Думаете, что Интернет вещей (IoT) — это о дешевых датчиках, собирающих данные? Вовсе нет — все гораздо сложнее и интереснее, утверждает на портале Enterprisers Project Брайан Энтони, содиректор Medical Electronic Device Realization Center при Массачусетском технологическом институте и помощник директора MIT.nano.
Термин «Интернет вещей» означает много разных вещей для разных людей. Но для большинства IoT ассоциируется с широким внедрением недорогих датчиков и небольших вычислительных мощностей для сбора больших данных, включения интеллектуальных термостатов или добавления функциональности подключенным транспортным средствам.
У этих приложений есть значительная ценность, но акцент на очень простых датчиках, как правило, ограничивает представление людей о том, что возможно с комбинацией компонентов IoT — датчиков, данных, вычислений и алгоритмов.
В нынешнюю эпоху больших данных мы также забываем о том, что данные приходят от самых разных приборов — от носимых и бесконтактных физиологических мониторов, датчиков окружающей среды, от ваших взаимодействий с устройствами.
Те же самые концепции, которые лежат в основе IoT, могут применяться гораздо шире и глубже, чем люди обычно думают. И понимание того, что сегодня возможно благодаря IoT — и куда движутся технологии, открывает мир возможностей для CIO и других ИТ-лидеров.
Принципы IoT подходят для решения больших и комплексных технологических проблем
Чтобы понять, как организации могут использовать основные принципы IoT для «больших и тяжелых» технологических внедрений, важно сначала разобраться, что это за принципы. В первую очередь IoT-системы характеризуются конвергенцией микросенсоров, вычислений и коммуникаций. Эта конвергенция позволяет делать следующее:
- захватывать (или «чувствовать») данные из окружающей среды;
- проводить локальную предварительную обработку данных;
- осуществлять передачу данных на серверы;
- объединять данные от датчиков нескольких типов;
- выполнять обработку сигналов как локально, так и в облаке;
- делать выводы и получать представления о мире на основе данных, используя вычислительные методы, такие как машинное обучение;
- принимать решения и контролировать действия в окружающей среде.
Когда мы представляем себе практическую реализацию этих принципов, мы склонны думать о «традиционных» сценариях использования IoT, таких как пассивный экологический мониторинг: датчик собирает информацию о качестве воздуха или воды, эти данные предварительно обрабатываются на месте и передаются в центр, а затем используются для принятия решений (часто с помощью средств машинного обучения).
Примеры применения IoT для решения интенсивных вычислительных задач
Чтобы применить эти же понятия и процессы к более интенсивным вычислительным задачам, большого воображения не требуется. Но именно в этих сценариях мы можем увидеть истинный потенциал приложений, которые выходят за рамки IoT.
Проиллюстрируем сказанное на трех примерах.
1. Здравоохранение
Несмотря на то, что данное решение еще не является коммерчески доступным, моя лаборатория в MIT недавно подтвердила первую полностью бесконтактную ультразвуковую визуализацию: импульсный лазер светит на тело человека, небольшой локальный нагрев создает звуковую волну, которая проникает в тело и выходит обратно на его поверхность, где она регистрируется с помощью другого лазера; затем алгоритмы визуализации создают бесконтактное ультразвуковое изображение.
Несмотря на то, что результат аналогичен результатам традиционного контактного ультразвука, как опыт пациента, так и вычислительные требования сильно отличаются. В отличие от традиционного ультразвука, бесконтактная система должна «выяснить» форму тела пациента с помощью вычислений, прежде чем она сможет построить изображение. Технология имеет потенциал для применения для лечения на поле боя, в хирургических кабинетах, ожоговых больных и в других условиях, в которых применение контактного зонда, требующего смазки поверхности, невозможно.
Большинство людей никогда бы не подумали о такой системе, как о IoT-приложении, и все же это так — эта система собирает данные, передает их на процессор и использует сложные алгоритмы для проведения анализа и принятия решений в реальном времени. Это отличный пример того, как компетенции, необходимые для IoT, могут быть применены в других сценариях.
2. Мониторинг окружающей среды
Использование датчиков для контроля качества воздуха или воды является классическим примером использования IoT. Но, применяя концепции зондирования, вычислений и коммуникаций в более широком смысле, исследователи могут выйти за рамки IoT, чтобы получить более достоверную картину того, что происходит в окружающей среде.
Вместо того чтобы использовать только местные датчики окружающей среды, организация, осуществляющая мониторинг, могла бы также использовать спутниковые снимки для определения количества света, отражающегося от больших водоемов. И, конечно же, можно получить прямую информацию о качестве воды, взяв пробы и рассмотрев их под микроскопом.
Соединив информацию, полученную с помощью всех этих подходов, мы сможем получить более достоверную картину качества окружающей среды, чем при использовании только одного простого IoT-решения. Важны не сами датчики («вещи» в «Интернете вещей»), а данные. А данные могут собираться различными способами и комбинироваться различными способами.
3. Производство
Многое уже сделано в плане использования подключенных датчиков и систем IoT для выполнения прогностического обслуживания на производственных объектах — одной из областей интеллектуального производства. Отслеживая признаки износа оборудования, производственные компании могут максимально продлить срок его службы и заблаговременно заменять детали до поломки, что потенциально предотвращает дорогостоящие незапланированные простои.
Проблема заключается в том, что не каждую деталь всякой машины можно непосредственно прозондировать. Возьмем в качестве примера лезвие, применяемое для резки пластикового упаковочного материала. Со временем это лезвие изнашивается и приводит к резам, которые не так точны, как когда оно было новым. Но нет прямого способа измерить, насколько острым является лезвие или аккуратен рез пластика.
Вместо этого мы собираем данные о процессе, мощности, скорости, крутящем моменте, которые относятся ко всему оборудованию, а затем обнаруживаем мельчайшие изменения характеристик в тех сигналах, которые коррелируют с деградацией лезвия. Это еще один случай использования, который опирается на фундаментальные принципы IoT, но создает ценность, применяя их в новом контексте.
Эти три сценария иллюстрируют лишь малую толику того, что будет возможно в ближайшие годы. Для CIO и ИТ-лидеров очень важно искать приложения, раздвигающие границы применения IoT в своих отраслях. Те, кто это сделает, быстро откроют для себя сценарии, которые они никогда не считали возможными. Те, кто этого не сделают, рискуют отстать.
