Промышленный интернет вещей iot что это

IoT и IIoT: ключевые отличия двух технологий

В последнее время широко распространились две технологии – IoT (Internet of Things) и IIoT (Industrial Internet of Things). Потребительский IoT (сокращение от Internet of Things, т.е. «Интернет вещей») и индустриальный IIoT (сокращение от Industrial Internet of Things, т.е. «Промышленный Интернет вещей») — это различные термины, несмотря на некоторую общность в плане аббревиатур и высокоуровневых концепций. Сами же концепции имеют параллельное развитие, что не обходится без определенных заимствований схем друг у друга. Сходство терминов IoT и IIoT нередко приводит к вопросам у людей, поверхностно погружённых в данную тему: почему IIoT не так быстро проникает в сферы реальной жизни, как IoT? Действительно ли это связано с тем, что руководство компаний является некомпетентным или не хочет наращивать эффективность производства? Чтобы развеять этот миф, Александр Дроздов, Директор по инновациям компании «Иннодата», выделил ключевые отличия IoT и IIoT. При этом целью автора не является всесторонний обзор двух технологий, но для бизнеса понимание представленных аспектов будет вполне достаточным.

Сразу укажем на единственную общность двух технологий: они предлагают универсальные стандартизированные протоколы, которые позволяют устройствам, выпущенным разными компаниями, свободно взаимодействовать друг с другом, обмениваться информацией и принимать на её основе различные решения.

Ключевые отличия IoT от IIoT

В данном разделе мы коснёмся фундаментальных отличий между IoT и IIoT:

· Цель возникновения. Интернет вещей (IoT) появился для того, чтобы улучшить комфортабельность жизни людей. Он нацелен на быт, открывая безграничные возможности по экономии и безопасности. Промышленный интернет вещей (IIoT), как и следует из его названия, нацелен на производственные выгоды и позволяет увеличить рентабельность бизнеса.

· История развития. IoT — это планомерное развитие технологии «smart home» (умный дом), в то время как IIoT – это улучшение существующих производственных телеметрических и телематических систем.

· Стоимость поломки. В случае с IoT можно говорить о низкой стоимости выхода систем из строя. Если отопление не было включено к приходу человека домой, он может его включить самостоятельно, практически ничего при этом не потеряв. То же самое относится и к умным функциям безопасности: обычно для них имеются дублирующие базовые приспособления. В случае с IIoT выход из строя механизмов или поломка части сети будут вести к серьёзным проблемам, и производство понесёт значительные убытки или полностью остановится.

· Стоимость решения. Решения, построенные на базе IoT, являются низкими по стоимости. Обычно для таких решений характерно наличие малого количества датчиков. Клиенты приобретают IoT-устройства в основном благодаря их узнаваемости, имиджу и новизне. IIoT-решения имеют высокую стоимость, что обусловлено, в первую очередь, большим количеством устройств, требуемых для установки на производстве. Кроме того, IIoT-устройства являются дорогостоящими, так как к ним выставляются высокие требования в плане надёжности, безопасности и эффективности работы в различных (зачастую агрессивных) условиях. Решение в пользу внедрения IIoT на производстве делается на основе экономической эффективности такого шага.

· Быстрота внедрения. В случае с IoT внедрение происходит очень быстро, поскольку все умные устройства и детали приобретаются в процессе замены существующей техники или ремонтных работ. Для IIoT внедрение является медленным, так как очень часто оно требует полного обновления производственной инфраструктуры. Для внедрения IIoT характерен поэтапный подход. Предлагаемые решения должны учитывать возможную масштабируемость, модернизацию и совместимость с некоторыми участками старой инфраструктуры.

· Стоимость обслуживания. Обслуживание IoT-устройств имеет низкую стоимость. Достаточно всего лишь заменить вышедшую из строя технику, что никоим образом не влияет на пользовательские ожидания. Обслуживание IIoT-устройств оказывается дорогостоящим, поскольку применяемые решения являются комплексными, произвести их замену зачастую очень сложно, а выход деталей из строя ведёт к приостановке или полной остановке производства.

· Алгоритмическая сложность. В IoT-устройствах применяются простые алгоритмы, позволяющие автоматизировать рутинные действия: приготовление чая, включение света и т.д. В IIoT-устройствах используются сложные многоуровневые алгоритмы, основанные на современном математическом аппарате. Применение нейронных сетей в IIoT позволяет управлять рисками, строить прогнозы эффективности производства, моделировать любой участок производственной цепи и т.д.

