# AI Form Builder‑ის საშუალებით რეალურ დროში ადაპტიული ენერგიის პროგნოზირება ჭკვიან სახლის აპარატურებისთვის

## შესავალი

ინტერნეტის საგნები (IoT) სწრაფად გავრცელება ჩვეულებრივი სახლები გარდაქმნის მონაცემებით სავსე ეკოსისტემებად. ჭკვიანი ცივილატორები, სამრეწველო მანქანები, HVAC‑ის ერთეულები და нават ყავის მანქანები ახლა გთავაზობენ დეტალურ ენერგიის მოხმარების მაჩვენებლებს სტანდარტული პროტოკოლებით (Matter, Zigbee, Thread). თუმცა, ბევრი სახლის მფლობელი არ აქვს ინსტრუმენტები, რომ ამ მონაცემთა ნაკადს გადაკეთოს მოქმედებად შეხედულებად.

**AI Form Builder**‑ი, ნაკლებად‑კოდის პლატფორმა, რომელიც აერთიანებს დინამიკური ფორმის გენერაციას, AI‑გაუმჯობესებული მონაცემთა დამუშავებას და რეალურ‑დროის გადაწყვეტილებების ციკლებს. მიუხედავად იმისა, რომ პლატფორმა უკვე იყენება ადაპტიული ცხვრის შეფასებაში, ნარჩენი ბინების მონიტორინგში და კლიმატის რისკის დაფის შექმნაში, მისი პოტენციალი **რეალურ‑დროის ადაპტიული ენერგიის პროგნოზირებაში** ჯერ არ არის სრულად გამოვიყენებული. ეს სტატია აღწერს სრულ, დასაწყისიდან დასასრულამდე, გადაწყვეტას, რომელიც აძლიერებს სახლის მფლობელებს, კომუნიკაციის პროვაიდერებს და მესამე მხარის სერვისის პროვაიდერებს, რათა პროგნოზირონ აპარატურების დონეზე მოხმარება, ოპტიმიზირონ დატვირთვის გადანაწილება და შემცირონ ნახშირის ნაკლებია—ყველა ეს, კოდის ხაზის დაწერის გარეშე.

> **მნიშვნელოვანი დასკვნა:** AI Form Builder‑ის ადაპტიული ფორმების, ეჯის ინტერფრეის, და ვებჰუკის ორგანიზაციის გამოყენებით, ჭკვიანი‑სახლის მონაწილეები შეძლებენ sub‑hourly ენერგიის პროგნოზირებას ნდობითის ინტერვალებით, რაც აძლიერებს პრაქტიკულ მოთხოვნის-პასუხის ქმედებებს და პერსონალურ ენერგიის-შენახვის რეკომენდაციებს.

---

## რატომ მნიშვნელოვანია რეალურ‑დროის ადაპტიული პროგნოზირება

| გამოწვევა | ტრადიციული მიდგომა | AI Form Builder‑ის უპირატესობა |
|-----------|----------------------|---------------------------|
| **მონაცემთა ლატენცია** | ბაჩის ატვირთვა (დღიურად/კვირით) | MQTT/WebSocket‑ით ნაკადის ტელემეტრია |
| **მოდელის სიმყურე** | სტატიკური რეგრესიის მოდელები | მუდმივი სწავლების პაიპლაინები, რომლებიც ავტომატურად გადათრევს ახალ მონაცემებზე |
| **მომხმარებლის ჩართულობა** | ხელით შექმნილი დაფები | კონტექსტუალური ფორმები, რომლებიც აჩვენებს შეხედულებებს იმ ადგილას, სადაც მომხმარებელი მოქმედებს |
| **პირადულობის შესაბამისობა** | ცენტრალიზებული შენახვა, მაღალი რისკი | ეჯის‑პირველი დამუშავება, GDPR‑ით‑დიზაინირებული ფორმები |

რეალურ‑დროის პროგნოზირებით შესაძლებელია **პრე‑აქტიული დატვირთვის გადანაწილება** (მაგ., სამრეწველო მანქანის ციკლის გადადება ღამის საათებში) და **დინამიკური ფასის გაფრთხილებები**, რომლებიც აერთიანებს სახლის მოხმარებას განახლების პიკებთან. გარდა ამისა, ადაპტიული მოდელები შეიძლება გათვალისწინებდეს სეზონურ ქცევის ცვლილებებს, დასახლების მოდელებს, და нават ჰავერის‑დრივენული HVAC‑ის დატვირთვას, რაც იძლევა **პერსონალურ სიზუსტეს**, რომელიც გადაჭარბებულია საერთო კომუნიკაციის შეფასებებისგან.

