Перейти к контенту

Что такое Интернет вещей (IoT)?

В наиболее общем смысле к Интернету вещей относится любой объект (или «вещь»), который можно подключить к сети — начиная от заводского оборудования и автомобилей и заканчивая мобильными устройствами и смарт-часами. Однако сегодня под Интернетом вещей обычно понимаются подключенные объекты, оснащенные датчиками, программным обеспечением и другими технологиями, которые позволяют им обмениваться данными с другими «вещами». Традиционно подключение осуществлялось в основном через Wi-Fi, но сегодня 5G и другие типы сетевых платформ все лучше справляются с большими наборами данных, обеспечивая высокую скорость и надежность.

 

Разумеется, главной целью сбора данных являются не данные сами по себе, а их использование. После того как устройства Интернета вещей собрали и передали данные, их необходимо анализировать с целью принятия информированных решений. Именно здесь в игру вступают технологии ИИ, дополняющие Интернет вещей возможностями расширенной аналитики и машинного обучения.

 

Определение Интернета вещей: подключенные объекты (или «вещи»), оснащенные датчиками, программным обеспечением и другими технологиями, которые позволяют им передавать данные другим «вещам» и получать данные от других «вещей».

Устройства Интернета вещей способны быть нашими глазами и ушами там, где мы физически не можем быть. Оснащенные датчиками, эти устройства собирают данные, позволяя их использовать. Затем они передают эти данные нам согласно заданным параметрам, и мы анализируем их, чтобы получать информацию и автоматизировать последующие действия или решения. Этот процесс состоит из четырех ключевых этапов:

 

  1. Сбор данных. С помощью датчиков устройства Интернета вещей получают данные из своей среды. Эти данные могут быть простыми — такими как температура — или сложными, например, передача потокового видео в режиме реального времени.
  2. Обмен данными. Используя имеющиеся сетевые подключения, устройства Интернета вещей делают эти данные доступными в общедоступном или частном облаке согласно заданным параметрам.
  3. Обработка данных. На этом этапе программные решения запрограммированы таким образом, чтобы сделать что-то на основе этих данных, например, включить вентилятор или отправить предупреждение.
  4. Действия на основе данных. Здесь анализируются накопленные данные со всех устройств в сети Интернета вещей. Этот этап дает мощную аналитическую информацию для уверенных действий и принятия бизнес-решений.

В 2019 году устройства Интернета вещей сгенерировали около 18 зеттабайт данных, а к 2025 году, по прогнозам IDC, их число увеличится более чем в три раза и превысит 73 зеттабайт — или 73 триллиона гигабайт. Количественно оценить цифровые данные в физическом выражении невозможно, но если записать все эти гигабайты на дискеты 90-х годов и выложить в цепочку, эта цепочка будет в 10 тысяч раз длиннее расстояния от Земли до Луны. Для того чтобы стало возможным появление Интернета вещей, необходимо было объединить определенный набор технологий и одновременно развивать их.

 

  • Подключенность. Стремительный рост объема данных Интернета вещей стал возможным только при обеспечении надежного подключения к интернету и облачным ресурсам, без которых невозможны отправка и получение данных. В настоящее время способность к передаче сложных и объемных данных у многих устройств Интернета вещей зависит от стабильности локальной сети Wi-Fi. В недавней статье McKinsey говорится о том, какое влияние может оказать расширение возможностей 5G и других сотовых сетей и как оно позволит устройствам Интернета вещей избавиться от этой зависимости.
  • Технологии датчиков. В условиях постоянного роста спроса на внедрение инноваций в датчики Интернета вещей рынок прошел путь от нескольких поставщиков дорогостоящих нишевых продуктов до глобальной индустрии производства датчиков по приемлемым ценам. С 2004 года средняя цена на датчики Интернета вещей снизилась более чем на 70%, что сопровождалось ростом их функциональности и разнообразия.
  • Вычислительная мощность. В ближайшие три года будет создано больше данных, чем за последние 30 лет. Для использования этого океана данных современным компаниям требуется постоянное увеличение объемов памяти и вычислительных мощностей. Гонка за достижением этой цели была стремительной и агрессивной, а ее результатом стало повышение релевантности и применимости Интернета вещей.
  • Искусственный интеллект и машинное обучение. Эти технологии дают компаниям возможность не только управлять огромными объемами данных Интернета вещей и обрабатывать их, но и анализировать эти данные и учиться на их основе. Большие данные являются любимой «пищей» искусственного интеллекта и машинного обучения. Чем больше и разнообразнее наборы данных, тем более надежными и точными могут быть знания и информация, получаемые с помощью продвинутых аналитических средств на базе ИИ. Число устройств Интернета вещей значительно увеличилось по мере развития искусственного интеллекта, аппетиты которого в области данных постоянно растут.
  • Облачные вычисления. Подобно тому как подключение к сети было неотъемлемой частью развития Интернета вещей, распространение облачных вычислений не менее тесно связано с его эволюцией. Благодаря способности предоставлять вычислительную мощность и хранилища больших объемов данных по запросу облачные сервисы Интернета вещей предоставили устройствам Интернета вещей возможность сбора и передачи все более объемных и сложных наборов данных. Частные облачные решения также позволили компаниям управлять большими объемами данных Интернета вещей различных типов, поддерживая при этом безопасность закрытой системы. 
  • Периферийные вычисления. Устройства в Интернете вещей часто широко рассеяны по разным регионам, но все они передают данные в единую центральную систему. По мере роста объемов данных Интернета вещей может возникнуть нехватка пропускной способности и облачных мощностей компании. Кроме того, для сбора, передачи, обработки и получения данных в конечном пункте их назначения требуется время. Этот период, называемый «задержкой», ведет к еще большей неэффективности — особенно в компаниях, где обработка данных очень чувствительна ко времени. Решения для периферийных вычислений позволяют децентрализовать вычислительную мощность системы, приближая ее к источнику данных. Это достигается за счет интеграции локализованных вычислительных систем, а также наращивания вычислительных мощностей в самих устройствах Интернета вещей. Обработанные данные позволяют немедленно предпринимать нужные действия на месте, а затем периодически (в более структурированном и организованном формате) эти данные отправляются в центральную систему, которая может выполнять расширенный анализ и обработку данных.

