Vierme pe senzor Ce se întâmplă când datele IoT sunt proaste?

Întreprinderile care încearcă să utilizeze internetul lucrurilor se confruntă deja cu un deluviu de date și cu o serie amețitoare de moduri de a-l analiza. Dar ce se întâmplă dacă informația este greșită?

Datele incorecte sunt frecvente în IoT și, deși este greu să obții o estimare a cât de multă informație care transmite informații de pe dispozitivele conectate nu pot fi utilizate, o mulțime de oameni se gândesc la problema.

Aproximativ 40 la sută din toate datele de pe marginile rețelelor IoT sunt „enervante”, spune Harel Kodesh, vicepreședinte al companiei de software Predix al GE și CTO al GE Digital. O mare parte din aceste date nu sunt greșite, doar inutile: informații duplicate pe care angajații le-au încărcat accidental de două ori sau mesaje repetitive pe care mașinile inactive le trimit automat. 

În plus, construirea unei noi platforme IoT în topul sistemelor vechi de raportare industrială poate cauza probleme, deoarece instrumentele moștenitoare formatează datele în felul lor, a spus Kodesh. „Nu luați datele reale și elementare, ci luați niște traduceri ale acestora.”

Dar uneori dispozitivele generează doar lucruri false sau înșelătoare.

Măsurarea unui lucru greșit

De exemplu, dacă un vierme se târăște peste un senzor de temperatură și umiditate într-un câmp, fermierul va înțelege cât de cald și umed este viermele, ceea ce nu ajută să conducă o fermă. Dacă un senzor este acoperit de murdărie sau murdărie din fabrică sau dacă este deteriorat de vandale, acesta poate regla datele pe care le produce.

Cu cât sunt mai dure condițiile din jur și cu cât este mai izolat dispozitivul, cu atât este mai gravă problema cu date rele. Pe lângă agricultură, industrii precum distribuția de petrol și gaze și energie se confruntă cu acest aspect. Dar nu sunt doar senzori cu distanță care au probleme. Chiar și într-un spital, un senzor de oxigen din sânge prins pe degetul unui pacient poate începe să dea date proaste dacă este lovit în poziția greșită.

În plus, unele dispozitive IoT funcționează defectuos și încep să transmită date necorespunzătoare sau nu mai raportează deloc. În multe alte cazuri, eroarea umană este vinovatul: setările greșite încurcă ceea ce generează dispozitivul.

Un mod de a reduce datele proaste este să vă asigurați că angrenajul este setat corect.

John Deere echipează instrumentele sale de fermă uriașe cu senzori care detectează dacă mașinile funcționează corect. Plantatorul ExactEmerge, care rulează în spatele unui tractor care plantează semințe pe un câmp, are trei senzori pe rând de culturi pentru a detecta câte semințe sunt plantate și în ce ritm. Cel puțin o dată pe an, înainte de timpul plantării, fermierul sau un dealer Deere vor calibra manual acești senzori, astfel încât să fie exacti, a declarat Lane Arthur, directorul soluțiilor digitale de Deere.

Mai mult e mai bine

Dar mulți senzori IoT sunt prea greu de obținut pentru o calibrare și întreținere regulată. În aceste cazuri, redundanța poate fi răspunsul, deși nu este un glonț de argint.

Duplicatele aceluiași senzor pe o mașină, într-o mină sau într-un câmp generează mai multe intrări, care pot fi utile în sine. Weather Underground, o parte a activității Weather Company a IBM, își creează rapoartele parțial cu date de la senzori necalibrați și cu costuri reduse din curțile consumatorilor. Pentru nu mulți bani, acestea oferă Weather Underground mai multe puncte de date, dar calitatea este o problemă importantă. Unul senzor poate să funcționeze defectuos și să raporteze câțiva centimetri de ploaie, în timp ce cel de lângă acesta nu sesizează niciunul, a spus John Cohn, IBM Fellow pentru Watson IoT.