---

## სისტემის არქიტექტურის მიმოხილვა

ქვემოთ არის მაღალი‑დონის Mermaid დიაგრამა, რომელიც აჩვენებს მონაცემთა ნაკადს ჭკვიანი აპარატურებიდან AI Form Builder პლატფორმამდე და უკან სახლის დაფაზე.

```mermaid
flowchart TD
    A["ჭკვიანი აპარატურის სენსორები"] -->|MQTT ტელემეტრია| B["ეჩე გეითვეი (Docker)"]
    B -->|ბაჩი (5 წთ)| C["AI Form Builder‑ის შეყვანის ფორმა"]
    C --> D["Data Lake (S3‑თავსებადი)"]
    D --> E["Feature Engineering სერვისი"]
    E --> F["ადაპტიული პროგნოზის მოდელი (Auto‑ML)"]
    F --> G["Prediction Store (TimeSeries DB)"]
    G --> H["Webhook ტრიგერი"]
    H --> I["ადაპტიული UI ფორმა (სახლის დაფა)"]
    I --> J["მომხმარებლის ქმედება (მაგ., დაგეგმვა, გადადება)"]
    J --> B
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style I fill:#bbf,stroke:#333,stroke-width:2px
```

**კომპონენტები:**

1. **ჭკვიანი აპარატურის სენსორები** – მიწოდება ენერგიის მოხმარების (W) და ოპერაციული მდგომარეობის (on/off, ციკლის საფეხური) რეალურ‑დროის მონაცემებით.  
2. **ეჩე გეითვეი** – აგრეგირებს MQTT ნაკადებს, ბუფერს მონაცემებს და გადაგზავნის AI Form Builder‑ის **დინამიკური შეყვანის ფორმის** (ავტოგენერირებული JSON სქემა) საშუალებით.  
3. **AI Form Builder‑ის შეყვანის ფორმა** – ვალიდაციას აკეთებს, აუმჯობესებს მოწყობილობის მეტამონაცემებით და იწერებს უსაფრთხო მონაცემთა ლაკში.  
4. **Feature Engineering სერვისი** – აკეთებს მოთხოვნაზე ტრანსფორმაციებს (როლინგ‑ავერეჯები, ჰავერის ინტეგრაციები, დასახლების ინტუიციები).  
5. **ადაპტიული პროგნოზის მოდელი** – Auto‑ML პაიპლაინი, რომელიც მუდმივად გადათრევს ბოლო 30 დღის მონაცემებით, ქმნის პუნქტურ პროგნოზებსა და ნდობითის ინტერვალებს.  
6. **Prediction Store** – დრო‑სერიების ბაზა (მაგ., InfluxDB), რომელიც ინახავს 24‑საათის წინ პროგნოზებს თითოეული აპარატურისთვის.  
7. **Webhook ტრიგერი** – ირთება, როდესაც პროგნოზი გადაჭარბებს წინასწარ განსაზღვრულ ზღვარს (მაგ., პროგნოზირებული პიკ > 4 kW).  
8. **ადაპტიული UI ფორმა** – კონტექსტური ფორმა, რომელიც გამოჩნდება სახლის მობილურ აპლიკაციაზე, შემოგთავაზებთ მოქმედებებს (გადადება, ახლა გაშვება, eco‑mode).  
9. **მომხმარებლის ქმედება** – აბრუნებს ბრძანებას ეჯე გეითვეის, რაც სრულდება უკუკავშირის ციკლში.

---

## შეყვანის ფორმის შექმნა კოდის გარეშე

AI Form Builder‑ის **Form Designer**‑ში შეგიძლიათ გადათრიოთ‑გადათრიოთ ველები და განსაზღვროთ ვალიდაციის წესები. ჭკვიანი‑სახლის შემთხვევისთვის ფორმის სქემა ასე გამოიყურება (JSON‑ის წარმოდგენა გასაგებად):

```json
{
  "title": "Smart Appliance Telemetry",
  "type": "object",
  "properties": {
    "device_id": { "type": "string", "format": "uuid" },
    "timestamp": { "type": "string", "format": "date-time" },
    "power_watts": { "type": "number", "minimum": 0 },
    "state": { "type": "string", "enum": ["idle","running","paused"] },
    "temperature_c": { "type": "number" }
  },
  "required": ["device_id","timestamp","power_watts","state"]
}
```

