Adaptive System Sensors

The Nest Learning Thermostat

(Prefer English? I’ve got you covered…scroll on down!)

Ouvimos falar de sensores o tempo todo, mas eu não acho que realmente compreendemos a enorme ubiquidade que eles possuem. Analise suas atividades diárias, e você verá  que sensores não estão muito longe. Eles podem ser encontrados nos trajetos para o trabalho (em muitos países, Near Field Communication – NFC – é usada para reconhecer cartões de pagamento em ônibus), ao usar interfaces touchscreen, eles nos permitem verificar a velocidade instantânea no velocímetro de um carro, usar microfones, ler temperaturas em termômetros…a lista continua. Sério, confira essa lista na Wikipedia para ter uma idéia.

Mas…o que é um sensor, exatamente?

Um sensor é essencialmente um conversor – é capaz de medir uma quantidade física de algum corpo, alguma substância, etc., e convertê-la em um sinal elétrico ou óptico. Um exemplo é um termômetro, onde a temperatura medida é convertida em uma expansão e contração do mercúrio dentro do tubo de vidro.

Um fator importante para os sensores é a sensibilidade. Essa é uma indicação de quanto as mudanças de saída do sensor mudam quando a quantidade de entrada muda; assim, os sensores que medem alterações precisas devem ter sensibilidades muito altas. O desafio aqui é em controlar o impacto que o sensor tem sobre o que ele mede. Na maioria dos casos, quanto menor o sensor, menor será o efeito que tem sobre o corpo medida, razão pela qual o interesse em sistemas microeletromecânicos (MEMS – Microelectromechanical  Systems), que permitem mais sensores a serem criados em uma escala microscópica com altas sensibilidades – apropriadamente chamado microsensors – tem aumentado.

Eu fiquei interessado em sensores que são usados ​​especificamente em sistemas adaptativos. Além  de converter entradas em saídas, esses sensores permitem que os dispositivos analisem e adaptam ao contexto. Este ótimo artigo que encontrei usa acelerômetros em dispositivos como smartphones como um exemplo destes sensores de sistemas adaptativos. Muitos aplicativos usam o acelerômetro para monitorar os movimentos do usuário, entendendo se eles estão andando ou correndo, e alimentando os dados em vários programas de fitness / saúde. O que me interessa sobre estes sensores em particular é o grande potencial que possuem para recolher uma riqueza de dados e usar isso para contextualizar a experiência do usuário, numa criação de um sistema adaptativo.

Um uso inovador desta tecnologia é o Nest Learning Thermostat. A maioria dos termostatos modernos contam com sensores bimetálicos mecânicos ou elétricos, termistores eletrônicos, ou outras tecnologias semelhantes para medir com precisão a temperatura. O Nest é o primeiro termostato que aprende. Utilizando sensores para criar um sistema adaptativo, o Nest é capaz de adaptar-se ao contexto de uso – a agenda e estilo de vida único do usuário.

Inside The Nest

Em vez de exigir que o usuário defina manualmente as horas de ligar e desligar e temperaturas determinadas (e prejudicar a eficiência energética), o Nest usa uma variedade de sensores e algoritmos para criar uma agenda de temperatura personalizada. Com base em seus ajustes durante os primeiros dias de uso, ele entende a melhor forma de economizar energia com base em suas necessidades de regulação de  temperatura. Com esta programação, ele também ajusta para quando ninguém está em casa, conservando energia, e ajustando a temperatura com antecedência antes de você voltar.

A primeira melhoria que eu teria sugerido era alguma forma de compatibilidade de software que permitisse rastreamento de desempenho das atividades do Nest; mas eu descobri que as mais recentes encarnações do Nest são conectados à Internet e fazem uma variedade de coisas com isso. Por exemplo, um Nest Account e o aplicativo mobile permitem que o usuário altere as temperaturas antes de chegar em casa e ver todos os dados que o Nest tem recolhido sobre sua casa, programação e uso de energia . Todos esses dados estão disponíveis no “Histórico de Energia ” do aplicativo com um resumo completo dos ajustes de temperatura e uso de energia.

The Nest’s data tracking

Se eu pudesse sugerir uma modificação para o Nest, seria de oferecer ao consumidor um guia melhor para o ajuste da temperatura e conservação de energia. Claro, os resumos de energia oferecem dados sobre tendências energéticas pessoais, mas a maioria das pessoas não sabem como configurar  as temperaturas eficientementes ou economizar energia. Isso é especialmente crucial durante a primeira semana de uso do Nest, quando ele “aprende” a programação do usuário. O Nest tenta ensinar ao usuário como e quando ser energeticamente eficiente, mas acho que ele precisa fazer um trabalho melhor de ensinar o usuário, especialmente para que eles possam diferenciar entre maximizar conforto e priorizar a eficiência energética.

