Budowa systemu rozpoznawania komend głosowych w języku polskim

 

System rozpoznawania komend głosowych został stworzony po to, aby usprawnić życie człowieka. Pełni on rolę pomocnika, który wyszuka dla nas odpowiednie informacje, ułatwi zakupy w Internecie czy umożliwi obsługę różnych urządzeń bez wykorzystywania zewnętrznych przycisków czy regulacji. Jednak stworzenie takiego systemu od podstaw może być trudnym wyzwaniem. W szczególności, jeśli chcemy zbudować go w języku polskim.

Istnieją ogólne modele sieci neuronowych, które dedykowane są rozpoznawaniu języka mówionego, czyli transkrypcji nagrania audio do tekstu. Wszystko jednak uwarunkowane jest od tego, ile danych posiadamy. Obecnie istnieje wiele zbiorów nagrań z języka angielskiego, które są odpowiednio przygotowane. Same dane jednak nie wystarczą. Muszą być do nich dołączone transkrypcje. Niestety w języku polskim nie mamy dużej ilości próbek głosowych razem z transkrypcjami. Na dzień dzisiejszy nie jesteśmy więc w stanie tak dobrze wyuczyć modeli, jak to jest robione w języku angielskim.

Jak na razie nie możemy wyuczyć asystentów wykorzystując modele open source’owe z zadowalającą skutecznością, jednak możemy sprawdzić co jesteśmy w stanie zbudować z ogólnie dostępnych danych. Celem naszej pracy jest stworzenie systemu rozpoznawania mowy, który działa w ograniczonym zbiorze komend.

 

 

Główne źródła zbierania danych dla systemu rozpoznawania komend głosowych

 

W ostatnich miesiącach pojawiły się zbiory danych: Common Voice i Zasoby Nauki, które są odpowiednio przygotowane pod modele ASR (Automatic Speech Recognition). Oznacza to, że nagrania dźwiękowe zawierają również transkrypcje. Są to tak naprawdę dwa największe zbiory danych, które można użyć. Do zbudowania własnego systemu wykorzystaliśmy więc je i złączyliśmy w jedno.

Common Voice jest ciekawym zbiorem danych. Jeżeli chcemy aby ich ilość była jeszcze większa, możemy kontrybuować w tym działaniu. Każdy z nas może wejść na stronę i nagrać swój głos, który zostanie zapisany, a następnie sprawdzony przez innych użytkowników. W ten sposób będziemy mogli przyczynić się do powiększenia ilości danych z języka polskiego, dzięki czemu budowanie systemów rozpoznawania komend głosowych będzie łatwiejsze.

W przyszłości istnieje możliwość, że YouTube udostępni do wykorzystania swoje nagrania audio razem z automatycznie generowanymi transkrypcjami. Jest to jednak rozwiązanie, które (być może) powstanie dopiero później. Dodatkowym źródłem danych mogą również być audiobooki, które zawierają transkrypcję książek i nagrania audio. W takim przypadku musimy jednak wykonać pracę przygotowania danych polegającą na pofragmentowaniu danych na krótsze nagrania. Dodatkowo zmienna intonacja lektora może wpływać na dokładność wyuczonych przez nas modeli.

 

 

Przygotowanie i ujednolicenie danych

 

Przede wszystkim musimy zapewnić minimalną i maksymalną długość nagrania. Muszą one znajdować się w określonych ramach czasowych. Zbyt długie nagrania mogą być problemem podczas uczenia modelu, natomiast krótkie nagrania mogą nie nieść ze sobą żadnej istotnej informacji. Musimy także zapewnić jednakową częstotliwość próbkowania sygnału. Jest to bardzo ważna kwestia przy uczeniu modeli opartych na dźwięk.

Fala dźwiękowa czystego tonu, rozchodząca się w przestrzeni, ma charakter sinusoidalny. Zmiana częstotliwości takiego dźwięku oznacza zmianę okresu sinusoidy, więc zmieniają się odległości między jej grzbietami. Jednak dźwięk w komputerze również musi być w jakiś sposób zaprezentowany. Sinusoida jest przebiegiem ciągłym, natomiast komputer zapisuje pojedyncze wartości. Częstotliwość próbkowania mówi nam o tym, ile razy na sekundę została zapisana wartość rejestrowanej fali dźwiękowej. Bardzo ważne jest to, żeby każdy dźwięk, który wchodzi do naszego modelu miał taką samą częstotliwość próbkowania.

Poprzez nieprawidłowe próbkowanie rekonstruowany dźwięk może być zniekształcony lub całkowicie niesłyszalny. Trzeba więc pamiętać o odpowiednim dobraniu częstotliwości próbkowania, aby zminimalizować rozmiar zapisywanych danych przy jednoczesnym braku utraty informacji. Zbyt rzadkie próbkowanie może spowodować pojawienie się zjawiska aliasingu, czyli nakładania się wyższych częstotliwości na niższe.

Źródło: Reprezentacje danych dźwiękowych w kontekście metod uczenia maszynowego, s. 134, Tymoteusz Cejrowski

Zapobieganie takiemu zjawisku polega na próbkowaniu sygnału z częstotliwością co najmniej dwa razy większą od najwyższej częstotliwości występującej w sygnale. Częstotliwość ta nazywana jest częstotliwością Nyqiusta. Dla przykładu, nagrania na płytach CD są zapisywane z częstotliwością próbkowania 44100 Hz. Natomiast maksymalna poprawnie zrekonstruowana częstotliwość będzie wynosiła 22050 Hz, co odpowiada górnemu zakresowi dźwięków słyszalnych przez człowieka.

 

 

Opis i uczenie modelu deepspeech w systemie rozpoznawania komend głosowych

 

Sieci neuronowe w pewien sposób przypominają układ nerwowy. Podstawowymi jednostkami w takich sieciach są neurony, które rozmieszczone są w warstwach. Jest to uproszczony model procesu przetwarzania informacji przez ludzki umysł.

