`

СПЕЦІАЛЬНІ
ПАРТНЕРИ
ПРОЕКТУ

Чи використовує ваша компанія ChatGPT в роботі?

BEST CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Андрей Зубинский

Industry 4.0 и IoT – итоги года, видение будущего, часть 2

+55
голосов

В первой записи речь шла о предпосылках «настоящего IoT» или Industry 4.0. Причём эти предпосылки не очень очевидно содержались в оцененных специалистами (а не сторонними экспертами) значимостях ключевых показателей эффективной (KPI, Key Performance Index) реальных производственных компаний. Теперь можно начать детализировать картину до уровня «что, зачем и как».

Двумя самыми значимыми KPI оказались стоимость обслуживания и ремонта производственного оборудования и убытки из-за его сбоев.

Раз прозвучали слова «производственное оборудование», об их смысле стоит подумать. В общем случае речь идёт о парке машин разного уровня сложности. Общее у этих машин одно – они состоят из узлов, узлы – из деталей, и всё это подвержено износу. Машины могут отличаться текущим «накопленным» сроком эксплуатации, это могут быть и совсем не новые станки, и промышленные роботы, и турбины, и что угодно (шкала продолжительности жизненного цикла производственного оборудования содержит характерные диапазоны 5-10 лет, 10-20 лет, 20-50 лет). Выведение машины из эксплуатации – это не просто её «замена», а в общем случае и модернизация всего технологического процесса. Потому все производители хотят увеличить срок эксплуатации машин и стараются прибегать к их заменам только в самых очевидных случаях, например, когда технологический процесс безнадёжно устарел и потому стал неконкурентоспособен.

Учёт износа узлов и деталей – задача, которую классически решали методом «учётного журнала и планов регламентных работ». То есть, процедура учёта износа была фактически полностью «отвязана» от реального износа и строилась на предварительных допущениях производителя машины и опыте эксплуатирующей машину компании. Причина предельно проста – стоимость микроэлектроники и сенсоров, особенно пригодных для промышленной эксплуатации (industry grade, температурный диапазон, вибрации, электромагнитные поля etc, при которых компоненты гарантированно работоспособны), начала стремительно падать совсем недавно. А по меркам продолжительности жизненного цикла производственного оборудования – так и вовсе «вчера». И «напичкивать» всем этим удовольствием без того сложные машины совсем недавно было астрономически дорого. А каким образом, без дополнительных датчиков (которые в общем случае далеко не примитивны), можно учитывать время наработки, например, отдельных деталей сложной машины? При этом выход из строя детали, или просто её увеличенный износ, порождают или временную остановку технологического процесса (и время этой остановки фактически всегда больше времени, требуемого на просто замену детали), или снижают качество продукции (потому что гарантируемые параметры машины, на основании которых строился технологический процесс, уже не обеспечиваются).

Значительная часть ландшафта Industry 4.0 и «настоящего IoT» - «всего лишь» способ решения этой задачи, дополненный машинной аналитикой (всё, что недавно называлось big data, в сочетании с задачами прогнозирования, распознавания образов, классификации etc, или, как сейчас модно, machine learning).

Теперь, когда картина более-менее обрисована, позволим себе немного подумать о нюансах. Даже при такой степени детализации их можно отыскать море. Например, некоторые узлы или детали машины могут работать постоянно, некоторые – периодически, а некоторые - апериодически, «мерцающе». Если решается самая простая задача – подсчёт реального времени наработки не машины в целом, а узлов и деталей, эти нюансы сразу порождают массу вопросов. Если оценить время работы машины в целом обычно сравнительно нетрудно (и она даже может быть оснащена такой встроенной функций), то и постоянно работающих узлов и деталей – тоже. А вот с остальным возникают сложности.

Радикальная модификация задействованной в производственном процессе машины чаще всего невозможна (никто не хочет останавливать производственный процесс). Или непозволительно дорога. Это означает, что в общем случае никаких непосредственных методов оценки времени работы узла или детали не существует. Просто потому что в общем случае до них нельзя «добраться» без остановки и разборки-модификации-сборки машины. Простая задача «давайте посчитаем сколько времени крутился подшипник № X в узле Y» становится крайне непростой. Но в индустрии «любой ценой» ничего не делается, потому задача звучит примерно так – «давайте развернём подсистему учёта времени работы подшипника № X в узле Y за N единиц денег и M единиц времени». Причём N и M в идеале стремятся к нулю.

