Saya menemukan diri saya membaca topik ini selama beberapa waktu terakhir, saya akhirnya menghabiskan beberapa jam memikirkan solusi yang akan membantu dunia dalam momen rapuh ini, solusi yang dapat membuat perubahan dan membantu kita berkembang di dunia yang bergeser di bawah kaki kita.
Saya memandang perawatan orang dengan bentuk lemah virus. Kategori orang yang sering diabaikan. Ini adalah orang yang tidak sengaja terinfeksi virus tetapi beruntung hanya memiliki gejala lemah. Namun kesehatan pasien ini sangat tidak stabil dan dapat memburuk dalam hitungan jam. Kesehatan mereka harus dipantau secara rinci.
Seperti yang ternyata, negara-negara memiliki pendekatan yang berbeda dalam merawat pasien ini: beberapa akan mengospitalisasi mereka (kerumunan rumah sakit dengan pasien yang dapat dipantau di luar kampus), yang lain mengirim mereka untuk mengisolasi diri di rumah. Namun ada masalah dengan opsi kedua – kesehatan pasien ini dapat memburuk dengan cepat dan oleh karena itu harus dipantau.
Tentu saja ada peralatan berat dan besar yang melakukan ini. Namun masalahnya jelas; karena mayoritas populasi sakit akan memiliki bentuk lemah virus, perangkat mahal dan tidak nyaman ini tidak memiliki kapasitas untuk menskalakan dan mendistribusikan ke seluruh populasi (karena harga dan ukurannya). Ini tidak perlu dikatakan bahwa beberapa pasien tergiur untuk “menghindari” rumah mereka dan tidak peduli dengan virus, orang ini berbahaya bagi masyarakat dan diri mereka sendiri dan harus dipantau untuk memastikan mereka tidak meninggalkan rumah mereka.
SmartWristband adalah perangkat pergelangan tangan yang memantau vitalitas dan lokasi geografis pasien sambil merawat keselamatan mereka saat mereka melawan virus dalam batasan rumah mereka. Perangkat ini didorong oleh Arduino MKR GSM 1400 dan dilengkapi dengan sensor suhu IR dan detak jantung yang mengumpulkan informasi penting tentang kesehatan pasien. Suhu yang meningkat dan detak jantung tidak teratur adalah tanda progresi virus. Pasien tidak akan segera menyadari perubahan ini, SmartWristband bertujuan untuk melakukan ini dan mengirimkan data secara langsung dan aman ke rumah sakit yang memantau pasien.
Perangkat ini juga akan melacak lokasi pengguna memastikan bahwa mereka selalu di rumah. Semua data ini terpusat dalam basis data yang scalable yang memungkinkan ribuan perangkat ini didistribusikan secara internasional.
Rumah sakit akan memiliki akses ke dashboard tempat mereka akan dapat melihat kesehatan semua pasien yang dipantau sekilas serta laporan spesifik yang membahas kondisi detail setiap pasien.
Algoritma pembelajaran mesin juga diimplementasikan dalam aplikasi untuk memprediksi suhu dan detak jantung pasien di masa mendatang sehingga rumah sakit tahu apa yang akan terjadi dan kapan harus mengospitalisasi pasien.
Pasien juga memiliki akses ke dashboard seluler yang menunjukkan detak jantung dan suhu mereka serta kapan mereka perlu mengisi daya gelang tangan mereka.
Perangkat ini nyaman cukup bagi pasien untuk dipakai siang dan malam tanpa menyadarinya. SmartWristband juga akan memberitahu jika pengguna melepas perangkat, memberi peringatan kepada rumah sakit dalam hal ini.
SmartWristband adalah solusi open source berbiaya rendah dan scalable untuk merawat pasien yang dikirim untuk mengisolasi diri dengan bentuk lemah virus memantauperkembangan kondisi mereka dan memberi peringatan kepada staf medis melalui pembelajaran mesin dan pengalaman dashboard yang mudah digunakan jika pasien memerlukan perhatian.
Ringkasan Proyek
Bagian ini akan memeriksa fungsionalitas aplikasi dan memberikan pemahaman tingkat tinggi tentang apa yang dilakukan.
Data yang Dikumpulkan
Data dikumpulkan oleh perangkat setiap interval 5 menit. Ini dilakukan untuk memberikan tampilan yang relatif langsung dari kondisi pasien sambil menggunakan konsumsi baterai terendah yang mungkin. Perangkat mengumpulkan dua jenis data: vital dan lokasi.
