Ο σημερινός κύκλος ανάπτυξης και υποστήριξης προϊόντων είναι γρήγορος. Τα ενσωματωμένα προϊόντα εντοπίζουν αστοχίες λογισμικού και υλικού και παρέχουν πληροφορίες για τη συμπεριφορά των χρηστών για να παρέχουν στους μηχανικούς τα δεδομένα που χρειάζονται για να διασφαλίσουν ότι ο εξοπλισμός λειτουργεί σωστά και βελτιώνεται συνεχώς.
Δεν μπορεί εύκολα να συνδεθεί όλος ο βιομηχανικός εξοπλισμός για την υποστήριξη αυτών των ενσωματωμένων προϊόντων. Ακόμη και τα προϊόντα που έχουν σχεδιαστεί για το Internet of Things (IoT) αντιμετωπίζουν προβλήματα σύνδεσης, όπως ηλεκτρομαγνητικές παρεμβολές (EMI), περιορισμούς εύρους ζώνης και μακριά καλώδια.
Η έλευση της τεχνολογίας System on Chip (SoC) με δυνατότητα Bluetooth παρέχει στους μηχανικούς απρόσκοπτη συνδεσιμότητα και ισχύ μικροεπεξεργαστή για υποστήριξη ενσωματωμένης μηχανικής εκμάθησης (ML). Ο συνδυασμός συνδεσιμότητας με ευφυή αναλυτικά στοιχεία είναι ένα σημαντικό εργαλείο στον κύκλο σχεδιασμού και υποστήριξης από το παθητικό στο προληπτικό.
Η έξυπνη συλλογή δεδομένων αλλάζει την ανάπτυξη και την υποστήριξη προϊόντων
Η επιτυχής ανάπτυξη και υποστήριξη προϊόντων απαιτεί τη χρήση δεδομένων. Οι σχεδιαστές που δεν καταλαβαίνουν πώς χρησιμοποιεί ο πελάτης το προϊόν, συμπεριλαμβανομένου του τι βασίζεται, ποιες λειτουργίες είναι δυσκίνητες ή έχουν τρωτά σημεία, μπορεί να δυσκολευτούν να αναβαθμίσουν επαναληπτικά το προϊόν στο επίπεδο που θέλει ο χρήστης.π.χ. Ομοίως, το προσωπικό υποστήριξης δεν μπορεί να αντιμετωπίσει επαρκώς τα προβλήματα χωρίς να γνωρίζει τη συμπεριφορά του χρήστη, την κατάσταση του συστήματος, τις περιβαλλοντικές συνθήκες και άλλα κρίσιμα δεδομένα πριν ή κατά τη στιγμή του προβλήματος.
Τα προϊόντα με σύγχρονες ενσωματωμένες δυνατότητες συνδεσιμότητας και ανάλυσης μπορούν να κάνουν τις επαναλήψεις σχεδιασμού και την υποστήριξη πιο αποτελεσματικές. Τα ενσωματωμένα προϊόντα και οι έξυπνοι φάροι μπορούν να ανιχνεύσουν περιβαλλοντικές συνθήκες όπως η θερμοκρασία, η υγρασία και η πίεση του αέρα και μπορούν να ανιχνεύσουν την επιτάχυνση πολλών αξόνων, το φως του περιβάλλοντος και τα μαγνητικά πεδία. Η χρονική σήμανση του ρολογιού πραγματικού χρόνου (RTC) επιτρέπει τη συσχέτιση δεδομένων με άλλα συμβάντα συστήματος κατά τη χρήση ενσωματωμένων αναλυτικών στοιχείων ή κατά τη μετάδοση σε διακομιστή cloud μέσω Bluetooth.
Για παράδειγμα, ένας έξυπνος φάρος που συνδέεται με ένα σύστημα γραμμικής κίνησης σε βιομηχανικό περιβάλλον μπορεί να ανιχνεύσει αυξημένους κραδασμούς καθώς αυξάνεται η υγρασία. Ο ενσωματωμένος επεξεργαστής μπορεί στη συνέχεια να ειδοποιήσει τον μηχανικό συντήρησης για την ανάγκη πρόσθετης λίπανσης. Αυτή η προληπτική διάγνωση σφαλμάτων μπορεί να μειώσει το χρόνο διακοπής λειτουργίας του εξοπλισμού και το κόστος συντήρησης.
Οι σχεδιαστές προϊόντων μπορούν επίσης να χρησιμοποιήσουν καταγεγραμμένα δεδομένα δόνησης και περιβάλλοντος για να βελτιώσουν μελλοντικές εκδόσεις συστημάτων γραμμικής κίνησης. Για παράδειγμα, μπορεί να συστήσουν ένα διαφορετικό λιπαντικό που θα διαρκέσει περισσότερο σε υγρές συνθήκες. Μπορούν επίσης να επανασχεδιάσουν το σύστημα λίπανσης για να το προστατεύσουν καλύτερα από εξωτερικές επιρροές.
