Революционные технологии
превращают данные IIoT в золото
Автор: Мацей Кранц, вице-президент по стратегическим инновациям в Cisco Systems
Прошло почти 15 лет с момента создания первого IoT проекта. Это была совместная разработка с Rockwell Automation, которая была направлена на промышленные ethernet-коммутаторы. По мере развития проекта и подключения к нему все большего количества промышленных приложений, машин и процессов, мы становились частью зарождения Интернета вещей и, если быть точнее, промышленного Интернета вещей (IIoT).
Изначально большим преимуществом концепции промышленного Интернета вещей было объединение промышленных, информационных и операционных технологических процессов в единую систему, а также автоматизация, где это возможно, которая ведет к повышению операционной эффективности и сокращению затрат. Эффективность и гибкость производства – это то, что искал известный производитель мотоциклов Harley-Davidson, когда стал одним из первых, кто внедрил промышленный IoT.
У компании было много проблем: информационные технологии не были связаны с производством, работа стоила слишком дорого, данные были несовместимы и непригодны для использования. Таким образом, было принято решение упорядочить отдельные системы в одну IP-сеть, объединить данные и, в конечном итоге, подключить один завод к IoT-возможностям. В результате, скорость принятия решения была увеличена на 80%, время сборки заказа сократилось с 18 месяцев до 2-х недель, а объем производства вырос почти на 7%.
Подобные успехи можно увидеть в каждой отрасли: Ford Motor Company позволила 25 из 40 сборочным заводам с IoT технологией ускорить коммуникации, улучшить планирование и управлять различными вариантами производства, которых более чем 2 миллиона, в режиме реального времени. Cisco снизило энергопотребление на 15-20% на одном производственном объекте, установив датчики слежения потока энергии и выявления неэффективного оборудования. PepsiCo использовала унифицированную IoT платформу для повышения надежности своей производственной системы, сокращая время простоя и оптимизируя связи через удаленный мониторинг.
Понятно, что такого рода улучшения в производительности и экономии затрат являются основной движущей силой внедрения Интернета вещей. А компании, которые перестают развиваться,теряют свои деньги.
Недооцененные IoT-данные
Истинная ценность Интернета вещей заключается в данных. Фактически, основная причина, из-за которой подключаются IoT-устройства, заключается в создании больших данных, которые могут быть проанализированы и использованы при необходимости другими устройствами, приложениями, машинами или людьми.
Подключенные промышленные системы могут генерировать большие объемы данных с камер и датчиков, измеряющих температуру, давление, влажность, скорость и т.д. Однако, более 99% этих данных не анализируются и не используются. Анализируемые данные обычно собираются и отправляются в облако для пакетной обработки и генерирования отчетов. Это прекрасно, если вы хотите проанализировать тренды за 30 лет сейсмических данных. Но, если вы хотите воспользоваться преимуществами приложений, использующих потоковые данные и аналитику данных в реальном времени для принятия решений за доли секунды, вы должны обратиться к сквозному архитектурному подходу, который начинается от границы физических операций и заканчивается облаком.
Например, что делать, если датчик температуры на нефтяной вышке показывает, что сверло нагревается? Вы хотите, чтобы была возможность извлечь эту часть информации из потока данных, идентифицировать ее как исключение, проанализировать ее, чтобы увидеть, что происходит со сверлом, и рекомендовать действия, которые необходимо предпринять, чтобы предотвратить сбои в работе. Вам нужно сделать это в реальном времени, до того, как деталь сломается и повредит другое оборудование. А еще лучше, если бы вы могли проанализировать все свои данные в контексте исторических данных с аналогичным оборудованием во всей промышленности и суметь предсказать, когда может произойти сбой. Именно здесь данные промышленного Интернета вещей становятся на вес золота.
Число датчиков, генерирующих IoT данные, растет с удивительной скоростью. Аналитики подсчитали, что к 2020 году 40% всех данных будут поступать с датчиков. Одна морская нефтебуровая установка генерирует до 2-х терабайтов данных каждый день. Реактивный двигатель может производить один терабайт за полет. Задача – идентифицировать и обрабатывать соответствующие данные, которые скрыты в огромных потоках рутинных или несущественных данных IoT-устройств, и делать это в реальном времени, чтобы генерировать мгновенные инсайты, рекомендации и действия.
Чтобы раскрыть всю ценность данных Интернета вещей, многие организации перемещают данные и обработку данных ближе к самому устройству, откуда поступают данные. Иногда эти возможности передаются непосредственно в IoT-устройства или точки агрегации (IoT шлюз) на «границе» сети (граничные вычисления). Или туманные вычисления передают обработку и данные в локальную сеть. Оба подхода решают проблемы с задержкой, пропускной способностью, надежностью и безопасностью, которые традиционно ограничивают производительность и функциональность IIoT решений.
Рассмотрим пример нефтебуровой установки. Расширяя существующие облачные архитектуры до нефтяной вышки, компании могут использовать туманные и граничные вычисления, чтобы обеспечить возможность обработки и анализа данных в реальном времени локально на основе политики, поступающей из облака. Затем по спутниковой линии будут отправляться только исключения и предупреждения.