Не обращаясь к реальной конструкции какой-то производственной машины, мы уже сформулировали одну из крайне сложных задач IoT в концепции Industry 4.0. Непосредственного доступа к подшипнику № X нет, возможности прокладывать провода или кабель от датчиков – нет, но пользователь машины очень хочет получать хотя бы эту информацию (временно забудем о высокоуровневой обработке и прочем, что делается мощными вычислительными ресурсами cloud платформ), ещё и с минимальными затратами (материальными и временными) на развёртывание, эксплуатацию и обучение персонала. Поставленная задача (несмотря на то, что мы говорим всего о подмножестве IoT – о SN, Sensor Networks, сетях сенсоров) содержит в себе фундамент того, что мы видим даже в IoT hype.

«Минимизация расходов на эксплуатацию» для устройства, которое фундаментально, «в общем случае», невозможно подключить к источнику питания, означает очень долгое время работы от батарей, или, ещё лучше, замену батарей в нём системой «сбора энергии» (energy grabber). Что мы и видим даже в hype – стремление к снижению энергопотребления, постоянные упоминания «год и более от батареи», проникновение подсистем «сбора энергии» из технологий «умного дома» в претендующие на универсальность (о чём свидетельствует, например, рост популярности альянса EnOcean, пропагандирующего и поддерживающего развитие систем energy grabbing  и его активность в сугубо IoT консорциумах).

Невозможность использовать в общем случае проводные каналы связи порождает следствием бурный рост интереса к малопотребляющим беспроводным, и вот буквально недавно на и без того не пустующее поле битвы за долю рынка энергоэффективных радиоканалов для IoT включился альянс Wi-Fi с уже готовыми спецификациями HaLow (причём весьма многообещающими).

Это очевидные, поверхностные следствия фундаментальных особенностей задач IoT. Настало время для неочевидных, причём никакого дополнительного усложнения совершенно абстрактной задачи о подшипнике № X узла Y некоей промышленной машины нам не потребуется.

Если бы машины были идеальными и не подчинялись законам физики, мало что никакой потребности в IoT как сегменте Industry 4.0 не было бы, хуже того – при всех прочих требованиях реализация IoT была бы вообще невозможна. Потому что эти самые «прочие требования» в общем случае исключают наличие непосредственных данных и простых способов их преобразования. В реальности владелец машины не может её разобрать, добраться до злополучного подшипника № X, укрепить на нём какой-нибудь простой преобразователь вращения в электрические импульсы, протянуть провода, собрать всё это и наслаждаться результатом.

Значит, всё, что можно с минимальной степенью вмешательства получать в реальном мире от уже существующих машин – косвенную информацию, возникающую из-за их неидеальности. Вибрации, акустические волны, электромагнитные поля, визуальные данные, содержание газов и примесей в воздухе, список можно продолжать в зависимости от характера, принципа действия, конструкции etc конкретной машины.

Значит, для начала нужны преобразователи этих в общем случае неэлектрических явлений в электрические сигналы. Это мир сенсоров. И в нём за счёт MEMS-технологий произошёл явный взрыв. То, что стоит сегодня сущие копейки (MEMS-микрофоны, акселерометры, гироскопы, магнетометры, датчики газов etc), буквально 10 лет назад было фактически недоступным. А парк промышленных машин, не выработавших свой ресурс за эти 10 лет, огромен. И они очевидно вступают в опасный период жизненного цикла, когда вероятности отказов из-за износа деталей и узлов возрастают. Так что разработчики и производители сенсоров «подстёгиваются» не только стремлением к увеличению числа датчиков положения смартфона в пространстве, чтобы «поворачивать экран».