Zazwyczaj sieć neuronowa składa się z trzech części. Pierwsza to warstwa wejściowa, która posiada jednostki reprezentujące zmienne wejściowe. Następna część to warstwy ukryte, które zawierają jednostki nieobserwowane i są ukrytym stanem sieci neuronowej. To właśnie od tych warstw w dużej mierze zależy efektywność modelu. Natomiast ostatnią częścią jest oczywiście warstwa wyjściowa, która posiada jednostki reprezentujące zmienne przewidywane. Wszystkie jednostki złączone są konkretnymi połączeniami o różnej wadze. Dane wejściowe znajdują się na pierwszej warstwie, przechodzą one przez kolejne, a ostatecznie z warstwy wyjściowej otrzymujemy wynik.

Sieć neuronowa uczy się przez porównywanie rekordów. Generuje ona predykcje dla konkretnych danych (nagrań audio) i wprowadza korekty wag, jeśli generują one niepoprawną predykcję (złą transkrypcję). Cały proces powtarzany jest wiele razy do uzyskania satysfakcjonującej dokładności. Wszystkie wagi na początku mają charakter losowy, a odpowiedzi wychodzące nie mają dużo sensu, z czasem natomiast sieć poprawia swoje predykcje. Dzieje się tak, ponieważ sieć dopasowuje się do danych w procesie uczenia wykorzystując algorytm wstecznej propagacji błędu.

Jednym z najprostszych modeli Sieci Neuronowych jest Perceptron wielowarstwowy. Składa się on z wielu warstw neuronowych. Neurony poprzedniej warstwy tworzą konkretny wektor, który jest podawany na wejście neuronów do warstwy następnej. Pojedynczy neuron w warstwie następnej ma liczbę wejść równej liczbie neuronów z warstwy poprzedniej +1. Jednak w ramach jednej warstwy, neurony między sobą nie mają żadnych połączeń. Taki typ modelu nazywany jest również modelem „Feed-Forward” i jest jedną z podstawowych architektur sieci neuronowych.

Rysunek przedstawiający model „Feed-Forward”

Sieci rekurencyjne różnią się od sieci typu „Feed-Forward” w wielu aspektach. Jedną z głównych różnic jest sposób propagacji danych wejściowych na wyjście sieci. W najprostszym modelu wyjście sieci jest niczym innym kombinacją wag i wejścia modelu (pojedynczego rekordu). W przypadku sieci rekurencyjnych wyjście modelu zależy również od poprzedniego wyjścia. Wynik działania modelu dla rekordu X jest brany pod uwagę przy wyliczaniu wyjścia dla kolejnego rekordu Y.

Konwolucyjna sieć neuronowa jest typem sieci najczęściej stosowanej do analizy obrazów wizualnych z uwagi na swój charakter procesowania wejścia. Podobnie jak człowiek, sieć ta nie analizuje obrazu piksel po pikselu ale wyłapuje wzorce obecne w danych wejściowych dzięki zastosowaniu tzw. Kerneli czyli filtrów. Każda warstwa w sieci neuronowej uczy się cech obrazu takich jak kontury czy nasycenie światłem. Złożenie tych informacji poprawia efektywność modelu.

Poza neuronowymi modelami rozpoznawania mowy, warto pochylić się nad open source’owymi systemami, które umożliwiają zbudowanie systemu rozpoznawania komend głosowych. Jednym z nich jest Kaldi, który został napisany w C++. Powstał on w 2009 roku, a jego głównymi cechami jest to, że system ten jest rozszerzalny i cały czas rozwijany. Udostępnia on m.in. narzędzia do pre-procesowania nagrań audio czy modeli opartych o Ukryte Modele Markowa (HMM). Sama społeczność udostępnia wiele innych modułów, które można wykorzystać do własnych zadań. Kaldi, poza modelami statystycznymi, obsługuje także głębokie sieci neuronowe. Pomimo tego, że jest napisany głównie w C++, to posiada on skrypty w jezyku Bash czy Python.

W naszej pracy skupiliśmy się jednak na konkretnym modelu ASR: deepspeech 2. Jest to model, który wykorzystuje głębokie uczenie (ang. Deep Learning), składa się on z 3 warstw konwolucyjnych, 8 rekurencyjnych i jednej Fully-Connected. Deepspeech 2 można z powodzeniem wyuczyć na dowolnym języku, trzeba jednak pamiętać, że takie uczenie wymaga wydajnego systemu komputerowego/serwerowego wyposażonego w odpowiednią ilość kart graficznych lub akceleratorów obliczeń.

W przypadku popularnych języków takich jak angielski czy mandaryński można znaleźć przetrenowane modele gotowe do użycia. W naszym zadaniu wybraliśmy deepspeech 2 z implementacją w PyTorchu, ponieważ jest on lekki, ma stosunkowo mało parametrów (wag do wyuczenia) i wybrana przez nas implementacja jest aktywnie utrzymywana. W tym modelu oprócz przygotowania odpowiednich częstotliwości próbkowania o których pisaliśmy wyżej, musieliśmy również przygotować odpowiednio dane pod sam model deepspeech. Wiązało się to z zapewnieniem odpowiedniej struktury katalogów.

 

 

Wnioskowanie z użyciem modeli ASR i dodatkowego modelu językowego

 

Wykorzystując deepspeech jesteśmy w stanie zastosować dodatkowy model językowy (model n-gramowy). Opiera się on na statystykach i pomaga w przewidywaniu kolejnego elementu sekwencji w wynikowej transkrypcji. Trzeba pamiętać, że zastosowanie takiego modelu wymaga zgromadzenia dużego zasobu danych statystycznych. N-gramy pomagają maszynom w zrozumieniu słowa w konkretnym kontekście. Dzięki temu mogą one lepiej zrozumieć jego przeznaczenie.

