Интернет вещей, скорее всего, станет источником огромной прибыли в промышленности и коммерческой отрасли. Если снизить затраты на топливо всего на 1 % или настолько же уменьшить капитальные затраты для непроизводительной системы, то экономия составит десятки и даже сотни миллиардов долларов. Промышленный Интернет породит экономическую деятельность, измеримую в десятках триллионов долларов.
Подключенный мир меняет все
Промышленный Интернет предоставляет несколько ключевых возможностей – и они часто пересекаются по мере того, как компании вводят технологии в действие. Среди них:
Сведения о местонахождении
Теперь с помощью всевозможных камер, датчиков и спутников легко отслеживать движение и перемещение объектов. Такие данные во многом определяют ситуацию в современном мире. Цифровые камеры отмечают геолокацию с помощью фотографий; вышки сотовой связи фиксируют тот момент времени, в который абонент попадает в их радиус действия с мобильным телефоном; устройства для считывания карт и системы магнитных ключей, такие как E-ZPass, регистрируют, когда водители проезжают мимо пунктов приема платежей на платных дорогах; а социальные медиа (например, Facebook, Twitter и Yelp) используют эту технологию, чтобы отмечать, где и когда человек входит в систему или обновляет статус на своей странице. Кроме того, модули GPS и спутники идентифицируют, где именно находятся самолеты, поезда и другие транспортные средства в конкретный момент времени.
Несмотря на то что система глобального позиционирования (GPS) существует уже более 20 лет (а идея использовать спутники на орбите Земли зародилась еще в 1950‑х гг.), она представляет собой лишь один фрагмент огромного пазла – местоположения объектов. Другие ключевые компоненты включают вычислительные устройства с адресами управления и доступом к среде (MAC-адресами), предоставляющие уникальный идентификатор машины; IP-адреса, которые определяют местонахождение устройства в сети Интернет; Ethernet-адрес, указывающий местонахождение устройства в локальной сети (LAN); радиочастотные метки и другие подобные датчики, соединяющие физический и виртуальный миры.
В Интернете вещей смартфоны представляют собой «последнюю милю» канала данных о геолокации. Они обеспечивают сбор данных на постоянной основе с помощью использования GPS-чипов, триангуляции вышек сотовой связи и, если сигнал все-таки слишком слаб или вообще недоступен из‑за здания или иного препятствия, беспроводной связи или технологии A-GPS. Эти средства работают на основе разных сетевых ресурсов, чтобы идентифицировать абонента, а также его местонахождение для обмена данными с устройством.
Системы геолокации в режиме реального времени уже используются в разных отраслях. Например:
• Навигационные системы на базе GPS, а также сотовые технологии широко применяются для отслеживания грузовиков, кораблей и самолетов, когда те перемещаются из одного пункта в другой.
• Системы слежения за транспортом позволяют логистическим и транспортным компаниям оптимизировать маршруты, анализировать эффективность водителей, отслеживать скорость передвижения и местонахождение транспортных средств, а также лучше планировать их эксплуатацию и расходы на топливо.
• Технологии отслеживания материальных запасов, в которых часто используются средства радиочастотной идентификации, позволяют идентифицировать физические активы и отследить их движение в процессе производства и сбыта. Розничные торговые компании уже более десяти лет используют эти системы на уровне паллетов и ящиков, чтобы отслеживать местонахождение товаров. Однако теперь продавцы и другие участники грузоперевозок применяют систему радиочастотной идентификации на уровне единиц товара. Это позволяет выстроить намного более эффективную систему отслеживания и использовать совершенно новые функции и возможности.
• Регистрация персонала и установление личности. Бейджи, оснащенные средствами радиочастотной идентификации, приложения для смартфонов с GPS и сервисами определения местонахождения дают возможность в любой момент узнать, где находится человек. Данная технология широко применяется на режимных объектах и в лабораториях, включая правительственные учреждения и военные базы с жесткими требованиями к идентификации личности и контролю доступа.
