Jak można poradzić sobie z wyzwaniami, związanymi z przetwarzaniem sygnałów w czasie rzeczywistym, wymienianych pomiędzy wieloma urządzeniami generującymi dane?
W przyszłości gałęzie przemysłu wykorzystujące produkcję procesową (ciągłą) oraz produkcję dyskretną (serie, partie produktów) w coraz większym stopniu będą polegały na Przemysłowym Internecie Rzeczy (IIoT), aby poprawić efektywność realizowanych operacji. W branży IT i systemów sieciowych istnieje wiele definicji IIoT, a jedna z najbardziej rozpowszechnionych brzmi “rozproszona sieć inteligentnych czujników, która umożliwia precyzyjne sterowanie i monitorowanie złożonych procesów lokalnie i zdalnie, z dowolnych odległości”. Ankieta przeprowadzona w 2016 roku przez firmę PriceWaterhouseCoopers (PwC) ujawniła, że 33% wiodących firm z branży przemysłowej i produkcyjnej, posiadających już obecnie wysoki poziom cyfryzacji, zamierza zwiększyć swoje wysiłki na drodze do coraz większej cyfryzacji, tak aby osiągnęła ona poziom 72% w 2020 roku. Ankieta, w której wzięło udział ponad 2000 respondentów z 26 krajów pokazała, że wiodące obszary inwestycyjne obejmują pionową integrację łańcucha wartości (72%), rozwijanie i opracowywanie produktów (71%) oraz dostęp do klientów, obejmujący zwiększanie kanałów sprzedaży i akcji marketingowych (68%). Prawie 72% ankietowanych przedsiębiorstw produkcyjnych przewidywało, że ich wykorzystanie analityki danych poprawi relacje z klientami, zaś 35% firm adoptujących europejski wariant IIoT, czyli Przemysł 4.0 (Industrie 4.0), oczekiwało wzrostu dochodów większego niż 20% w ciągu następnych pięciu lat. Te wyniki ilustrują rosnące oczekiwanie, że to właśnie IIoT będzie siłą napędową trzeciej fali innowacji w przemyśle. Ale co technologia IIoT oznacza z perspektywy przetwarzania sygnałów?
Rola przetwarzania sygnałów
Koncepcja Przemysłowego Internetu Rzeczy (IIoT) zawiera wszystkie główne cechy charakteryzujące paradygmat obliczeniowy Internetu Rzeczy (IoT), w tym wszechobecne czujniki, interakcje i zbieranie danych oraz analizę danych. Funkcje te są realizowane są przez maszyny, które “rozmawiają” ze sobą przy wykonywaniu swoich zadań – w sposób bardziej inteligentny i efektywny, niż komunikacja ludzi działających bez pomocy maszyn. Komunikacja “maszyna z maszyną” wspiera autonomiczną komunikację pomiędzy urządzeniami. Umożliwia działanie automatyki zintegrowanej, sterującej pracą maszyn oraz „inteligentną” optymalizację procesów przemysłowych. Zdolności maszyn do pracy autonomicznej, umożliwione przez technologię IIoT, osiągają kulminację w cyber-fizycznych systemach produkcyjnych (ang. cyber-physical production systems, CPPS). Innymi słowy w systemach, w których granica pomiędzy tym, co jest fizyczne, a co jest cyfrowe, staje się coraz bardziej trudna do określenia.
Przetwarzanie sygnałów odgrywa kluczową rolę, jako czynnik umożliwiający istnienie IIoT, pomimo tego, że jest przyćmiewane przez inne aspekty tej technologii, w tym architektury sieci komunikacyjnych, technologie czujników i zarządzania energią. Zaawansowane podejścia do kwestii samouczenia się maszyn będą wpierać rozwiązania analityki predykcyjnej i działającej w oparciu o ustalone schematy, przepisy, poprzez dostarczanie za pomocą połączeń sieciowych danych poprzednio pomijanych, pochodzących z inteligentnych czujników, sprzętu i innych zasobów. To umożliwia lepsze monitorowanie kondycji maszyn i urządzeń, efektywną diagnostykę awarii, poprawienie wydajności i skrócenie czasu przestojów. Ze względu na przewidywanie awarii, takie podejścia pomagają w stałym ulepszaniu zarówno procesów projektowania, jak i produkcji.