Jeśli chcemy utworzyć taki model, zaczynamy od zliczania wystąpień sekwencji o ustalonej długości n w istniejących już zasobach językowych. Analizuje się więc całe teksty i zlicza się pojedyncze wystąpienia (1-gram), dwójki (2-gramy) i trójki (3-gramy). Możemy również uzyskać model 4-gramowy, jednak tutaj potrzebne są już ogromne zbiory danych, przez co dla języka polskiego jest to niezwykle trudne do zrealizowania. W kolejnym kroku zamienia się liczbę wystąpień na prawdopodobieństwo poprzez normalizację. W ten sposób zyskujemy predykcję kolejnego elementu na podstawie dotychczasowych sekwencji. Warto zaznaczyć, że im więcej przeanalizowanego tekstu, tym wyższa jakość modelu. Dane te są głównie wykorzystywane w aplikacjach przetwarzania języka naturalnego (NLP). Model n-gramowy dla języka polskiego można znaleźć tutaj.

Użycie modelu n-gramowego na etapie wnioskowania pozwala na skorygowanie wyjścia sieci neuronowej (transkrypcji modelu deepspeech 2) zgodnie z regułami zawartymi w modelu n-gramowym.

 

 

Działanie w ograniczonym zbiorze komend

 

Niestety budowane modele nie mogą być wystarczająco dokładne ze względu na małą ilość danych w języku polskim. W naszym przypadku możemy jednak działać w ograniczonym zbiorze komend. Oznacza to, że rozpoznawaniu podlega konkretna ilość komend głosowych. Nasze zadanie polegało na tym, żeby dopasować odpowiednią komendę ze zbioru z tym co dostarczył nam model. Ważne jest tutaj określenie najwyższego podobieństwa pomiędzy komendą, a tym co zwrócił nam model.

Do tego zadania wykorzystaliśmy miarę zwaną odległością Levenshteina, która wskazuje na podobieństwo pomiędzy transkrypcją, a daną komendą. Polega ona na zliczaniu pozycji lub liter, które się nie zgadzają. Przykładowo, odległość Levenshteina pomiędzy wyrazami:

• drzwi
• drzwi

Jest zerowa. Są to wyrazy identyczne, więc nie potrzeba tutaj żadnych działań.

Natomiast odległość Levenshteina pomiędzy wyrazami:

• kołacz
• połać

wynosi 3, ponieważ potrzeba co najmniej 3 działań: zamiany k na p, zamiany c na ć i usunięcia litery z.

Tam, gdzie jest najmniej podstawień, posiadamy największe prawdopodobieństwo, że komendy są takie same.

 

 

Podsumowanie

 

Celem systemów rozpoznawania głosu jest zapewnienie łatwości w komunikacji między urządzeniem a człowiekiem. Podejście wykorzystujące narzędzia Open-Source w zadaniu uczenia modeli ASR na razie ogranicza się do rozpoznawania ograniczonego zbioru komend. Budowanie takiego sytemu w oparciu o dane w języku polskim jest trudnym zadaniem, ze względu na małą ilość danych dźwiękowych połączonych z transkrypcjami. Zastosowanie miary podobieństwa pomiędzy transkrypcją a zbiorem komend pozwala na zbudowanie użytecznego systemu ASR działającego w trybie offline. Biorąc pod uwagę aktualne trendy w wykorzystaniu inteligentnych urządzeń oraz możliwości techniczne, warto obserwować dalszy rozwój tych systemów i pojawiające się nowe zbiory danych.

Inero Software oferuje wiedzę i doświadczenie w zakresie skutecznego wykorzystywania najnowocześniejszych technologii i danych do kształtowania korporacyjnych produktów cyfrowych przyszłości.

W sekcji BLOG można znaleźć inne artykuły dotyczące nowoczesnych rozwiązań dla przedsiębiorstw.

Redakcja: Tymoteusz Cejrowski, Software Developer.

 

Cyfrowa tożsamość w dobie pracy zdalnej i pandemii 

 

Okres pracy zdalnej i postępująca cyfryzacja usług przyczyniła się do popularyzacji narzędzi i systematów informatycznych w naszej codziennej pracy. Obok powszechnie znanych narzędzi takich jak systemy Office, Outlook, komunikatory, narzędzia telekonferencje typu Microsoft Teams czy Google Meets, zdalnie pracujemy także z coraz bardziej wyspecjalizowanymi systemami takimi jak systemy obiegu dokumentacji, fakturowania czy inne. Aby uwzględnić wymagania prawne i zapewnić bezpieczeństwo danych w tych systemach, dostęp do nich musi być odpowiednio zabezpieczony i skonfigurowany. Z jednej strony, ważne jest aby użytkownicy mogli z nich korzystać możliwie w łatwy sposób, np. bez konieczności wpisywania loginu hasła za każdym razem kiedy chcą uzyskać do nich dostęp. Z drugiej, istotnym jest także, aby osoby postronne, dostawcy nie mogli bez odpowiedniej autoryzacji uzyskać dostępu do zasobów zawartych w tych systemach, zgodnie z polityką bezpieczeństwa naszej organizacji. 