Замечательно. Мы уже можем за доллар с центами, например, преобразовывать вибрации узла, где находится подшипник, в электрические сигналы. Проблема в том, что считанная картина содержит в себе слишком много лишнего. А нас интересуют только вибрации от злополучного подшипника. И вот примерно с этой задачи «отделения зёрен от плевел» и начинается самое интересное и сложное в IoT, о чём почему-то пишут только в серьёзных профессиональных изданиях.

Сразу предупреждаю – всё, что будет дальше, присутствует здесь совершенно не случайно и не потому, что «мне это нравится». Я постараюсь объяснять, не выходя за рамки нашей высокоуровневой модели, почему именно эти междисциплинарные разделы IT сейчас очень цитируемы, почему им уделяют столько внимания в НИОКР и зачем на всё это тратятся гранты академической наукой.

Давайте ещё раз соберём вместе те очевидные следствия фундаментальных особенностей задач IoT, о которых только что говорили: высочайшая энергоэффективность и в общем случае вызванное ограничениями реальности использование беспроводных каналов связи, и всё это – за очень скромные деньги, потому что этим теперь уже трём критериям должны соответствовать самые массовые в IoT-системах устройства, «оконечные узлы».

Так как в общем случае никаких допущений о местах развёртывания этих узлов мы делать не можем, потому всякие низкоуровневые «прямолинейные» решения в общем случае же «не работают». Например, исполнение всей электроники встроенного в узел вычислителя в виде SoC (системы на чипе) со снижением его энергопотребления за счёт технологии изготовления этой системы на чипе «sub-threshold» (модное направление снижения энергопотребления за счёт работы транзисторов в диапазоне напряжений, меньших обычного для PN-перехода падения напряжения порядка 0,6-1,2 вольта), не является панацеей. Оконечный узел IoT может быть установлен там, где уровень помех сделает работу всей системы просто непредсказуемой (с подобным уже столкнулись разработчики бортовой электроники автомобилей, и если внимательно присмотреться к рынку компонентов, можно заметить возвращение популярности в автоэлектронике пятивольтового напряжения питания).

Точно так же низкоуровневые решения в беспроводных интерфейсах фундаментально не отменяют их особенностей – пакеты данных могут пропадать, время установления соединения оконечного узла с маршрутизатором или с другим узлом может «плавать» в пределах, далёких от теоретических etc. С учётом требований сверхнизкого энергопотребления оконечных узлов все нюансы беспроводных каналов многократно усиливаются. Из-за всего этого возникает очевидный вопрос – «что делать?». И ответы на него ищут там, где логичнее избавляться от низкоуровневых особенностей реализации – в междисциплинарной алгоритмике.

Первое в алгоритмике, на что «покусился» IoT – на фундаментальный принцип «оцифровки» аналоговых сигналов, на теорему Найквиста-Шеннона. Это классика всей цифровой обработки сигналов – «частота оцифровки аналогового сигнала должна быть минимум в 2 раза выше самой высокой частоты в спектре аналогового сигнала» (формулировка неточная, но для целей этой записи достаточная). Для нужд IoT, с учётом специфических критериев, это фундаментальное оказывается избыточным. Потому что теорема Найквиста-Шеннона даёт «пессимистическую оценку», гарантирующую восстановление всего спектра аналогового сигнала, без учёта особенностей породившей его системы и его пригодности, например, к процедурам сжатия данных (важный момент, фундаментально теорема Найквиста-Шеннона основана на линейной модели, а сжатие данных является сугубо нелинейной операцией). Классические, «по Найквисту-Шеннону», аналогово-цифровые системы (к которым относится всё, что есть в IoT) в общем случае требуют высокой производительности вычислителей, встроенных в сенсоры, и высокой полосы пропускания каналов связи. Что входит в противоречие с критериями IoT. Название «нового» подхода, популярность которого буквально достигла взрывного уровня с ростом IoT hype – Compressive Sensing. Эта теория, в основе которой «смесь всего» (в том числе и молодая «Uncertainty Theory»), уже далеко не «бумажная». Так как я ставил себе задачу всего лишь привлечь внимание к важным областям, в которых «настоящий IoT», ограничусь только самым главным – Compressive Sensing необходима для такой минимизации числа измерений (или аналогово-цифровых преобразований), при которой сохранившая в результатах «оцифровки» информация достаточно для практических целей хорошо аппроксимирует исходный сигнал. А о её «небумажности» говорят многие прикладные работы прагматичных китайских учёных и многие устройства, где Compressive Sensing уже используется. Трудно поверить, но «простой» класс недорогих гаджетов, как трекеры физической активности (популярный Fitbit, например), является одной из прикладных областей, где Compressive Sensing очень востребована.

