Obecny cykl rozwoju produktów i wsparcia przebiega szybko. Produkty wbudowane potrafią wykrywać awarie oprogramowania i sprzętu oraz uzyskiwać wgląd w zachowania użytkowników, dostarczając inżynierom niezbędnych danych do zapewnienia normalnego działania i ciągłego doskonalenia urządzeń.
Jednak nie wszystkie urządzenia przemysłowe można łatwo podłączyć do obsługi tych produktów wbudowanych. Nawet produkty zaprojektowane specjalnie dla Internetu rzeczy (IoT) mogą napotykać problemy z połączeniem, takie jak zakłócenia elektromagnetyczne (EMI), ograniczenia przepustowości i zbyt długie kable.
Pojawienie się technologii System on Chip (SoC) z obsługą Bluetooth umożliwia inżynierom osiągnięcie bezproblemowej łączności i dużej wydajności mikroprocesorów, umożliwiając wbudowaną obsługę uczenia maszynowego (ML). Łączenie łączności z inteligentną analizą jest ważnym narzędziem w cyklu projektowania i wsparcia przejścia od pasywnej reakcji do proaktywnego prognozowania.
Inteligentne gromadzenie danych zmieniło rozwój produktów i wsparcie
Pomyślny rozwój produktu i wsparcie wymagają wykorzystania danych. Jeśli projektanci nie rozumieją, w jaki sposób klienci korzystają z produktu, w tym na jakich funkcjach polegają, które funkcje są uciążliwe lub mają luki w zabezpieczeniach, trudno jest przeprowadzić iterację i uaktualnić produkt do poziomu, jakiego oczekują użytkownicy. Podobnie, bez zrozumienia zachowań użytkowników, stanu systemu, warunków środowiskowych i innych krytycznych danych przed lub w trakcie wystąpienia problemu, personel pomocy technicznej nie będzie w stanie w pełni rozwiązać problemu.
Produkty z nowoczesną łącznością pokładową i możliwościami analitycznymi mogą zwiększyć efektywność iteracji projektu i wsparcia. Wbudowane produkty i inteligentne sygnalizatory mogą wykrywać warunki środowiskowe, takie jak temperatura, wilgotność i ciśnienie powietrza, a także wykrywać przyspieszenie wieloosiowe, światło otoczenia i pola magnetyczne. Dzięki zastosowaniu znaczników czasu zegara czasu rzeczywistego (RTC) dane można powiązać z innymi zdarzeniami systemowymi podczas korzystania z wbudowanych funkcji analitycznych lub transmisji do serwerów w chmurze przez Bluetooth.
Na przykład inteligentne sygnalizatory podłączone do systemów ruchu liniowego w środowiskach przemysłowych mogą wykrywać zwiększone wibracje w przypadku wzrostu wilgotności. Następnie wbudowany procesor może wysłać ostrzeżenie do inżynierów zajmujących się konserwacją, przypominając im o konieczności dodatkowego smarowania. Ta proaktywna diagnostyka usterek może skrócić przestoje sprzętu i koszty konserwacji.
Projektanci produktów mogą również wykorzystywać zarejestrowane dane dotyczące wibracji i środowiska, aby ulepszyć przyszłe wersje systemów ruchu liniowego. Na przykład mogą zalecić inny smar, który można stosować przez dłuższy czas w wilgotnych warunkach. Mogą również przeprojektować układ smarowania, aby lepiej chronić go przed wpływami zewnętrznymi.
Wdrażanie wyzwań i rozwiązań
Aby osiągnąć zalety lepszego gromadzenia danych w środowisku IoT, inżynierowie muszą zoptymalizować gromadzenie i analizę danych. Przesyłanie jakichkolwiek informacji do chmury w celu analizy wiąże się z nieodłącznym opóźnieniem i zmniejsza bezpieczeństwo danych. Systemy wbudowane i inteligentne sygnalizatory rozwiązują ten problem, integrując funkcje AI i ML w samym urządzeniu. Te brzegowe systemy AI i TinyML zawierają pomniejszone modele oprogramowania, które umożliwiają procesorom wyciąganie inteligentnych wniosków na podstawie otrzymanych danych ze świata rzeczywistego.
Wbudowana funkcja ML może być tak prosta, jak dopasowanie danych dotyczących wibracji, danych środowiskowych i globalnych znaczników czasu, lub tak złożona, jak przewidywanie potrzeb konserwacyjnych na podstawie trendów danych. Niezależnie od tego, czy są one złożone czy proste, moduły ML mogą odbierać i przetwarzać dane w czasie rzeczywistym bez zużywania zasobów sieciowych, umożliwiając szybki wgląd w różne zmiany i minimalizując zużycie energii.
Jednak inteligentne sygnalizatory i systemy wbudowane ostatecznie muszą komunikować status z innymi urządzeniami lub serwerami za pośrednictwem sieci. Wiele tradycyjnych projektów systemów wykorzystuje protokoły, takie jak PROFIBUS, DeviceNet, CANOpen i Modbus RTU do przewodowych połączeń szeregowych. Bardziej nowoczesne urządzenia opierają się na protokołach Ethernet o niskim opóźnieniu, takich jak PROFINET, EtherCAT, EtherNet/IP lub Ethernet POWERLINK. Jednak zarówno komunikacja szeregowa, jak i Ethernet wymagają ułożenia kabli do transmisji danych i zasilania w warsztacie fabrycznym, a towarzyszące im wyzwania obejmują zakłócenia elektromagnetyczne, tłumienie sygnału podczas transmisji długimi kablami oraz inwestycje w infrastrukturę wymagane w celu ograniczenia ryzyka potknięcia i zapewnienia dostępu dla pojazdów prowadzących lub autonomicznych.
Komunikacja radiowa krótkiego zasięgu (RF) przy użyciu protokołu Bluetooth pozwala pokonać wiele wyzwań wymienionych powyżej. Niektóre wersje Bluetooth, takie jak Low Energy Bluetooth (BLE), mogą wykorzystywać moc baterii guzikowych do emitowania silnych sygnałów w promieniu 150 metrów, eliminując w ten sposób potrzebę stosowania kabli zasilających i do transmisji danych.
Sygnały BLE działają w paśmie częstotliwości 2,4 GHz, które obsługuje także niektóre sieci komórkowe i Wi-Fi. Chociaż współdzielone pasma częstotliwości mogą prowadzić do zakłóceń sieci i zmniejszonej integralności sygnału, jest to również najbardziej niezawodne pasmo częstotliwości do pokonywania przeszkód w polu widzenia, takich jak ściany i urządzenia. Aby przezwyciężyć problem pola widzenia i zakłóceń, wiele systemów BLE może wykorzystywać sieci kratowe i szósty protokół internetowy (IPv6) do łączenia urządzeń BLE ze sobą oraz z chmurą (rysunek 1). Strategiczne rozmieszczenie hotspotów Bluetooth może również zwiększyć siłę sygnału i integralność w sieciach mesh.