С хорошим примером cистемы позиционирования в реальном времени и ее ролью можно познакомиться в Орегонском университете науки и здоровья. В этом научно-исследовательском медицинском институте в Портленде метки присваиваются самому разному медицинскому оборудованию, от инфузионных помп до костылей, что облегчает их поиск. Кроме того, с помощью меток проще отслеживать рабочие характеристики устройств. Такой подход не только экономит время, которое иначе было бы потрачено на поиск и проверку устройств, но и помогает убедиться, что они в рабочем состоянии. В настоящее время Орегонский университет науки и здоровья изучает возможность создания меток для пациентов и врачей, чтобы лучше понимать, где они проводят время, как перемещаются на территории учреждения, сколько времени у пациентов уходит на ожидание врача. «Данная технология позволяет понять, как мы можем повысить свою производительность», – говорит Деннис Минсент, руководитель отдела клинических технологий.
А Hawaiian Legacy Hardwoods объединила низкотехнологичное дерево и экотуризм с ультрасовременными разработками. С 2010 г. эта компания, штаб-квартира которой расположена в Гонолулу, снабдила пассивными радиочастотными метками с GPS-координатами более 225 000 деревьев. База данных содержит информацию о семенном фонде, режиме питания и полива и т. д. Все это время компания добавляет процессы в базу данных и корректирует их на основании информации, получаемой от сети деревьев. «Мы можем отследить практически все, что происходит с деревом. Мы просто его сканируем, а затем записываем и регистрируем данные», – рассказывает директор по информационным технологиям Уильям Гиллиам.
Такая технология, как iBeacon от Apple, предоставляет еще больше возможностей, которые способны кардинально изменить процесс совершения покупок. Если продавец отслеживает маршрут движения покупателя по магазину и видит, где тот подолгу останавливается, то он может собрать данные о моделях поведения покупателя и пропустить их через специальную программу для анализа. Это поможет ему определить, стоит ли предложить этому человеку купон на скидку или что-то еще, и если да, то какой должна быть скидка. Все данные в совокупности, полученные при анализе тысяч или десятков тысяч покупателей, помогут продавцу усовершенствовать свой магазин. Например, изменить расположение товаров на полках, что приведет к росту продаж. Подобные программы для анализа улавливают такие тенденции и взаимосвязи, которые не заметить невооруженным глазом.
Повышение ситуативной осведомленности
Еще один способ использовать датчики – встроить их в элементы физической среды, включая дороги, здания, почву, растения и воду океана. Когда сотни и тысячи датчиков подключены друг к другу, можно просматривать данные с более высоким разрешением и лучше понимать взаимосвязи и модели. Например, умная городская транспортная сеть может эффективно управлять движением транспорта и оптимизировать работу светофоров для максимального потока автомобилей. Это не только ускорит транспортное сообщение, но и позволит пользоваться дорогой большему количеству автомобилей одновременно.
Эти технологии могут принести немало пользы в сельском хозяйстве и прогнозах погоды. Сегодня фермеры используют датчики, встроенные в машины и поля, чтобы распространять удобрения и пестициды более точно (и, как следствие, снизить потенциальный вред для окружающей среды). Датчики отслеживают уровень содержания влаги в почве и включают оросительную систему, если требуется. Даже коровы, свиньи и другие животные все чаще подключаются к сети. По некоторым оценкам, в США и Европе сейчас уже более 14 млн подключенных ферм, а к 2020 г. число подключенных устройств на фермах превысит 70 млн. Информационную революцию совершают такие компании, как OnFarm и Trimble, которые выпускают системы для измерения самых разнообразных показателей, от уровня и натяжения почвенной влаги до величины pH и оптимальных моделей удобрения культур.
В то же время все более мощные компьютеры, датчики, большие данные и более продвинутое компьютерное моделирование выводят прогноз погоды на новый, более точный уровень. Сегодняшние прогнозы погоды на шесть дней вперед по уровню точности сопоставимы с прогнозами погоды на пять дней вперед десять лет назад. Помимо спутников и обычных метеостанций ученые используют все большие количества датчиков, которые встраиваются в физические объекты среды. Бен Кайгер, директор центральной оперативной службы в Национальных центрах предсказаний условий окружающей среды под эгидой Национального управления океанических и атмосферных исследований, говорит, что цель состоит в том, чтобы повысить разрешающую способность сетки для получения более точных и долгосрочных прогнозов. Национальная метеорологическая служба уже проводила эксперименты с привлечением социальных сетей и краудсорсинга, чтобы собирать данные о погоде.
