stringtranslate.com

Автоматическая идентификация и сбор данных

Автоматическая идентификация и сбор данных ( AIDC ) — методы автоматической идентификации объектов, сбора данных о них и ввода их непосредственно в компьютерные системы, без участия человека. Технологии, которые обычно рассматриваются как часть AIDC, включают QR-коды , [1] штрих-коды , радиочастотную идентификацию (RFID) , биометрию (например, систему распознавания радужной оболочки глаза и лица ) , магнитные полосы , оптическое распознавание символов (OCR), смарт-карты и распознавание голоса. . AIDC также часто называют «автоматической идентификацией», «авто-идентификацией» и «автоматическим сбором данных». [2]

AIDC — это процесс или средство получения внешних данных, в частности, посредством анализа изображений , звуков или видео . Для захвата данных используется преобразователь , который преобразует фактическое изображение или звук в цифровой файл. Затем файл сохраняется, а позднее его можно проанализировать на компьютере или сравнить с другими файлами в базе данных для проверки личности или предоставления разрешения на вход в защищенную систему. Сбор данных может осуществляться различными способами; лучший метод зависит от приложения.

В биометрических системах безопасности захват — это получение или процесс получения и идентификации таких характеристик, как изображение пальца, изображение ладони, изображение лица, отпечаток радужной оболочки глаза или отпечаток голоса, который включает в себя аудиоданные, а все остальные включают видеоданные.

Радиочастотная идентификация — относительно новая технология AIDC, впервые разработанная в 1980-х годах. Эта технология служит основой для автоматизированных систем сбора , идентификации и анализа данных по всему миру. RFID нашел свое значение на широком спектре рынков, включая системы идентификации домашнего скота и автоматизированной идентификации транспортных средств (AVI), благодаря своей способности отслеживать движущиеся объекты. Эти автоматизированные беспроводные системы AIDC эффективны в производственных условиях, где этикетки со штрих-кодом не могут выжить.

Обзор методов автоматической идентификации

Почти все технологии автоматической идентификации состоят из трех основных компонентов, которые также включают последовательные этапы AIDC:

  1. Кодировщик данных. Код — это набор символов или сигналов, которые обычно представляют собой буквенно-цифровые символы. Когда данные кодируются, символы переводятся в машиночитаемый код. К предмету, подлежащему идентификации, прикрепляется этикетка или бирка, содержащая закодированные данные.
  2. Машинное считывание или сканер. Это устройство считывает закодированные данные, преобразуя их в альтернативную форму, обычно в электрический аналоговый сигнал.
  3. Декодер данных. Этот компонент преобразует электрический сигнал в цифровые данные и, наконец, обратно в исходные буквенно-цифровые символы.

Сбор данных из печатных документов

Одной из наиболее полезных прикладных задач сбора данных является сбор информации из бумажных документов и сохранение ее в базах данных (CMS, ECM и других системах). Существует несколько типов базовых технологий, используемых для сбора данных в зависимости от типа данных: [ нужна ссылка ]

Эти базовые технологии позволяют извлекать информацию из бумажных документов для дальнейшей обработки в информационных системах предприятия, таких как ERP , CRM и других. [ нужна цитата ]

Документы для сбора данных можно разделить на 3 группы: структурированные , полуструктурированные и неструктурированные . [ нужна цитата ]

Структурированные документы (анкеты, тесты, страховые бланки, налоговые декларации, бюллетени и т.п.) имеют полностью одинаковую структуру и внешний вид. Это самый простой тип сбора данных, поскольку все поля данных расположены в одном и том же месте во всех документах. [ нужна цитата ]

Полуструктурированные документы (счета-фактуры, заказы на поставку, накладные и т.п.) имеют одинаковую структуру, но их внешний вид зависит от нескольких позиций и других параметров. Сбор данных из этих документов — сложная, но решаемая задача. [7]

Неструктурированные документы (письма, контракты, статьи и т. д.) могут иметь гибкую структуру и внешний вид.

