Files
boc/IOM_PRIORITY_ROADMAP.md
T
Bernt bae705aa97 ARCHITECTURE: NFC roadmap, edge AI, audit logging
- Add NFC ePassport roadmap (ICAO 9303, eIDAS)
- Add TensorFlow.js edge face detection (BlazeFace)
- Add structured audit logger (GDPR-compliant)
- Risk scoring support

Part of KYC Apple Native UX v1.1.0
2026-06-29 16:24:48 +00:00

338 lines
7.1 KiB
Markdown

# IOM Prioriteringsroadmap
> Vilka lager ger mest värde snabbast för quiXzoom Fas 1
> Status: Utkast | 2026-06-26
---
## Sammanfattning
Alla 10 lager är värdefulla, men inte alla är kritiska för Fas 1. Denna roadmap prioriterar utifrån:
- **Tid till värde**: Hur snabbt ger det kundnytta?
- **Teknisk komplexitet**: Hur mycket arbete krävs?
- **Beroenden**: Vilka lager måste finnas innan andra kan byggas?
> **Status:** Produktionspaus hävd 2026-06-25. Full fart framåt.
---
## Fas 1: Grund (Månad 1-2)
### Lager 1 — Objektshierarkin (Taxonomi) ✅ KRITISK
**Varför först:** Allt annat bygger på detta.
**Scope:**
- Definiera 3-5 domäner för quiXzoom Fas 1
- `BYG` (Byggnad): Fasader, tak, fönster, entréer
- `BEL` (Belysning): Gatubelysning, trafiksignaler
- `TRN` (Transport): Vägar, broar, parkeringar
- `ENE` (Energi): Laddstationer, transformatorer
- `COM` (Kommersiellt): Skyltfönster, reklam, butiksfronter
**Exempel:**
```
BYG (Byggnad)
├── FAC (Fasad)
│ ├── WIN (Fönster)
│ │ ├── GLA (Glas)
│ │ ├── FRM (Fönsterkarm)
│ │ └── SIL (Fönsterbleck)
│ ├── PAN (Fasadpanel)
│ └── ENT (Entré)
```
**Leverans:**
- JSON-fil med hierarki
- Valideringsregler (3 bokstäver, unika inom förälder)
- Dokumentation med exempel
**Tid:** 1 vecka
**Komplexitet:** Låg
---
### Lager 2 — Global Object ID (GOID) ✅ KRITISK
**Varför först:** Utan ID kan man inte referera till objekt.
**Scope:**
- Format: `[DOM]-[SYS]-[SUB]-[OBJ]-[SEQ]`
- Sekvens: Löpnummer per objekttyp
- Regler: Permanent, unikt, oföränderligt
**Exempel:**
```
BYG-FAC-WIN-GLA-0001 # Fönsterglas #1
BYG-FAC-WIN-GLA-0002 # Fönsterglas #2
BYG-FAC-ENT-DOR-0047 # Entrédörr #47
```
**Leverans:**
- ID-genereringsfunktion
- Kollisionsdetektering
- API-endpoint: `POST /objects` → returnerar GOID
**Tid:** 3 dagar
**Komplexitet:** Låg
---
### Lager 5 — Standardiserade egenskaper ✅ KRITISK
**Varför först:** Gör det möjligt att jämföra objekt och filtrera.
**Scope (minimal):**
| Egenskap | Typ | Exempel |
|---|---|---|
| `condition` | 1-5 | 3 (tillfredsställande) |
| `location` | lat/lng | 59.3293, 18.0686 |
| `risk_level` | 1-5 | 3 |
| `function_status` | enum | "operational" |
**Leverans:**
- JSON-schema
- Validering
- Filter-API: `GET /objects?condition=4&risk_level>3`
**Tid:** 3 dagar
**Komplexitet:** Låg
---
### Lager 6 — Observationer ✅ KRITISK
**Varför först:** Det är vad quiXzoom faktiskt samlar in.
**Scope (minimal):**
```yaml
observation:
id: "OBS-2026-0012847"
timestamp: "2026-06-26T09:15:00Z"
object_goid: "BYG-FAC-WIN-GLA-2847"
observer: "zoomer:anna_k"
findings:
- type: "dirt_accumulation"
description: "Smuts på fönster"
confidence: 0.94
media:
- type: "image"
url: "..."
ai_analysis:
overall_condition: 3
```
**Leverans:**
- Observation-API
- Bilduppladdning
- AI-integrationspunkt
**Tid:** 2 veckor
**Komplexitet:** Medel
---
## Fas 2: Struktur (Månad 2-3)
### Lager 3 — Objektets DNA (Metadata)
**Varför nu:** När objekt skapas behöver de metadata.
**Scope (minimal):**
```yaml
object:
goid: "BYG-FAC-WIN-GLA-2847"
object_type: "window_glass"
material: ["glass"]
dimensions: {width: 2.1, height: 1.5, unit: "m"}
installation_date: "2020-03-15"
