Интернет вещей

Что такое Интернет вещей (IoT)?

На сегодняшний день существует несколько определений такого явления, как Интернет вещей. Зачастую многие вендоры и интеграторы также склонны интерпретировать данный термин по-разному, несколько видоизменяя трактовку. Несмотря на то, что сам термин и направление появились только в 1999 году, идея витала в воздухе достаточно давно. К примеру, еще в далеком 1926 году Никола Тесла в интервью для журнала «Collier’s» сказал, что в будущем радио будет преобразовано в «большой мозг», все вещи станут частью единого целого, а инструменты, благодаря которым это станет возможным, будут легко помещаться в кармане. Одной же из самых первых «умных вещей» можно назвать тостер выпускника MIT Джона Ромки (одного из отцов-основателей протокола TCP/IP), подключенный к сети в 1990 году.

В качестве наиболее простого и оптимального для понимания определения Интернета вещей (IoT) можно привести следующее:

IoT – это совокупность устройств, обладающих интерфейсами сетевого взаимодействия, и самой объединяющей их сети. Важно отметить, что устройство может подсоединяться к данной сети через промежуточное сопряжение – или даже через цепочку сопряжений. Простейший пример: сопряжение фитнес-трекера с внешней сетью через мобильный телефон.

IoT – сеть физических объектов, обладающих встроенными технологиями взаимодействия с внешней средой с возможностью передачи данных о своём текущем состоянии и приеме данных извне.

Gartner

IoT – концепция вычислительной сети физических предметов («вещей»), оснащённых встроенными технологиями для взаимодействия друг с другом или с внешней средой, рассматривающая организацию таких сетей как явление, способное перестроить экономические и общественные процессы, исключающее из части действий и операций необходимость участия человека.

Википедия

Наряду с термином IoT, часто также используется и другой термин, который появился существенно раньше – M2M (Межмашинное взаимодействие, Machine-to-Machine), общее название технологий, которые позволяют приборам обмениваться информацией друг с другом. Это проводные и беспроводные системы датчиков, которые передают информацию от одного устройства другому. Одной из первых разработок в области мобильного межмашинного взаимодействия является OmniTRACS – решение Qualcomm, разработанное в 1989 году для отслеживания коммерческого транспорта.

Фактически M2M позволил технологиям АСУ ТП в режиме онлайн получать доступ к объектам, которые ранее были недоступны – не было возможности наладить с ними постоянное кабельное соединение. Такие объекты можно разделить на два класса: удалённые от кабельных сетей объекты и подвижные объекты. Ключевым фактором роста технологий M2M стало существенное развитие систем глобального позиционирования GPS/ГЛОНАСС и др.

Концепция IoT, появившись в 1999 году, в год представления технологии радиочастотной идентификации физических предметов (RFID), сразу получила мощный толчок к развитию. В 2008 и 2009 годах состоялся переход от «Интернета людей» к «Интернету вещей», т.е. количество подключенных к сети предметов превысило количество людей.

Активная реализация и развитие технологических платформ на основе концепции продолжаются и сейчас. Ключевыми факторами развития IoT стали технологии межмашинного взаимодействия (M2M), развитие технологий связи 4G, распространение протокола IPv6, облачных технологий (SaaS, PaaS, IaaS и др.), программно-определяемых сетей (SDN) и программно-определяемых дата-центров (SDDC).

В первом десятилетии XXI века получила распространение доступная беспроводная связь, став важным фактором для развития технологий межмашинного взаимодействия.

Основными отраслями применения IoT стали:

Системы мониторинга и управления транспортом, ЖКХ, медицинскими устройствами.

Системы мониторинга и управления безопасностью автомобилей (противоугонные системы), судов, домов, квартир и офисов, людей и животных.

Системы мониторинга промышленного оборудования и т.п.

Промышленный интернет вещей (IIoT)

Отдельного рассмотрения заслуживает вопрос применения IoT в промышленности, где данное направление образует отдельный широкий кластер технологий, который получил название индустриального (промышленного) интернета вещей (Industrial IoT, IIoT).