Интернет и будущее

Сторонники развития систем AIDC утверждают, что AIDC может значительно повысить эффективность промышленности и общее качество жизни. В случае широкого внедрения эта технология может сократить или исключить подделку, кражи и потери продукции, одновременно повышая эффективность цепочек поставок. [8] Однако другие высказали критику потенциального расширения систем AIDC в ​​повседневную жизнь, ссылаясь на обеспокоенность по поводу конфиденциальности, согласия и безопасности личной жизни. [9]

Глобальная ассоциация Auto-ID Labs была основана в 1999 году и объединяет 100 крупнейших компаний мира, таких как Walmart , Coca-Cola , Gillette , Johnson & Johnson , Pfizer , Procter & Gamble , Unilever , UPS , компании, работающие в секторе технологий, таких как SAP , Alien, Sun, а также пять академических исследовательских центров. [10] Они расположены в следующих университетах; Массачусетский технологический институт в США, Кембриджский университет в Великобритании, Университет Аделаиды в Австралии, Университет Кейо в Японии и ETH Zurich , а также Университет Санкт-Галлена в Швейцарии.

Лаборатории Auto-ID предлагают концепцию будущей цепочки поставок, основанной на Интернете объектов, то есть глобального применения RFID. Они пытаются гармонизировать технологии, процессы и организацию. Исследования сосредоточены на миниатюризации (с целью достижения размера 0,3 мм/чип), снижении цены на одно устройство (с целью около 0,05 доллара за единицу), разработке инновационных приложений, таких как оплата без физического контакта ( Sony / Philips ). , бытовая техника (одежда, оснащенная радиометками и интеллектуальными стиральными машинами), а также спортивные мероприятия (хронометраж на Берлинском марафоне ).

АИДК 100

AIDC 100 — профессиональная организация, работающая в сфере автоматической идентификации и сбора данных (AIDC). В эту группу входят люди, внесшие существенный вклад в развитие отрасли. Улучшение понимания бизнесом процессов и технологий AIDC является основной целью организации. [11]

Смотрите также

Рекомендации

  1. ^ Рынок автоматической идентификации и сбора данных (штрих-коды, карты с магнитной полосой, смарт-карты, системы оптического распознавания символов, продукты RFID и биометрические системы) — глобальный прогноз до 2023 года
  2. ^ «Автоматическая идентификация и сбор данных (AIDC)» . www.mhi.org . Проверено 11 апреля 2021 г.
  3. ^ «Что такое оптическое распознавание символов (OCR)?». www.ukdataentry.com . 22 июля 2016 г. Проверено 22 июля 2016 г.
  4. ^ Палмер, Роджер К. (1989, сентябрь) Основы автоматической идентификации [Электронная версия]. Канадские системы данных, 21 (9), 30–33.
  5. ^ Роуз, Маргарет (1 октября 2009 г.). «штрих-код (или штрих-код)». ТехТаржет. Архивировано из оригинала 10 августа 2017 г. Проверено 9 марта 2017 г.
  6. ^ Технологии, Признанный. «Оптическое распознавание и сбор данных». www.recogniform.com . Проверено 15 января 2015 г.
  7. ^ Йи, Чонхи; Сундаресан, Нил (2000). «Классификатор полуструктурированных документов». Материалы шестой Международной конференции ACM SIGKDD по обнаружению знаний и интеллектуальному анализу данных – KDD '00 . стр. 340–344. CiteSeerX 10.1.1.87.2662 . дои : 10.1145/347090.347164. ISBN  1581132336. S2CID  2154084.
  8. ^ Вальднер, Жан-Батист (2008). Нанокомпьютеры и роевой интеллект . Лондон: ISTE John Wiley & Sons . стр. 205–214. ISBN  978-1-84704-002-2.
  9. ↑ Глейзер, апрель (9 марта 2016 г.). «Биометрия приходит вместе с серьезными проблемами безопасности». www.wired.com . Проверено 5 июля 2021 г.
  10. ^ Центр автоидентификации. «Новая сеть». Архивировано из оригинала (PDF) 22 марта 2016 года . Проверено 23 июня 2011 г.
  11. ^ "АИДК 100" . AIDC 100: Профессионалы, добившиеся успеха в обслуживании отрасли AIDC . Архивировано из оригинала 24 июля 2011 года . Проверено 2 августа 2011 г.