Data vital merujuk pada detak jantung dan suhu pasien sementara data lokasi merujuk pada lokasi geografis pasien. Perangkat tidak memproses data ini secara lokal tetapi cukup meneruskannya ke Azure tempat pemrosesan berlangsung.
Mengapa data ini dikumpulkan?
Data suhu dan detak jantung dapat menunjukkan apakah kondisi saat ini pasien memburuk dengan menganalisis tren-nya. Studi menunjukkan bahwa detak jantung tidak teratur dan suhu tinggi adalah tanda keberadaan virus. Jika tanda vital ini memburuk seiring waktu (misalnya suhu meningkat secara bertahap) ini adalah tanda bahwa kondisi pasien mungkin memburuk. Pasien mungkin tidak menyadari ini sampai kemudian, tetapi perangkat akan menangkap tanda-tanda ini saat mereka muncul.
Data lokasi juga dikumpulkan oleh perangkat, ini dilakukan untuk memastikan pasien tetap di rumah dalam karantina dan mematuhi aturan isolasi. Azure memeriksa apakah pengguna di rumah dan akan melaporkan ini pada dashboard dokter.
Tampilan Perangkat
Saya membuat prototipe dengan nyaman dalam pikiran. Perangkat mudah diletakkan di pergelangan tangan pasien, baik di tangan kiri atau kanan. Dilengkapi dengan sensor detak jantung dan sensor suhu IR yang menjulur di bagian bawah perangkat untuk menyentuh kulit pasien.
Sensor ini memberikan pengukuran yang presisi tanpa menyebabkan ketidaknyamanan. Perhatikan bahwa untuk presisi suhu yang lebih baik, sensor harus ditempatkan di lokasi seperti di bawah lengan dalam bantal.
Perangkat akan menggunakan data mentah yang dihasilkan oleh sensor detak jantung untuk memeriksa apakah perangkat dipakai oleh pasien. Sensor akan menghasilkan pola data yang sangat spesifik ketika berada dalam kontak dengan kulit dan oleh karena itu kurangnya pola ini mewakili perangkat tidak dipakai.
Umur Baterai
Pengujian yang ketat dilakukan untuk mengukur secara presisi umur baterai perangkat. Perangkat memiliki total umur baterai 8 hari dengan satu pengisian daya. Ini berarti jika pasien akan dipantau selama dua minggu, baterai akan perlu diisi ulang sekali. Baterai dapat diisi sambil perangkat dipakai.
Alternatifnya, data dapat dikumpulkan setiap interval 10 menit, secara esensial menggandakan umur baterai perangkat karena perangkat akan tidur di antara pembacaan, mengkonsumsi baterai sangat sedikit. Sisa umur baterai serta jumlah jam umur baterai yang tersisa ditampilkan pada dashboard pasien dan dokter.
Biaya Pengembangan
Biaya pengembangan dalam kasus proyek ini terdiri dari biaya sekali guna dan biaya rutin. Biaya pengembangan untuk satu perangkat adalah €70 termasuk enclosure. Biaya rutin terjadi di backend. Saya menggunakan Hologram sebagai penyedia layanan saya yang menimbi saya €5 untuk mengirim data selama 2 minggu per perangkat. Biaya backend termasuk streaming data dan basis data adalah €30 untuk 2 minggu.
Biaya total untuk 100 perangkat sekitar €7, 035. Perhatikan bahwa perangkat ini dapat digunakan kembali.
Perhatikan bahwa biaya backend scalable dan akan sama terlepas dari jumlah perangkat yang didistribusikan. Biaya dapat dikurangi secara dramatis saat membeli komponen dalam jumlah besar dan menggunakan sirkuit kustom.
Dashboard Dokter
Sangat penting bagi rumah sakit untuk dapat memantau kesehatan pasien ini yang dikirim ke rumah setiap saat dan mendapatkan peringatan jika mereka tidak baik. Rumah sakit memiliki akses ke dashboard yang menunjukkan vitalitas semua pasien yang dipantau serta laporan spesifik untuk semua mereka. Ini memungkinkan dokter untuk diberi tahu jika pasien membutuhkan bantuan dan kemudian dapat melihat pasien dengan lebih detail untuk melihat tepat apa masalahnya.