· Обработка информации. В IoT-устройствах вся информация обрабатывается в режиме реального времени, однако допустимы и некоторые задержки в предоставлении данных, вплоть до десятков секунд. В IIoT-устройствах подобные задержки недопустимы: информация предоставляется в режиме реального времени с максимальной задержкой, не превышающей десятки миллисекунд.

· Объёмы трафика. Обычно IoT-устройства генерируют трафик, не превышающий пару Мб в день. IIoT-устройства могут генерировать большие объемы трафика, до Пб (петабайт) в день.

· Рабочие места. В случае с IoT-устройствами рабочие места не сокращаются: «умный» чайник не приведёт к тому, что будет уволена домработница. Мало того, IoT-устройства не ведут к созданию новых вакансий. А вот IIoT-устройства за счёт сокращения рутинных действий, требующих ручных операций, ведут к тому, что старые рабочие места закрываются и появляются вакансии для высококвалифицированных специалистов, которые способны проектировать и обслуживать умные промышленные системы, а также анализировать поступающую информацию.

· Безопасность данных. Если рассматривать IoT-устройства, то имеется высокий риск перехвата конфиденциальных данных, что может вести, к примеру, к краже денег с банковских счетов. Взлом IoT-устройств опасен тем, что он открывает дорогу для несанкционированного проникновения злоумышленников в жилые помещения. В случае с IIoT-устройствами любое внедрение в инфраструктуру предприятия может спровоцировать настоящую катастрофу, поэтому забота о безопасности в данном случае критически важна.

Сферы применения двух технологий

Как следует из представленного сравнения, IoT и IIoT – это две совершенно разных технологии, которые охватывают свою аудиторию и нацелены на решение различных задач. Первоочередная задача IoT – добиться персонального комфорта для каждого человека. Далее следует уже контроль над расходами, что даёт возможность минимизировать лишние затраты. Для IoT характерно только бытовое применение. Яркий пример IoT-технологий – это системы «Умный дом». На базе IoT могут функционировать не только отопительные системы или системы освещения, но и электронные дверные замки, системы наблюдения, механизмы автоматического полива прилегающей территории и т.д. С помощью IoT можно оптимизировать потребляемую электроэнергию, внедрив автоматизацию в работу счётчиков. Для этого все счётчики объединяются в одну общую сеть, в которой уже ведётся учет расходов, анализ потребления энергии, воды, газа и т.д. Владелец жилья сможет провести эффективную экономию за счёт внедрения устройств, выключающих свет в то время, когда он не требуется, или перекрывающих подачу воды, когда это не нужно, и т.д. Любые бытовые расходы могут быть взяты под жёсткий контроль.

Промышленный интернет вещей (IIoT) несет в себе иную ценность: он позволяет добиться максимальной энергоэффективности производственных линий. Технология IIoT отвечает задачам индустрии, а также её узконаправленным сферам. К примеру, IIoT нередко применяется в муниципальных системах освещения. За основу функционирования IIoT берётся взаимодействие датчиков. Они следят за работой производственных устройств и механизмов, что играет важную роль в таких сферах, как нефтедобыча, добыча полезных ископаемых, городское освещение и т.д. К примеру, фонари, освещающие городские улицы, могут включаться и выключаться автоматически, ориентируясь на датчики движения.

С помощью внедрения IIoT на производстве достигается цель создания цифровой копии предлагаемой продукции. Это помогает снизить общий процент брака, установить фундаментальные факторы, которые связаны с его появлением, увеличить эффективность всех процессов и технологий в производстве за счёт проведения детального мониторинга каждого этапа в цепочке создания продукта. В результате этого производственная линия становится более оптимизированной.

Чтобы построить эффективное производство, требуется собрать всю поступающую с датчиков информацию и проанализировать её, оптимизировав работу каждого компонента системы. Раньше работник станка должен был самостоятельно снимать показания с разрозненных датчиков и формировать на их основе общую картину производственного процесса. Естественно, такой подход был неэффективным и трудоемким. С помощью IIoT можно включить все датчики в одну единую сеть, которая позволит в режиме реального времени собирать и анализировать поступающую информацию с различных производственных линий. В результате такого подхода количество брака сильно сократится, что поможет повысить эффективность производства.