Использование дополнительных датчиков и краудсорсинговых технологий открывает новые возможности получения данных с высоким разрешением. Ллойд Трейниш – выдающийся инженер IBM в исследовательском центре имени Томаса Уотсона и куратор проекта Deep Thunder. Этот проект направлен на повышение точности прогнозов погоды с помощью более совершенных технологий сбора и анализа данных. Трейниш утверждает, что измерения, полученные с использованием оборудования на фермах, датчиков скорости ветра и содержания влаги в почве и воздухе, а также данные со смартфонов и других устройств очень ценны для получения знаний обо всем, от температуры и скорости ветра до уровня давления и влажности. А с помощью правильных данных и правильных точек ввода можно повысить точность прогнозирования и научиться строить более эффективные и экономически ценные модели.
Данные, полученные от подключенных физических объектов, могут распространяться на инфраструктуру и служить целям общественной безопасности. Если подключить мост, тоннель или автомагистраль, то можно вовремя понять, что данный объект нуждается в ремонте. Так намного легче определять приоритетность рисков и, как следствие, организовывать ремонтные работы. Кроме того, применяя нужное программное обеспечение и информационные панели на самом объекте, можно получать данные из всей инфраструктурной системы. Иными словами, опираясь на структурированную информацию, а не на чьи-то мнения или политические взгляды, ведомство может четко рассчитать реальную степень риска и расходы в случае ремонта объекта или игнорирования этой потребности.
Сегодня компании и правительственные организации уже используют технологии повышения ситуативной осведомленности для управления движением транспорта. Правоохранительные органы в Лос-Анджелесе, Нью-Йорке, Мемфисе и Санта-Крузе используют ввод данных и их анализ в реальном времени для выявления вероятных рисков и своевременного выделения сотрудников и ресурсов на основе развивающейся концепции прогнозного поддержания общественного порядка. Компании устанавливают все больше разнообразных датчиков (от средств видеоконтроля до подслушивающих устройств), чтобы выявлять проблемы и использовать данные для строительства более качественных дорог, водохозяйственных объектов и авиационных заводов.
Аналитика принятия решений, основанная на использовании датчиков
Интернет вещей, помимо прочего, поддерживает более широкое и сложное планирование и принятие решений. При наличии необходимой вычислительной мощности, соответствующих датчиков и достаточных объемов для хранения, сейчас можно вывести сбор и анализ данных на такой уровень, который раньше и представить себе было невозможно. Например, по мнению McKinsey & Company, обширные сети датчиков в земной коре позволили бы буровым компаниям получать гораздо больше информации. Хороший пример того, как датчики и мониторинг объектов меняют жизнь, можно увидеть в швейцарской мультинациональной нефтепромысловой компании Weatherford. С помощью радиочастотной идентификации она следит за техническим состоянием бурового оборудования и определяет, когда требуется ремонт или модернизация.
В Транспортном управлении Швеции (Trafikverket) обычный осмотр интенсивно используемых вагонов и локомотивов был заменен на отслеживание электронными системами (на протяжении 13 000 км путей). Используя радиочастотные метки и считыватели, а также сотовые и локальные сети для передачи данных к центральному устройству мониторинга, инженеры получают данные более чем из 150 промежуточных точек контроля. Когда поезда на полном ходу проносятся через эти точки, оборудование может обнаружить перегрев подшипников осей, повреждение колес, чрезмерную вибрацию и другие проблемы. «Мы выводим оборудование из эксплуатации прежде, чем произойдет серьезная поломка», – говорит менеджер проекта Леннарт Андерсон.
