Jak poradzić sobie z wyzwaniami związanymi z przetwarzaniem sygnałów w czasie rzeczywistym, wymienianych między 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 r. przez firmę PriceWaterhouseCoopers (PwC) ujawniła, że 33% wiodących firm z branży przemysłowej i produkcyjnej, wykazujących już obecnie wysoki poziom cyfryzacji, zamierza zwiększyć swoje wysiłki na drodze do maksymalizacji tego procesu, tak aby osiągnął on w roku 2020 poziom 72%. Badanie, w którym wzięło udział ponad 2 tys. respondentów z 26 krajów, pokazało, że wiodące obszary inwestycyjne obejmują:
→ pionową integrację łańcucha wartości (72%),
→ rozwijanie i opracowywanie produktów (71%),
→ dostęp do klientów, w tym zwiększanie kanałów sprzedaży i akcji marketingowych (68%).
Prawie 72% ankietowanych przedsiębiorstw produkcyjnych przewidywało, że wykorzystanie przez nie analityki danych poprawi relacje z klientami, zaś 35% firm adaptujących europejski wariant IIoT, czyli Przemysł 4.0 (Industrie 4.0), oczekiwało w ciągu następnych pięciu lat wzrostu dochodów powyżej 20%.
Te wyniki ilustrują rosnące oczekiwanie, że to właśnie IIoT będzie siłą napędową kolejnej fali innowacji w przemyśle. Co jednak 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, zbieranie oraz analizę danych. Funkcje te są realizowane przez maszyny, które „rozmawiają” ze sobą przy wykonywaniu powierzonych im zadań – w sposób bardziej inteligentny i efektywny niż komunikacja ludzi działających bez pomocy maszyn. Kontakt „maszyny z maszyną” wspiera autonomiczną komunikację pomiędzy urządzeniami. Umożliwia działanie automatyki zintegrowanej sterującej pracą maszyn oraz inteligentną optymalizację procesów przemysłowych. Zdolności maszyn do pracy autonomicznej, umożliwionej przez technologię IIoT, osiągają kulminację w cyberfizycznych systemach produkcyjnych (Cyber-Physical Production Systems – CPPS). Innymi słowy – w systemach, w których granica pomiędzy tym, co fizyczne, a tym, co cyfrowe, staje się coraz trudniejsza do określenia.
Przetwarzanie sygnałów odgrywa kluczową rolę jako czynnik umożliwiający istnienie IIoT – choć 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 wspierać rozwiązania analityki predykcyjnej oraz działającej w oparciu o ustalone schematy i przepisy – a stanie się to 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 podejście pomaga w stałym ulepszaniu zarówno procesów projektowania, jak i produkcji.
Promowaniu rozwoju, standaryzacji i wykorzystywania technologii przetwarzania sygnałów oraz informacji mających na celu poradzenie sobie z wyzwaniami ze strony rozmaitych scenariuszy ekspansji technologii IIoT służy m.in. Grupa Specjalnego Zainteresowania (Special Interest Group – SIG) Stowarzyszenia Przetwarzania Sygnałów (Signal Processing Society – SPS) należącego do Instytutu IEEE (Instytutu Inżynierów Elektryków i Elektroników). Wyzwania te obejmują m.in.: analizę, 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
Istotne sektory przemysłu, na które ma wpływ technologia IIoT, to produkcja procesowa – ciągła i dyskretna – usługi oraz wydobycie i przetwarzanie ropy naftowej i gazu. Jednak tego rodzaju zastosowania przemysłowe mają także odniesienie do takich obszarów, jak „inteligentne miasta” czy „inteligentne rolnictwo”. Wspólny fundament tych sektorów zależy bowiem od podstawowej integracji technologii informacyjnej (IT) i operacyjnej (OT), co umożliwia koncepcja sieci IIoT.
Szacuje się, że rynek IIoT osiągnie do roku 2021 wartość 124 mld dol. Według firmy analityczno-konsultingowej Ovum, najbardziej godne uwagi inwestycje mają obecnie miejsce w sektorach przemysłowych, takich jak m.in. produkcja i transport. Rozwiązania związane z Internetem 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 już w najbliższych miesiącach rozrosną się jeszcze bardziej dzięki postępowi w rozwoju i implementacji narzędzi oraz technologii IIoT.
Ponieważ technologie IT i OT ulegają konwergencji, 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, wciąż napotyka ona w sektorze przemysłowym na rozmaite przeszkody:
→ w wielu zakładach urządzenia obiektowe, których czas eksploatacji jest długi, w najbliższym czasie nie będą modernizowane. Aby objąć je siecią IIoT, zastosowane rozwiązania muszą być kompatybilne z działającymi już produktami;
→ skalowanie rozwiązań IIoT stwarza niełatwe wyzwania, zwłaszcza w pionowym łączeniu i integracji podsystemów sieciowych;
→ dyrektorzy i kierownicy ds. technicznych często bronią się przed wprowadzaniem niesprawdzonych technologii.
Zużycie energii
Już na wczesnych etapach rozwoju technologię IIoT wykorzystywano do zmniejszania zużycia zasobów oraz redukcji emisji dwutlenku węgla przez systemy przemysłowe. Niemniej jednak same systemy IIoT – w tym urządzenia umożliwiające pomiary różnych wielkości, przetwarzanie danych i komunikację – też zużywają istotne ilości energii, co może zwiększać emisję dwutlenku węgla. Z drugiej strony systemy te zwykle składają się z urządzeń o niskim poborze energii, zasilanych przez baterie, co wyraźnie ogranicza realizowane operacje.