Dokter akan menerima pemberitahuan dalam bentuk email dan peringatan di dashboard jika pasien tidak di rumah, tidak mengenakan perangkat atau memiliki suhu dan/atau detak jantung tidak teratur.
Dokter juga akan menerima peringatan data sebagai email ketika vitalitas pasien tidak normal sehingga tindakan dapat segera diambil.
Laporan dibagi menjadi 3 bagian: pasien(memberikan detail tentang vitalitas), lokasi (lokasi pasien dan apakah di rumah) dan perangkat (tingkat baterai, ID). Pembelajaran mesin juga digunakan untuk memprediksi kesehatan pasien di masa mendatang menunjukkan dokter apakah kesehatan pasien memburuk seiring waktu.
Dashboard Pasien
Saya pikir pasien juga harus dapat mengakses data ini untuk mengetahui bagaimana mereka dan menjadi sadar diri. Keduanya pengalaman desktop dan seluler tersedia bagi pasien sehingga mereka dapat mendapatkan data mereka secara langsung.
Perhatikan bahwa peramalan dan data lokasi tidak ditampilkan pada dashboard pasien karena mereka tidak akan membutuhkan informasi itu.
Produksi Massal dan Skalabilitas
Perangkat cocok untuk produksi massal dan scalable karena titik harga kecil dan kemudahan konstruksi. Perangkat dapat beroperasi di mana saja di dunia dengan cakupan seluler melindungi orang-orang di seluruh dunia.
100% Open Source
Saat mengembangkan proyek ini, saya memastikan bahwa semua aset yang digunakan, pustaka dan lainnya, bersifat open source untuk memastikan aplikasi dapat dikembangkan dan dirilis secepat mungkin tanpa birokrasi. Proyek ini sepenuhnya open source dan tersedia di GitHub.
Pengumpulan Data
Perangkat mengumpulkan data lokasi geografis pengguna yang dianggap rahasia. Perangkat tidak memproses data ini secara lokal tetapi bergantung pada cloud untuk melakukannya secara aman memastikan bahwa data pengguna tidak dapat diambil alih. Koneksi dengan basis data Azure terenkripsi dan aman memastikan bahwa data tidak dapat jatuh ke tangan yang salah.
Menyusul
Saat mengembangkan proyek ini, banyak ide untuk mengembangkan dan meningkatkan produk muncul di pikiran saya, bagian ini merinci mereka.
Pengumpulan kadar oksigen darah dapat diimplementasikan tanpa perlu mengubah perangkat keras karena nilai ini dapat diekstrak dari sensor detak jantung yang ada. Tingkat SpO2 dalam darah adalah indikasi kerusakan yang disebabkan oleh virus.
Detak jantung pasien dapat dikumpulkan melalui bantal yang ditempatkan di dada dan area tubuh lain yang memberikan representasi suhu yang lebih presisi meningkatkan presisi pengukuran.
Pengembangan enclosure yang dicetak 3D akan lebih diutamakan dalam iterasi masa depan. Ukuran perangkat juga dapat dikurangi secara dramatis membuatnya nyaman dipakai.
Frontend Aplikasi
Diagram di atas menunjukkan arsitektur aplikasi yang berjalan di perangkat. Ini adalah langkah-langkah yang dilakukan perangkat setiap 5 menit. Perangkat mengumpulkan semua data, memeriksa apakah dipakai oleh pengguna dan kemudian memaketkan dan mengirimkannya ke backend melalui GSM.
Perangkat juga melacak waktu, ia mendapatkan waktu dari server yang ditetapkan dan menyinkronkan RTC onboardnya dengan stempel waktu ini saat pertama kali terbangun atau setelah dimatikan.
Backend Aplikasi
Data yang dikirim perangkat diterima di Azure IoT Hub tempat terkirim secara aman. Sebuah tugas analitik streaming kemudian mengekstrak data ini dari hub dan mendorongnya ke dalam basis data Cosmos DB. Laporan Power Bi pasien dan dokter kemudian menyelidiki data ini pada interval waktu dari basis data, menjalankan algoritma pembelajaran mesin dan kemudian menampilkan data. Dashboard dokter kemudian mengumpulkan semua pasien yang dipantau dan memberikan ringkasan kesehatan mereka.
Mengapa Azure?
