niezależnie od tego, jak ładny i interaktywny jest Twój dashboard, główny hydrolog czy agronom od 20 lat analizuje dane w Excelu. Ma swoje formuły i tabele przestawne.
Profesjonalna platforma telemetryczna nie próbuje trzymać użytkownika na siłę. Daje mu „wyjście awaryjne” - wyraźny przycisk „Eksport do CSV”, który od razu uwzględnia wybrany zakres dat i filtry. Dobra inżynieria to także umiejętność zejścia użytkownikowi z drogi.
Budowa platformy telemetrycznej to przekładanie surowych danych z bazy na obraz, który człowiek od razu zrozumie. Wizualizacje projektowane pod konkretną dziedzinę zmniejszają zmęczenie operatorów, ograniczają pomyłki i sprawiają, że drogi sprzęt w terenie naprawdę daje wiedzę, na podstawie której można działać. Oczywiście nawet najlepsza wizualizacja jest warta tyle, co mechanizm, który dostarcza do niej dane.