Второе «из мира IoT» - Sensor Fusion и Multi-Sensor Fusion. Локальное по месту измерения «улучшение данных от физических сенсоров» для сокращения требований к полосе пропускания каналов связи, повышения устойчивости к их сбоям, улучшения показателей качества всей системы в целом. Огромная область, разделённая на специфические (в зависимости от сенсоров) сектора. Большего о ней, в силу её «габаритов», в таком объёме сказать нечего, кроме одного очевидного – это настолько востребованная область, что буквально за год большинство производителей электронных компонентов вывели на рынок системы на чипе, реализующие алгоритмы Sensor Fusion для разных сенсоров.

Третье, не менее фундаментальное, что также «взорвалось» с ростом популярности IoT-тематики – теория систем управления с обратной связью. В классическом своём варианте она основывалась на непрерывной коррекции возмущений во всей системе, охватывающей управляемый объект. Для IoT с его фундаментальными критериями эта фундаментальная непрерывность оказывается слишком суровым требованием, соответствия которому в общем случае добиться просто невозможно (и вообще не нужно). Реакция на явное противоречие – рост интереса к Event-Based Control, теории управления, основанной на событиях. Она изучает системы, в которых цепь обратной связи «срабатывает» только тогда, когда сенсоры обнаруживают значимые изменения в системе (причём при таком подходе возможна успешная реализация таких «классически непрерывных» алгоритмов, как PID-регуляторы). Сравнительно молодая теория, без которой построение масштабных реально полезных и гарантированно работоспособных IoT систем для Industry 4.0 практически невозможно. Если даже бегло «порыться в интернете» по словосочетанию “Event-Based Control”, можно заметить, что основная область применения этой теории – автоматизация производства. Ей уже посвящаются тематические конференции IEEE, курсы лекций по ней уже читаются в хороших университетах, и, что главное, такие гранды большой автоматизации, как Emerson, уже «по полной» используют Event-Based Control в своих системах. В общем, всем, кто всерьёз интересуется IoT, изучение хотя бы основ Event-Based Control необходимо. По-другому IoT-системы, с учётом их особенностей, работать не могут.

И есть ещё четвёртое, о чём говорят почему-то совсем мало. Принципиальная интердисциплинарность IoT требует адекватной поддержки моделирования систем разной природы. Как и вся новая IoT-алгоритмика. Без качественного моделирования создание реально хороших и полезных систем невозможно.

Для завершения, чтобы всё из двух этих записей не оказалось пустыми словами. Всё это – уже реальность, например, в Bosch. 73% профильных специалистов корпорации подтвердили использование IoT-составляющей Industry 4.0 в реальных производственных процессах. То есть, в Bosch действительно «обвешивают» производственное оборудование «умными IoT-сенсорами», реально создают системы сбора информации о режимах работы оборудования, на основании моделей формируют прогнозы регламентных работ, и замыкают цепь обратной связи оповещениями персонала о прогнозируемом времени необходимых работ, что даёт возможность спланировать их проведение так, чтобы снизить потери производства от простоев. В Boeing точно так же собирают данные с «умных отвёрток» об их износе и поставляют им данные о необходимом усилии при закручивании конкретного болтового соединения (эти цепочки нужны для того, чтобы изношенными электроотвёртками не нарушить требования к технологическому процессу). Всё это уже работает. И в той же Bosch уже говорят о том, что самыми существенными причинами слабой распространённости IoT-технологий в производстве являются не финансовые или технологические проблемы, а, например, низкая квалификация «экспертов», набросившихся на IoT-тематику из-за hype, и слабая информационная поддержка профильными изданиями (потому что, вопреки всем домыслам, львиную долю информации специалисты получают именно из них).

