রোবট ফ্লিট অ্যানালিটিক্স যা করে
রোবট ফ্লিট অ্যানালিটিক্স হলো স্বয়ংক্রিয় রোবট ফ্লিটের কার্যক্ষমতা পর্যবেক্ষণ ও মূল্যায়নের জন্য একটি ইন্টারঅ্যাক্টিভ ড্যাশবোর্ড। এটি MySQL-এ সংরক্ষিত কার্যক্রমের রেকর্ডকে ফিল্টার করা মেট্রিক, ইন্টারঅ্যাক্টিভ চার্ট এবং কার্যক্রমভিত্তিক অন্তর্দৃষ্টিতে রূপান্তর করে।
প্রকল্পটি কাজ সম্পাদন, ব্যর্থতা, চলাচলের দূরত্ব, ব্যাটারি খরচ, কাজ সম্পন্নের সময় এবং নিষ্ক্রিয়তার মতো ডেটার ওপর গুরুত্ব দেয়। এসব পরিমাপ একত্র করে ড্যাশবোর্ডটি দলগুলোকে ফ্লিটের নির্ভরযোগ্যতা মূল্যায়ন, জটিলতা খুঁজে বের করা এবং উচ্চ-ঝুঁকির রোবট বা স্থান শনাক্ত করতে সহায়তা করে।
অ্যাপ্লিকেশনটি কীভাবে কাজ করে
অ্যাপ্লিকেশনটি একটি সরল অ্যানালিটিক্স পাইপলাইন অনুসরণ করে:
- কার্যক্রমের রেকর্ড MySQL ডেটাবেসে সংরক্ষিত থাকে।
- Python অ্যাপ্লিকেশনটি রোবট পরিচালনা-সংক্রান্ত ডেটা অনুসন্ধান করে।
- Pandas প্রাপ্ত রেকর্ড প্রক্রিয়া ও একত্র করে।
- NumPy ব্যাটারি খরচের প্রবণতা গণনাসহ সংখ্যাগত বিশ্লেষণে সহায়তা করে।
- Streamlit ইন্টারঅ্যাক্টিভ ড্যাশবোর্ড ইন্টারফেস সরবরাহ করে।
- Plotly ফ্লিট ও রোবট-স্তরের বিশ্লেষণের জন্য ইন্টারঅ্যাক্টিভ চার্ট রেন্ডার করে।
ব্যবহারকারীরা তারিখের পরিসর, রোবট, স্থান এবং কাজের ধরন অনুযায়ী ড্যাশবোর্ড ফিল্টার করতে পারেন। এসব নির্বাচন পরিবর্তন হলে KPI ও ভিজ্যুয়ালাইজেশন динамиকভাবে হালনাগাদ হয়।
ড্যাশবোর্ডের প্রধান অংশগুলো
ফ্লিটের সারসংক্ষেপ
ফ্লিটের সারসংক্ষেপে বর্তমান কার্যক্ষমতার একটি সামগ্রিক চিত্র পাওয়া যায়। এতে সক্রিয় রোবট, সম্পাদিত কাজ, সফলতা ও ব্যর্থতার হার, কাজ সম্পন্নের গড় সময়, ফ্লিটের নির্ভরযোগ্যতা, মোট অতিক্রান্ত দূরত্ব, মোট নিষ্ক্রিয়তার সময় এবং ব্যাটারি ব্যবহারের গড় অন্তর্ভুক্ত থাকে।
রোবটের কার্যক্ষমতা
রোবট-স্তরের তুলনা কোন ইউনিটগুলো ভালো করছে এবং কোনগুলোতে তদন্ত প্রয়োজন হতে পারে তা শনাক্ত করতে সহায়তা করে। ড্যাশবোর্ডে কাজের ব্যর্থতার হার, সম্পন্নের গড় সময়, মোট নিষ্ক্রিয়তার সময়, কাজের পরিমাণ এবং ব্যর্থতার সংখ্যা তুলনা করা হয়।
কার্যক্রম বিশ্লেষণ
কার্যক্রম বিশ্লেষণ পুরো ফ্লিটজুড়ে বৃহত্তর প্রবণতা প্রকাশ করে। এতে মাসভিত্তিক কাজের ব্যর্থতার হার, স্থানভিত্তিক ব্যর্থতা বিশ্লেষণ এবং কাজ সম্পাদনের প্রবণতা অন্তর্ভুক্ত থাকে।
সম্পদ ব্যবহারের দক্ষতা
