Bluetooth-маяки, есть ли от них польза?

В далеком 2019 году ко мне на тест попали интересные устройства — Bluetooth-маяки. Поскольку моя деятельность связана с внедрением таких технологий в бизнес, то далее попробую описать все плюсы и минусы подобных устройств, а так же почему их внедрение нигде не наблюдается до сих пор.

Начнем с того, а для чего они вообще нужны?
Применяются ли они где-то сейчас и почему возник интерес к этому направлению?
Ниже вы найдете самые популярные применения технологии:

• С помощью них можно отслеживать положение вещей в комнате.
  Например, брелок на пульт от телевизора или ключи, который излучает сигнал формата «близко-далеко».

• Возможность передавать какие-либо внешние данные.
  Например информацию на электронные ценники, данные с датчиков температуры или давления и тому подобное.

• Маркетинг, т.е. возможность оставлять какие-то текстовые или иные метки по аналогии с NFC-метками.
  Здесь стоит отметить, что особенности последних версий ОС смартфонов сделали данное направление практически мертвым в угоду безопасности устройств.
  Хотя, справедливости ради, оно и ранее было не очень живым.

• И то, что проходило тест именно у нас — это возможность отслеживать передвижение сотрудника внутри торгового объекта в целях оптимизации трудозатрат.

ВНЕШНИЙ ВИД
Устройства могут быть разными, но в большинстве своем маяки представлены брелоками или их аналогами.
Внутри такого устройства скрывается обычная пассивно-излучающая антенна, ряд микрочипов и источник питания, чаще всего CR2016 на 3V, хотя встречаются и иные варианты.

Такой источник питания используется в целях экономии заряда, так как в этом случае не требуется преобразователь напряжения DC-DC типа, а значит не будет лишних потерь у и без того небольшого источника энергии.
Второй фактор, почему удобно использовать именно CR2016 — это его небольшие габариты, которые хорошо ложатся в форм-фактор брелока.

По своей сути данные устройства схожи с датчиками давления в шинах типа TPMS.
Только в случае датчиков TPMS данными выступает давление в шине, а в случае этих маяков — расстояние от смартфона до излучателей-маяков.

УСТАНОВКА и КАЛИБРОВКА
Bluetooth-маяки размещаются в закрытом помещении (в нашем случае это магазин) и далее требуется их калибровка относительно устройства-приемника, т.е. смартфона любого сотрудника.

При этом калибровка «на месте» — это обязательный процесс.
Дело в том, что Bluetooth-волны плохо проходят через физические объекты и как итог наблюдается значительная интерференция волн.
Это, в свою очередь, создает задержки прихода сигнала на смартфон сотрудника.

В нашем случае маяки можно было размещать только под полками, что приводило к эффекту «эха», снижая эффективность распространения сигнала.

Тесты показали, что взаимное наложение волн приводит к ошибкам оценки расстояния до устройства, а иногда и к полной потере сигнала на устройстве-приемнике.
Сотрудник просто «исчезал» минут на 5 и появлялся уже в другом месте.

Отсюда возникает первый минус технологии:
Любое устройство придется калибровать на объекте, что сразу же ведет к дополнительным расходам и увеличению стоимости проекта в целом.
А если объекты будут располагаться в регионах, то к стоимости дешевого маяка добавится стоимость весьма дорогого перелета до объекта.

ПРИНЦИП РАБОТЫ
Устройства посылают сигнал на смартфон-приемник и ПО в смартфоне производит триангуляцию сигнала, механизм очень схож с тем, как работают вышки связи, выявляя расположение абонента.

Таким образом, для определения расположения сотрудника на территории торгового объекта потребуется минимум 3 маяка, а лучше кратно увеличить это количество для повышения точности.

Отсюда возникает второй минус технологии:
Каждый сигнал требует минимум энергии на уровне передающего устройства, но при этом требует вычислительных затрат на ту самую триангуляцию на уровне смартфона.
Стоит заметить, что чем больше маяков будет передавать сигнал, тем чаще приемнику придется делать перерасчет координат, а значит затраты электроэнергии на работу смартфона тоже будут увеличиваться.

В наших тестах мы наблюдали стабильный разряд батареи смартфона.
Замеры показали расход порядка 1000 мАч/час,
т.е. стандартная батарея телефона выходит из строя за 3-4 часа работы.
А значит придется постоянно заряжать телефон, что в условиях работы сотрудника на территории объекта — весьма проблематично.

ТОЧНОСТЬ ЗАМЕРОВ
Основной вопрос, который нас терзал — сможет ли технология создать тепловую карту перемещения сотрудника по объекту и совпадет ли она с данными визуального контроля.

Карту составить удалось, однако ее точность была +/- 1 метр,
что в условиях оценки трудозатрат на работу сотрудника с конкретной паллетой — недопустимо.
Даже с учетом повторной калибровки устройств нам не удалось гарантировать передвижение сотрудника по определенной аллее, так как всегда оставался шанс, что он двигался параллельно.

Третий минус технологии:
Применение возможно только при условии приемлемости погрешности координат ~1 метр.
Погрешность диктуется как частотой работы устройств (Bluetooth), так и интерференцией на поверхностях.