Saya suka menggunakan Azure dibandingkan alternatif lain karena kemudahan penggunaan dan navigasi serta ketersediaan rencana gratis bagus untuk pengembangan. Saya juga suka antarmuka pengguna dan integrasi dengan produk Microsoft lainnya yang saya gunakan.
Riset Pasar
Banyak negara telah menerapkan alternatif untuk pemantauan pasien coronavirus saat mereka mengisolasi diri di rumah. Taiwan telah menerapkan sistem pelacakan revolusioner tempat pasien dilacak melalui ponsel mereka untuk memastikan mereka tetap di rumah.
Negara lain juga telah menerapkan ide untuk memantau kesehatan orang dalam isolasi diri dan beberapa sistem bekerja lebih baik dari yang lain. Namun tidak ada produk yang mengumpulkan informasi vital tentang kondisi pasien dan lokasi mereka dalam paket kecil dan nyaman.
Sasaran Audiens
Perangkat ini bertujuan untuk orang yang dikirim oleh rumah sakit ke rumah untuk mengisolasi diri karena mereka telah teruji positif untuk bentuk lemah virus atau tidak bergejala.
Manfaat Menggunakan SmartWristband
Memastikan pasien yang dikirim untuk mengisolasi diritetap di rumah
Memantau vitalitas pasien tanpa kebutuhan mereka berada di rumah sakit
Membebaskan ruang di rumah sakit untuk orang dengan manifestasi berat virus
Memberi peringatan dokter tentang kondisi semua pasien dalam isolasi diri 25/7
Menyediakan solusi pemantauan yang nyaman bagi pasien
Menyediakan rumah sakit dengan peramalan kesehatan pasien
Memberi tahu pasien tentang kesehatan mereka melalui dashboard seluler dan desktop
Efektif biaya dan scalable
Tata Kelola Proyek
Bagian ini akan memandu Anda melalui konstruksi proyek dan akan mencakup langkah-langkah yang diperlukan untuk mengembangkan aplikasi ini.
Langkah 1: Mengumpulkan Semua Komponen
Pertama yang perlu kita lakukan adalah mengumpulkan semua komponen yang diperlukan bersama-sama. Komponen dan layanan yang diperlukan tercantum di bawah ini:
Arduino MKR GSM 1400
Antenna GSM (sertakan dengan MKR GSM)
DFRobot Heartrate sensor
IR Temperature sensor
Baterai LiPo 3.7v (Saya menggunakan 1, 800mAh)
Kartu SIM Hologram
Selain perangkat keras yang diperlukan, sebelum kita memulai proyek, ada juga beberapa layanan yang harus diatur. Gunakan tutorial yang ditautkan di bawah ini untuk memulai.
Dapatkan Arduino IDE atau gunakan Web Editor
Buat akun Hologram dan hubungkan kartu SIM Anda
Buat akun Azure
Buat akun Power Bi
Langkah 2: Bekerja dengan MKR GSM
Sebelum kita mulai membuat proyek itu sendiri, kita perlu mengonfigurasi MKR GSM untuk terhubung ke Azure IoT. Untuk ini, kita perlu menghasilkan dan menyimpan sertifikat pada perangkat untuk dapat memverifikasi koneksi dengan backend.
Ada tutorial di Hackster yang membahas ini untuk MKR NB. Harap ikuti tutorial ini dari awal dan perhatikan bahwa Anda harus berhenti setelah Anda menghasilkan sertifikat. Harap pastikan untuk menyimpan string SHA1 karena kita akan membutuhkannya nanti. Tutorialnya di sini.
Langkah 3: Menghubungkan Semua Komponen
Hal berikutnya yang harus kita lakukan adalah memasang semua kabel. Di bawah ini adalah gambar yang menggambarkan skematik untuk membuat proyek ini. Perhatikan bahwa komponen Anda mungkin tidak terlihat seperti yang ada dalam skematik. Pastikan Anda menghubungkan sensor suhu ke A4 pada perangkat dan sensor detak jantung ke A5. Jangan lupa untuk memasukkan SIM!
Langkah 4: Menuju IoT Hub
Oke, sekarang setelah semuanya selesai, kita dapat melanjutkan dengan IoT hub. Kami akan bekerja di backend untuk beberapa langkah selanjutnya untuk menyelesaikannya terlebih dahulu. Pastikan Anda memiliki akun Azure sebelum melanjutkan.