W dużych zespołach korporacyjnych, których pracownicy są fizyczne rozmieszczeni w różnych lokalizacjach, miastach a nawet krajach, kwestia ta ma jeszcze większe znaczenie. Mimo że osoby zatrudnione w takich zespołach pracują z różnych miejsc to wiele zasobów musi być ze sobą zintegrowanych, a ujednolicony dostęp do nich usprawnia pracę i ułatwia komunikację oraz zarządzanie. Prostym przykładem takich zintegrowanych rozwiązań mogą być systemy obiegu dokumentów i fakturowania. Dla przykładu, pracownik posiadający dostęp do systemu zarządzania umowami obsługuje również system fakturowy. Dla bardziej złożonych procesów biznesowych, logowanie się do różnych systemów działających w obrębie korporacji może być jednak uciążliwe. Każdy z pracowników musi pamiętać swoje unikatowe login i hasło, które w ogólności powinny być różne dla każdego z wykorzystywanych systemów. Jednocześnie, każdy pracownik logując się do dowolnego z tych systemów, chce mieć jedną tożsamość, ponieważ tak naprawdę zawsze reprezentuje tą samą, fizyczną osobę i w każdym z tych systemów podlega konkretnej grupie autoryzacji i uprawnień wynikających z przypisanego mu stanowiska, obowiązków służbowych oraz innych. W takich sytuacjach właśnie stosuje się systemy zarządzania tożsamością (ang. IAM – Identity and Access Management). 

Czym jest cyfrowa tożsamość – digital identity?
Cyfrowa tożsamość to zbiór indywidualnych loginów i haseł, z których korzystamy w różnych systemach. Jeżeli posiadamy ich wiele, to dysponujemy dużą ilością danych logowania. W dłuższej perspektywie może być to uciążliwe, szczególnie w sytuacjach, kiedy użytkownik zapomni jednego z haseł, przez co później musi je odzyskiwać. W takim przypadku jest to trudne do zarządzania zarówno ze strony użytkowników, jak i administratorów. 

IAM to narzędzie, które zapewnia skuteczne zarządzanie dostępem do zasobów informacyjnych. Za pomocą takiego rozwiązania można z wykorzystaniem jednego mechanizmu obsługiwać konta zarówno istniejących jak i nowo utworzonych. System zarządzania tożsamością pomaga również w administrowaniu danymi użytkowników, którzy odeszli z organizacji lub zmienili się ich status. W ten sposób można bez problemu zmienić lub wygasić ich uprawnienia. 

Jednym z częściej pojawiających się pojęć podczas tworzenia IAM jest pojęcie SSO (Single-Sign-On). SSO to koncepcja budowania rozwiązań autoryzacji, która pozwala nam logować się do wielu systemów przy wykorzystaniu z jednego wspólnego punktu logowania. Charakteryzuje się on również tym że że posiada jeden wspólny moduł zarządzania użytkownikami, ich uprawnieniami oraz autoryzacją dla wszystkich systemów. Pozwalają one na zarządzanie naszą cyfrową tożsamością w zunifikowany sposób. W efekcie, użytkownik posiada jeden login i hasło do wielu systemów, za pomocą których może się autentyfikować. 

 

Wpływ COVID-19 na zintegrowane zarządzenie autoryzacją 

 

W ostatnich dwóch latach systemy klasy IAM są coraz częściej stosowane z uwagi na konieczność pracy zdalnej lub hybrydowej. IAM ma ogromne znaczenie w zabezpieczeniu zasobów cyfrowych. Ważne jest aby wiedzieć iż narzędzia te zapewniają nie tylko podstawowe uwierzytelnianie i autoryzację w celu zabezpieczenia danych pracownika, ale także dają możliwość autoryzacji wieloetapowej (ang. Mutli-factor authorization – MFA) np. z wykorzystaniem SMSów, mailów, komunikatorów, powiadomień zdalnych czy innych. 

  

 

Kiedy ważne jest zarządzanie tożsamością i dostępem? 

 

Zarządzanie cyfrową tożsamością odbywa się tak naprawdę zawsze gdy korzystamy ze swojego unikalnego loginu. Prostym przykładem użycia cyfrowej tożsamości może być integracja konta Google z przeglądarką Chrome. W przypadku korporacyjnych rozwiązań nasza tożsamość musi być dokładniej uwierzytelniana, dlatego za każdym razem gdy logujemy się do np. poczty przez przeglądarkę internetową musimy podawać swój login i hasło. 

„Według raportu Verizon Data Breach Investigations, ponad 70% pracowników wielokrotnie używa tych samych haseł w pracy. Raport stwierdza, że 81% naruszeń związanych z hakowaniem wykorzystywało skradzione lub słabe hasła” 

Podstawową zasadą tworzenia systemów IAM jest to, żeby nie tworzyć nowych rozwiązań w zakresie bezpieczeństwa, ale przede wszystkim wykorzystywać standardy i sprawdzone metody zabezpieczeń. Narzędzia, które pozwalają nam na wykorzystanie standardowych podejść do zapewnienia bezpieczeństwa i wygody użytkowania w zakresie autoryzacji dla różnych scenariuszy połączeń rozmaitych systemów, to między innymi: 

• Azure B2C 
• OAuth2 
• Open ID Connect 
• Identity Server 
• Active Directory 
• KeyCloak 
• Amazon Cognito 
• Google IAM 

Wspominając o zarządzaniu cyfrową tożsamością konieczne jest wskazanie różnic pomiędzy autoryzacją a autentyfikacją. Autoryzacja daje możliwość dostępu do potwierdzania czy dana osoba jest dopuszczona do skorzystania z jakiegoś zasobu (np. modułu, funkcji lub bazy danych), a autentyfikacja oznacza potwierdzanie tożsamości. 

 

5 zalet zarządzania tożsamością i dostępem 

 

Zwiększenie cyber bezpieczeństwa  

Dzięki rozwiązaniom IAM, firmy mogą wdrażać wspólne i zunifikowane polityki zabezpieczeń we wszystkich połączonych systemach. Korzystając z takich narzędzi administratorzy mogą bez problemu usuwać niepożądane uprawnienia dostępu w razie potrzeby, poprzez zapewnienie jednego spójnego systemu kont i haseł. 

