Промышленный IoT: революция в автоматизации и анализе данных

IoT встречает промышленность

Вы наверняка слышали об IoT — его сейчас трудно не заметить. Теперь появился Промышленный IoT — модный термин для описания его применимости к широкому промышленному сектору.

IoT сделает доступными новые данные способами, которые мы раньше не могли представить; он породит новые рынки и свяжет существующие, ранее мало пересекавшиеся, ещё больше усиливая потребность в приложениях, способных извлекать смысловые результаты из доступных данных. Автоматизация такого обнаружения и эксплуатации информации будет огромна: IDC прогнозирует рынок в $7.1 трлн к 2020 г., McKinsey — более «консервативное» влияние в $6.2 трлн к 2025 г. Когда видишь такие цифры, понимаешь: происходит нечто драматичное.

Почему именно сейчас?

Во-первых, сделано несколько технических прорывов, которые позволят и затем приводят в движение IoT:

1. Беспроводная связь, по крайней мере в развитом мире, повсеместна и дешёва. Новые разработки в 5G и стандартах низкоэнергетической радиосвязи только усилят это. Мобильные операторы, уставшие раздавать тысячи бесплатных минут и SMS, ищут новые бизнес-модели для балансов и окупаемости инфраструктуры — IoT — их ответ.
2. Дешёвая, распределённая и масштабируемая вычислительная мощность означает, что даже подросток-энтузиаст может командовать массивом вычислительной мощности (больше, чем у многих правительств 10 лет назад) за стоимость банки газировки. Не только в Облаке, но практические вычисления проникают в периферийные устройства, формируя архитектуру Fog Computing.
3. Низкозатратные «достаточно хорошие» сенсоры и устройства вроде Raspberry Pi заполняют рынок, вдохновляя хобби-сообщество (возрождая воспоминания о ПК-эпохе конца 70-х — начала 80-х) и серьезные хай-тек бизнесы. Электронные устройства с конвейеров уже имеют интернет-сensors по умолчанию. Хотим мы этого или нет, вещи наполняются сенсорами. И если нужны сенсоры — они доступны за пару долларов и быстрый поиск даёт отличные open-source примеры для легкой интеграции.

M2M — это не IoT

Правда, некоторые секторы годами используют подобные возможности — авиация, добыча, нефть и газ. M2M (Machine-to-Machine) описывало эту раннюю работу, но давайте проясним: это не IoT. Несмотря на то, что многие ветераны индустрии продвигают эту раннюю работу как «IoT», они фундаментально не понимают настоящие драйверы IoT. Речь не просто о технологии и взаимосвязях.

Разница IoT — в колоссальном масштабе и амбициях. IoT — не просто подключение устройств, это автономия рутинных операций и открытие/интеграция наборов данных новыми способами, приводящими к гораздо большим изменениям. Сайлы рухнут — или смотрите, как конкуренты уводят вас в пыли. Бизнес-модели изменятся и появятся новые — думайте о контрактах на доступность (или «power by the hour» для авиадвигателей).

От умных городов к интеллектуальному производству — речь об организационных и личных изменениях не меньше, чем о технологиях. Значит, влияние будет вездесущим. Например, проектировщики умных городов хотят использовать IoT для эксплуатации городских данных, чтобы лучше информировать граждан и обеспечить более прозрачную модель управления. «Да-да», слышу я, «мне просто дадут больше рекламы ненужного», но это серьезно, это создано, чтобы сделать повседневную жизнь легче.

Потенциал IoT в производстве очевиден. Неплановые простои и реактивное обслуживание — нежелательные драйверы затрат. Читал, что в автопроме каждый час простоя стоит $2 млн. Fortune оценил, что IoT может дать 25% экономию на обслуживании, сократить неплановые простои на 50% и продлить жизнь оборудования на годы. Звучит хорошо?