Граничные и туманные вычисления поддерживают трансформационные IoT приложения, которые зависят от возможности доступа и анализа данных в режиме реального времени. Например, беспилотники нуждаются в анализе данных в реальном времени, чтобы выбрать наиболее эффективный маршрут полета и мгновенно среагировать на такие аспекты, как плохая погода, деревья или линии электропередач. В сочетании с возможностями искусственного интеллекта беспилотник может работать даже в темной, заполненной препятствиями среде, недоступной для Интернета и GPS. Такие беспилотники готовы для критически важных применений, будь то проверка газопровода или безопасная доставка посылок в Нью-Йорк.
Истинная ценность Интернета вещей заключается в данных. Фактически, основная причина, из-за которой подключаются IoT-устройства, заключается в создании больших данных, которые могут быть проанализированы и использованы при необходимости другими устройствами, приложениями, машинами или людьми. Мацей Кранц вице-президент по стратегическим инновациям Cisco Systems
Искусственный интеллект и машинное обучение делают данные более ценными
У Интернета вещей и искусственного интеллекта удивительно синергетические отношения. Можно сказать, что искусственный интеллект – это мозг бизнеса, а Интернет вещей – тело. Искусственный интеллект, особенно машинное обучение, способен оценивать варианты, учиться на опыте и принимать умные бизнес-решения. Интернет вещей, как и тело, дает возможность чувствовать и действовать. IoT обеспечивает как данными, которые необходимы искусственному интеллекту, так и физическими средствами, чтобы действовать в соответствии с решениями ИИ.
Слияние ИИ и IoTсоздает бесчисленные новые возможности и бизнес-результаты. В производстве предиктивная аналитика дает руководителям данные для оценки компромиссов между строительством нового завода, например, или покупкой дополнительных мощностей по мере необходимости. А системы профилактического обслуживания используют IIoT-данные и искусственный интеллект для прогнозирования и предотвращения проблем с оборудованием до их возникновения. Это позволяет сэкономить миллионы долларов незапланированных затрат из-за простоя. Например, Western Digital использует аналитику производительности активов для выявления потенциальных сбоев в начале производственного процесса и принятия своевременных решений, чтобы избежать отклонений доходности. В результате, компания сократила общее количество возвращаемых единиц, повысив лояльность и доверие клиентов, что напрямую влияет на доход организации.
Определяющее значение для IoT
По мере того, как искусственный интеллект, граничные и туманные технологии развиваются, они ускоряют важность Интернета вещей, двигаясь от создания дополнительной ценности к созданию совершенно новых ценных предложений, бизнес-моделей и даже отраслей. На стыке этих технологий уже имеются многочисленные примеры новых ценных разработок.
Рассмотрим новые ценные предложения, такие как массовая кастомизация и персонализация. С помощью Интернета вещей и автоматизации клиенты могут заказать автомобиль, костюм или что-нибудь еще, указав желаемые опции. В результате клиент получит свой индивидуальный заказ, который по цене будет близок к стоимости товаров массового производства. Например, Daihatsu Motor Company использует 3D-принтеры, чтобы предложить клиентам 10 цветов и 15 базовых шаблонов для создания собственной уникальной «кожи» для автомобиля.
Интернет вещей появился как фундаментальная возможность, которая (в сочетании с машинным обучением и туманными или граничными вычислениями) создает совершенно новые отрасли, такие как автономные беспилотники. IoT также является ключевой силой, обеспечивающей слияние существующих отраслей, таких как транспорт и технологии, розничная торговля и производство.
Коллаборативная природа Интернета вещей также открывает новые бизнес-модели, в том числе «совместную экономику» («co-economy»). Эта модель основана на динамических экосистемах партнеров и клиентов, которая объединяет все возможности для совместного создания решений. Например, GE Transportation интегрировала возможности SAS® Analytics в их облачную операционную систему для IIoT, чтобы предоставить клиентам аналитические инсайты на основе данных в режиме реального времени. Решение расшифровывает IoT данные локомотива и выявляет используемые шаблоны для того, чтобы удерживать поездной состав на пути.
Эти и многие другие примеры – проблески того, что находится прямо рядом с нами. Данные IIoT – это огромный источник ценностей. Вместе такие технологии, как граничные и туманные вычисления, машинное обучение и искусственный интеллект, могут раскрыть их спрятанное золото.
Об авторе
Мацей Кранц обладает 30-летним опытом работы в сетевой отрасли на посту вице-президента по стратегическим инновациям Cisco. В этой роли он руководит работой по созданию новых бизнесов и ускорению совместных инноваций с клиентами и стартапами через глобальную сеть инновационных центров. Он был инициатором десятков IoT-проектов в различных отраслях, сделал IoT-рассылку, возглавил сообщество лидеров отрасли и написал бестселлер New York Times «Building the Internet of Things».
Рекомендуем прочитать
- Fraud detection and machine learning: What you need to knowМашинное обучение является важной частью инструментария обнаружения мошенничества. Вот что вам нужно для начала работы.
- Model risk management: Vital to regulatory and business sustainabilitySloppy model risk management can lead to failure to gain regulatory approval for capital plans, financial loss, damage to a bank's reputation and loss of shareholder value. Learn how to improve model risk management by establishing controls and guidelines to measure and address model risk at every stage of the life cycle.
- Действовать как лидер рынкаЧто такие компании, как Netflix, Airbnb, Spotify и LYFT знают об аналитике, чего не знаете вы? Узнайте, как стать технологически и аналитически зрелыми, как и они.