Mniejsze koszty operacyjne w zakresie zarządzania infrastrukturą i bezpieczeństwem IT 

Wykorzystując zintegrowane systemy przedsiębiorstwa mogą obniżyć koszty w zakresie zarządzania infrastrukturą informatyczną minimalizując czas potrzebny na rozwiązywanie problemów związanych z kontem użytkownika. 

Wygodniejsze korzystanie z systemów przez użytkowników i administratorów 

Poprzez wdrożenie narzędzi IAM administratorzy są w stanie stworzyć unikalną tożsamość dla każdego użytkownika w prosty i szybko sposób. Nie muszą oni więc zarządzać dziesiątkami kont dla różnych aplikacji lub innych zasobów. Użytkownicy posiadają dostęp do systemów niezależnie od ich lokalizacji, czasu lub aktualnie wykorzystanego urządzenia. 

Możliwość łatwiejszego dostosowania się do regulacji polityk bezpieczeństwa korporacyjnego 

Korporacje zamawiając albo tworząc oprogramowanie wdrażają polityki bezpieczeństwa mówiące o tym co może, a co nie może być dopuszczalne w konkretnych systemach informatycznych. Jeżeli mamy do czynienia z jednym systemem logowania kont, to o wiele łatwiej jest zarządzać taką polityką. 

Łatwiejsze odzyskiwanie i zarządzanie hasłami 

Dzięki rozwiązaniom IAM, problemy związane z bezpieczeństwem haseł zostaną zminimalizowane. Pomagają one administratorom wdrażać lepsze praktyki dotyczące zarządzania zabezpieczeniami. Mowa tutaj o częstych aktualizacjach danych logowania czy silniejszym uwierzytelnianiu. 

 

 

Zarządzanie tożsamością i dostępem – podsumowanie

 

Jeżeli przedsiębiorstwa chcą zapewnić swoim pracownikom bezpieczeństwo i zwiększyć ich produktywność, powinny zdecydować się na zintegrowane zarządzanie tożsamością i dostępem. Po zalogowaniu się do głównego systemu użytkownicy nie muszą martwić się posiadaniem odpowiedniego hasła do innych struktur. Pracownik otrzymuje więc dostęp do idealnego zestawu narzędzi, dzięki którym może zwiększyć swoją produktywność. 

„72% organizacji przekłada bezpieczeństwo nad wydajność operacyjną (52%) i zapobieganie naruszeniom (47%) co jest kluczowym czynnikiem rozwoju narzędzi IAM.” 

~Według 2020 IAM Report, Cybersecurity Insiders

Cyfrowe zarządzanie tożsamością to proces, który może być wdrażany etapami. Nie trzeba integrować wszystkich systemów w zakresie autoryzacji za jednym razem. Przedsiębiorstwo może zdecydować się na wprowadzanie pojedynczych systemów i z czasem dołączać kolejne struktury. 

Inero Software oferuje wiedzę i doświadczenie w zakresie skutecznego wykorzystywania najnowocześniejszych technologii i danych do kształtowania korporacyjnych produktów cyfrowych przyszłości w zakresie IAM, sztucznej inteligencji czy rozwiązań webowych.

W sekcji BLOG można znaleźć inne artykuły dotyczące nowoczesnych rozwiązań dla przedsiębiorstw.

 

 

Ogromne ilości danych w życiu biznesowym 

 

W ostatnich latach rewolucja Przemysł 4.0 (Industry 4.0) wprowadziła powszechną automatyzację i digitalizację produkcji. Skutkuje to wprowadzaniem automatyzacji w procesie decyzyjnym oraz produkcyjnym, wdrażaniem nowych urządzeń i pomiarów, a w efekcie dostępem do większej liczby danych pomiarowych oraz biznesowych dotyczących procesu produkcji. Urządzenia oraz dane stają się siłą napędową produkcji przemysłowej i obejmują wszystkie jej aspekty, mogą dotyczyć produktów, sprzętu, badań, łańcucha dostaw, finansów czy nawet użytkowników. 

Dzięki odpowiedniemu przepływowi danych, moduły wchodzące w skład procesu produkcyjnego pozwalają na jego dostosowanie do bieżących potrzeb wynikających z bieżącego portfela zamówień, jakości surowców, terminów dostaw oraz innych. W ten sposób każda część linii produkcyjnej staje się w pewnym sensie modyfikowalnym zasobem, przez co przedsiębiorstwo może pozwolić sobie na spersonalizowaną produkcję odzwierciedlając i przewidując potrzeby konsumentów. Tworzy się więc odpowiedni cykl produktowy: produkcja -> sprzedaż -> informacja zwrotna. 

Ilość, złożoność danych oraz wzajemne powiązania pomiędzy nimi sprawiają, że interpretacja i przyjmowanie ich wykracza poza ludzkie możliwości. Przy złożonym procesie produkcyjnym niezwykle trudno jest szybko i z dużą dozą prawdopodobieństwa określić, wpływ poszczególnych komponentów na ostateczną wydajność i jakoś produkcji. To samo tyczy się jakości towarów, jeżeli szybkość ich produkcji jest na naprawdę wysokim poziomie. Wykorzystując zintegrowane procesy przetwarzania danych możemy podzielić moduły na różne narzędzia, takie jak systemy transmisji danych, systemy do pozyskiwania danych czy systemy sprzężenia zwrotnego danych. Chcąc korzystać z mechanizmów z technologii IT i uczenia maszynowego należy zamodelować proces produkcji tak, aby poddać go szczegółowej analizie. 

 

Optymalizacja procesów biznesowych 

 

Jednak same dane nie wystarczą. Ważne jest, aby z danych wydobywać cenne informacje i wiedzę. Właśnie tym zajmuje się Machine Learning. Pozwala on ocenić trendy, zależności pomiędzy danymi, powiązania między danymi mierzonymi a innymi danymi z różnych procesów czy przewidywać wydarzenia na podstawie tego co było. Dzisiejsze zakłady produkcyjne stają się coraz bardziej złożone z wzajemnie powiązanymi procesami. Człowiek w takich sytuacjach szybko osiąga granicę swoich możliwości, aby uwzględnić każdy aspekt procesu. Machine Learning oferuje skuteczne rozwiązanie, które pokonuje wcześniej wymienione wyzwania. 