С растущей автоматизацией и компьютеризацией заводов в 90-х и 00-х, большая часть ядерной инфраструктуры уже на месте. Многие фирмы сейчас «апгрейдят» её для IoT-готовности — посмотрите на клиентов ThingWorx и Xively, кто лидирует. Выгода приходит от анализа данных и, что фундаментальнее, прогноза будущей деградации оборудования.

Большие, активоемкие отрасли годами имели причины внедрять предиктивное обслуживание и опирались на сложные и индивидуальные системы, не говоря уже о состоянии на сенсоры и сбор данных. Они даже не задумываются о командах инженеров-диагностиков для интерпретации данных, так как это высокотехнологичные организации по природе. Однако эти высокие барьеры означали, что малый бизнес или смежные секторы просто были заперты снаружи. Более того, эта легаси-технология фундаментально не масштабируется, когда Промышленный IoT захлестывает производство и миллионы малых и средних компаний выходят онлайн.

Именно здесь внедрение IoT действительно волнует и сыграет большую роль в снижении барьеров, так как оно снижает цены на железо и демократизирует доступ к данным. Так что вопрос скорее «когда», а не «будет ли» прогностическая способность в доступе. Остается дисциплина data science… и я устал читать о «самой сексуальной работе 21 века». Эти парни на $250к… ок, да, я чертовски ревную — но это не суть.

Я не спорю, что эта дисциплина не ключевая (по крайней мере сейчас), но как IoT сможет удовлетворить спрос, опираясь на эту зависимость от человеческого анализа? Я верю, что придумывание способов автоматизации многих задач data science — абсолютно фундаментально, даже критично, для успешного IoT и особенно для решений, тяжелых по data science, таких как прогностика, необходимая для реализации предиктивного обслуживания. Без этого действительно крутые технологии останутся доступны только «большим дядям».

Вы не удивитесь, что в Senseye мы разрабатываем продукт для более доступного решения предиктивного обслуживания, масштабируемого с Промышленным IoT. Мы хотим доставить выгоды организациям, которые раньше считали машинную прогностику недоступной или слишком сложной для внедрения и эксплуатации.

Это определенно вызов — не только применение передовых технологий, но и барьеры, которые нужно преодолеть по мере эволюции отрасли и принятия IoT. Безопасность — ключевая, хотя технологии для её решения в основном существуют, коммерческие и политические препятствия остаются. Культурные вызовы тоже очевидны: ремонтные команды, привыкшие к реактивному подходу к поломкам, сопротивляются улучшениям, которые в итоге привели бы к оптимизации штата.

Однако есть три направления, за которыми мы внимательно следим, имеющих более далеко идущие последствия за пределами нашего продукта. Во-первых, необходимость периферийных (или fog, как предпочитает Cisco) устройств, на которые можно разгрузить часть задач предобработки данных. Просто нереально отправлять потенциально огромные объемы сырых данных в Облако каждую секунду — особенно в удаленных средах, зависящих от мобильной связи. Видим растущую активность в этой сфере — особенно от инновационных стартапов.

Во-вторых, стоимость сенсоров и узлов должна продолжать падать драматически. В промышленной сфере, где нужны качественные акселерометры, они всё ещё в тысячах долларов (за устройство!), что серьезный барьер для любой фирмы, не только малых. Если IoT должен стать столь первазивным, насколько вел хайп, цены должны опуститься далеко ниже $100.

В-третьих, почти полное отсутствие стандартов и протоколов интероперабельности снова создает проприетарные сило и феодальные владения — то, что IoT должен разрушать. Несовместимость простирается по всему стеку, от коммуникаций до метаданных приложений. Некоторые инициативы, как Hypercat, хотя и перспективны, еще не приняты в масштабе или темпах для критической массы.

Это определенно увлекательное и динамичное время быть внутри того, что можно описать только как пузырь IoT. Не сомневаюсь, что нам как компании придется гнуться и уклоняться по мере эволюции всего этого.

Сейчас мы проводим бесплатные триалы нашего решения для избранных объектов — свяжитесь, если хотите быть рассмотренными.