Прямых ссылок не приводил, потому что всё упомянутое настолько «на слуху» и популярно, что безошибочно находится с «первого раза» в избыточных количествах.

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365

+55
голосов

Напечатать Отправить другу

Читайте также

Щедро так… Спасибо!

Простой такой тест на hype

s/IoT/Промышленная автоматика/g

Что-нибудь изменилось ?

понимаю иронию
она из-за примера, потому что речь об IoT-составляющей Industry 4.0
но и здесь разница огромная всё равно.
никто классическую пром.автоматику никуда не денет, она останется фактически без изменений (настолько без изменений, что протоколу Modbus и всему что на нём прогнозируют жить до каких-то немыслимых 2100 годов), потому что прекрасно соответствует своему назначению.
можете считать IoT "другой автоматикой".
или Internet-автоматикой для человеко-машинных систем.
чтобы не было проблем с толкованием.

Это понятно, вопрос не в том как это делается, вопрос в том зачем. Ну на том же примере подшипника "cобрать всё это и наслаждаться результатом" что собственно есть результат ? Вопрос зачем для этого I вообще отдельный, кто бы объяснил в чем проблема передать ту же самую информацию по существующим сетям и протоколам к контроллеру и потом SCADA а потом куда угодно ?

наверное, просто потому что это:

1. дорого (+ требует middleware между скадами и дальнейшей обработкой)
2. не нужно
3. не соответствует требованиям задачи
4. в общем случае просто невозможно? потому что имеющиеся сети, например, цехового уровня, этого вообще не позволяют без радикальных их изменений, будь это RS-485 внизу, будь CAN, будь industrial Ethernet, и будь какие угодно протоколы, "заточенные" под совершенно другие задачи

А в реальности все это выглядит примерно так.

Сидит значит CEO какой нибудь компании специализирующейся на промышленной автоматизации, ну скажем ВCC Group и думает - как бы нам еще нашей продукции продать да еще и контракты на внедрение получить, а то мы поставили там на фабрику что-то 10 лет назад а им и нормально, миллион на апгрейд тратить не хотят, говорят и так не плохо.

А тут значит по каналу Блумберга про IoT рассказывают, и какие перспективы у того IoT будут как только кто-то поймет что оно такое.

Вызывает значит CEO начальника разработчиков и спрашивает, вот тут по ящику значит про какой-то такой IoT говорят, слышал ? Тот конечно не слухом ни духом, но слышал говорит.

Ну CEO и спрашивает - а у нас есть такое ? А начальник разработчиков и понимает что ни нам ни никому другому оно нафиг не надо но сказать такое CEO нельзя, потому говорит - да вот мы уже прям счас готовы производить.

CEO говорит молодцы, держи свой бонус за хорошую работу, чтобы через 6 месяцев продукт был на рынке, мы его будем клиентам впаривать, они ж небось тоже Блумберга смотрят и тоже слышали про IoT.

Ну делать нечего идет начальник разработчиков к разработчикам которые как раз новое поколение контроллеров заканчивают и говорит - а вот это что вы делаете оно IoT ? Те такие - та не, нафиг оно кому сдалось, но у нас тут в 2016 году контроллеры такие что можно хоть биткойны майнить, и стек IP вроде для них есть, мы его щас подшаманим и будет IoT, все равно никто не знает что оно такое.

Вот примерно так компания BCC Group и станет через 6 месяцев ведушим поставщиком решений IoT для промышленности, а за ней и все остальные подтянутся, клиенты ж Блумберга смотрят.

приведу пример из другой области - в прецизионной агрокультуре, например, нет никакого смысла использовать традиционные промышленные протоколы и шины для сбора данных с сетей датчиков в поле.
и никакой возможности.
точно так же всё это непригодно для сбора данных от дронов.
и даже для управления оконечными устройствами выше уровня "сети внутри конкретной машины".
во всём этом пром.автоматика заканчивается именно на уровне "внутри машины".
как-то так получается.

 

Ukraine

 

  •  Home  •  Ринок  •  IТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Мережі  •  Безпека  •  Наука  •  IoT