IIoT генерирует огромные объемы информации, и это позволяет получить объективную оценку того, насколько эффективно работают различные линии производства. Благодаря IIoT увеличивается объём данных, их актуальность, а также скорость их представления и обработки. На смену разрозненным станкам приходит централизованная производственная линия, которая даёт возможность контролировать любой её участок, а также воздействие производства на внешнюю среду.

Преимуществом IIoT является тот факт, что технология позволяет отслеживать состояние экологии рядом с производством. Современные требования к производству включают в себя контроль над состоянием окружающей среды, а потому компании стремятся соблюсти существующие стандарты в области экологии. Устройства IIoT помогают изучить состав атмосферы, уровень загрязнённости среды, показатели влажности и т.д.

Резюмируя вышеперечисленное, отметим, что ключевое ртличие между двумя технологиями состоит в том, что IoT применяют в повседневной жизни, а IIoT – на производстве. Технологии отличаются схожим названием и общими принципами работы, но применяются они для решения различных задач. Их развитие идёт параллельно, но они не пересекаются, и вряд ли будут пересекаться в дальнейшем.

Технологии IoT и IIoT в последние годы находятся на подъёме. К ним приковано широкое внимание со стороны разных сфер. С помощью этих технологий создаются разноплановые приложения для людей, бизнеса и промышленности. Компании должны понимать, каким образом с помощью IoT и IIoT можно добиться экономического эффекта, и можно ли быстро масштабировать и переносить результаты, полученные в одной индустрии, на другие сферы.

Успех, которого смогли добиться такие крупные компании, как Netflix и Amazon, во многом основывался на применении технологии больших данных (Big Data), однако другие корпорации не смогли эффективно применить её в своих бизнес-моделях. В этом плане IIoT предлагает более высокую гибкость, связанную с внедрением технологии в производство, нежели Big Data. Однако при этом очень важно заранее создать подходящие бизнес-модели и провести их тщательный анализ. Только в таком случае можно будет избежать популярных ошибок, связанных с созданием бизнеса на базе IIoT.

Что такое промышленный интернет вещей и зачем он нужен на производствах

IoT сейчас внедряют во многие сферы, от городского управления (например, для контроля расхода электроэнергии) до промышленных производств и сельского хозяйства. По данным Transforma Insights, в 2019 году в мире работало уже 7,6 млрд IoT-устройств, а к 2030 году их число должно вырасти до 24,1 млрд.

Интернет вещей предполагает, что самые разные предметы оснащаются датчиками: к примеру, они могут мониторить температуру, влажность, скорость разных объектов, давление или сердцебиение человека. Есть даже гаджеты для людей с диабетом, которые мониторят уровень сахара в крови, передают данные в облако и сами впрыскивают инсулин при необходимости. Благодаря этому многие задачи получается контролировать автоматически.

Датчик температуры

IoT и производства

IoT все чаще используется на производствах, и для этого даже есть специальный термин «IIoT» — промышленный интернет вещей (Industrial Internet of Things). На производствах интернет вещей позволяет удаленно контролировать показатели и принимать решения на основе данных. Сейчас мы внедряем на наших предприятиях комплекс IIoT собственной разработки.

На аппаратном уровне комплекс представляет собой сеть взрывозащищённых датчиков температуры и вибрации, устойчивых даже в самых сложных климатических условиях. Они полностью автоматизируют сбор некритичных данных с производственного оборудования.

На многих крупных предприятиях работники до сих пор совершают обходы и собирают данные с оборудования вручную. Датчики же регулярно передают операторам информацию с оборудования и сигнализируют, если показатели выходят за рамки допустимых значений.

Для передачи данных используются беспроводные сети с нелицензируемым частотным диапазоном. Благодаря этому, например, можно обеспечить покрытие в труднодоступных зонах (а их на производствах обычно много). В зависимости от типа необходимых данных могут использоваться протоколы LoRaWAN, ISA 100.11 и WirelessHart.

Архитектура платформы

Информация с датчиков передается на IIoT-платформу: она сама систематизирует, хранит и визуализирует данные для пользователей через веб-интерфейс. Платформу пришлось разрабатывать самостоятельно с нуля, потому что готовые продукты не решали всех задач. Зато теперь, после всех этапов пилотирования, проб и ошибок, у нас есть решение. Пользоваться подобной платформой может даже человек без технической подготовки: по сложности она не отличается от «умного дома».

К датчикам для IIoT гораздо больше требований, чем к любым девайсам «умного дома»: к примеру, они должны быть взрывозащищёнными (для использования в газоопасной среде, например) и выдерживать экстремальные для электроники температуры.