Pertama yang perlu Anda lakukan adalah navigasi ke konsol(portal.azure.com) dan klik tombol create a resource di kiri atas layar. Sekarang ketik IoT Hub dan pilih opsi dari daftar turun.
Klik create setelah pengaturan selesai. Perhatikan bahwa dalam contoh ini, kita akan menggunakan IoT hub tingkat gratis sehingga kita tidak akan dikenai biaya untuk penggunaannya. Jika menyebarkan solusi ini, pertimbangkan untuk mengubah tingkat ke S1 (atau S2/S3 tergantung pada skala).
Buat grup sumber daya baru dan beri nama IoT hub Anda.Sekarang klik opsi Size and Scale dari langkah-langkah di atas. Pastikan Anda diatur seperti di bawah ini.
Sekarang klik Review and Create dan sebar resource. Tunggu sampai IoT Hub dibuat dan kemudian buka dengan klik pada All Resources dari menu di kanan layar.
Kita sekarang perlu membuat perangkat dan melampirkannya ke IoT hub. Navigasi ke opsi IoT Devices pada menu di kanan layar dan klik opsi tersebut. Klik tombol New untuk menambahkan perangkat baru ke IoT hub. Masukkan kredensial berikut:
Pastikan Anda mengganti Primary Thumbprint dan Secondary Thumbprint dengan nilai SHA1 Anda yang diekstrak pada langkah kedua.
Klik save dan kita siap!
Langkah 5: Membuat Basis Data Cosmos DB
Sekarang kita perlu membuat basis data tempat data yang dikirim oleh perangkat kita akan disimpan. Saya menggunakan Azure’s Cosmos DB karena terbiasa menyimpan file JSON yang merupakan apa yang kita kirim dari perangkat.
Pertama, navigasi kembali ke Create a Resourcebutton dari menu di kanan dan klik. Cari Cosmos DB dan kemudian pilih opsi tersebut.
Pilih grup sumber daya yang dibuat dengan IoT Hub dan berikan nama, biarkan pengaturan lainnya sama. Pastikan bahwa wilayah sama pada IoT hub dan basis data untuk mencegah biaya transfer wilayah.
Dan itu saja! Tunggu sampai sumber daya menyebar dan kemudian kita siap melanjutkan!
Langkah 6: Membuat Tugas Analitik Streaming
Jadi sekarang setelah kita memiliki IoT hub dan basis data, kita perlu menghubungkan keduanya sehingga data yang dimasukkan ke IoT Hub kita di-stream ke basis data saat diterima.
Mulai dengan membuat sumber daya baru dengan mengetik Stream Analytics Job. Sekarang pilih grup sumber daya yang digunakan sampai sekarang dan pastikan jumlah unit streaming diatur ke 1. Jika menyebarkan jumlah besar perangkat, Anda mungkin ingin pertimbangkan untuk membuat lebih banyak unit streaming untuk menangani jumlah perangkat yang lebih besar.
Tunggu sumber daya menyebar dan kemudian pilih dari tombol All Resources di menu di kiri.
Sekarang setelah kita berada di sumber daya, pilih Inputsbutton dari menu di kiri untuk memilih input kita. Klik Add Stream Input dan kemudian pilih IoT Hub dari daftar opsi.
Masukkan nama IoT hub Anda dan kemudian pilih dari menu yang ditampilkan. Jangan mengubah pengaturan lain. Klik Save. Sekarang klik opsi Outputs dari menu di kiri layar dan pilih opsi Cosmos DB dari daftar yang disediakan.
Berikan nama output dan kemudian pilih basis data dari opsi yang tersedia. Pilih Create New di bawah Database dan atur nama basis data ke SmartWristband dan nama kontainer ke data. Biarkan document ID kosong. Sekarang klik Save.
Hal terakhir yang perlu kita lakukan adalah klik pada Query dari opsi. Kita perlu menyediakan kode kepada layanan untuk merutekan semua data dari IoT hub ke basis data. Salin dan tempel kode di bawah ini ke ruang yang disediakan. Kode akan memetakan semua nilai yang dimasukkan ke output yang kemudian akan disimpan dalam format JSON di Cosmos DB.