Под промышленным Интернетом вещей (IIoT) понимается использование подключенных машин, устройств и датчиков в промышленности. Работая в современной ERP-системе с возможностями ИИ и машинного обучения, генерируемые устройствами IIoT данные можно анализировать и использовать для повышения эффективности, производительности, прозрачности и многих других параметров. Сети IIoT, как правило, поддерживают межмашинное взаимодействие (M2M), а устройства, интегрированные в IIoT, наряду с передачей данных регулярно получают программы автоматизации из центральной системы.

Определение промышленного Интернета вещей: под промышленным Интернетом вещей (IIoT) понимается использование подключенных машин, устройств и датчиков в промышленности.

Сейчас мы находимся в процессе четвертой промышленной революции, также известной как «Индустрия 4.0». «Революция» в каждой из трех прошлых индустриальных эпох была обусловлена технологиями, меняющими правила игры. В ходе первой из четырех промышленных революций этой революционной технологией стала энергия пара; во второй это был конвейер и механизированное производство, а в третьей — вычислительная мощь компьютеров. «Индустрия 4.0» ведет к цифровизации промышленности и возникновению киберфизических систем, в основе которых лежит Интернет вещей.

Эти технологии довольно близки по принципу работы и различаются скорее по характеру использования. У большинства решений Интернета вещей конечными пользователями, как правило, являются люди. В качестве примеров можно привести умные устройства, цифровые помощники или геолокаторы в телефонах.

 

Промышленный Интернет вещей (IIoT) является подмножеством Интернета вещей. Он опирается на те же базовые технологии, но его главной задачей является автоматизация и повышение эффективности в масштабе всей подключенной организации, а не отдельного пользователя. В сетях IIoT сбор и контроль данных являются лишь первым этапом более сложного процесса. Чтобы получить максимум преимуществ для организации, к этим данным необходимо применить искусственный интеллект и машинное обучение для получения точной аналитической информации, а также для оптимизации рабочих процессов и автоматизированных задач.