Например, для крупного склада такая погрешность может оказаться приемлемой, а вот для небольшого магазина — маловероятно.

Однако назвать такие данные совсем бесполезными нельзя.
Замер временных затрат в рамках категории (1-2 стеллажа) — показал весьма неплохую эффективность.
В частности удалось определить наиболее затратные категории, в число которых, как это ни странно, попал и склад магазина.

Т.е. затраты на поиск товара на складе составили ощутимую долю временных затрат, что стало сюрпризом для всех участников процесса.

Помимо этого оказалось, что эффективность сторонних (приходящих) сотрудников выше, чем эффективность своего персонала.
Стоит оговориться, что эффективность проявляется не сразу, а в течение 1-2 недель. Какое-то время сотрудник «блуждает» по объекту, что увеличивает время на передвижение и снижает время «эффективной работы».
Однако, после периода «адаптации», приходящий сотрудник становится примерно на 20% эффективнее своих стационарных коллег.
Предполагаем, что это следствие необходимости посещения еще ряда объектов в рамках этого дня, что вынуждает сотрудника искать пути оптимизации своего труда.

Еще одним открытием стало курение.
На уровне восприятия сотрудников перекуры составляют 15-25 минут в день.
По фактическим замерам затраты на эту процедуру кратно выше.
«Курилка» в рамках проведенных замеров выделялась в отдельную зону.
Таким образом можно смело утверждать, что курящий сотрудник более затратен в случае работ формата «сотрудник склада» / «работник магазина».

ВЫВОДЫ ПО ТЕСТУ:

• Высокий разряд батареи приемника сигнала является стоп-фактором.
  Возможно, что если телефон будет выступать всего лишь в роли ретранслятора, то можно будет снизить воздействие этого фактора.
  Но это потребует инвестиций, которые окупятся далеко не сразу.

• Возможность применения лишь в условиях низкого влияния погрешности измерений.
  Например, на складе технология может быть применима, а вот в условиях розничного магазина уже нет.

• Данных хватает для создания тепловой карты и дальнейшего анализа, а значит сами замеры могут принести качественные изменения трудозатрат сотрудников.
  При этом потребуется качественный аналитик данных, чтоб отличить реальные зависимости от случайных корреляций.

• Необходимость ручной калибровки приводит к высоким нецелевым затратам.
  Возможность применения ограничена локациями поставщиков технологии.
  Если вы откроете объект в удаленном регионе — придется оплачивать командировку внешнего сотрудника для калибровки устройств.

• В «день Х» появится необходимость смены батареек сразу во всех устройствах, событие случайно и может приводить к значительным финансовым затратам.
  Самостоятельно провести такую замену не выйдет, а следом потребуется повторная калибровка.

ЭПИЛОГ
На момент 2024 года поставщик технологии, которую мы использовали в рамках тестов, закончил свою деятельность.
Этот факт косвенно подтверждает выводы о сложностях в запуске и окупаемости подобной технологической инновации на тот момент.

Стоит отметить, что ранее применялись технологии прямой триангуляции, что снижало точность устройств.
Потенциально можно использовать тот же подход, однако использовать для анализа нейронную сеть, которая на большом количестве данных может дать преимущество в точности определения положения сотрудника даже в сложных условиях.
Таким образом точность замеров увеличиться до уровня приемлемого для небольшого ритейла.

Уровень калибровки можно перенести с маяков на смартфон, управляя им удаленно.
В этом случае не потребуется выезд специалистов на место, а значит кратно упадут эксплуатационные расходы на поддержку работоспособности системы.

Источник питания можно заменить на 2-4 пальчиковых батарейки со свободным доступом, что даст сразу несколько ощутимых преимуществ.
Первое — легкость замены самими сотрудниками объекта.
Упал уровень сигнала — приходит сообщение о том, в каком устройстве требуется смена батарейки.
Второе — пальчиковые батарейки есть везде и используются даже для пультов от кондиционера, в отличии от CR2016.
При минус в виде увеличенного габарита устройства будет с лихвой перекрыт удобством его эксплуатации.

Сократить частоту запросов до 1 в 30-60 секунд.
Эта простая операция снизит расход батареи на смартфоне, при этом информации будет вполне достаточно для построения карты движения сотрудника.

Использовать смартфон лишь как коннектор для системы «Маяк-смартфон-сервер»,
а всю вычислительную нагрузку отправить на облако.
Таким образом расход батареи смартфона станет схож с расходом мессенджера, при этом все данные станут доступные для любой бизнес аналитики.

Сделать единый контур для всех, создав коробочное решение.
Поскольку механизм оценки будет един и для сотрудников, и для коробок с маяком-трекером, и для умного робота, то не имеет смысла ориентироваться лишь на 1 направление.
Один личный кабинет с админ панелью будет одинаково пригоден в любой сфере от ритейла до умного дома.

В связи с тем, что IoT — это не наше профильное направление, то самостоятельно запускать такой продукт мы, вероятно, не будем.
Однако, надеемся, что информация будет полезна бизнес-сообществу и поможет избежать каких-то ошибок, которые были допущены прошлым поставщиком технологии.