SELECT time as time, id as name, geoLat as latitude, geoLng as longitude, isWorn as isWorn, heartrate as heartrate, temperature as temperature, battery as battery INTO [universum-smartwristband-db] FROM [universum-smartwristband-hub]
Setelah itu selesai, klik tombol Save Query dari menu di atas layar dan kita siap. Sekarang semua yang perlu kita lakukan adalah kembali ke Overview dari menu di kiri dan kemudian mulai streaming dengan menekan tombol Start.
Langkah 7: Pustaka yang Diperlukan
Semua pustaka yang digunakan dalam proyek ini bersifat open source. Di bawah ini adalah daftar semua pustaka yang digunakan dan tautan ke repositori GitHub-nya. Harap pastikan Anda mengunduh dan menginstal sebelum melanjutkan.
Sekarang kita dapat fokus pada frontend aplikasi. Buka kode dari repositori GitHub di Arduino IDE atau web IDE dan ikuti langkah-langkah di bawah ini untuk mengedit variabel dalam dokumen sehingga MKR GSM akan dapat terhubung ke Azure IoT.
Pertama yang perlu kita lakukan adalah navigasi ke IoT hub yang dibuat dan salin hostname yang ditampilkan. Sekarang buka secrets.hfile dari proyek dan masukkan string ini ke dalam bidang SECRET_BROKER .
Hal berikutnya adalah mendapatkan nama perangkat. Ini adalah nama yang diberikan ke perangkat di IoT Hub. Salin nama yang ditampilkan dan kemudian tempelkan di bidang SECRET_DEVICEID di file secrets.h . Pada akhirnya, file Anda seharusnya terlihat seperti ini.
Terakhir yang perlu Anda lakukan adalah mengubahDEVICE_ID. Saya menyertakan fitur ini sehingga semua perangkat akan memiliki ID tertentu saat didistribusikan. Anda dapat mengatur ID ke nama pasien atau string untuk dapat mengidentifikasi perangkat dan membedakannya.
Akhirnya, saya ingin membicarakan tentang MODE opsi. Saat saya membuat proyek ini, saya perlu memiliki cara untuk menguji dan memecahkan masalah aplikasi dengan mudah sebelum menyebarkannya. Mode aplikasi menyelesaikan ini. Ada dua mode di mana aplikasi dapat diatur:
DEVELOP_TIME adalah mode pengembangan. Di sini, perangkat mencetak verbose ke serial (perangkat hanya berfungsi terhubung ke komputer dengan serial monitor dinyalakan). Perangkat juga terbangun dan mengumpulkan data setiap 10 detik.
RELEASE_TIME adalah mode rilis. Di sini, aplikasi bekerja seperti yang diharapkan, dapat bekerja di lapangan tanpa kebutuhan koneksi ke komputer, juga akan mengambil sampel setiap 5 menit dibandingkan 10 detik.
Kita akan bergantian di antara mode-mode ini nanti, untuk saat ini, biarkan tetap dalam DEVELOP_MODE.
Langkah 9: Flashing Versi Developer
Sekarang semua pengaturan selesai, kita perlu menguji kode untuk memastikan berjalan dalam DEVELOP_MODE. Untuk ini, pastikan Anda telah mengikuti semua langkah di atas dan kemudian hubungkan perangkat Anda ke PC atau mac melalui USB dan unggah sketsa.
Buka serial monitor (ctrl/cmd-shift-m) dan lihat verbose. Akan sedikit waktu untuk mengonfigurasi pertama kali, pastikan data dikirim ke IoT Hub dengan benar. Kemudian kunjungi IoT Hub dan periksa grafik untuk melihat apakah data diterima. Anda sekarang siap menyebarkan aplikasi! Jika Anda memerlukan bantuan memecahkan masalah, Anda dapat menghubungi saya melalui Hackster.
Langkah 10: Mengirim Versi Rilis
Untuk beralih ke versi rilis, yang perlu Anda lakukan hanyalah mengubah definisi MODE di file secrets.h ke RELEASE_TIME. Sekarang unggah kode ini ke perangkat, pastikan baterai LiPo terhubung dan kemudian cabut dari komputer.
Anda harus melihat LED onboard perangkat berkedip setiap 10 menit yang menunjukkan siklus berjalan. Periksa IoT Hub dan basis data Cosmos DB untuk memastikan data sedang diteruskan. Sekarang Anda siap menyebarkan perangkat!
Pastikan Anda mengirim beberapa data ke backend sebelum melanjutkan karena kita akan membutuhkan ini saat membuat dashboard.