owner: "org:ikea"
```
**Leverans:**
- Metadata-API
- Materialkatalog (20 vanligaste)
- Dimensionsvalidering
**Tid:** 1 vecka
**Komplexitet:** Låg
---
### Lager 7 — Felklassificering
**Varför nu:** AI behöver koder för att klassificera.
**Scope (minimal — Fas 1-relevanta):**
```
2000 — Ytskada
├── 2100 — Smuts / Nedsmutsning
├── 2200 — Färgförändring
└── 2300 — Skada på yta
3000 — Strukturell skada
├── 3100 — Spricka
├── 3200 — Deformation
└── 3300 — Materialförlust
4000 — Saknad / Trasig komponent
├── 4100 — Saknad del
└── 4200 — Trasig del
5000 — Blockering
├── 5100 — Fysisk blockering
└── 5200 — Synlig blockering
```
**Leverans:**
- Felkods-API
- AI-klassificeringsmapping
- Mänsklig gransknings-UI
**Tid:** 1 vecka
**Komplexitet:** Låg
---
### Lager 4 — Komponentstruktur (BOM) 🔄 FÖRENKLAT
**Varför senare:** Komplext, men ger stort värde för underhåll.
**Scope (förenklat för Fas 1):**
```yaml
# Endast 1 nivå djup
object:
goid: "ENE-EVC-CHA-AC22-003"
components:
- goid: "ENE-EVC-CHA-FND-003"
name: "Fundament"
- goid: "ENE-EVC-CHA-POL-003"
name: "Stolpe"
- goid: "ENE-EVC-CHA-CBL-003"
name: "Kabel"
```
**Leverans:**
- BOM-API (1 nivå)
- Komponentkoppling
**Tid:** 1 vecka
**Komplexitet:** Medel
---
## Fas 3: Intelligens (Månad 3-4)
### Lager 8 — Riskmodell
**Varför nu:** Kräver observationer och felkoder för att fungera.
**Scope (förenklat):**
```yaml
risk:
dimensions:
safety: 0-10
economic: 0-10
operational: 0-10
# För Fas 1: endast 3 dimensioner
weights:
safety: 0.4
economic: 0.3
operational: 0.3
```
**Leverans:**
- Riskberäknings-API
- Risktröskel-alerts
- Dashboard-visning
**Tid:** 1 vecka
**Komplexitet:** Medel
---
### Lager 9 — Relationer (Kunskapsgraf) 🔄 FÖRENKLAT
**Varför senare:** Kraftfullt men komplext.
**Scope (förenklat):**
```yaml
# Endast 3 relationstyper
relations:
- type: "part_of"
target: "BYG-FAC-001"
- type: "owned_by"
target: "org:ikea"
- type: "adjacent_to"
target: "BYG-FAC-WIN-GLA-2848"
```
**Leverans:**
- Relations-API
- Enkel grafquery
**Tid:** 2 veckor
**Komplexitet:** Medel
---
## Fas 4: Vision (Månad 4-6)
### Lager 10 — Digital tvilling
**Varför sist:** Bygger på alla andra lager.
**Scope:**
- Grafvisualisering
- Tidslinje per objekt
- Prediktiva modeller
- Kontradiktionsdetektering
**Leverans:**
- Dashboard
- API för komplexa frågor
- Exporter (PDF, Excel)
**Tid:** 4-6 veckor
**Komplexitet:** Hög
---
## Sammanfattning: Prioritering
| Fas | Lager | Tid | Värde | Komplexitet |
|---|---|---|---|---|
| 1 | 1 (Taxonomi) | 1v | ⭐⭐⭐⭐⭐ | Låg |
| 1 | 2 (GOID) | 3d | ⭐⭐⭐⭐⭐ | Låg |
| 1 | 5 (Egenskaper) | 3d | ⭐⭐⭐⭐⭐ | Låg |
| 1 | 6 (Observationer) | 2v | ⭐⭐⭐⭐⭐ | Medel |
| 2 | 3 (Metadata) | 1v | ⭐⭐⭐⭐ | Låg |
| 2 | 7 (Felkoder) | 1v | ⭐⭐⭐⭐ | Låg |
| 2 | 4 (BOM, förenklat) | 1v | ⭐⭐⭐ | Medel |
| 3 | 8 (Risk) | 1v | ⭐⭐⭐⭐ | Medel |
| 3 | 9 (Relationer, förenklat) | 2v | ⭐⭐⭐ | Medel |
| 4 | 10 (Digital tvilling) | 4-6v | ⭐⭐⭐⭐⭐ | Hög |
**Total tid till full IOM:** 4-6 månader
**Tid till första kundvärde:** 2-3 veckor (Fas 1)
---
## Rekommendation
Börja med **Fas 1** omedelbart. De fyra lagren är tekniskt enkla och ger direkt värde:
1. Zoomers kan klassificera objekt (Lager 1)
2. Objekt får permanenta ID:n (Lager 2)
3. Systemet kan filtrera och jämföra (Lager 5)
4. Observationer sparas strukturerat (Lager 6)
Detta möjliggör redan i vecka 3:
- "Visa alla smutsiga fönster i Stockholm"
- "Hur många observationer har vi på objekt X?"
- "Vilka objekt har försämrats sedan förra månaden?"
Resten bygger ni ovanpå efterhand.