Ο τρέχων κύκλος ανάπτυξης και υποστήριξης προϊόντων λειτουργεί γρήγορα. Τα ενσωματωμένα προϊόντα μπορούν να ανιχνεύσουν αστοχίες λογισμικού και υλικού και να αποκτήσουν γνώσεις σχετικά με τη συμπεριφορά των χρηστών, παρέχοντας στους μηχανικούς τα απαραίτητα δεδομένα για τη διασφάλιση της κανονικής λειτουργίας και της συνεχούς βελτίωσης των συσκευών.
Αλλά δεν μπορεί εύκολα να συνδεθεί όλος ο βιομηχανικός εξοπλισμός για την υποστήριξη αυτών των ενσωματωμένων προϊόντων. Ακόμη και προϊόντα που έχουν σχεδιαστεί ειδικά για το Internet of Things (IoT) ενδέχεται να αντιμετωπίσουν προβλήματα σύνδεσης όπως ηλεκτρομαγνητικές παρεμβολές (EMI), περιορισμούς εύρους ζώνης και υπερβολικά μακριά καλώδια.
Η εμφάνιση της τεχνολογίας System on Chip (SoC) με δυνατότητα Bluetooth επιτρέπει στους μηχανικούς να επιτύχουν απρόσκοπτη συνδεσιμότητα και ισχυρή απόδοση μικροεπεξεργαστών, επιτρέποντας την υποστήριξη ενσωματωμένης μηχανικής εκμάθησης (ML). Ο συνδυασμός της συνδεσιμότητας με την έξυπνη ανάλυση είναι ένα σημαντικό εργαλείο στον κύκλο σχεδιασμού και υποστήριξης της μετάβασης από την παθητική απόκριση στην προληπτική προοπτική.
Η έξυπνη συλλογή δεδομένων έχει αλλάξει την ανάπτυξη και την υποστήριξη προϊόντων
Η επιτυχής ανάπτυξη και υποστήριξη προϊόντων απαιτεί τη χρήση δεδομένων. Εάν οι σχεδιαστές δεν κατανοούν πώς χρησιμοποιούν οι πελάτες το προϊόν, συμπεριλαμβανομένων των δυνατοτήτων στις οποίες βασίζονται, ποιες λειτουργίες είναι δυσκίνητες ή έχουν τρωτά σημεία, είναι δύσκολο να επαναλάβουν και να αναβαθμίσουν το προϊόν στο επίπεδο που θέλουν οι χρήστες. Ομοίως, χωρίς κατανόηση της συμπεριφοράς των χρηστών, της κατάστασης του συστήματος, των περιβαλλοντικών συνθηκών και άλλων κρίσιμων δεδομένων πριν ή κατά τη διάρκεια της εμφάνισης ενός προβλήματος, το προσωπικό υποστήριξης δεν μπορεί να αντιμετωπίσει πλήρως το πρόβλημα.
Τα προϊόντα με σύγχρονη ενσωματωμένη συνδεσιμότητα και αναλυτικές δυνατότητες μπορούν να κάνουν τις επαναλήψεις σχεδιασμού και την υποστήριξη πιο αποτελεσματικές. Τα ενσωματωμένα προϊόντα και οι έξυπνοι φάροι μπορούν να ανιχνεύσουν περιβαλλοντικές συνθήκες όπως θερμοκρασία, υγρασία και πίεση αέρα και μπορούν επίσης να ανιχνεύσουν την επιτάχυνση πολλών αξόνων, το φως του περιβάλλοντος και τα μαγνητικά πεδία. Χρησιμοποιώντας χρονικές σημάνσεις ρολογιού πραγματικού χρόνου (RTC), τα δεδομένα μπορούν να συσχετιστούν με άλλα συμβάντα του συστήματος κατά τη χρήση λειτουργιών ανάλυσης ενσωματωμένου ή τη μετάδοση σε διακομιστές cloud μέσω Bluetooth.
Για παράδειγμα, έξυπνοι φάροι που συνδέονται με συστήματα γραμμικής κίνησης σε βιομηχανικά περιβάλλοντα μπορεί να ανιχνεύσουν αυξημένους κραδασμούς όταν αυξάνεται η υγρασία. Στη συνέχεια, ο ενσωματωμένος επεξεργαστής μπορεί να εκδώσει μια ειδοποίηση στους μηχανικούς συντήρησης, υπενθυμίζοντάς τους ότι απαιτείται πρόσθετη λίπανση. 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 προτείνουν ένα διαφορετικό λιπαντικό που μπορεί να χρησιμοποιηθεί για μεγαλύτερο χρονικό διάστημα σε συνθήκες υγρασίας. Μπορούν επίσης να επανασχεδιάσουν το σύστημα λίπανσης για να το προστατεύσουν καλύτερα από εξωτερικές επιρροές.