Grupa Specjalnego Zainteresowania (Special Interest Group, SIG) Stowarzyszenia Przetwarzania Sygnałów (Signal Processing Society, SPS) należącego do Instytutu IEEE, promuje rozwój, standaryzację i wykorzystywanie technologii przetwarzania sygnałów oraz informacji, które mają na celu poradzenie sobie z wyzwaniami ze strony wciąż pojawiających się scenariuszy rozwoju technologii IIoT. Wyzwania te obejmują między innymi: analizowanie, podsumowywanie i ochronę sygnałów czasu rzeczywistego oraz informacji wymienianych pomiędzy urządzeniami generującymi ogromne ilości danych, w tym czujnikami, maszynami i robotami oraz ich odpowiednimi węzłami przetwarzania danych.
Przemysł w centrum zainteresowania
Znaczące sektory przemysłu, na które ma wpływ technologia IIoT, to produkcja procesowa – ciągła, produkcja dyskretna – serie, parte produktów, wytwarzanie i dostarczanie mediów oraz wydobycie i przetwarzanie ropy naftowej i gazu. Jednak te zastosowania przemysłowe mają także odniesienie do takich obszarów, jak “inteligentne miasta” czy “inteligentne rolnictwo”. Wspólny fundament tych sektorów uzależniony jest bowiem od podstawowej integracji technologii informacyjnej (IT) i technologii operacyjnej (OT), co umożliwia właśnie koncepcja sieci IIoT.
Szacuje się, że rynek IIoT osiągnie wartość 124 mld USD do roku 2021. Według firmy analityczno-konsultingowej Ovum obecnie najbardziej godne uwagi inwestycje mają miejsce w sektorach przemysłowych, takich jak produkcja, transport oraz wytwarzanie i dostarczanie mediów. Rozwiązania Internetu Rzeczy pojawiają się zarówno w motoryzacji i urządzeniach wykorzystywanych przez konsumentów, jak i w realizowanych już projektach infrastruktury inteligentnych miast. Typowe przykłady aplikacji międzybranżowych sieci IoT to inteligentne oświetlenie oraz inteligentne sterowanie ruchem ulicznym w miastach, aplikacje maszyn inteligentnych, monitorowanie kondycji maszyn i urządzeń w fabrykach, inteligentne rolnictwo i służba zdrowia. Te aplikacje są coraz częstsze i oczekuje się, że w roku 2017 rozrosną się jeszcze bardziej dzięki postępowi w rozwoju i implementacji narzędzi oraz technologii IIoT.
Ponieważ następuje konwergencja technologii IT i OT, to właśnie rozwiązania IIoT umożliwiają bardziej innowacyjne, oparte na popycie podejście do klienta. W wyniku tego pojawiają się nowe, a czasami nieoczekiwane, modele biznesowe i ścieżki generowania dochodów.
Jednak pomimo wprowadzania innowacji oraz rosnącej świadomości korzyści oferowanych przez technologię IIoT, w sektorze przemysłowym napotyka ona na pewne przeszkody z następujących powodów:
- Istniejące urządzenia obiektowe, których czas eksploatacji jest długi, w najbliższym czasie nie będą modernizowane. Aby osiągnąć wszechobecność sieci IIoT, użyte rozwiązania muszą być kompatybilne z działającymi już produktami
- Skalowanie rozwiązań IIoT stwarza wyzwania, zwłaszcza w pionowym łączeniu i integracji podsystemów sieciowych
- Dyrektorzy i kierownicy d/s technicznych bronią się przed wprowadzaniem niesprawdzonych technologii
Zużycie energii
Nawet na wczesnych etapach rozwoju technologia IIoT była wykorzystywana do zmniejszania zużycia zasobów oraz redukcji emisji dwutlenku węgla przez systemy przemysłowe. Niemniej jednak systemy IIoT, w tym różne urządzenia umożliwiające pomiary różnych wielkości, przetwarzanie danych i komunikację, zużywają istotne ilości energii, co może stanowić dodatkowy wkład do emisji większej ilości dwutlenku węgla. Z drugiej strony systemy IIoT zwykle składają się z urządzeń o niskim poborze energii, zasilanych przez baterie, co ogranicza ciągłe operacje realizowane przez te systemy.
