Internet Rzeczy jest obecnie odmieniany przez wszystkie przypadki - pojawia się regularnie nie tylko w publikacjach specjalistycznych, lecz nawet na szpaltach tabloidów. Zainteresowanie mediów i często zbyt swobodna żonglerka pojęciowa sprawiła, że powstał lekki chaos: pod jednym szyldem znalazły się inteligentne żarówki, systemy inteligentnego domu, samochody autonomiczne i systemy predykcji stanu i poprawy efektywności maszyn przemysłowych.
Zamieszanie pojęciowe sprzyja windowaniu oczekiwań wobec IIoT, które w wielu przypadkach nie pokrywają się z realnymi możliwościami konkretnych rozwiązań.
Chociaż w przypadku IIoT mówi się o "rzeczach", to istotą zachodzących w tym środowisku procesów jest wymiana danych - pomiędzy urządzeniami (rzeczami) nawzajem oraz pomiędzy urządzeniami i chmurą obliczeniową.
Od ilości i jakości danych, którymi wymieniają się poszczególne elementy składowe środowiska IIoT, zależy skuteczność działania całego systemu - w interesującym nas przypadku jakość diagnostyki i predykcji.
Niska jakość danych to nieskuteczna diagnostyka i predykcja, a co za tym idzie - również niewłaściwe decyzje oparte na tych podstawach, a więc i kosztowne.
Firmy oferujące oprogramowanie diagnostyczne i predykcyjne zakładają - wygodnie dla siebie, ale nie do końca uczciwie wobec klienta - że nabywca software’u dysponuje potrzebnymi do przetworzenia danymi. Tymczasem rzeczywistość zazwyczaj jest zupełnie inna.
O ile nawet klient posiada jakiś zbiór danych, to zazwyczaj znajdują się one w wielu różnych systemach, w różnych formatach, a do tego pozyskanych z różną rozdzielczością czasową (od sekund, przez godziny i dni, aż do miesięcy). O ile nawet uda się przetworzenie takich danych, o tyle ich analiza może prowadzić do błędnych wniosków.
Efektem jest rozczarowanie związane z niezadowalającą użytecznością otrzymanych wyników, które w połączeniu z ciągle niskim poziomem wiedzy na temat możliwości Przemysłowego Internetu Rzeczy przekłada się na sceptyczne podejście wielu klientów z sektora przemysłowego do metod opartych na IIoT.
Ta niekorzystna sytuacja zaczęła się zmieniać wraz z pojawieniem się na rynku firm oferujących usługi oparte na zaawansowanym technologicznie sprzęcie pomiarowym i oprogramowaniu do przetwarzania danych. Jedną z takich firm jest Elmodis, oferujący kompletne środowisko diagnostyczno-predykcyjne.
EDGE COMPUTING PODSTAWĄ SKUTECZNOŚCI IIOT
Oprócz wyboru metody detekcji i zapewnienia wysokiej jakości danych, jednym z najistotniejszych do rozwiązania problemów diagnostyki i predykcji maszyn w środowisku IIoT było przetwarzanie ogromnej ilości danych uzyskanych z pomiarów.
Przesyłanie ich do chmury obliczeniowej w postaci nieprzetworzonych, surowych danych spowalniałoby procesy i w praktyce wykluczało real time processing, czyli przetwarzanie w czasie rzeczywistym. A bez tego nie można zapewnić natychmiastowej reakcji na odnotowane anomalie w pracy maszyny. W efekcie skuteczność rozwiązań IIoT stałaby się wątpliwa. Po dodaniu do tego rosnących kosztów transmisji i problemów z przepustowością łączy, obraz katastrofy byłby kompletny.
Rozwiązaniem problemu jest agregacja i wstępne przetwarzanie danych przed wysłaniem ich do chmury, czyli edge computing (przetwarzanie na obrzeżach chmury, przy maszynie) w połączeniu z IoT Gateway, czyli bramą zarządzającą przepływem danych do i z chmury.
Wspomniane na wstępie moduły monitorująco-diagnostyczne Elmodis nie tylko zbierają dane, wykorzystując zaawansowane metody analizy parametrów elektrycznych, odniesionych do aktualnego stanu pracy silnika, ale też dokonują ich wstępnego przetworzenia. Dopiero odpowiednio przygotowane dane przesyłane są do chmury (cloud computing) i tam poddawane ostatecznej obróbce i używane do uczenia modeli predykcyjnych (Machine Learning), które docelowo mają trafić na indywidualne moduły monitorujące.
Moduły mogą też wymieniać się informacjami między sobą. Pozwala to na precyzyjną analizę z uwzględnieniem korelacji mierzonych parametrów i wskaźników diagnostycznych z wielu podobnych maszyn jednocześnie, co otwiera zupełnie nowe możliwości w kontekście diagnostyki.
Dedykowany i zaawansowany hardware Elmodis umożliwia precyzyjną korelację wszystkich danych z maszyny, gwarantuje stabilność, szybkość i niezawodność działania. Uzyskane w tym procesie wysokiej jakości dane umożliwiają analitykę i predykcję o wyjątkowo wysokiej skuteczności.
EPOKA PRZEMYSŁU 4.0
IIoT jest potężnym narzędziem, które przeżywa gwałtowny rozwój. Nie znaczy to, że jest panaceum na wszystkie problemy przemysłu. Jak każdego narzędzia, również IIoT należy używać do osiągnięcia jasno określonego celu. Jeżeli nie potrafimy udzielić odpowiedzi na pytanie, co chcemy osiągnąć, zastosowanie IIoT może okazać się rozczarowaniem.
Drugą istotną kwestią jest dokonanie oceny, czy zmiana, którą chcemy wprowadzić, nie da się osiągnąć szybciej i łatwiej przy zastosowaniu innych rozwiązań. Jeżeli z analiz nie wyłonią się perspektywy osiągnięcia konkretnego zysku, może to oznaczać, że na obecnym etapie rozwoju nie potrzebujemy stosowania IIoT.
Nie zmienia to faktu, że przyszłość przemysłu należy do inteligentnych maszyn. Eksperci nie mają wątpliwości, że stoimy u progu nowej ery przemysłowej, w której większość produkcji będzie odbywała się w oparciu o całkowitą automatyzację - już nie linii produkcyjnych, lecz całych fabryk.
Przemysł 4.0, bo taką nazwę nadano tej nowej rewolucji, może się pochwalić pierwszymi, obiecującymi próbami stworzenia w pełni zautomatyzowanych fabryk. Ich upowszechnienie i całkowite zastąpienie pracy ludzkiej - co do tego też panuje w zasadzie jednomyślność - warunkowane jest szerokim zastosowaniem IIoT.
Elmodis
www.elmodis.com