Промышленный интернет вещей (IIoT) – это совокупность устройств (датчиков, контроллеров, установленных на узлах и агрегатах промышленного объекта), средств передачи, сбора, обработки, визуализации и интерпретации информации, объединенных в единую сеть.

Википедия

Фактически, такое определение можно дать и автоматизированной системе управления технологическими (производственными) процессами (АСУ ТП, АСУ ПП).

АСУТП и IIoT

Корни концепции АСУ ТП уходят к середине XX века и начинаются с так их технологий, как тепловая автоматика, релейная защита и автоматика (РЗА). На этих системах строились первые схемы управления промышленным оборудованием в концепции жёсткой (не программируемой) логики – зарождалось первое поколение АСУ ТП. Человек, обслуживающий такие системы, называется главным механиком, главным технологом; его роль заключается в том, чтобы обойти все устройства, проконтролировать их корректную работу, снять показания и занести в таблицу.

По мере развития технологий микроэлектроники появляются программно-логические контроллеры (ПЛК, Programmable Logic Controller, PLC), позволяющие задавать алгоритмы управления в виде программ, что, в свою очередь, обеспечивает высокую гибкость, стандартизацию и формирование отрасли – появляется АСУ ТП второго поколения. Развитие сетевых коммуникационных технологий вкупе с объединением ПЛК в сети образуют АСУ ТП поколения 2+.

Третье поколение АСУ ТП связанно с появлением мощных микропроцессорных систем, серверов на их основе, рабочих станций, коммутаторов и маршрутизаторов. Логика ПЛК существенно разгружается, часть функций низовой автоматики забирают на себя системы верхнего уровня (СВУ). Появляются сложные промышленные сети, большое разнообразие контроллеров и программного обеспечения. Выделяются следующие направления:

• 

средства (сквозного) проектирования АСУ ТП в целом;

• 

средства программирования ПЛК;

• 

SCADA/HMI.

В начале XXI века компьютерные технологии продолжают развиваться, процессоры – усложняться, их мощность растёт, и в это же время цены на них существенно падают. Спектр задач, решаемых на микропроцессорной технике, расширяется, появляются методы обеспечения надёжности (резервирования, диагностики, безопасности) такой техники. Появляются алгоритмы функционально-группового управления (ФГУ) совокупностью исполнительных механизмов и производством в целом, построенные по принципу обратной связи. Такие АСУ ТП принято называть «Поколением 3+».

Важно отметить, что в АСУ ТП поколения 2, 2+, 3, 3+ присутствует роль человека – оператора АСУ ТП, получающего информацию и осуществляющего оперативное управление через СВУ.

Во втором десятилетии XXI века появляются интеллектуальные технологии и методы, которые принято называть технологиями «искусственного интеллекта» (ИИ), под которыми понимается совокупность следующих методов и технологий:

• 

нейронные сети (neural networks);

• 

нечёткая логика (fuzzy logic);

• 

генетические алгоритмы (genetic algorithm);

• 

машинное обучение.

Пункты списка определяет их суть – они являются оптимизирующими (аппроксимирующими, уточняющими) методами решения математических (алгоритмических) задач.

Появляется ряд технологий, которые сильно меняют подход к построению АСУ ТП:

Контроллеры с нейропроцессорами, обеспечивающие мгновенную идентификацию состояния узла или подсистемы.

Контроллеры с нечёткой логикой, обеспечивающие автономное принятие решения.

На мощных серверах локальных ЦОД появляются технологии построения аналитических инструментов для идентификации и прогнозирования состояния систем, управляемых АСУ ТП. Те, в свою очередь, используют технологии машинного обучения на структурированных и не структурированных данных (Big Data).