W domenie IIoT zbieranie danych w bardzo znaczącym stopniu opiera się na ogromnej liczbie węzłów sieciowych – czujników i urządzeń inteligentnych. Dzięki temu zoptymalizowanemu pomiarowi różnych wielkości, efektywnemu przetwarzaniu zebranych danych i komunikacji węzłów czujników oraz elementów wykonawczych w sieci IIoT, można skutecznie zredukować zużycie energii. Obecnie w sieciach IIoT najbardziej energochłonnymi elementami są czujniki bezprzewodowe, stanowiące niejednokrotnie trzon wielu aplikacji IIoT. A zatem techniki przetwarzania sygnałów, ukierunkowane na bardziej efektywną transmisję radiową, protokoły komunikacyjne oraz wykorzystanie zasobów współdzielonych częstotliwości radiowych, stają się kluczowymi aspektami w rozwoju technologii IIoT. Podobnie, projektowanie wydajnych algorytmów zarządzania zużyciem energii dla systemów i węzłów sieciowych z zasilaniem bateryjnym, jest sprawą zasadniczą dla zapewnienia długiego czasu eksploatacji infrastruktury przemysłowej.
Istotny wkład w rozwój technologii systemów IIoT ma również , pomimo tego, że na pierwszy rzut oka sprawia wrażenie technologii zupełnie nie związanej z tą domeną. Przetwarzanie sygnałów multimedialnych umożliwia wdrażanie nowych technologii, w tym gier, rzeczywistości rozszerzonej i wirtualnej, wyświetlaczy 3D oraz elementów tzw. galanterii elektronicznej (ang. wearables) dla nowych pracowników, którzy muszą być przeszkoleni lub tych, którzy już pracują w zakładzie produkcyjnym. W pełni cyfrowe aplikacje symulacyjne, przeznaczone do obsługi szkoleń lub rzeczywistych operacji realizowanych w fabrykach przez maszyny i urządzenia, wymagają użycia ekstremalnie wydajnych algorytmów przetwarzania sygnałów multimedialnych.
Muszą one pracować z dużymi szybkościami, ze względu na wymogi działania w czasie rzeczywistym, z wysoką dokładnością w kategoriach syntetycznego lokalizowania użytkownika w scenariuszu wirtualnym odtwarzającym fabrykę oraz z wysoką elastycznością, z powodu bardzo krótkiego opóźnienia czasowego pomiędzy działaniem wykonywanym przez użytkownika w domenie wirtualnej, a jego skutkiem w realnej, fizycznie istniejącej fabryce. Wykorzystanie tak „realnych” symulacji poprawia efektywność uczenia się i pomaga w rozwijaniu umiejętności radzenia sobie z nieprzewidzianymi sytuacjami w fabryce. Inne aplikacje symulacyjne obejmują testowanie i walidacje nowego oprogramowania oraz wspieranie migracji systemów.
Dane nieprzetworzone i czasu rzeczywistego z czujników i węzłów końcowych oraz zagregowane dane ze źródeł informacji, takich jak systemy i urządzenia pośrednie, które mogą być kwerendowane za pomocą wbudowanych funkcji, stanowią siłę napędową opracowywania nowych robotów, które mogą podejmować specyficzne działania. IIoT staje się siłą napędową autonomicznych urządzeń podejmujących decyzje. Takie internetowe “moduły robotyczne”, które pojawiają się już w np. dużych domach towarowych, wymagają opracowywani ekstremalnych algorytmów samouczenia się maszyn, które są wykorzystywane w inteligentnych robotach, potrafiących wyznaczać sobie zadania i operacje do wykonania oraz podejmować decyzje. Wykorzystanie IIoT w szerszym kontekście doprowadzi w końcu do powstania połączonych ze sobą ekosystemów, które obejmą łańcuchy dostaw, fabryki etc. i w ten sposób nadadzą nowego znaczenia koncepcji rozszerzonego przedsiębiorstwa.