Εφαρμογή προκλήσεων και λύσεων
Για να συνειδητοποιήσουν το πλεονέκτημα της βελτιωμένης συλλογής δεδομένων στο περιβάλλον IOT, οι μηχανικοί πρέπει να βελτιστοποιήσουν τη συλλογή και ανάλυση δεδομένων. Η μεταφορά οποιασδήποτε πληροφορίας στο cloud για ανάλυση καθυστερεί εγγενώς και μειώνει την ασφάλεια των δεδομένων. Τα ενσωματωμένα συστήματα και οι έξυπνοι φάροι λύνουν αυτό το πρόβλημα ενσωματώνοντας δυνατότητες AI και ML στην ίδια τη συσκευή. Αυτά τα συστήματα Edge AI και TinyML περιέχουν κλιμακούμενα μοντέλα λογισμικού που επιτρέπουν στον επεξεργαστή την έξυπνη παρέκταση με βάση τα δεδομένα του πραγματικού κόσμου που λαμβάνονται.
Οι ενσωματωμένες λειτουργίες ML μπορεί να είναι απλές για την αντιστοίχιση δεδομένων κραδασμών, περιβαλλοντικών δεδομένων και παγκόσμιων χρονικών σημάνσεων ή πολύπλοκες για την πρόβλεψη απαιτήσεων συντήρησης με βάση τις τάσεις δεδομένων. Είτε περίπλοκη είτε απλή, η μονάδα ML μπορεί να λαμβάνει και να επεξεργάζεται δεδομένα σε πραγματικό χρόνο χωρίς να καταλαμβάνει πόρους δικτύου, παρέχοντας έτσι έγκαιρη εικόνα των αλλαγών και ελαχιστοποιώντας την κατανάλωση ενέργειας.
Τελικά, ωστόσο, τα έξυπνα beacon και τα ενσωματωμένα συστήματα πρέπει να επικοινωνούν την κατάσταση με άλλες συσκευές ή διακομιστές μέσω του δικτύου. Πολλά παραδοσιακά σχέδια συστημάτων έχουν ενσύρματες σειριακές συνδέσεις μέσω πρωτοκόλλων όπως PROFIBUS, DeviceNet, CANOpen και Modbus RTU. Πιο σύγχρονες συσκευές βασίζονται σε πρωτόκολλα Ethernet χαμηλής καθυστέρησης, όπως PROFINET, EtherCAT, EtherNet/IP ή Ethernet POWER. Ωστόσο, τόσο οι σειριακές όσο και οι επικοινωνίες Ethernet απαιτούν την τοποθέτηση καλωδίων δεδομένων και τροφοδοσίας στο εργοστάσιο και οι ακόλουθες προκλήσεις περιλαμβάνουν EMI, εξασθένηση σήματος κατά τη διάρκεια της μακράς μετάδοσης καλωδίου και επένδυση σε εγκαταστάσεις που απαιτούνται για τον μετριασμό των κινδύνων ενεργοποίησης και την παροχή πρόσβασης για οδήγηση ή αυτόνομα οχήματα.
Η επικοινωνία ραδιοσυχνοτήτων μικρής εμβέλειας (RF) χρησιμοποιώντας το πρωτόκολλο Bluetooth ξεπερνά πολλές από αυτές τις προκλήσεις. Ορισμένες εκδόσεις του Bluetooth, όπως το Bluetooth χαμηλής κατανάλωσης (BLE), χρησιμοποιούν την ισχύ μιας μπαταρίας κουμπιού για να εκπέμπουν ισχυρά σήματα σε εμβέλεια 150 μέτρων, εξαλείφοντας την ανάγκη για γραμμές ρεύματος και δεδομένων.
Το σήμα BLE λειτουργεί στη ζώνη των 2,4 GHz, η οποία υποστηρίζει επίσης ορισμένα δίκτυα κινητής τηλεφωνίας και Wi-Fi. Ενώ οι κοινόχρηστες ζώνες μπορούν να οδηγήσουν σε παρεμβολές δικτύου και μειωμένη ακεραιότητα σήματος, είναι οι πιο αξιόπιστες ζώνες για να ξεπεραστούν τα εμπόδια όρασης, όπως τοίχοι και εξοπλισμός. Για να ξεπεραστούν προβλήματα LOS και παρεμβολών, πολλά συστήματα BLE μπορούν να χρησιμοποιήσουν δικτυωτά δίκτυα, χρησιμοποιώντας το Πρωτόκολλο Διαδικτύου Έκδοση 6 (IPv6) για να διασυνδέσουν συσκευές BLE και να τις συνδέσουν στο νέφος (Εικόνα 1). Η στρατηγική τοποθέτηση σημείων πρόσβασης Bluetooth αυξάνει επίσης την ισχύ και την ακεραιότητα του σήματος εντός του δικτύου πλέγματος.