সম্পদ অংশে অতিক্রান্ত দূরত্ব ও ব্যাটারি খরচের সম্পর্ক পরীক্ষা করা হয়। এতে NumPy লিনিয়ার রিগ্রেশন ব্যবহার করে গণনা করা ব্যাটারি খরচের প্রবণতা এবং কাজের ধরন অনুযায়ী ব্যর্থতার হার বিশ্লেষণও অন্তর্ভুক্ত থাকে।
ফ্লিটের ব্যতিক্রম
পর্যবেক্ষিত কাজের ব্যর্থতার হারের ভিত্তিতে রোবটগুলোকে তিনটি ব্যতিক্রম স্তরে শ্রেণিবদ্ধ করা হয়: NORMAL, WATCH এবং ATTENTION। এসব বিভাগ কার্যক্রম পর্যালোচনার অগ্রাধিকার নির্ধারণ সহজ করে।
কার্যক্রমভিত্তিক অন্তর্দৃষ্টি
ড্যাশবোর্ডে সর্বোচ্চ ঝুঁকির রোবট, সর্বোচ্চ ঝুঁকির স্থান এবং সর্বোত্তম কার্যক্ষমতার রোবট তুলে ধরা হয়। দ্রুত তদন্তে সহায়তার জন্য এতে ব্যর্থতার হার, নিষ্ক্রিয়তার সময় এবং কাজ সম্পাদনের গড় সময়ও দেখানো হয়।
ইনস্টলেশন ও সেটআপ
README-তে Python, Streamlit, Pandas, NumPy, MySQL, MySQL Connector/Python এবং Plotly-কে মূল প্রযুক্তি হিসেবে উল্লেখ করা হয়েছে। রিপোজিটরির নির্দিষ্ট এন্ট্রি-পয়েন্ট ফাইলের নাম ও ডেটাবেস কনফিগারেশনের ধরন উল্লেখ করা না থাকায়, প্রয়োজনীয় কমান্ড ও সংযোগের সেটিংস নিশ্চিত করতে প্রকল্পের ফাইলগুলো দেখুন।
- রিপোজিটরি ক্লোন বা ডাউনলোড করুন।
- একটি Python ভার্চুয়াল এনভায়রনমেন্ট তৈরি ও সক্রিয় করুন।
- প্রকল্পে উল্লেখিত নির্ভরতাগুলো ইনস্টল করুন। সাধারণত
streamlit,pandas,numpy,mysql-connector-pythonএবংplotly-এর মতো প্যাকেজ প্রয়োজন হয়। - অ্যাপ্লিকেশনের প্রত্যাশিত রোবট পরিচালনা-সংক্রান্ত ডেটাসহ একটি MySQL ডেটাবেস প্রস্তুত করুন।
- রিপোজিটরিতে দেওয়া পদ্ধতি, যেমন কনফিগারেশন ভেরিয়েবল বা Streamlit secrets ব্যবহার করে অ্যাপ্লিকেশনের ডেটাবেস সংযোগ কনফিগার করুন।
- প্রকল্পে নির্দিষ্ট করা Streamlit এন্ট্রি পয়েন্ট চালু করুন।
সাধারণ Streamlit চালু করার কমান্ডের রূপটি নিচে দেওয়া হলো; এখানে app.py-এর পরিবর্তে রিপোজিটরির প্রকৃত এন্ট্রি-পয়েন্ট ফাইল ব্যবহার করতে হবে:
streamlit run app.pyঅ্যাপ্লিকেশনের সোর্স কোডে উৎপাদন ডেটাবেসের শংসাপত্র হার্ড-কোড করবেন না। রিপোজিটরির সমর্থিত কনফিগারেশন পদ্ধতি ব্যবহার করুন এবং শংসাপত্রগুলো ভার্সন কন্ট্রোলের বাইরে রাখুন।
ড্যাশবোর্ডের মৌলিক ব্যবহার
1. ফ্লিটের সামগ্রিক ভিউ দিয়ে শুরু করুন
অ্যাপ্লিকেশন চালু করার পর বর্তমান ফ্লিটের অবস্থা বোঝার জন্য সারসংক্ষেপের KPI পর্যালোচনা করুন। সফলতার হার, ব্যর্থতার হার, সম্পন্নের গড় সময়, নিষ্ক্রিয়তার সময়, দূরত্ব এবং ব্যাটারি ব্যবহারের দিকে বিশেষ মনোযোগ দিন।