Perspektywy przetwarzania sygnałów
Potrzeby jednolitego przetwarzania sygnałów wynikają z ekosystemu IoT. Są to:
- uzyskiwanie odpornych na zakłócenia informacji z bardzo licznych czujników, rozmieszczonych w złożonych i niesprzyjających środowiskach oraz rozproszonych systemów przetwarzania danych,
- świadoma sytuacji transmisja i przetwarzanie danych przy wykorzystaniu urządzeń zużywających małe ilości energii
- chroniące prywatność przetwarzanie informacji współdzielonych przez “rzeczy” podłączone do sieci IoT.
W systemach IIoT transmisja danych i ich współdzielenie pośród maszyn jest sprawą zasadniczą dla działania całego systemu. A zatem badania w tym obszarze zyskują obecnie spore zainteresowanie, ponieważ dzięki nim pojawiają się nowe standardy i protokoły komunikacji typu maszyna z maszyną, w połączeniu z dostępnymi cenowo czujnikami i modułami komunikacyjnymi. Jednak z powodu złożonej struktury systemów oraz różnorodności platform sprzętowych i programowych, wszechobecny dostęp i interoperacyjne współdzielenie danych generowanych przez maszyny, są nadal otwartymi problemami. Leżący u ich podstaw standardowy mechanizm przesyłania komunikatów, oparty o międzyplatformowe technologie obsługi komunikacji pomiędzy maszynami, jest znacznym zagrożeniem dla sukcesu autonomicznych systemów przemysłowych oraz w zapewnieniu odpowiedniej jakości zbieranych danych i informacji.
W kwietniu 2016 Morgan Stanley opublikował wyniki pewnej ankiety, z których wynika, że pojawiła się kwestia rosnącego zagrożenia bezpieczeństwa i cyberbezpieczeństwa danych w organizacjach polegających na uniwersalnej łączności, takiej jak w przypadku aplikacji przemysłowych umożliwianych przez IIoT. Te środowiska zwykle wykorzystują rozwiązania hybrydowe i z łącznością mieszaną, od sieci komórkowych i sieci o dużym zasięgu i niskim zużyciu energii, do przemysłowych systemów łączności, które wymagają innowacyjnych podejść do bezpieczeństwa danych i komunikacji, daleko poza tradycyjne rozwiązania oparte na tzw. firewallach, wykorzystywane w istniejących infrastrukturach sieciowych. W tym kontekście przetwarzanie sygnałów pomaga firmom w projektowaniu nowych narzędzi zabezpieczeń, które są kompatybilne z technologią IIoT, oparte o koncepcję rozproszonej księgi rachunkowej (ang. distributed ledger), leżącej u fundamentów technologii kryptograficznej “blockchain” (“łańcuch bloków”) lub wykorzystujące wydajne i odporne matematyczne elementy pierwotne, takie jak krzywe eliptyczne.
Adoptowanie aspektów IIoT, dotyczących przetwarzania danych, zwiększy się w roku 2017 i latach późniejszych. Te nowe obszary mogłyby obejmować roboty mobilne potrafiące współpracować z ludźmi przy wykonywaniu złożonych zadań, platformy obliczeniowe dla galanterii elektronicznej w środowiskach przemysłowych, produkcję addytywną (druk 3D) oraz te technologie IIoT, które są siłą napędową zwiększonej widoczności łańcucha dostaw. Dzięki nim rozwiązania IIoT będą mogły wspierać kolejny zbiór rozwijających się obszarów, takich jak monitoring i śledzenie zasobów, inteligentne sieci elektroenergetyczne, cyfrowe pola naftowe i budynki inteligentne, ze skoncentrowaniem się przede wszystkim na zarządzaniu energią.
Ewolucja urządzeń brzegowych sieci
Urządzenia brzegowe lub inteligentne bramy sieciowe, także odgrywają ważną rolę w rosnącej infrastrukturze IIoT, szczególnie że to właśnie te urządzania sieciowe będą używane do zbierania, agregacji, filtrowania i przekazywania danych w pobliżu miejsc realizacji procesów przemysłowych lub maszyn i urządzeń produkcyjnych. Poprzez uruchamianie algorytmów analityki i zaawansowanego uczenia maszynowego, wykrywają one anomalie w czasie rzeczywistym i komunikują je operatorom. A zatem pojawia się trend do przesuwania inteligencji, funkcji monitoringu i sterowania na krawędzie sieci, bliżej źródeł danych tzw. fog computing lub fogging – obliczenia w mgle (rozproszenie operacji przetwarzania danych, w przeciwieństwie do chmury – skoncentrowanych operacji). Jest to także opłacalna opcja, gdy uruchomienie analityki w platformie w Chmurze nie jest łatwe do wykonania lub gdy rozwiązanie w Chmurze jest niedostępne.