„Machine Learning to obecnie najważniejsza technologia dla biznesu. Dzieje się tak, ponieważ oprogramowanie oparte na sztucznej inteligencji już teraz pomaga firmom zwiększać wydajność, poprawiać relacje z klientami i zwiększać sprzedaż.„

~Według McKinsey’a

Trzeba pamiętać o tym, że nie wystarczy mieć dane i po prostu je łączyć. Jeżeli zależy nam na wydobyciu informacji z danych, trzeba przeprowadzić proces ich ekstrakcji, usunąć zbędne zależności, wyczyścić błędy grube, zrozumieć istniejące zależności oraz opracować i dopasować model ML, który będzie odwzorował dane, a na końcu przystosować go do działania w trybie produkcyjnym. 

 

Obszary działania Machine Learning 

 

Głównym celem algorytmów Sztucznej Inteligencji jest rozwiązywanie konkretnych problemów oraz ulepszanie procesów. Machine Learning pozwala zoptymalizować takie obszary, jak: 

• Automatyzacja procesów 
• Bezpieczeństwo pracy 
• Kontrola jakości 

Warto wspomnieć o tym, że algorytmy pozwalają rozwiązywać problemy z różnych sfer biznesowych. Konieczne jest więc biznesowe ustalenie, po co proces wdrażania narzędzi Machine Learning ma być realizowany. Należy się także nastawić się na to, że wdrażanie ML to proces, a nie zadanie. Wdrożenie algorytmów uczenia maszynowego wymaga stale generowanych danych, aby można było odpowiednio sterować procesami produkcyjnymi. Dlatego wszystkie aspekty takich procesów muszą zostać zdigitalizowane w jak największym stopniu. Wymaga to więc od ekspertów zaprojektowania procesów uwzględniających aktualny stan danych, dzięki czemu będzie można świadomie zbierać prawidłowe dane i optymalizować odpowiednie metryki.  

„McKinsey przewiduje, ze Machine Learning pomoże firmom produkcyjnym skrócić czas dostawy materiałów o 30% oraz osiągnąć 12% oszczędności paliwa dzięki optymalizacji ich procesów. Firma szacuje również, że przedsiębiorstwa mogą zwiększyć przychody brutto o 13%, jeśli w pełni zintegrują w swojej działalności technologie oparte na sztucznej inteligencji.”

Algorytmy oparte na uczeniu maszynowym mogą działać w czasie rzeczywistym, dzięki czemu będą one dostarczać konkretne rekomendacje, jeżeli zidentyfikują one potencjał poprawy produkcji. Machine Learning może służyć więc jako narzędzie wsparcia dla operatorów kontrolujących proces, pomagając im podejmować bardziej świadome decyzje w celu maksymalizacji produkcji w swoim przedsiębiorstwie. 

Wdrażając rozwiązania z obszaru uczenia maszynowego musimy zbudować odpowiednią strategię zgodną z celami naszego przedsiębiorstwa. Poprzez zdefiniowanie jasnych celów i zrozumieniu wymaganej infrastruktury możemy liczyć na większe prawdopodobieństwo sukcesu wprowadzanych rozwiązań. Dodatkowo trzeba pamiętać o tym, że dane muszą być odpowiednio sformatowane oraz uporządkowane pod kątem algorytmu.

Jeśli chcemy w pełni wykorzystać możliwości jakie daje uczenie maszynowe, w naszej organizacji potrzebujemy zarówno odpowiedniego zespołu ekspertów, specjalistów ML oraz odpowiedniego nastawienia ukierunkowanego na realizację celów.

Na bazię zdobytych doświadczeń,  Zespół Inero Software, określił metodykę wdrożeń rozwiązań opartych o technologie AI/ML, którą można streścić w kilku następujących krokach: 

1. Identyfikacja problemów i celów biznesowych – jest to kluczowe przy próbie zrozumienia danej infrastruktury.
2. Ustalenie źródeł danych i ich jakości – im lepszej jakości danymi będziemy dysponować, tym skuteczniejszy algorytm uczenia maszynowego będzie.
3. Zebranie danych i ich przystosowanie – dostosowanie danych i ich uporządkowanie również pozytywnie wpłynie na działanie algorytmu.
4. Stworzenie efektywnego modelu na podstawie punktów 1-3.
5. Uruchomienie i weryfikacja algorytmu w kontekście założonych przez nas celów.
6. Ustanowienie wąskich gardeł, gdzie mamy braki danych – sprawdzamy więc jakie dane są źle zbierane i wyciągamy z tego wnioski.

W ten sposób otrzymujemy efektywny model, który skutecznie analizuje dane i dostarcza nam dokładne wyniki. Oczywiście budowanie takiego modelu to proces ciągły, dlatego warto co jakiś czas powtarzać powyższe kroki, aby jeszcze bardziej usprawnić nasz algorytm.

 

Efektywne zarządzanie przedsiębiorstwem dzięki optymalizacji procesów biznesowych

 

Ważne jest zrozumienie, że Machine Learning to nie jest złoty środek na rozwiązanie wszystkich problemów. ML to narzędzie, które pozwala w sposób efektywny wykorzystać dane do zarządzania i optymalizacji procesów. Wiele branż obecnie skupia się na digitalizacji oraz analityce. W niektórych przedsiębiorstwach każdego dnia gromadzą się ogromne ilości danych. Natomiast algorytmy uczenia maszynowego mogą tak naprawdę zbierać nieograniczoną liczbę danych. Optymalizacja wykonywana przez ekspertów w dużej mierze opiera się na ich doświadczeniu. Machine Learning polega na uczeniu się na podstawie wcześniejszych doświadczeń. Analizując więc takie ilości danych, algorytmy mogą nauczyć się rozumieć złożone relacje pomiędzy różnymi partnerami oraz ich wpływ na produkcję. To, jak sztuczna inteligencja uczy się z doświadczenia przypomina w pewien sposób ekspertów, którzy uczą się sterować danym procesem. Jednak AI pozwala na analizowanie pełnych zbiorów danych na przestrzeni kilku lat. 