Εφαρμογή προκλήσεων και λύσεων
Προκειμένου να επιτευχθούν τα πλεονεκτήματα της βελτιωμένης συλλογής δεδομένων στο περιβάλλον IoT, οι μηχανικοί πρέπει να βελτιστοποιήσουν τη συλλογή και ανάλυση δεδομένων. Η μετάδοση οποιασδήποτε πληροφορίας στο cloud για ανάλυση επιφέρει εγγενή καθυστέρηση και μειώνει την ασφάλεια των δεδομένων. Τα ενσωματωμένα συστήματα και οι έξυπνοι φάροι λύνουν αυτό το πρόβλημα ενσωματώνοντας λειτουργίες AI και ML στην ίδια τη συσκευή. Αυτά τα συστήματα Edge AI και TinyML περιέχουν μοντέλα λογισμικού με μειωμένη κλίμακα που επιτρέπουν στους επεξεργαστές να κάνουν έξυπνα συμπεράσματα με βάση τα δεδομένα του πραγματικού κόσμου που λαμβάνονται.
Η ενσωματωμένη λειτουργία ML μπορεί να είναι τόσο απλή όσο η αντιστοίχιση δεδομένων δόνησης, περιβαλλοντικών δεδομένων και παγκόσμιων χρονικών σημάνσεων ή τόσο περίπλοκη όσο η πρόβλεψη των αναγκών συντήρησης με βάση τις τάσεις δεδομένων. Είτε σύνθετες είτε απλές, οι μονάδες ML μπορούν να λαμβάνουν και να επεξεργάζονται δεδομένα σε πραγματικό χρόνο χωρίς να καταναλώνουν πόρους δικτύου, επιτρέποντας έγκαιρες πληροφορίες για διάφορες αλλαγές και ελαχιστοποιώντας την κατανάλωση ενέργειας.
Ωστόσο, τα έξυπνα beacon και τα ενσωματωμένα συστήματα πρέπει τελικά να επικοινωνούν την κατάσταση με άλλες συσκευές ή διακομιστές μέσω ενός δικτύου. Πολλά παραδοσιακά σχέδια συστημάτων χρησιμοποιούν πρωτόκολλα όπως PROFIBUS, DeviceNet, CANOpen και Modbus RTU για ενσύρματες σειριακές συνδέσεις. Πιο σύγχρονες συσκευές βασίζονται σε πρωτόκολλα Ethernet χαμηλής καθυστέρησης, όπως PROFINET, EtherCAT, EtherNet/IP ή Ethernet POWERLINK. Ωστόσο, τόσο η σειριακή όσο και η επικοινωνία Ethernet απαιτούν τοποθέτηση καλωδίων δεδομένων και τροφοδοσίας στο εργοστασιακό συνεργείο και οι συνοδευτικές προκλήσεις περιλαμβάνουν ηλεκτρομαγνητικές παρεμβολές, εξασθένηση σήματος κατά τη διάρκεια της μακράς μετάδοσης καλωδίου και επένδυση εγκατάστασης που απαιτείται για τον μετριασμό των κινδύνων ενεργοποίησης και την παροχή πρόσβασης για οδήγηση ή αυτόνομα οχήματα.
Η επικοινωνία ραδιοσυχνοτήτων μικρής εμβέλειας (RF) με χρήση πρωτοκόλλου Bluetooth ξεπερνά πολλές από τις προκλήσεις που αναφέρθηκαν παραπάνω. Ορισμένες εκδόσεις του Bluetooth, όπως το Low Energy Bluetooth (BLE), μπορούν να χρησιμοποιούν την ισχύ των μπαταριών κουμπιών για να εκπέμπουν ισχυρά σήματα σε εμβέλεια 150 μέτρων, εξαλείφοντας έτσι την ανάγκη για καλώδια τροφοδοσίας και δεδομένων.
Τα σήματα BLE λειτουργούν στη ζώνη συχνοτήτων 2,4 GHz, η οποία υποστηρίζει επίσης ορισμένα δίκτυα κινητής τηλεφωνίας και Wi-Fi. Αν και η κοινή χρήση ζωνών συχνοτήτων μπορεί να οδηγήσει σε παρεμβολές δικτύου και μειωμένη ακεραιότητα σήματος, είναι επίσης η πιο αξιόπιστη ζώνη συχνοτήτων για να ξεπεραστούν εμπόδια οπτικής επαφής, όπως τοίχοι και συσκευές. Προκειμένου να ξεπεραστεί το πρόβλημα της οπτικής επαφής και των παρεμβολών, πολλά συστήματα BLE μπορούν να χρησιμοποιήσουν δίκτυα πλέγματος και να χρησιμοποιήσουν το 6ο Πρωτόκολλο Διαδικτύου (IPv6) για να συνδέσουν συσκευές BLE μεταξύ τους και στο σύννεφο (Εικόνα 1). Η στρατηγική τοποθέτηση σημείων πρόσβασης Bluetooth μπορεί επίσης να βελτιώσει την ισχύ και την ακεραιότητα του σήματος στα δίκτυα πλέγματος.