На производстве пиролиза нужно контролировать, чтобы трубы теплоспутников не замерзали. Раньше этим в ручном режиме занимались люди, просто трогая трубы руками, но с 2018 года мы начали внедрять для этого датчики. Пришлось отдельно разработать устройства, выдерживающие температуру до -56 С°. Чтобы при таких морозах батареи работали как можно дольше, датчики передают данные о температуре не постоянно, а раз в 20 минут.

Комплекс IIoT не только освобождает сотрудников от долгой монотонной работы, но и собирает данные для математических моделей, чтобы оптимизировать технологический процесс. Например, за счет оптимизации расхода пара на производстве каучука получается экономить более 10 млн. руб. за год. Этот эффект достигается установкой всего лишь нескольких IIoT датчиков в дополнение к существующей АСУТП системе.

Промышленный интернет вещей: 4 кейса применения Big Data в индустрии

Мы уже рассказывали, как интернет вещей (Internet of Things, IoT) вместе с технологиями Big Data и машинного обучения (Machine Learning) используются в нефтегазовой, транспортной, сельскохозяйственной и машиностроительных отраслях. Сегодня поговорим подробнее про промышленный IoT (Industrial Internet of Things, IIoT) на примерах его применения в тяжелом машиностроении и рассмотрим, почему индустриальный интернет вещей основан на решениях Big Data.

Чем отличается промышленный интернет вещей от IoT?

IIoT используется в индустриальных условиях для автоматизации производства, тогда как IoT ориентирован на решение более простых задач бытового плана. Например, «умный дом» в пределах одного домохозяйства — это сфера применения IoT, а эффективное управление многоэтажным зданием, жилым кварталом или целым городом — уже задача для IIoT-системы. При этом основная ценность от внедрения IIoT — это достижение максимальной результативности и экономичности (энергоэффективности) производства за счет оптимизации его стоимости с помощью ИТ [1].

Для этого IIoT-системы учитывают отраслевую или корпоративную специфику, объединяя в единую сеть все производственные объекты [2].

Таким образом, промышленный интернет вещей — это скоординированная система ИТ-инструментов для автоматического сбора и передачи потоков Big Data с технологического оборудования на облачный сервер с целью анализа данных и формирования рекомендаций, в т.ч. с помощью методов Machine Learning [3].

Согласно прогнозу аналитического центра TAdviser и госкорпорации «Ростех», российский рынок IoT к 2020 году составит 270 млрд рублей, 25% из которых придется на долю промышленных предприятий. При этом 75% отечественных компаний из опрошенной выборки применяют IIoT-системы для обеспечения безопасности и видеонаблюдения, 70% — для диагностики оборудования и мониторинга, а 60% — для управления инфраструктурой. Также Industrial Internet of Things используется для контроля энергопотребления и хода работ, управления транспортом, отслеживания местонахождения движущихся и стационарных объектов и т.д. [3]. В этой статье мы собрали 4 примера успешного внедрения IIoT в сферу тяжелого машиностроения в России и за рубежом.

Популярные сферы применения IIoT

Как работают IIoT-системы на стеке Big Data: архитектура и принципы действия

В типовую IIoT-систему входят:

· «интеллектуальные» конечные устройства (датчики, сенсоры, контроллеры);

· программное обеспечение сбора и обработки информации, в т.ч. облачные IoT-платформы, со специализированными интерфейсами обмена данными (RESTful, Python API) и управления очередями сообщений (AMQP, STOMP, MQTT);

· проводные и беспроводные протоколы передачи данных на транспортном уровне модели OSI — Serial, RS-485, MODBUS, EtherNet/IP, CAN bus, OPC UA, BLE, WiFi, и пр.

Таким образом, IIoT-системы являются яркими представителями Big Data технологий за счет своих архитектурных особенностей [4]:

· множество источников данных — датчиков, сенсоров, контроллеров и других периферийных (конечных) устройств с высокой скоростью реакции на события и низким энергопотреблением, а также с малыми вычислительными мощностями;

· непрерывные потоки данных с конечных устройств с высоким уровнем помех в сигнале из-за специфических условий производственной среды (экстремальные значения температуры, влажности, электромагнитные возмущения, вибрация, визуальные и звуковые шумы и т.д.);

· использование SaaS/PaaS/IaaS-решений — сбор, автоматизированная обработка и интеллектуальный анализ данных, в т.ч. с применением Machine Learning, выполняются на облачных серверах с высокими вычислительными мощностями.