Istotna w tej kwestii jest współpraca ekspertów od Machine Learning i ekspertów biznesowych, aby ML odzwierciedlał procesy biznesowe. Liczy się tutaj z jednej strony dobre sprecyzowanie potrzeb biznesu ergo i optymalizacja ML pod to, co chcemy osiągnąć. Z drugiej strony ważne jest, żeby eksperci biznesowi rozumieli ograniczenia i wady Machine Learning. Złe dane spowodują, że wnioski w efekcie zaszkodzą procesowi. 

Inero Software oferuje wiedzę i doświadczenie w zakresie skutecznego wykorzystywania najnowocześniejszych technologii i danych do kształtowania korporacyjnych produktów cyfrowych przyszłości.

W sekcji BLOG można znaleźć inne artykuły dotyczące nowoczesnych rozwiązań dla przedsiębiorstw.

 

Digitalizacja usług opieki społecznej

 

W ostatnich latach widzimy znaczący rozwój usług i produktów z branży MedTech. Jednym z obszarów, w których ma on szczególne zastosowanie są usługi opiekuńcze nad osobami starszymi lub niepełnosprawnymi. W tym zakresie digitalizacja usług pozwala na lepsze wykorzystanie zasobów (środki, opieki, leki) oraz ludzi (skrócenie czasu dojazdu, mniejsza ilość dokumentów). Dzięki niej można skupić się na skutecznym sposobie poprawy opieki nad osobami starszymi. Daje ona początek licznym narzędziom oraz zasobom, które usprawniają świadczenie takich usług. 

W niniejszym blog poście pokazujemy nasze doświadczenie płynące z prac nad aplikacją „Gorący Posiłek”, który rozwinęliśmy we współpracy z Centrum Usług Społecznych “Społeczna Warszawa” i wdrożyliśmy w lipcu 2021 roku. Gorący posiłek to system, który umożliwia zarządzanie, planowanie i weryfikację posiłków, które jednostki administracyjne dostarczają osobom potrzebującym. 

 

 

Raportowanie i analiza dostaw dla ośrodków pomocy społecznej – zarys problemu

 

Posiłki dostarczane przez ośrodki pomocy społecznej to często jedyne ciepłe dania spożywane przez osoby starsze w ciągu dnia.  Aby dania były ciepłe i świeże, gorące posiłki dla osób starszych oraz niepełnosprawnych są dostarczanie przez urząd miasta w godzinach obiadowych pomiędzy 11 a 15. Żywność dowożona jest pod konkretny lokal, gdzie mieszka dana osoba. Posiłki często nie są odbierane ze względu na wyjazd danej osoby czy problemy zdrowotne. Do przygotowywania i dostarczania posiłków miasto najczęściej angażuje firmy cateringowe, które musza posiadać potwierdzenie, że żywność została dostarczona zgodnie z określonym harmongramem. Bez odpowiedniego systemu kontrolowanie takich dostaw i ich raportowanie może być problematyczne. 

Inną ważną kwestią w tego typu usługach jest tworzenie stale aktualizowanych list osób, do których takie posiłki trafiają. W codziennych harmonogramach dostaw muszą być uwzględnione decyzje urzędu, które determinują czy w danym dniu konkretna osoba jest uprawniona do otrzymania posiłku. Dla niektórych osób posiłki dostarczane są codziennie, innym tylko w dni robocze, a jeszcze innym tylko w weekendy. To sprawia, że codzienne przygotowywanie zaktualizowanej listy dostaw jest czasochłonne, a sama czynność jest powtarzalna i podatna na błędy. Dlatego ważne jest zbudowanie stale samo-aktualizującej się listy, z której będzie można dowiedzieć o preferencjach mieszkańców. 

Nakładanie się problemów organizacyjnych i rozliczeniowych w projekcie, który obsługuje dużą ilość mieszkańców (powyżej 1000 osób) codziennie sprawia, że proces nie przebiega całkowicie pomyślnie. Z pomocą przychodzi jednak digitalizacja, która usprawnia procesy organizacyjno-logistyczne, dzięki czemu osoby potrzebujące pomocy faktycznie ją otrzymują. 

 

 

Zalety digitalizacji usług opiekuńczych 

 

Digitalizacja wprowadzana przez aplikację “Gorący Posiłek” usprawnia cały proces związany ze współpracą podmiotów. W większości przypadków w takich projektach mamy z jednej strony podmiot (urząd), który zleca wykonywanie posiłków, a z drugiej strony wykonawców tj. firmy cateringowe i dostawców, które przygotowują posiłki i dowożą je. Na samym końcu tego procesu mamy osoby, które potrzebują pomocy. 

 

Aplikacja “Gorący Posiłek” generuje automatycznie listy dowozów posiłków na każdy dzień na podstawie wprowadzanych i istniejących decyzji administracyjnych. Dzięki temu jest pewność, że każda osoba korzystająca z projektu otrzyma swój posiłek.  

 

Digitalizacja pozwala na bieżące weryfikowanie czy posiłki są odpowiednio dostarczane. Można to uzyskać za pomocą kodów QR. Naklejki z takimi kodami są umieszczane przy każdym mieszkaniu, przez co dostawcy mogą je zeskanować za pomocą specjalnej aplikacji i potwierdzić, że według harmonogramu przyjechali w dane miejsce i dostarczyli posiłek. 

