OmniMES dostał nowy moduł, który pozwala użytkownikom budować wykresy analityczne bezpośrednio z poziomu aplikacji — bez ręcznego klikania w Redash i bez znajomości SQL. Całość opiera się o trzy elementy: bazowe zapytania JSON, edytor Query Results z silnikiem SQL Redasha oraz asystenta AI, który pomaga na każdym etapie procesu.
Skąd się wzięła ta funkcjonalność
Do tej pory droga od „chcę zobaczyć wykres pokazujący zużycie energii per maszyna" do działającego widgetu na dashboardzie wymagała:
- ręcznego utworzenia bazowego zapytania w OmniMES,
- przejścia do Redasha,
- napisania SQL-a łączącego wyniki,
- skonfigurowania wizualizacji (typ wykresu, osie X/Y, kolory, agregacje),
- dodania widgetu do właściwego dashboardu.
Każdy z tych kroków był odrębnym, wolnym i błędogennym etapem. Nowy moduł scala je w jeden płynny przepływ realizowany całkowicie w interfejsie OmniMES.
Jak to działa — krok po kroku
1. Bazowe zapytanie JSON (źródło danych)
Użytkownik definiuje co i z jakiego okresu chce pobierać z systemu (maszyny, typy zdarzeń, zakres czasowy, agregacje). Kreator generuje konfigurację w postaci URL do API OmniMES, który Redash odpyta przy każdym uruchomieniu zapytania. Tak powstaje rzetelne, sparametryzowane źródło danych — gotowe do reużycia.
2. Query Results (łączenie i transformacja danych)
Drugi typ zapytania pozwala napisać SQL nad wynikami bazowych zapytań JSON — agregować, filtrować, łączyć kilka źródeł po name_machine. Edytor SQL oferuje:
- automatyczne podpowiedzi i podświetlanie składni,
- kolumny dostępne z bazowych zapytań jednym kliknięciem wstawiane do SQL-a,
- skróty do typowych konstrukcji (WHERE, GROUP BY, JOIN, COUNT, SUM, CASE WHEN),
- generator szkieletu SQL przy wyborze wielu źródeł,
- walidator wykrywający starą składnię Redash v10 i jednym klikiem migrujący ją do v26 z propagacją parametrów dashboardu,
- przycisk Sprawdź wykonanie, który uruchamia zapytanie w Redashu z domyślnym zakresem 30 dni i pokazuje wyniki w tabeli — bez wychodzenia z OmniMES.
3. Asystent AI — trzy tryby pomocy
W formularzu Query Results dostępne są trzy przyciski oparte o AI (LLM skonfigurowany w ustawieniach OmniMES):
- Zbuduj zapytanie — opisujesz po polsku co chcesz uzyskać („pokaż top 10 maszyn z najwyższym zużyciem energii w ostatnim tygodniu"), AI generuje gotowy SQL dostosowany do kolumn wybranych bazowych zapytań.
- Zaproponuj zapytania SQL — AI samodzielnie proponuje kilka sensownych zapytań na podstawie struktury wybranych źródeł danych. Klikasz, wybierasz, gotowe.
- Stwórz wykres — najważniejsza nowość. AI analizuje SQL i kolumny wyjściowe, proponuje optymalny typ wykresu (słupkowy, liniowy, kołowy, scatter, heatmap), dobiera osie X/Y, agregacje, opcje sortowania i etykiety. Użytkownik może edytować proponowany tytuł, wybrać docelowy dashboard z listy lub utworzyć nowy — i jednym przyciskiem publikuje wizualizację w Redashu wraz z widgetem na dashboardzie.
4. Propagacja parametrów dashboardu
Stworzone widgety automatycznie są podłączone do globalnego pickera dat dashboardu — zmiana zakresu czasowego w pickerze propaguje się do wszystkich zapytań, łącznie z bazowymi JSON-ami. Użytkownik dostaje spójny, interaktywny pulpit bez konieczności ręcznej konfiguracji parameterMappings.
Co to znaczy w praktyce
- Czas tworzenia dashboardu skraca się z godzin do minut. Operator produkcji, technolog czy kierownik wydziału — każdy może samodzielnie zbudować wykres analizujący dane produkcyjne, energetyczne czy jakościowe.
- Niezbędna jest tylko wiedza domenowa. AI obsługuje konwersję opisu na SQL i decyzję o typie wizualizacji.
- Wszystko zostaje w ekosystemie OmniMES + Redash. Stworzone wykresy są pełnoprawnymi obiektami w Redashu — można je dalej edytować, kopiować, osadzać w iframe, alarmować.
- AI działa lokalnie lub zdalnie. OmniMES wspiera zarówno własny Ollama (modele uruchamiane on-premise), jak i OpenAI-compatible API — wybór zależy od polityki prywatności danych klienta.
Dla kogo
- Operatorzy i kierownicy zmianowi — szybkie ad-hoc analizy bez czekania na dział IT.
- Technolodzy i inżynierowie procesu — eksploracja danych historycznych i porównania efektywności.
- Audytorzy energetyczni (OmniEnergy) — budowa raportów zużycia, baselineów i wskaźników EnPI bez interwencji programisty.
- Zarządy — ścieżka od „potrzebuję to widzieć" do „widzę to" liczona w minutach.
Podsumowanie
Nowa funkcjonalność OmniMES wprowadza demokratyzację analityki produkcyjnej — każdy użytkownik z dostępem do systemu może stworzyć wartościowy wykres na podstawie realnych danych, korzystając z asystenta AI jako tłumacza między językiem biznesowym a językiem SQL i wizualizacji. To kolejny krok w kierunku MES, który myśli razem z użytkownikiem — a nie tylko zbiera dane.