2. ফিল্টার দিয়ে বিশ্লেষণ সীমিত করুন
বিভিন্ন কার্যক্রমের সময়কাল তুলনা করতে তারিখের পরিসর ব্যবহার করুন। এরপর ফ্লিটের সামগ্রিক সারসংক্ষেপ থেকে নির্দিষ্ট তদন্তে যেতে একটি রোবট, স্থান বা কাজের ধরন নির্বাচন করুন। ড্যাশবোর্ডটি динамиকভাবে হালনাগাদ হওয়ায়, চার্ট ও KPI-তে নির্বাচিত ফিল্টারগুলোর সমন্বয় প্রতিফলিত হওয়া উচিত।
3. পৃথক রোবটগুলোর তুলনা করুন
ব্যর্থতার হার, কাজের সংখ্যা, ব্যর্থতা, নিষ্ক্রিয়তার সময় এবং সম্পন্নের সময় তুলনা করতে রোবটের কার্যক্ষমতা অংশ ব্যবহার করুন। উচ্চ ব্যর্থতার হার ও উল্লেখযোগ্য নিষ্ক্রিয়তার সময় থাকা রোবটের আরও গভীর কার্যক্রম পর্যালোচনা প্রয়োজন হতে পারে।
4. স্থান ও কাজের ধরন তদন্ত করুন
স্থানভিত্তিক ব্যর্থতা বিশ্লেষণ এমন এলাকা প্রকাশ করতে পারে যেখানে রোবটগুলো বারবার সমস্যার মুখোমুখি হয়। কাজের ধরন অনুযায়ী ব্যর্থতার হার দেখাতে পারে কোনো নির্দিষ্ট শ্রেণির কাজ কম নির্ভরযোগ্যতার সঙ্গে সম্পর্কিত কি না।
5. সম্পদের পারস্পরিক সম্পর্ক পর্যালোচনা করুন
অতিক্রান্ত দূরত্বের পাশাপাশি ব্যাটারি খরচ পরীক্ষা করুন। এই পরিমাপগুলোর সম্পর্ক দলগুলোকে অস্বাভাবিক শক্তি ব্যবহার শনাক্ত করতে বা পরিচালনার দূরত্ব ব্যাটারির চাহিদাকে কীভাবে প্রভাবিত করে তা বুঝতে সহায়তা করতে পারে।
অ্যানালিটিক্সের উদাহরণ কর্মপ্রবাহ
একটি ব্যবহারিক তদন্তে নিম্নলিখিত ধাপগুলো অনুসরণ করা যেতে পারে:
- আগ্রহের সময়কালকে অন্তর্ভুক্ত করে একটি তারিখের পরিসর নির্ধারণ করুন।
- পুরো ফ্লিটের সাফল্য ও ব্যর্থতার হার পর্যালোচনা করুন।
- WATCH বা ATTENTION শ্রেণিতে থাকা রোবটগুলো শনাক্ত করুন।
- ডাউনটাইম, কাজের পরিমাণ এবং গড় কাজ সম্পন্নের সময় অনুযায়ী ওই রোবটগুলোর তুলনা করুন।
- ব্যর্থতাগুলো কোনো নির্দিষ্ট এলাকায় কেন্দ্রীভূত কি না তা নির্ধারণ করতে অবস্থান অনুযায়ী ফিল্টার করুন।
- কোনো একটি অপারেশন ব্যর্থতার কারণ কি না যাচাই করতে কাজের ধরন অনুযায়ী ফিল্টার করুন।
- সম্পদ ব্যবহারের দক্ষতা সম্পর্কে সিদ্ধান্তে পৌঁছানোর আগে অতিক্রান্ত দূরত্ব ও ব্যাটারি ব্যবহারের তুলনা করুন।
বিশ্লেষণের জন্য উন্নত টিপস
একটি KPI-এর ওপর নির্ভর না করে একাধিক মেট্রিক একত্রে ব্যবহার করুন
কাজ ব্যর্থতার হার গুরুত্বপূর্ণ, তবে এটি কাজের পরিমাণ, ডাউনটাইম এবং গড় কাজ সম্পন্নের সময়ের সঙ্গে মিলিয়ে ব্যাখ্যা করা উচিত। বেশি কাজ করা কোনো রোবট স্বাভাবিকভাবেই কম ব্যবহৃত রোবটের তুলনায় বেশি ব্যর্থতা রেকর্ড করতে পারে। তাই হার ও মোট সংখ্যা একসঙ্গে পর্যালোচনা করলে আরও ভালো প্রেক্ষাপট পাওয়া যায়।