The Nest adjusts to personal schedules.

Além disso, muitas casas contam com vários sistemas de regulação de temperatura independentes, como várias unidades de ar condicionado, tornando o Nest incompatível. Eu entendo que limitações tecnológicas existem, mas eu acho que deve ser compatível com unidades autônomas, como várias unidades de ar condicionado em um edifício. Se o Nest pudesse concebivelmente comunicar com cada unidade e medir tendências de temperatura e ajustes , poderia criar uma programação de temperatura para uma gama maior de casas.

_____________________ // _____________________

We hear about sensors all the time, but I don’t think we quite grasp the tremendous ubiquity they possess. Analyze your everyday activities, and you’ll see sensors aren’t very far behind. They can be found in morning commutes (in many countries, Near Field Communication – NFC – is used to scan payment cards when going by bus), when using touchscreen interfaces, they allow us to check instantaneous speed on a car’s speedometer, use microphones, read temperatures on thermometers…the list goes on. Seriously, check out this list on Wikipedia for a sampling.

But…what is a sensor, exactly?

A sensor is essentially a converter – it is able to measure a physical quantity of some body, substance, etc., and convert it into a electrical  or optical signal. One example is a thermometer, which translates measured temperature into the expansion and contraction of mercury in a glass tube.

One important factor in sensors is their sensitivity. This is an indication of how much the sensor’s output changes when the input quantity changes; as such, sensors that measure fine changes must have very high sensitivities. The challenge here is in controlling the impact the sensor has on what it measures. In most cases, the smaller the sensor, the smaller the effect it has on the measured body, which is why interest in Microelectromechanical  Systems (MEMS), which allows more sensors to be created on a microscopic scale with higher sensitivities- appropriately called microsensors – has increased. 

I was interested in sensors which are used specifically in adaptive systems. Beyond converting inputs into outputs, these sensors allow devices to analyze and adapt to context. This great article I found uses accelerometers on devices like smartphones as an example of these adaptive system sensors. Many applications use the accelerometer to track the user’s movements, sensing if they are walking or running, and feeding that data into various fitness/health programs. What interests me about these sensors in particular is the great potential they hold to take a wealth of data and use that to contextualize the user’s experience, creating an adaptive system.

One innovative use of this technology is with the Nest Learning Thermostat. Most modern thermostats rely on bimetallic mechanical or electrical sensors, electronic thermistors, or other similar technology to accurately measure temperature. The Nest is the first learning thermostat. Using sensors to create an aforementioned-adaptive system, the Nest is able to adapt to the context of use – the user’s unique schedule and lifestyle.

Instead of requiring the user to manually set on and off times for certain hours or temperatures (and eschewing energy-efficiency), the Nest uses a variety of sensors and algorithms to create a personalized temperature schedule. Based on your adjustments during the first days of use, it understands how best to save energy based on your temperature-regulation needs. With this schedule, it also adjusts to when no one is home, conserving energy, and adjusting the temperature in advance when you return.

The first improvement I would have suggested was some form of software compatibility that enabled performance-tracking of the Nest’s activities; but I discovered the more recent incarnations of the Nest are connected to the Internet and do a variety of things of it. For instance, the Nest Account and Mobile app allow the user to change temperatures before they come home and see all the data the Nest has collected on their home, schedule and energy use. All of this data is available in the application’s “Energy History” with a full summary of temperature adjustments and energy use.

If I could suggest one modification to the Nest, it would be to offer the consumer a better guide to temperature adjustment and energy conservation. Sure, the energy summaries offer data on personal energy trends, but most people do not know how to efficiently set temperatures or save energy. This is especially crucial during the Nest’s first week of use, when it is “learning” the user’s schedule. The Nest tries to teach the user how and when to be energy efficient, but I think it needs to do a better job of teaching the user, especially so they can differentiate between maximizing comfort and prioritizing energy efficiency.

Furthermore, many homes rely on multiple standalone temperature-regulating systems, like multiple air-conditioning units, rendering the Nest incompatible. I understand that technological limitations are in place, but I think it should be compatible with standalone units such as multiple AC units in a building. If it could conceivably communicate with each unit and track temperature trends and adjustments, it could create a temperature schedule for a broader range of homes.

~Matt

Let’s hope not.

Standard

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s