"Marele lucru este că, dacă ai suficientă densitate a acestor tipuri de senzori, poți ... matematic găsiți contururile și motivul, din asta, că unul necesită muncă", a spus Cohn.

De asemenea, companiile pot utiliza diferite dispozitive de detectare, în special camere de luat vederi, pentru a verifica senzorii care pot avea probleme. O cameră video combinată cu un software de analiză a imaginii poate detecta dacă un dispozitiv de la distanță a fost murdar, deteriorat sau vandalizat, a spus Doug Bellin, senior manager al industriilor din sectorul privat global la Cisco Systems. Uneori, camerele de securitate deja existente pentru altceva pot face treaba asta.

O tehnică pentru verificarea diferitelor tipuri de senzori unul împotriva celuilalt este numită fuziunea senzorului. Acesta cântărește intrările de la doi sau mai mulți senzori pentru a ajunge la o concluzie.

Fuziunea senzorilor este în prezent implementată în spitale, unde alarmele false sunt răsunătoare, a declarat Stan Schneider, președinte și CEO al companiei de software IoT Real-Time Innovations (RTI). De exemplu, mai degrabă decât să pornească o alarmă de fiecare dată când senzorul de oxigen din sânge de pe degetul unui pacient arăta un nivel scăzut de oxigen, un sistem de fuziune a senzorilor ar compara constant lectura cu cele de la alți senzori ai pacientului, cum ar fi monitorizările de respirație și ritmul cardiac..

Senzorul fantomă

De asemenea, alte surse pot stabili un senzor care nu mai este niciodată acolo. GE testează fiecare motor cu jet care iese din fabricile sale pentru temperatura gazelor de eșapament, o cifră care reflectă eficiența sa, a spus Kodesh. GE pune un senzor chiar pe calea evacuării, chiar dacă se va arde întotdeauna după câteva minute. Între timp, senzorii aflați în locuri mai sigure din jurul motorului colectează date în același timp, și comparând citirile lor cu ceea ce dispozitivul condamnat înregistrat înainte de a fi distrus, GE poate recrea senzorul direct ca unul virtual - o funcție matematică.

Tragerea concluziilor din mai multe fluxuri de informații aduce problema calității datelor în domeniul învățării automate. Acolo se întâmplă cele mai interesante lucruri, spune IBM Cohn.

De exemplu, IBM folosește platforma sa de analiză Watson pentru a înțelege utilizarea energiei la instalațiile IBM din Irlanda. Nu numai că Watson poate semnala o discrepanță dacă un aparat de aer condiționat spune că este oprit, dar tragerea totală a puterii este prea mare pentru ca acest lucru să fie adevărat, dar, în timp, poate învăța să identifice modul particular în care acel aparat de aer condiționat atrage putere atunci când vine. Cu aceste cunoștințe, un sistem care spune că nu este pornit poate fi prins cu mâna roșie.

Ca o verificare a datelor defecte, învățarea automată necesită timp pentru a se ridica la viteză, spre deosebire de senzori sau camere de luat vederi adăugate.

„Devine mai inteligent cu cât rulează mai mult. Prima dată când se execută, nu aș avea încredere în ea ”, a spus Bellin al lui Cisco. "A mia a oară când merge, este ... probabil mai inteligent decât mine."

Cu cât este mai critic sistemul IoT, cu atât mai important este să te ocupi de date proaste. Fuziunea senzorilor, de exemplu, este necesară pentru lucruri precum sănătatea pacientului și detectarea rachetelor, deoarece fiabilitatea este o problemă importantă atunci când mizele sunt atât de mari, a spus Schneider de la RTI..

Dar unele forme de IoT pot ajunge probabil fără el mai multe surse de date, a spus el. „Nu ai nevoie de asta în termostatul din casa ta.”

Alăturați-vă comunităților Network World pe Facebook și LinkedIn pentru a comenta subiecte care sunt de vârf.