Langkah 11: Menuju Dashboard
Membuat dashboard adalah pekerjaan yang detail dan memakan waktu lama. Dalam bagian ini saya akan menjelaskan bekerja dengan data di dashboard dan laporan Power Bi, saya tidak akan membahas cara mendesain dashboard karena ini adalah preferensi pribadi tetapi akan menautkan tutorial yang menunjukkan cara melakukannya secara detail.
Dashboard Dokter
Saya akan memulai dengan dashboard dokter. Pastikan Anda telah menginstal Power Bi desktop di PC Anda. Pengguna Mac dapat menggunakan versi online Power Bi untuk membuat laporan ini, semuanya pada dasarnya sama.
Luncurkan aplikasi dan klik tombol Get Databutton. Sekarang navigasi ke opsi Azure dan pilih Cosmos DB dari opsi.
Sekarang pergi ke sumber daya Cosmos DB Anda dan salin tautan URI dan tempelkan di bidang di Power Bi. Masuk jika diperlukan.
Sekarang kita perlu pergi ke jendela keys di dashboard Cosmos DB dan salin PRIMARY KEY dan tempelkan di bidang Account Key. Sekarang navigasi melalui basis data dan pastikan bahwa datafile dicentang. Klik load dan kemudian kita siap!
Sekarang setelah Anda berada dalam laporan, temukan Transform databutton dari menu di atas layar. Klik untuk mendapatkan tabel dengan data.
Klik tombol di sebelah judul tabel dan pilih bidang yang ditampilkan di atas. Anda seharusnya melihat tabel Anda meluas.
Sekarang kita perlu mengubah tipe data baris. Identifikasi tombol Data Type dari menu di atas layar dan ubah nilai dengan sesuai.
Sekarang klik Close and Apply dan Anda akan dikembalikan ke dashboard. Dashboard Anda seharusnya terlihat seperti ini.
Hal berikutnya yang perlu kita lakukan adalah membuat ukuran untuk memproses data dan mengubahnya menjadi bentuk yang berbeda dalam laporan. Buka folder Stream Analytics Script dari repositori GitHub di Visual Studio code. Saya menginstal ekstensi bernama DAX for Power Bi untuk mendapatkan konteks sorotan:
Ada sejumlah file yang harus diedit secara spesifik untuk pasien karena mereka menyimpan informasi pasien. Daftar file yang harus diedit adalah di bawah ini:
Address.dax
Age.dax
Gender.dax
Buka file-file ini di VS code dan edit di sana.
Sekarang kita akan membuat ukuran baru di Power Bi menggunakan file-file ini. Untuk melakukannya, buka laporan Power Bi dan klik tombol New Measurebutton dari menu di atas layar.
Salin dan tempel konten file pertama ke dalam bar teks. Pastikan bahwa Format dan Data Category diatur dengan sesuai (misalnya atur kategori data latitude ke latitude). Sekarang ulangi langkah ini untuk semua file lainnya, membuat ukuran baru untuk masing-masing. Dashboard Anda seharusnya terlihat seperti di bawah ini:
Sekarang kita melanjutkan ke bagian menyenangkan – mendesain dashboard. Silakan lihat tutorial di bawah ini untuk mendapatkan ide cara membuat infografis dan gaya dashboard:
Basic Power Bi
Complete Guide to Power Bi
Free Udemy Course on Power Bi
Forecasting data (ML) in Power Bi (digunakan pada suhu, detak jantung dan tingkat baterai)
Ini adalah tampilan dashboard saya pada akhirnya:
Sekarang setelah dashboard dirancang, kita perlu mempublikasikannya di web sehingga kita dapat mengaksesnya dari mana saja, di perangkat apa pun. Perhatikan bahwa data dalam laporan diperbarui secara otomatis saat pengguna membukanya (juga ada tombol refresh).
Klik tombol Publish dari menu di atas layar dan pilih My Workspace sebagai tujuan. Tunggu sampai dashboard diunggah.
Untuk melanjutkan, buka laporan Power Bi di browser. Kita sekarang akan bekerja pada dashboard yang meringkas semua pasien. Untuk ini, klik pada tegel yang menggambarkan status pasien untuk melihat menu.
Dari menu, pilih tombol pin visual dan buat dashboard baru. Visual ini akan dipin ke dashboard. Ulangi untuk kartu-kartu berikut:
Nama
Status
Suhu
Detak jantung
Dokter akan dapat melihat sekilas semua pasien yang dipantau di dashboard ini.