Появляются математические сопроцессоры, ускоряющие решение базовых уравнений, описывающих наиболее распространённые технологические процессы:

• 

волновое уравнение (радиоэлектронная аппаратура, связь, РЭБ);

• 

уравнение непрерывности, Эйлера, Навье-Стокса, диффузии и др. (гидродинамика, движение жидкости, газа, аэродинамика, двухфазные потоки);

• 

вероятностные уравнения (метод Монте-Карло, перенос частиц, нейтронно-кинетические расчёты);

• 

уравнения химии и радиохимии (расчёт химических процессов, в т.ч. испытывающих радиоактивный распад);

• 

уравнения физики прочности (расчёт сопротивления, прочности и надёжности материалов), и др.

Моделирование технологических процессов в режиме реального времени становится реальностью, нейросетевые аппроксиматоры позволяют в режиме увеличенного пространственно-временного шага решать сложнейшие системы дифференциальных уравнений, описывающих технологические процессы с достаточно высокой точностью в рамках задачи прогнозирования управления на 30-60 секунд вперёд, что раньше занимало достаточно длительное время счёта и требовало серьёзных вычислительных ресурсов.

Таким образом, оператор получает мощнейшие инструменты, помогающие идентифицировать (оценить) ситуацию и предлагающие (в режиме советника) пространство вариантов для действий. Класс таких решений называется системами поддержки принятия решения (СППР).

Не исключено, что повторяемые действия оператора, выполняемые по совету СППР можно, в свою очередь, автоматизировать – таким образом оператор становится супервайзером (наблюдателем). Часть функций управления отдаётся машине, и тогда для контроля крупного объекта автоматизации требуется меньше операторов. Например, АСУ ТП современной АЭС, которая обрабатывает информацию с десятков тысяч датчиков и управляет множеством исполнительных механизмов, оперируя сотнями тысяч рассчитываемых в режиме онлайн переменных, управляется всего двумя операторами и одним начальником смены.

Многие современные устройства низовой автоматики (датчики, контроллеры) стали интеллектуальными, они самостоятельно идентифицируют шум и отделяют его от реального изменения параметров, тем самым снижая общий поток данных в СВУ; они стали обладать коммуникационными интерфейсами, которыми сопрягаются с системой в целом, а не с «сухими» контактами, как в предыдущих поколениях. Много конечного оборудования – турбины, насосы, задвижки – изначально оснащены контроллерами диагностики и управления, и эти устройства также следует отнести к IIoT.

Такие решения классифицируются как АСУ ТП четвёртого поколения и напрямую лежат в пространстве концепции «Индустрия 4.0».

Табл. 1. Этапы совершенствования АСУ ТП.

В целом концепция «Индустрия 4.0» обеспечивает возможность построения «бережливого производства»; в рамках концепции ставится задача оптимизации управления технологическими процессами для снижения аварийности и продления ресурса эксплуатируемого оборудования, что иногда формулируется как «переход от планово-предупредительного ремонта к ремонту по состоянию». Таким образом, к задачам управления АСУ ТП четвёртого поколения добавляется задача оптимизирующего (усовершенствованного) управления. Такие АСУ ТП называются системами усовершенствованного управления технологическими процессами (СУУ ТП, Advanced Process Control, APC).

В состав СУУ ТП должны входить достаточно мощные средства долгосрочной предиктивной аналитики. На промышленных производствах анализируются такие параметры, как появление дефектов, охрупчивание, изменение химического состава стали элементов конструкций (что может привести к их разрушению), осаждение, стенозис частиц, уменьшение толщины стенок трубопроводов из-за абразивной полировки (что может привести к разрыву), оценивают вибрацию и её влияние на свойства конструкций, их соединений и многое другое. Если производство целиком управляется СУУ ТП, такое решение называется АСУ ТП поколения 4+.

Технологический прогресс не стоит на месте, и «машина» так или иначе забирает на себя всё больше функций управления промышленным предприятием. С одной стороны, это хорошо – снижается количество ошибок из-за «человеческого фактора», с другой стороны, одной ошибки в алгоритме ФГУ достаточно, чтобы появились существенные проблемы.