  • Интеллектуальное производство. Компании собирают данные на основе анализа отзывов клиентов, медиатрендов и мирового рынка. Системы на базе ИИ могут объединять эти и другие релевантные данные для информационного обеспечения процессов разработки и контроля качества продукции. На основе таких аналитических данных можно автоматизировать сеть машин и роботизированных устройств промышленного Интернета вещей (IIoT) для оптимизации производства продукции на «умных фабриках».
  • Устойчивые цепочки поставок. Сети IIoT и управляющие ими системы на базе ИИ дают руководителям цепочек поставок представление о том, где находится их продукция, у каких поставщиков она имеется и каков объем запасов на складе. Устройства и оборудование IIoT также можно программировать «на лету» для адаптации в реальном времени к событиям и сбоям, что дает компаниям возможность использовать встроенные функции планирования на случай непредвиденных обстоятельств и повышать конкурентоспособность благодаря устойчивости.
  • Интеллектуальная логистика. Эффект Amazon — это термин, который описывает растущие ожидания потребителей в отношении бесплатной доставки на следующий день практически всего, что они заказывают. Чтобы успешно конкурировать и соответствовать этим ожиданиям, поставщикам логистических услуг приходилось географически рассредоточивать свои запасы и привлекать сторонних партнеров по логистике. Решения Интернета вещей в логистической сети дают менеджерам централизованное представление о каждом транспортном средстве их парка, будь то беспилотный летательный аппарат или грузовой корабль. Данные, поступающие в реальном времени от датчиков Интернета вещей, позволяют объединять грузы, свести к минимуму уровень потерь и ускорить доставку.
  • Здравоохранение. Пациентам мониторы и носимые устройства с поддержкой Интернета вещей помогают лучше контролировать оказываемую им медицинскую помощь и в то же время быть на связи со своим медицинским учреждением. Данные с таких устройств позволяют врачам получить более полную картину состояния здоровья пациентов. Результатом становится более информированный и обстоятельный подход к диагностике, лечению и общему самочувствию пациентов.
  • Сельское хозяйство. Для предприятий, зависящих от погодных условий, любое средство, помогающее снизить риск и уязвимость, является крайне полезным. Журнал Forbes отмечает, что современный сельскохозяйственный сектор все чаще применяет решения Интернета вещей и что «в настоящее время для повышения устойчивости управления водопользованием, визуализации, производства и упрощения сельскохозяйственной деятельности используются тысячи датчиков».

В рамках процесса цифровой трансформации сеть IIoT предоставляет компаниям мощный инструмент для повышения устойчивости и конкурентоспособности.

 

  1. Повышение гибкости. Когда устройства промышленного Интернета вещей обмениваются данными в реальном времени, они вносят свой вклад в интеллектуальную сеть, которая постоянно собирает данные, анализирует их и обучается на их основе. Это позволяет компаниям быстро и решительно реагировать на возможности и риски. Те же самые устройства не только отправляют данные, но и могут получать инструкции, основанные на проанализированных данных, для адаптации и оптимизации автоматизированных рабочих процессов.
  2. Рост работоспособности оборудования. Устройства и машины в Интернете вещей постоянно передают операционные журналы и данные о производительности. Алгоритмы искусственного интеллекта и машинного обучения используют эти данные от датчиков для получения ценной информации о необходимости диагностического обслуживания. Согласно данным McKinsey, «диагностическое обслуживание обычно сокращает продолжительность простоев оборудования на 30–50% и увеличивает срок службы оборудования на 20–40%».
  3. Рост эффективности. К сожалению, при расстановке приоритетов своих операционных потребностей предприятия зачастую занимают позицию «не нужно трогать то, что работает». Такое отношение может привести к сохранению неэффективных унаследованных процессов, которые давно устарели. Если операционная сеть включает устройства Интернета вещей, то данные, собираемые и передаваемые ею, являются полностью объективными. Применение расширенной аналитики к таким данным позволяет постоянно получать рекомендации и стратегии для обновления процессов, оптимизации задач и повышения эффективности.
  4. Более рациональное управление запасами. Проблемы, связанные с неопределенностью в связи с политическими и экономическими факторами, начались для предприятий за много лет до 2020 года. Для многих из них пандемия лишь показала, насколько уязвимыми стали их системы управления запасами. При подключении к Интернету вещей такие устройства, как аддитивные (3D) принтеры, могут снизить зависимость от внешних партнеров-производителей, позволяя предприятиям поддерживать виртуальные запасы и производить необходимые продукты по запросу.
  5. Повышение безопасности труда. В любой производственной среде всегда существует опасность травм или избыточных нагрузок. Сегодня многие компании снижают их риск с помощью устройств Интернета вещей для обеспечения безопасности на рабочем месте. Они способны выдавать предупреждения через носимые устройства, такие как гарнитуры виртуальной реальности, или отслеживать текущие схемы организации рабочего процесса для реструктуризации производственных и складских участков с целью повышения безопасности и эргономичности.
  6. Улучшение обслуживания клиентов. Сети IIoT объединяют не только устройства и оборудование компании. Они также интегрируют клиентский опыт и получаемую от пользователей информацию.  Такая интеграция повышает качество взаимодействия с покупателями, прозрачность и персонализацию логистики, а также обеспечивает возможность учета отзывов и предпочтений клиентов в процессе производства и разработки новых продуктов.   Эффективное взаимодействие с клиентами в реальном времени повышает конкурентоспособность и устойчивость бизнес-модели.

В 2020 году многие организации получили очень серьезный сигнал о важности обеспечения устойчивости и прозрачности в масштабе всей сети операций. Компании, которые успешно конкурируют и процветают в современных экономических условиях, больше не рассматривают цифровую трансформацию как приятное, но необязательное дополнение. Сегодня лучшие компании используют современные цифровые решения, такие как IIoT, в качестве необходимых инструментов для достижения успеха и поддержки роста.

Наверх