অপারেশনাল ধরণ আলাদা করতে ফিল্টার ব্যবহার করুন
একটি বিস্তৃত তারিখের পরিসর দিয়ে শুরু করুন, তারপর ধীরে ধীরে রোবট, অবস্থান এবং কাজের ধরন অনুযায়ী ডেটা সীমিত করুন। এই পদ্ধতি পুরো ফ্লিটের সমস্যা এবং নির্দিষ্ট অপারেশনাল প্রেক্ষাপটের সঙ্গে সম্পর্কিত সমস্যার মধ্যে পার্থক্য করতে সাহায্য করে।
অপারেশনাল প্রেক্ষাপটসহ ব্যাটারির প্রবণতা ব্যাখ্যা করুন
ব্যাটারি ব্যবহারের প্রবণতা নির্ণয় করতে ড্যাশবোর্ডটি NumPy লিনিয়ার রিগ্রেশন ব্যবহার করে। এটিকে সম্পূর্ণ ব্যাখ্যা হিসেবে নয়, বরং বিশ্লেষণমূলক সংকেত হিসেবে বিবেচনা করুন: দূরত্ব, কাজের ধরন, রোবটের কাজের চাপ এবং অপারেটিং অবস্থান—সবই ব্যাটারি ব্যবহারে প্রভাব ফেলতে পারে।
ব্যতিক্রমের শ্রেণিগুলোকে অগ্রাধিকার দিন
ট্রায়াজের প্রক্রিয়া হিসেবে NORMAL, WATCH এবং ATTENTION শ্রেণিগুলো ব্যবহার করুন। প্রথমে ATTENTION রোবটগুলো পরীক্ষা করুন, এরপর সম্ভাব্য কারণ খুঁজে পেতে তাদের ব্যর্থতার ধরণগুলোর সঙ্গে অবস্থান ও কাজের ধরনের ফলাফল তুলনা করুন।
অনুসন্ধানের সময় Plotly-এর ইন্টার্যাকশন ব্যবহার করুন
Plotly-এর ভিজ্যুয়ালাইজেশনগুলো ইন্টার্যাক্টিভ অনুসন্ধানের জন্য তৈরি। চার্টের উপাদানগুলোর ওপর হোভার করুন, শ্রেণিগুলোর তুলনা করুন এবং প্রতিটি চার্ট আলাদাভাবে পর্যালোচনা না করে ড্যাশবোর্ডের ফিল্টারগুলো একসঙ্গে ব্যবহার করুন।
প্রযুক্তির ভূমিকা
- Python: অ্যাপ্লিকেশন ও অ্যানালিটিক্সের লজিক।
- Streamlit: ইন্টার্যাক্টিভ ড্যাশবোর্ড ইন্টারফেস।
- Pandas: ডেটা প্রক্রিয়াকরণ ও সমষ্টিকরণ।
- NumPy: সংখ্যাগত বিশ্লেষণ ও প্রবণতা নির্ণয়।
- MySQL: অপারেশনাল ডেটা সংরক্ষণ।
- MySQL Connector/Python: ডেটাবেস সংযোগ।
- Plotly: ইন্টার্যাক্টিভ ডেটা ভিজ্যুয়ালাইজেশন।
উপসংহার
Robot Fleet Analytics স্বয়ংক্রিয় ফ্লিটের কর্মক্ষমতা বোঝার জন্য একটি একক কর্মপরিসর প্রদান করে। এর MySQL, Python, Pandas, NumPy, Plotly এবং Streamlit-ভিত্তিক আর্কিটেকচার উচ্চপর্যায়ের পর্যবেক্ষণ ও বিস্তারিত অনুসন্ধান—উভয়কেই সমর্থন করে। ডায়নামিক ফিল্টারের সঙ্গে নির্ভরযোগ্যতা, দক্ষতা, ডাউনটাইম এবং ব্যতিক্রমের মেট্রিক একত্রে ব্যবহার করে দলগুলো কাঁচা রোবট রেকর্ড থেকে আরও স্পষ্ট অপারেশনাল সিদ্ধান্তে পৌঁছাতে পারে।