 

Dzięki odpowiedniemu systemowi za pomocą aplikacji mobilnej dostawcy posiłków mogą poinformować urząd miasta, że konkretna osoba nie była obecna w swoim miejscu zamieszkania. Kolejnym ważnym usprawnieniem jest automatyczne generowanie raportów i rozliczeń dla firm cateringowych. Wszystkie informacje dotyczące terminów dostaw, dostarczonych lub niedostarczonych posiłków są składowane w części serwerowej systemu, do którego pracownicy urzędu mają dostęp. Jest to o tyle ważna kwestia, ponieważ w ten sposób można lepiej kontrolować wydatki ze środków publicznych. 

 

Technologie IT wspierają przede wszystkim osoby potrzebujące pomocy. Dzięki nim otrzymują oni swój gorący posiłek na czas, bez żadnych opóźnień. Korzystając z aplikacji mobilnej pracownicy firm cateringowych oraz urzędnicy mają dostęp do aktualnych danych. Właśnie z takich rozwiązań korzysta CUS Warszawa dostarczając gorące posiłki do osób starszych i nie tylko. 

 

Gorący Posiłek – system, który usprawnia dostarczanie posiłków 

 

Gorący Posiłek jest systemem, który składa się z aplikacji mobilnej i części serwerowej. Umożliwia zarządzanie, planowanie i weryfikację dostaw jedzenia osobom potrzebującym. Projekt ten wspiera politykę społeczną, dzięki której osoby potrzebujące opieki mogą ją otrzymać. W każdym większym mieście istnieje dedykowany temu ośrodek, który zajmuje się usługami opiekuńczymi. Dla przykładu, w Warszawie jest to Centrum Usług Społecznych „Społeczna Warszawa”, a w Gdańsku jest to Miejski Ośrodek Pomocy Rodzinie.

 

 

Główne założenia Gorącego Posiłku 

 

Głównym zadaniem Gorącego Posiłku jest automatyzacja dostaw żywności z wykorzystaniem technologii cyfrowych. System ten umożliwia dostarczanie zaktualizowanych planów dostaw na każdy dzień dla wszystkich potrzebujących. Ważne jest także kontrolowanie dostaw, dlatego Gorący Posiłek automatycznie generuje dzienne i miesięczne raporty. Jest on w stanie obsługiwać do 2 tysięcy zamówień dziennie. 

Wykorzystane technologie w tym projekcie umożliwiają automatyczne zarządzanie osobami objętymi dostawami, firmami cateringowymi i kierowcami w systemie. Przetwarza on dane osobowe, jednak jest zgodny z normami ISO 27001, dzięki czemu wszystkie dane są zabezpieczone. Przekazywane są tylko wymagane dane, jednak nie są one rozprowadzane na zewnątrz. Gorący Posiłek spełnia więc wszelkie wymagania RODO. 

System zapewnia wgląd w aktualną realizację procesów dostaw i informowanie o braku dostępności danego mieszkańca. Gorący Posiłek przekazuje również na bieżąco informacje dotyczące zamówień posiłków, czyli: rodzaj diety, godziny dostarczenia, uwagi mieszkańców.  

 

 

Korzyści z wdrożenia systemu 

 

Gorący Posiłek sprawia, że cały proces dostarczania żywności zyskuje na transparentności. Jesteśmy w stanie skrócić czas obsługi administracyjno-logistycznej wykorzystując narzędzia technologiczne. Jeżeli cały proces jest bardziej przejrzysty, użytkownicy administracji samorządowej mają lepszy wgląd na to jak pieniądze publiczne są wykorzystywane na pomoc społeczną. System sprawia również, że uzyskanie wszelkich raportów i podsumowań jest o wiele wygodniejsze i mniej czasochłonne a cały proces wydatkowania środków publicznych jest transparentny dla wszystkich stron. Ponadto “Gorący Posiłek” integruje systemy, które istnieją już po stronie CUS Warszawa. Dlatego importowanie różnego rodzaju danych z istniejących systemów IT (takich jak np. POMOST) jest o wiele prostsze. 

 

 

Optymalizacja usług opiekuńczych 

 

Wykorzystanie technologii informatycznych w świadczeniu usług opiekuńczych sprawia, że cały proces ich dostarczania jest o wiele bardziej transparentny, a przede wszystkim zoptymalizowany pod kątem organizacyjnym, formalnym i finansowym. Dzięki temu zarówno urzędnicy jak i firmy cateringowe zyskują na czasie. Jest to bardzo ważny czynnik przy dostarczaniu gorących posiłków do osób potrzebujących pomocy. System, który wykorzystujemy jest systemem chmurowym, jednak może on być również wdrożony jako system na żądanie. Można więc go użyć w infrastrukturze urzędu czy w serwerach dedykowanych.  

Wdrożenie takiego systemu nie jest skomplikowanym procesem. Konieczna jest: 

• Integracja z systemem POMOST albo z innymi systemami do decyzji o dostarczaniu posiłków,  
• Dostarczenie kodów QR do mieszkańców (kody są generowane przez aplikację), 
• Instalacja aplikacji przez kierowców.  

Jako firma oferujemy skuteczne rozwiązania, które ułatwiają efektywne zarządzanie procesami logistyczno-organizacyjnymi. Pomagamy w zakresie monitorowania i raportowania czynności w łańcuchu dostaw. 

Inero Software oferuje wiedzę i doświadczenie w zakresie skutecznego wykorzystywania najnowocześniejszych technologii i danych do kształtowania korporacyjnych produktów cyfrowych przyszłości.

W sekcji BLOG można znaleźć inne artykuły dotyczące nowoczesnych rozwiązań dla przedsiębiorstw.