Terakhir, klik pada kartu suhu di dashboard dan pada tombol menu, pilih tombol Manage Alerts untuk membuka menu tempat Anda dapat mengatur peringatan untuk visual. Konfigurasikan seperti di bawah ini dan ulangi langkah dengan detak jantung (atur ambang batas ke 100).
Dan itu saja, kita sekarang perlu bekerja pada dashboard pasien.
Dashboard Pasien
Kami akan memulai dashboard ini dengan menyalin dashboard dokter karena kita akan menggunakan semua ukuran dan data yang dikumpulkan di sana tetapi menampilkannya dengan cara yang berbeda.
Saya menjaga semua data di sana tetapi menghapus peramalan untuk bagian suhu dan detak jantung (untuk mencegah pasien terlalu khawatir tentang hal itu) dan menghapus bagian lokasi (karena pasien tahu di mana mereka).
Saya juga mengembangkan versi seluler dari dashboard ini. Untuk ini, navigasi ke menu View dan kemudian pilih Mobile Layout. Dari sana, kita hanya perlu seret dan lepas tegel yang ada ke ponsel seluler untuk membuat tata letak ini.
Setelah ini selesai, kita akan mengunggah dashboard online lagi seperti sebelumnya. Dashboard ini dapat dibagikan dengan pasien melalui aplikasi Power Bi tempat mereka dapat mendapatkan versi seluler aplikasi yang menunjukkan semua informasi yang mereka butuhkan serta tampilan online.
Langkah 12: Akhirnya, Enclosure
Jadi sekarang setelah semuanya selesai, kita perlu membuat enclosure untuk proyek ini, sekarang idealnya akan dicetak 3D, tetapi karena saya tidak memiliki printer 3D (saya benar-benar perlu mendapatkannya), saya memotong potongan plastik dan merakitnya dengan cara itu. Namun saya memiliki desain 3D untuk enclosure prototipe.
Perangkat cukup besar dalam kasus ini dan versi industri di masa depan akan jelas dikurangi ukurannya (saya tidak ingin memasang semua komponen ke PCB sehingga saya dapat menggunakannya kembali dalam proyek masa depan).
Dan itu saja! Proyek selesai!
Refleksi
Saya sangat senang membuat proyek ini. Saya menghabiskan beberapa jam di bulan Maret untuk menganalisis ide untuk menangani coronavirus dan ketika kontes ini diumumkan, saya mulai bekerja pada salah satu ide terbaik yang saya yakini akan benar-benar berdampak pada komunitas – SmartWristband.
Saya sangat bangga dapat berpartisipasi dalam upaya internasional ini untuk menyediakan solusi scalable berbiaya rendah bagi dunia yang akan membantu melawan virus. Saya terinspirasi oleh pemerintah Taiwan karena perangkat pelacakan pintar mereka yang memastikan orang yang terkonfirmasi positif virus tetap di rumah dan mematuhi aturan karantina. Saya merasa sistem ini dapat ditingkatkan untuk meningkatkan keselamatan pasien dengan juga memantau detak jantung dan suhu mereka saat di rumah.
Coronavirus adalah masalah yang sulit untuk ditangani dan benar-benar membutuhkan banyak kerja sama dan dedikasi untuk mengatasi. Saya yakin aplikasi ini dapat diterapkan di tingkat global untuk membantu memantau kesehatan pasien yang terkonfirmasi positif bentuk lemah virus memungkinkan mereka untuk tetap di rumah dan membebaskan ruang di rumah sakit yang dapat dialokasikan untuk kasus yang lebih urgent.
Hal yang paling saya nikmati dalam pembuatan proyek ini adalah dashboard, saya sangat senang mendesainnya (saya orang visual). Saya mengalami beberapa masalah menghubungkan Arduino MKR GSM ke Azure IoT. Ini adalah karena saya mengatur tanggal kedaluwarsa sertifikat perangkat menjadi sekitar 2 menit (memakan waktu untuk menyadarinya).
Saya sangat berharap Anda menikmati bacaan ini dan terima kasih telah meluangkan waktu dan minat. Semoga harimu menyenangkan dan jaga kesehatan.
Kode
Code
The GitHub Repohttps://github.com/Andrei-Florian/SmartWristband
