Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Автоматическая идентификация и сбор данных ( AIDC ) относится к методам автоматической идентификации объектов, сбора данных о них и ввода их непосредственно в компьютерные системы без участия человека. Технологии, обычно рассматриваемые как часть AIDC, включают QR-коды , [1] штрих-коды , радиочастотную идентификацию (RFID) , биометрию (например, радужную оболочку глаза и систему распознавания лиц ), магнитные полосы , оптическое распознавание символов (OCR), смарт-карты и распознавание голоса.. AIDC также обычно называют «автоматическая идентификация», «автоматическая идентификация» и «автоматический сбор данных». [2]

AIDC - это процесс или средство получения внешних данных, в частности, путем анализа изображений , звуков или видео . Для захвата данных используется преобразователь , который преобразует фактическое изображение или звук в цифровой файл. Затем файл сохраняется, и позже он может быть проанализирован компьютером или сравнен с другими файлами в базе данных для проверки личности или авторизации для входа в защищенную систему. Сбор данных может выполняться 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 голосовой отпечаток, который включает аудиоданные, а все остальное - видеоданные.

Радиочастотная идентификация - это относительно новая технология AIDC, которая была впервые разработана в 1980-х годах. Эта технология служит основой для автоматизированных систем сбора, идентификации и анализа данных по всему миру. RFID нашел свое значение в 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 средах, где этикетки со штрих-кодом не могут выжить.

Обзор методов автоматической идентификации [ править ]

Почти все технологии автоматической идентификации состоят из трех основных компонентов, которые также включают последовательные этапы в кодировщике данных AIDC-1. Код - это набор символов или сигналов, которые обычно представляют собой буквенно-цифровые символы. Когда данные кодируются, символы переводятся в машиночитаемый код. К идентифицируемому элементу прикрепляется этикетка или тег, содержащий закодированные данные. 2 Машинный ридер 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 [ править ]

Одна из наиболее полезных прикладных задач сбора данных - сбор информации из бумажных документов и сохранение ее в базах данных (CMS, ECM и другие системы). Существует несколько типов базовых технологий, используемых для сбора данных в зависимости от типа данных: [ необходима ссылка ]

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

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

Структурированные документы (анкеты, тесты, страховые бланки, налоговые декларации, бюллетени и т. Д.) Имеют полностью одинаковую структуру и внешний вид. Это самый простой тип для сбора данных, потому что каждое поле данных находится в одном месте для всех документов. [ необходима цитата ]

Полуструктурированные документы (счета-фактуры, заказы на поставку, накладные и т. Д.) Имеют одинаковую структуру, но их внешний вид зависит от количества 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 [ править ]

Идея настолько проста, насколько сложно ее применение. Если все банки, книги, обувь или части автомобилей будут оснащены крохотными опознавательными устройствами, повседневная жизнь на нашей планете претерпит трансформацию. Такие вещи, как исчерпание запасов или выброшенные продукты, больше не будут существовать, поскольку мы будем точно знать, что потребляется на другой стороне земного шара. Воровство останется в прошлом, так как мы всегда будем знать, где находится товар. Подделка критически важных или дорогостоящих товаров, таких как лекарства, запасные части или электронные компоненты, будет сокращена или устранена, поскольку производители или другие субъекты цепочки поставок всегда будут знать, где находятся их товары. Потери или порча продукции будут сокращены, поскольку датчики окружающей среды будут предупреждать поставщиков или потребителей, когда чувствительные продукты подвергаются чрезмерному воздействию тепла, холода, вибрации и т. Д.или другие риски. Цепочки поставок будут работать намного эффективнее, потому что поставщики будут поставлять только те продукты, которые необходимы, когда и где они необходимы. Соответственно снизятся и потребительские цены, и цены поставщиков.[8]

Глобальная ассоциация Auto-ID Labs была основана в 1999 году и состоит из 100 крупнейших компаний мира, таких как Wal-Mart , Coca-Cola , Gillette , Johnson & Johnson , Pfizer , Procter & Gamble , Unilever , UPS , компании, работающие в секторе технологий, такие как SAP, Alien, Sun, а также пять академических исследовательских центров. [9] Они базируются 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.

Auto-ID Labs предлагает концепцию будущей цепочки поставок, основанную на Интернете объектов, то есть глобальном применении RFID. Они пытаются гармонизировать технологии, процессы и организацию. Исследования сосредоточены на миниатюризации (размер чипа составляет 0,3 мм), снижении цены на одно устройство (около 0,05 доллара США за единицу), разработке инновационных приложений, таких как оплата без физического контакта (Sony / Philips) , бытовая техника (одежда с радиометками и интеллектуальными стиральными машинами) и спортивные мероприятия (хронометраж Берлинского марафона).

AIDC 100 [ править ]

AIDC 100 - это профессиональная организация для индустрии автоматической идентификации и сбора данных (AIDC). Эта группа состоит из людей, которые внесли существенный вклад в развитие отрасли. Повышение уровня понимания бизнесом процессов и технологий AIDC - основная цель организации. [10]

См. Также [ править ]

  • Автоматическая идентификация видов
  • Идентификация автоматического оборудования
  • Автоматическое распознавание номерных знаков
  • Лаборатория автоматической идентификации
  • Управление устройством
  • Управление полевой службой
  • Мобильное предприятие
  • Управление мобильными активами
  • Повсеместные вычисления
  • Повсеместная торговля
  • Электронная почта
  • Распознавание лица
  • Конфиденциальность данных

Ссылки [ править ]

  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 г.
  2. ^ «Автоматическая идентификация и сбор данных (AIDC)» . www.mhi.org . Проверено 11 апреля 2021 .
  3. ^ "Что такое оптическое распознавание символов (OCR)?" . www.ukdataentry.com . 2016-07-22 . Проверено 22 июля +2016 .
  4. ^ Палмер, Роджер С. (1989, сентябрь) Основы автоматической идентификации [Электронная версия]. Канадские системы данных, 21 (9), 30-33
  5. ^ Роуз, Маргарет (2009-10-01). «штрих-код (или штрих-код)» . TechTarget . Проверено 9 марта 2017 .
  6. ^ Технологии, Recogniform. «Оптическое распознавание и сбор данных» . www.recogniform.com . Проверено 15 января 2015 .
  7. ^ Йи, Чонхи; Сундаресан, Нил (2000). «Классификатор полуструктурированных документов». Труды Шестой Международной конференции ACM SIGKDD по открытию знаний и интеллектуальному анализу данных - KDD '00 . С. 340–344. CiteSeerX 10.1.1.87.2662 . DOI : 10.1145 / 347090.347164 . ISBN  1581132336.
  8. ^ Вальднер, Жан-Батист (2008). Нанокомпьютеры и Swarm Intelligence . Лондон: ISTE John Wiley & Sons . С. 205–214. ISBN  978-1-84704-002-2.
  9. ^ Центр автоидентификации. «Новая сеть» (PDF) . Проверено 23 июня 2011 года .
  10. ^ "AIDC 100" . AIDC 100: профессионалы, превосходно обслуживающие отрасль AIDC . Архивировано 24 июля 2011 года . Проверено 2 августа 2011 года .