Базовая идея интернета вещей озвучена здесь – любое изделие может быть оснащено датчиками, то есть «органами чувств», системами передачи данных через повсеместное присутствие интернета.
Промышленный Интернет вещей ( Industrial Internet of Things, IIoT) применяет структуру интернета вещей к устройствам («машинам») на производственных мощностях. Связь между машинами является решающим фактором в IIoT. Цель состоит в том, чтобы интеллектуальные машины обменивались между собой данными на достаточно высоком уровне, чтобы они могли работать более эффективно, чем при взаимодействии «человек-человек» или «человек-машина».
Для производственных предприятий интернет вещей становится целой экосистемой, когда благодаря программному обеспечению в сочетании с облачными ресурсами и инструментами анализа, потоки данных превращаются в аналитическую информацию или прогнозы.
На базе технологии интернета вещей возможно организовывать производственные системы, которые кардинальным образом изменяют нашу жизнь.
В производственной сфере технологический процесс состоит из большого числа параметров.
Режим работы автомобиля содержит несколько критических параметров – давление масла, количество топлива, температура двигателя, которые необходимо мониторить, и иногда выдавать сигнал потребителю о срочной остановке и вызове сервиса.
Система обработки данных может происходить как в автоматизированном режиме, так и с подключением человека (инженера или эксперта по проблемной ситуации).
Когда возникает определенное сочетание параметров, которое распознается системой как проблемное, то эта ситуация передается на экспертное решение (рис.1). И тогда человек включается в систему промышленного интернета вещей. Впрочем, реакция может быть и автоматизированной – например, станок в каком-то закрытом производстве просто отключится.
Реакции могут быть и упреждающими.
Например, на умном производстве, при изменении режима резания на многомерном фрезерном станке требуется специфическое масло, и именно этот заказ станок сам пошлет на склад и в отдел логистики для изменения режима работы.
Прежде чем создать такую систему в любом производстве, необходимо понять, каких целей мы хотим достичь, и декомпозировать (разложить) эти цели на определенные элементарные действия – какой сигнал мы должны получить, куда его должны передать, кто имеет права доступа к необработанным или преобразованным сигналам, посмотреть, куда идут аварийные сигналы. То есть спроектировать, а затем описать алгоритмы обработки данных, поступающих с датчиков, интегрированных в состояние технологического объекта (автомобиля, теплицы, умного дома).
В цифровом производстве, в цифровых системах и особенно в цифровых продуктах, в том числе в интернете вещей, происходит взаимопроникновение процессов и технологий.
Если речь идет о производственной системе с миллионами датчиков, распределенных в пространстве (например, система городского транспорта), потребуется специальное программное обеспечение, устойчивая связь и суперкомпьютеры.
Для подключения вещей к интернету существует огромное количество вариантов. Сотовая связь, спутниковая связь, WiFi, Bluetooth, RFID, и Ethernet - это лишь некоторые из возможных способов подключения.
Идеальным вариантом подключения будет тот, в котором сочетаются малое потребление энергии (это особенно важно, если датчик ставится на удаленное оборудование без возможности заменить источник питания в любой момент) и высокая пропускная способность для передачи больших объемов данных.
Обработка данных может осуществляться локально, или с использованием «облаков». Технически для IoT облака не нужны. Обработка данных может осуществляться локально.
Но для агрегирования данных использование облака имеет важное значение. Например, умная сельскохозяйственная компания сможет сравнивать данные о влажности почвы в различных регионах своего присутствия. Умные научные суда могут передавать в облако данные о температуре и составе воды на разных акваториях. Примеров может быть много. Без облака сравнивать данные, полученные от географически распределенных областей, гораздо сложнее.
Датчики собирают данные и дают команды на необходимые действия, но обработка/управление/аналитика, как правило, происходит в облаке.
Важным компонентом Интернета вещей являются «платформы IoT».
Платформы IoT - это вспомогательное программное обеспечение, которое объединяет все в системе IoT - обеспечивает связь и подключение оборудования, управление устройствами и потоком данных, обрабатывает различные протоколы связи, собирает, визуализирует и анализирует данные, обеспечивает безопасность и аутентификацию данных, осуществляет интеграцию с другими сервисами.
Для интерпретации данных во многих случаях применяется традиционный анализ данных, позволяя создавать отчеты или модели того, что происходило в системе ранее или происходит сейчас. Аналитика данных дает возможность количественно оценить и отследить цели, обеспечить более разумное принятие решений, и предоставить критерии для оценки процесса во времени.
Однако модели данных, типичные для традиционной аналитики данных, как правило являются статичными. Когда дело доходит до IoT, часто необходимо учитывать меняющиеся внешние факторы.
Машинное обучение применяется для установления взаимосвязи между переменными. Основываясь на исходных переменных (например, необходимости экономии энергии), автоматически ищет влияющие на это переменные и их взаимодействия.
В общем, машинное обучение полезно, когда известна цель, но не ясны важные исходные данные для принятия этого решения.
Машинное обучение незаменимо для прогнозирования будущих событий. Предиктивная аналитика, ставшая возможной благодаря машинному обучению, чрезвычайно важна для многих приложений IoT.
Интернет вещей является неотъемлемой частью для успешной реализации систем цифровых двойников . Платформы IoT необходимы для интеграции потоков данных с датчиков и обеспечения плавной и точной двунаправленной передачи данных между физическим и виртуальным объектами.
Перспектива технологии интернета вещей огромна.
Спрос на такие продукты и технологии растет взрывным образом. Главное, что сдерживает развитие технологических, пользовательских и индустриальных решений, в том числе и для тяжелой промышленности – это дефицит исполнителей. Тех, кто формирует идею продукта, и на проектном уровне (системные аналитики, проектировщики программных продуктов и инженерных компонент систем интернета вещей), и программистов, способных такие приложения реализовывать и сопровождать.
Есть дефицит системных аналитиков, то есть специалистов, которые могут построить общую схему работы, проанализировать и определить параметры данных через технологические возможности, описать, где не хватает каких-либо датчиков для комплектации замкнутой системы, как использовать имеющееся оборудование, выстроить эскиз архитектурой системы.
Следующий этап – проектирование информационной системы, систем передачи и хранения данных, реализация операций в программном коде и тестирование программного кода для системы интернета вещей.
Необходимо обеспечить сопровождение, получение обратной связи от пользователей. Например, если посмотреть на различные интернет-приложения, можно увидеть, что продукты очень быстро меняются. Потому что, задумывая и проектируя системы интернет-сервисов, основанных в том числе на взаимодействии с данными, генерируемым вещами/установками/ изделиями, проектант не всегда понимает реальные потребности и реакцию пользователей. Сопровождение, то есть достройка постоянно является составляющей жизненного цикла продукта.
Развитие IoT в мире стало возможным благодаря четырем технологическим трендам: снижению стоимости вычислительных мощностей; снижению стоимости передачи данных; быстрому увеличению количества «подключенных» устройств; развитию облачных технологий и Big Data. Интернет вещей тесно связан также с искусственным интеллектом, робототехникой, кибербезопасностью.
В будущем мы с вами, безусловно, будем жить в мире интернета вещей и пользоваться им.