Совокупные данные в течение последующих 25 лет произведут переворот во всех областях. Ретейлеры используют их, чтобы понимать покупательские привычки, производители – чтобы знать о состоянии оборудования, а организации в области здравоохранения – чтобы точнее предсказывать поведение людей. Камеры, видео– и аудиоданные, информация о перемещении объектов, а также другие источники данных создадут новые и улучшенные алгоритмы, средства эмуляции и методы моделирования. Когда люди и окружающая их среда будут оснащены датчиками, правительственные организации и компании смогут преобразовывать данные, полученные с каждодневных моментальных снимков, в движущуюся картинку. Это позволит делать посекундные корректировки, доработки и изменения.
Суммарный эффект будет значителен. Аналитика принятия решений с использованием датчиков приводит к немедленной реакции на событие или ситуацию, а также дает более глубокое понимание принципов использования и потребления в реальном времени. Это, в свою очередь, дает возможность вводить схемы оплаты по факту потребления, а также модели стоимости, которая меняется в зависимости от повышения и понижения спроса и т. д. Авиалинии уже сейчас используют динамическую модель для регулирования цен в реальном времени, но современные модели бледнеют по сравнению с тем, что возможно в полностью подключенном бизнес-мире.
В ближайшем будущем множество отслеживающих устройств станут в реальном времени оценивать физическую форму, состояние здоровья и потребление пищи. Устанавливать размер страхового вознаграждения и уровни страхового покрытия можно будет на основе конкретных измерений, полученных с помощью электронных устройств, а также традиционных медицинских осмотров и лабораторных испытаний. При использовании этой модели тот, кто будет согласен добровольно предоставлять данные и вести здоровый образ жизни, сможет получать финансовые стимулы (например, его ежемесячные страховые взносы будут снижены).
Средства автоматизации и управления
Завершающий структурный компонент промышленного Интернета – построение систем, использующих машинный (или искусственный) интеллект для автоматизации процессов и решений. Выведение человека из контура управления повышает скорость и производительность, что коренным образом изменит бизнес, систему образования и государственное управление.
В последние несколько десятилетий работа на конвейерах и производстве все чаще делается роботами. Они отливают, клепают и варят себе дорогу, механически выполняя сложные и опасные задачи. Они есть и в медицине, где служат в качестве хирургических инструментов и все более совершенных протезов. Теперь они получают еще и чувства (зрение и осязание), наряду с таким уровнем искусственного интеллекта, который позволяет им действовать самостоятельно. Чем дальше идет XXI век, тем больше таких роботов.
В будущем продвинутая робототехника и машинный интеллект исключат человека из производства и избавят от тяжелого труда. В каждой области произойдет подобное, от поставок товаров и мытья окон до ремонта дорог и военных действий. Кроме того, радикальные усовершенствования машинного интеллекта, скорее всего, приведут к появлению роботов и систем, которые будут постоянно анализировать собственную эффективность и учиться исправлять собственные ошибки – так же, как другие машины и люди. По мере того как сети устройств с датчиками отправляют большие объемы данных на компьютеры для анализа, а алгоритмы и программное обеспечение все эффективнее обращаются с полученной информацией с учетом контекста, автоматизация и искусственный интеллект выходят на новый, подчас весьма высокий уровень. Промышленная система или робот могут автоматически корректировать работу инструментов или оборудования, процесс смешивания химических веществ и других ингредиентов, способы эксплуатации и технического обслуживания моторов в двигателях самолетов или роботов, используемых на производстве товаров.
Помимо прочего, обширная сеть датчиков может обеспечить немедленную реакцию на изменение условий. Это особенно ценно при управлении ограниченными ресурсами, например водой или энергией. Все больше предприятий коммунального хозяйства используют умные счетчики, которые в реальном времени регистрируют и показывают потребляемые ресурсы. Эти счетчики также отображают переменные тарифы и позволяют ловить их понижение. В будущем умные сети позволят домовладельцам и предприятиям (включая крупные центры обработки данных, которые расходуют много электричества) применять сложные алгоритмы для оптимизации использования и экономии энергии, а также снижения расходов. Сегодня умные терморегуляторы, подключенные к кондиционерам, уже определяют, когда нужно включать и выключать вентилятор, как смешивать наружный и внутренний воздух с учетом температуры внутри и снаружи здания.