*ფორმის შექმნის ნაბიჯები:*

1. **შექმენით ახალი ფორმა** → აირჩიეთ “JSON Schema” რეჟიმი.  
2. **ჩასვით სქემა** ზემოთ; UI‑მა ავტომატურად შექმნის ველებს შესაბამისი ვიჯეტებით (ნუმერიკული შეყვანა ენერგიისთვის, dropdown‑ი მდგომარეობისთვის).  
3. **ჩართეთ “Edge‑First Validation”** – ფორმა ვალიდაციას აკეთებს ლოკალურად გეითვეის-ზე, რაც შემცირებს ლატენციას და დაზოგავს ბანდვიდთს.  
4. **კონფიგურაცია webhook** → მიზნის URL = `https://ai-form-builder.example.com/ingest`.  
5. **დაყენეთ შენახვის პოლიტიკა** → ნედლი ტელემეტრია 90 დღით, აგრეგირებული ფუნქციები 2 წელით.

დაპლატებული, ეჯე გეითვეის შეუძლია POST‑ის გაგზავნა ყოველ 5  წუთს, ხოლო პლატფორმა ავტომატურად ვერსიონირებს სქემას, რაც მომავალ სენსორებზე განახლებისას არ იწვევს პიპლაინის გატეხვას.

---

## ადაპტიული პროგნოზის მოდელი: მონაცემებიდან შეხედულება

### 1. ფუნქციები

| ფუნქცია | წყარო | აღწერა |
|---------|--------|-------------|
| **RollingMean_15min** | ენერგიის ტელემეტრია | ბოლო 15 წთ-ის საშუალო ენერგია |
| **TempDelta** | ტემპერატურის სენსორი | მიმდინარე და სასურველი ტემპერატურის განსხვავება |
| **OccupancyScore** | მოძრაობის სენსორები + კალენდარის ინტეგრაცია | სავალდებულო არსებობის ალბათობა |
| **WeatherTemp** | გარე API (OpenWeather) | გარე ტემპერატურა |
| **TimeOfDay** | დროის შტამპი | კატეგორიული ბაკეტი (დილა, შუადღე, საღამო, ღამე) |
| **DayOfWeek** | დროის შტამპი | სამუშაო დღე vs შაბათი |

### 2. მოდელის არჩევა

AI Form Builder‑ის **Auto‑ML Engine**‑ი აუმოწმებს მრავალ ალგორითმს (Prophet, LightGBM, Temporal Fusion Transformers). ამ სამუშაოსთვის **Temporal Fusion Transformer (TFT)** მუდმივად აძლიერებს, რაც იძლევა:

- **MAE**: 0.12 kW  
- **95 % PI coverage**: 96 %  

ინჟინერი ავტომატურად შერჩევს ჰიპერ‑პარამეტრებს, აკეთებს cross‑validation‑ს და რეგისტრირებს მოდელს **Model Registry**‑ში.

### 3. მუდმივი სწავლების ციკლი

ყოველ 24  საათზე, **Scheduled Job** იღებს ბოლო 30  დღის გასუფთავებულ მონაცემებს, გადათრევს TFT‑ს, და შეფასებს დრიფტის მაჩვენებლებს. თუ **concept drift** გადის 5 % ზღვარზე, ახალი მოდელი პრომოუტდება პროდუქციაზე **blue‑green deployment**‑ით – ყველა ავტომატურად ორგანიზებულია AI Form Builder‑ის **Model Ops Dashboard**‑ით.

---

## ადაპტიული UI ფორმა: პროგნოზის გადაყვანა ქმედებაში

როდესაც პროგნოზი აჩვენებს **პიკ ლოდინს**, რომელიც შეიძლება გადაჭარბოს სახლის კონტრაქტული ლიმიტი, AI Form Builder ავტომატურად ქმნის **კონტექსტურ UI ფორმას**:

```mermaid
flowchart LR
    A["⚡ პროგნოზი: 4.8 kW (პიკ)"] --> B["💡 შემოთავაზებული ქმედება"]
    B --> C["სამრეწველო მანქანის გადადება 02:00 საათზე"]
    B --> D["HVAC‑ის მუშაობა Eco‑Mode-ში"]
    B --> E["ბატარეის დისჩარჯვა"]
    C --> F["მომხმარებელი დაეთანხმა"]
    D --> G["მომხმარებელი გადადა"]
    E --> H["მომხმარებელი შეცვალა"]
```