W domenie IIoT zbieranie danych w znacznym 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 przetwarzanie sygnałów multimedialnych – choć na pierwszy rzut oka wydaje się, że to zupełnie inna domena. Umożliwia ono wdrażanie nowych technologii, w tym gier, rzeczywistości rozszerzonej i wirtualnej, wyświetlaczy 3D oraz elementów tzw. galanterii elektronicznej (wearables) dla pracowników. 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 pod względem syntetycznego lokalizowania użytkownika w scenariuszu wirtualnym odtwarzającym fabrykę, oraz z wysoką elastycznością z powodu bardzo krótkiego opóźnienia czasowego pomiędzy działaniem 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 oraz czasu rzeczywistego z czujników i węzłów końcowych – a także zagregowane dane ze źródeł informacji, takich jak systemy i urządzenia pośrednie, które mogą być kwerendowane za pomocą wbudowanych funkcji – przyczyniają się do opracowywania nowych robotów, mogących podejmować specyficzne działania. IIoT staje się więc siłą napędową autonomicznych urządzeń podejmujących decyzje. Takie internetowe „moduły robotyczne”, pojawiające się już np. w dużych domach towarowych, wymagają opracowywania ekstremalnych algorytmów samouczenia się maszyn, które są stosowane 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 itd. i w ten sposób nadadzą nowego znaczenia koncepcji rozszerzonego przedsiębiorstwa.
Perspektywy przetwarzania sygnałów
Potrzeba jednolitego przetwarzania sygnałów wynika z ekosystemu IoT, na który składają się:
→ odporne na zakłócenia informacje z bardzo licznych czujników rozmieszczonych w złożonych i niesprzyjających środowiskach oraz z rozproszonych systemów przetwarzania danych;
→ transmisja i przetwarzanie danych przy wykorzystaniu urządzeń zużywających mało energii;
→ chroniące prywatność przetwarzanie informacji współdzielonych przez urządzenia podłączone do sieci IoT.
W systemach IIoT transmisja danych i ich współdzielenie z maszynami jest sprawą zasadniczą dla działania całego systemu. A zatem badania i analizy prowadzone w tym obszarze zyskują 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 inter-operacyjne współdzielenie danych generowanych przez maszyny nadal pozostają problemem. Leżący u ich podstaw standardowy mechanizm przesyłania komunikatów, oparty na międzyplatformowych technologiach obsługi komunikacji pomiędzy maszynami, stanowi znaczne zagrożenie dla sukcesu autonomicznych systemów przemysłowych oraz w zapewnieniu odpowiedniej jakości zbieranych danych i informacji.
W kwietniu 2016 r. bank Morgan Stanley opublikował wyniki ankiety, z których wynika, że znaczenia nabiera kwestia rosnącego zagrożenia bezpieczeństwa i cyberbezpieczeństwa danych w firmach wymagających zachowania uniwersalnych łączy. Te środowiska zwykle wykorzystują rozwiązania hybrydowe i z komunikacją mieszaną – od sieci komórkowych i sieci o dużym zasięgu i niskim zużyciu energii, do przemysłowych systemów łączności – wymagające innowacyjnych podejść do bezpieczeństwa danych i komunikacji, daleko poza tradycyjnymi rozwiązaniami opartymi na tzw. firewallach, wykorzystywanych w istniejących infrastrukturach sieciowych. W tym kontekście przetwarzanie sygnałów pomaga firmom w projektowaniu nowych narzędzi zabezpieczeń kompatybilnych z technologią IIoT, opartych na koncepcji rozproszonej księgi rachunkowej (distributed ledger), leżącej u podstaw technologii kryptograficznej blockchain, lub wykorzystujących wydajne i odporne matematyczne elementy pierwotne, takie jak krzywe eliptyczne.
Adaptowanie aspektów IIoT dotyczących przetwarzania danych zwiększy się w najbliższych latach. 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 kolejne rozwijające się obszary, takie jak monitoring i śledzenie zasobów, inteligentne sieci elektroenergetyczne, cyfrowe pola naftowe i budynki inteligentne, koncentrując się na zarządzaniu energią.
Ewolucja urządzeń brzegowych sieci
W rosnącej infrastrukturze IIoT ważną rolę odgrywają urządzenia brzegowe lub inteligentne bramy sieciowe – 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. Pojawia się zatem trend do przesuwania inteligencji, funkcji monitoringu i sterowania na krawędzie sieci, bliżej źródeł danych – tzw. fog computing, czyli obliczenia we mgle (rozproszenie operacji przetwarzania danych, w przeciwieństwie do chmury – operacji skoncentrowanych). Jest to także opłacalna opcja, gdy niełatwo uruchomić analitykę w platformie chmury lub gdy rozwiązanie w chmurze pozostaje niedostępne.
W sieci IIoT krawędź sieci jest obecnie wypełniana 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 stosowanych urządzeń z chmurą. Technologia fog computing i analiza danych strumieniowych spowodują wdrożenie IIoT jako technologii pozwalającej na wykorzystanie dowolnego rodzaju aplikacji sztucznej inteligencji.
W nadchodzących latach IIoT stanie się kluczowym elementem ewolucji w produkcji i przemyśle. Będzie on napędzany przez coraz bardziej zanikające granice pomiędzy światem rzeczywistym a cyfrowym. Dzięki temu uporamy się z wieloma wyzwaniami: od ekstrakcji i przetwarzania danych, do zaawansowanych i wydajnych technologii komunikacyjnych oraz ekstremalnych algorytmów uczenia maszynowego. Dla społeczności inżynierów ważne jest, aby w tej ekscytującej dziedzinie promować prace badawcze i wprowadzanie innowacji. Można to robić przez wspieranie działań akcentujących wagę przetwarzania sygnałów, w wielu różnorodnych aspektach, istotnych dla osiągnięcia większej produktywności w środowiskach przemysłowych.
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 Università Politecnica delle Marche we włoskiej Ankonie.