W sieci IIoT krawędź sieci jest obecnie “zaludniana” przez urządzenia należące do systemów wbudowanych oraz heterogeniczne technologie komunikacyjne, od połączeń Ethernetowych, do bezprzewodowych i komórkowych bram sieciowych. Bramy sieciowe z konwersją protokołów mogą sprzęgać sieci różnych standardów w szkielecie systemu sieci IIoT, w ramach pojawiającego się trendu do integracji urządzeń z Chmurą. Technologia “fog computing” (“obliczenia we mgle”) i analiza danych strumieniowych spowodują wdrożenie IIoT jako technologii pozwalającej na wykorzystanie dowolnego rodzaju aplikacji sztucznej inteligencji.
W nadchodzących latach IIoT będzie kluczowym elementem ewolucji w produkcji i przemyśle. Będzie on napędzany przez coraz bardziej zanikające granice pomiędzy światem rzeczywistym, a cyfrowym. Nowe podejścia uporają się z wieloma wyzwaniami w zakresie: od ekstrakcji i przetwarzania danych, do zaawansowanych i wydajnych technologii komunikacyjnych oraz ekstremalnych algorytmów uczenia maszynowego. Obecnie dla społeczności inżynierów ważne jest, aby promować prace badawcze i wprowadzanie innowacji w tej ekscytującej dziedzinie, poprzez wspieranie działań, które akcentują wagę przetwarzania sygnałów, w jej wielu różnorodnych aspektach, aby osiągnąć lepszą produktywność w środowiskach przemysłowych.
Rola Stowarzyszenia Przetwarzania Sygnałów Instytutu IEEE
Stowarzyszenie Przetwarzania Sygnałów (SPS) Instytutu Inżynierów Elektryków i Elektroników (IEEE), jest najważniejszą światową organizacją inżynierów i specjalistów przemysłowych, zajmujących się przetwarzaniem sygnałów. Inżynierowie z całego świata poszukują w pracach tego Stowarzyszenia informacji dotyczących najnowszych postępów w dziedzinie przetwarzania sygnałów.
• Długa historia stowarzyszenia SPS liczy sobie prawie 70 lat, zaś jej bazę członkowską tworzy ponad 17 000 inżynierów, pracowników naukowych, specjalistów przemysłowych i studentów.
• Celem Grupy Specjalnego Zainteresowania Internetem Rzeczy, należącej do Stowarzyszenia SPS (IoT SIG), jest promowanie rozwoju, standaryzacji i aplikacji technologii przetwarzania sygnałów i informacji, co ma umożliwić stawianie czoła unikalnym wyzwaniom ze strony pojawiających się scenariuszy IoT, które wymagają analizowania, podsumowywania i zabezpieczania sygnałów oraz informacji czasu rzeczywistego, wymienianych lub współdzielonych przez ogromną ilość urządzeń generujących dane, takich jak czujniki, maszyny, roboty, samochody etc., oraz ich odpowiednie węzły przetwarzania danych
• Przykłady wyzwań dotyczących jednolitego przetwarzania sygnałów z sieci IoT obejmują: uzyskiwanie odpornych na zakłócenia informacji z bardzo licznych czujników rozmieszczonych w złożonych i niesprzyjających środowiskach oraz rozproszonych systemów przetwarzania danych, świadoma sytuacji transmisja i przetwarzanie danych przy wykorzystaniu urządzeń zużywających małe ilości energii, oraz chroniące prywatność przetwarzanie informacji współdzielonych przez “rzeczy” podłączone do sieci IoT.
Autorka: dr Susanna Spinsante, jest starszym członkiem Instytutu IEEE, oraz członkiem Grupy Specjalnego Zainteresowania Internetem Rzeczy, należącej do Stowarzyszenia Przetwarzania Sygnałów. Jest również pracownikiem naukowym (RTDS) Politechniki (Università Politecnica delle Marche) w Ankonie, Włochy.