ფორმა შეიცავს:

- **ნდობითის ინტერვალის** ვიზუალიზაციას (მაგ., 4.5‑5.1 kW).  
- **ხარჯის გავლენის** შეფასება, რომელიც დაფუძნებულია კომუნიკაციის დრო‑ის‑გამოყენების ფასებზე.  
- **ერთ‑დაკლიკის ბრძანება**, რომელიც ირთავს MQTT‑შეტყობინებას აპარატურის კონტროლერზე.

რედაქტირებადია, რადგან UI ფორმა შექმნილია **ტემპლატის** სახით, რომელიც შენახულია AI Form Builder‑ში – ახალი აპარატურის დამატება საჭიროებს მხოლოდ მისი მოქმედებების გაფართოებისას, გარეშე დამატებით ფრონტ‑ენდ განვითარების.

---

## პრივატული‑პირველი დიზაინი

ჭკვიანი‑სახლის მონაცემები ძალიან პერსონალურია. AI Form Builder იყენებს რამდენიმე პრივატულობის უსაფრთხოების ზომას:

| მექანიზმი | განხორციელება |
|-----------|----------------|
| **Edge‑first processing** | ვალიდაცია და პირველადი აგრეგაცია ხდება გეითვეის-ზე; ნედლი მონაცემები არ დატოვებს სახლის გარეთ, თუ მომხმარებელი არ დაეხმარა. |
| **Differential privacy** | კომუნიკაციის პროვაიდერებთან გაზიარებული აგრეგატული პროგნოზები მიიღებენ Laplace შაბლონს (ε = 0.5), რაც თავიდან აცილებს რე-იდენტიფიკაციას. |
| **Consent forms** | AI Form Builder ავტომატურად ქმნის GDPR‑თან‑შესაბამისი თანხმობის დიალოგებს, რომლებიც მომხმარებლებს შეუძლიათ ნებისმიერ დროს გაუქმონ. |
| **Data encryption** | TLS 1.3 ყველა webhook‑ტრანსფერით; დასახლებული მონაცემები AES‑256‑ით დაშიფრული. |
| **State‑level privacy** | კალიფორნიის მოსახლეობისთვის პლატფორმა აჩვენებს ცალკეულ opt‑out ნაკადს, რომელიც აკმაყოფილებს CCPA მოთხოვნებს. |

ეს ზომები უზრუნველყოფენ შესაბამისობას GDPR‑ის, CCPA‑ის, და ახალი მონაცემთა სუვერენიტეტის რეგულაციებთან, ხოლო არ დაკარგავენ რეალურ‑დროის შესაძლებლობას.

---

## რაოდენობრივი სარგებელი

პილოტის განთავსება 500 სახლისა, პასიფიკში, 6‑თვიანი პერიოდის განმავლობაში, გამოიწვია შემდეგი შედეგები:

| მაჩვენებელი | საბაზისო | AI Form Builder‑ის შემდეგ |
|--------------|----------|---------------------------|
| **საშუალო დღიური kWh თითო სახლისთვის** | 28.4 kWh | 26.1 kWh (‑8.1 %) |
| **პიკ‑დან‑საშუალო ratio** | 2.3 | 1.7 |
| **მომხმარებლის დაკმაყოფილება** | 3.8 / 5 | 4.6 / 5 |
| **კომუნიკაციის მოთხოვნის-პასუხის მონაწილეობა** | 12 % | 38 % |
| **CO₂ ემიციების შემცირება** | — | 4.2 ტონა CO₂e თითო 1,000 სახლისთვის ყოველწლიურად |

**დაზოგილი ღირებულება** საშუალოდ **45 $ ყოველწლიურად** თითო მონაწილე, ხოლო კომუნიკაციებმა დაინახეს **5 % პიკ‑ლოდინის შემცირება**, რაც ხელს უწყობს ინფრასტრუქტურის განახლების გადახდას.

---

## ნაბიჯ‑ნაბიჯ განხორციელების გიდი

1. **Edge Gateway-ის პროვიზია** – გამოიყენეთ Raspberry Pi 4 Docker‑ით; დააინსტალირეთ MQTT‑ბროკერი (Mosquitto).  
2. **AI Form Builder‑ის შეყვანის ფორმის განთავსება** – მიჰყევით სქემის მაგალითს; დააყენეთ webhook URL.  
3. **აპარატურების დაკავშირება** – გააქტიურეთ Matter ან Zigbee ბრიჯები; კონფიგურაციით ისინი პუბლიკაციას `home/telemetry`‑ზე.  
4. **Feature Engineering სერვისის შექმნა** – AI Form Builder‑ის **Serverless Functions** (Python)‑ით, რათა შეუერთოთ ჰავერის მონაცემებს და გამოითვალოთ rolling‑statistics.  
5. **პროგნოზის მოდელის ტრენინგი** – გაუშვით Auto‑ML job, აირჩიეთ “Temporal Fusion Transformer”.  
6. **Prediction Store-ის კონფიგურაცია** – დააყენეთ InfluxDB, განსაზღვრეთ 30‑დღიანი retention policy.  
7. **ადაპტიული UI ფორმის შექმნა** – გამოიყენეთ **Form Template Builder**, ჩასვით placeholders‑ები პროგნოზის მნიშვნელობებისთვის და ქმედებების ღილაკებისთვის.  
8. **Webhook გაფრთხილებების დაყენება** – განსაზღვრეთ ზღვარი (მაგ., პროგნოზი > 4 kW).  
9. **მუდმივი სწავლების ჩართვა** – დაგეგმეთ ღამის ტრენინგი; მონიტორინგი drift‑ის Model Ops Dashboard‑ით.  
10. **მომხმარებლების განთავსება** – მოაწვი QR‑კოდი, რომელიც რეგისტრირებს მოწყობილობის ID‑ებს და თანხმობას.

ყველა ნაბიჯი შესრულდება AI Form Builder‑ის UI‑ში, საჭიროებს **არასაკლოდ კოდის** დაწერას, გარდა არასავალდებულო Python‑სნიპეტებისგან, რომელიც შეიძლება საჭირო იყოს უფრო რთული ფუნქციებისთვის.

---

## მომავალის გაუმჯობესებები

- **Federated Learning**: გლობალური მოდელის ტრენინგი სახლების შორის, არ გადატანილი ნედლი მონაცემები, რაც პრივატულობას კიდევ უფრო აძლიერებს.  
- **Battery & Solar ინტეგრაცია**: პროგნოზის გაფართოება ადგილობრივ შენახვაზე და PV‑გენერაციაზე, რათა ავტომატურად ოპტიმიზირდეს თვით‑გამოყენება.  
- **Voice Assistant Hooks**: ბუნებრივი ენის პრომპტები (მაგ., “თქვენი სამრეწველო მანქანა შეიძლება უფრო ნაკლებ ღირებულებით გაეშვას 2 საათზე”) AI Form Builder‑ის **Conversational Form** მოდულით.  
- **Marketplace for Community Models**: მესამე მხარის დეველოპერებს შეუძლიათ გამოქვეყნონ სპეციალიზებული პროგნოზის მოდელები (მაგ., ელექტრონული მანქანის დატვირთვა), რომელთა სახლის მფლობელები შეძლებენ სააბონენტო შეძენას.

---

## დასკვნა

AI Form Builder‑ის ნაკლებად‑კოდის, ადაპტიული არქიტექტურა ახსნის ახალი შესაძლებლობა **რეალურ‑დროის ენერგიის პროგნოზირებაში ჭკვიან სახლებში**. ნედლი აპარატურის ტელემეტრიის გადაყვანა პროგნოზირებად შეხედულებებსა და მოქმედებად, პლატფორმა იძლევა მნიშვნელოვანი ენერგიის დაზოგვას, ბადის სტაბილურობას, და მომხმარებლის პრივატულობას – ყველა ეს, ტრადიციული პროგრამული განვითარების ზედმეტი ხარჯის გარეშე. როგორც ჭკვიანი‑სახლის ბაზარი ზრდის, იმ გადაწყვეტილებებს, რომლებიც აერთიანებს **მუდმივი სწავლება**, **edge‑first დამუშავება**, და **დინამიკური ფორმები**, გახდება სტანდარტული, რათა უზრუნველყოს მდგრადი, მომხმარებელზე‑კენ‑მიუღებელი ენერგიის მართვა.

---

## იხილეთ ასევე

- [Matter Alliance – ჭკვიანი აპარატურებისთვის ინტერპერაბილობის სტანდარტები](https://matter.io)