В связи этими архитектурными особенностями разработчики IIoT-решений и DevOps-инженеры сталкиваются с необходимостью использования распределённых систем доступа к объектам, в частности, обмена сообщениями через очередь. Для этого используются протоколы AMQP, STOMP, MQTT, реализованные в программных брокерах RabbitMQ, Apache Qpid, Apache ActiveMQ [5]. Однако, считается, что наилучшими возможностями масштабирования отличается распределенный реплицированный журнал фиксации изменений Apache Kafka. Именно этот брокер сообщений обеспечивает наращивание пропускной способности при росте числа и нагрузки со стороны источников данных, а также количества приложений по их обработке (подписчиков) [6].

Таким образом, IIoT-системы для быстрой обработки данных в режиме онлайн активно используют прикладные Big Data решения. Например, для быстрой загрузки данных с конечных устройств часто используется платформа обработки событий (сообщений) Apache NiFi, а для хранения информации — облачные сервера на базе Apache Hadoop. Про архитектуру IIoT-систем и брокеры программных сообщений (Apache Kafka, RabbitMQ) мы написали отдельные статьи, а сейчас рассмотрим еще несколько практических примеров использования интернета вещей с технологиями Big Data и Machine Learning в промышленности.

Схематичная архитектура IIoT-системы

Примеры IIoT-систем в машиностроении

Одним из наиболее популярных примеров применения IIoT в машиностроении является кейс Harley Davidson — американского производителя культовых мотоциклов и сертифицированного поставщика продукции военного назначения для вооружённых сил США. Благодаря внедрению IIoT-системы, компания в 7 раз увеличила свою акционерную стоимость и почти в 20 раза сократила производственный цикл. В рамках технической реконструкции рабочих площадок на каждом производственном этапе были установлены датчики, контролируемые программным обеспечением класса MES (Manufacturing Execution System, система управления производственными процессами). Это позволило существенно ускорить процессы перенастройки оборудования для кастомизации выпускаемых моделей [2].

Аналогичные результаты демонстрирует машиностроительная компания Brexton, производящая станки для обработки камня. Благодаря подключению оборудования к удаленным сервисам, вероятности его поломки рассчитываются заранее, что позволяет вовремя запланировать профилактические и ремонтные работы. В результате производительность предприятия выросла на 30%, а прибыльность — на 70% [2].

Отечественные машиностроительные предприятия также успешно используют IIoT-системы. В частности, Ульяновский автомобильный завод оптимизировал маршруты и график перемещений межцехового транспорта, снабдив его GPS-датчиками. Предприятие вложило в проект всего 100 тысяч рублей, и теперь экономит 2,5 миллионов рублей в месяц при использовании пяти GPS-датчиков компании [3].

Другая промышленная компания, сталелитейное и горнодобывающое предприятие ПАО «СеверСталь» также решает свои производственные задачи с помощью IIoT. Технологическое оборудование на промышленных площадках оснащено десятками тысяч датчиков, которые передают информацию в одно из крупнейших среди промышленных компаний России гибридное хранилище данных Data Lake. Собранные данные автоматически обрабатываются и анализируются с использованием алгоритмов машинного обучения. В частности, на Череповецком металлургическом комбинате в промышленной эксплуатации находятся 2 предиктивные модели Machine Learning, которые позволяют предсказывать поломки на стане горячей прокатки. За 8 месяцев эксплуатации эти модели предотвратили 10 аварийных ситуаций. Планируемый ежегодный эффект от сокращения простоев специалисты предприятия оценили в 200 миллионов рублей. Также в рамках цифровизации компании по программе «управление качеством» ведется работа над прогностическими моделями оценки удовлетворенности клиента. Анализируя большие данные, получаемые в режиме онлайн с технологического оборудования на каждом этапе производства, алгоритмы Machine Learning должны предсказать, насколько продукт удовлетворяет заявленным параметрам клиентского заказа и каковы отклонения. Это позволит значительно улучшить качество продукции и, соответственно, выручку компании [3].

IIoT на базе Big Data и Machine Learning — современное решение для машиностроения и других отраслей промышленности

О том, какие именно технические средства и Big Data решения используются для реализации IIoT-систем, читайте в нашей следующей статье про архитектуру промышленного интернета вещей. А прикладные навыки администрирования кластеров и настройки безопасности осваивайте на практических курсах в нашем учебном центре для руководителей, аналитиков, архитекторов, инженеров и исследователей Big Data в Москве: