Проекты с открытым исходным ходом способны изменить подход к IoT


СОДЕРЖАНИЕ:

Как начать проект Интернета вещей?

Сегодня все больше организаций интересуются Интернетом вещей, планируя внедрить в свою работу соответствующие решения, однако многих останавливает необходимость существенных инвестиций в инфраструктуру. Microsoft предоставляет платформу для построения облачных сервисов, позволяющих универсальным приложениям работать в Интернете вещей с широким диапазоном устройств.

Сегодня подключение компьютера к сети — едва ли не непременное условие, без этого он лишается значительной части своей функциональности. Развитие же электроники и полупроводниковых технологий привело к тому, что микропроцессоры стали чрезвычайно компактными, а на одном кристалле стало возможным размещать полноценные компьютеры. Стоимость таких устройств постоянно снижается, что делает экономически оправданным оснащение ими всех окружающих нас вещей, от холодильников и кофеварок до термометров и электророзеток.

Ожидается, что к 2020 году в мире будет около 50 млрд объединенных в сеть вещей, а возможности адресации RFID и IPv6 позволяют практически без ограничений идентифицировать в Сети любую вещь. Очевидно, что в этом случае потребуются особые подходы к обработке и хранению получаемых данных, однако овчинка стоит выделки — чем больше объектов Интернета вещей смогут между собой осмысленно взаимодействовать, тем больше, в соответствии с законом Меткалфа [1], пользы будет приносить эта сеть.

Может показаться, что главное в Интернете вещей — это компактные сенсоры и устройства управления объектами реального мира, однако это только одна из составляющих, и далеко не самая важная. Намного сложнее понять, как все устройства будут между собой взаимодействовать, и предложить реальные сценарии, способные облегчать человеку жизнь. Например, включение лампочки со смартфона может показаться веселым развлечением, однако пока это менее удобно, чем пользование обычным выключателем. Чтобы все эти соединенные сенсоры и устройства приносили пользу, им необходимо научиться делать выводы из полученных данных, принимать решения самостоятельно или с минимальным вмешательством человека. Например, приборы контроля отопления в доме вместе с датчиками присутствия могут узнать, когда хозяева обычно возвращаются домой, и включать отопление к этому времени, а в остальное время экономно расходовать энергию. Главная часть Интернета вещей, как полагают в Microsoft, — это умное облако, способное накапливать и обрабатывать большие объемы данных. Ясно, что лавина показателей, поступающих от сенсоров, существенно превосходит те объемы данных, с которыми приходилось иметь дело раньше, поэтому облачные системы, предназначенные для обслуживания Интернета вещей, должны обеспечивать высокую пропускную способность, а также быстро реагировать на определенные ситуационные шаблоны в данных ( например, уметь по показаниям температурных датчиков распознать пожар в здании и инициировать эвакуацию). В экосистему Интернета вещей включены различные клиентские устройства: смартфоны, планшеты и т. д., которые, с одной стороны, обеспечивают интерфейс с пользователями, а с другой — способны накапливать интересные данные о поведении своего владельца. Microsoft предлагает специально для Интернета вещей ряд облачных технологий , позволяющих развертывать инфраструктуру для сбора и анализа данных, используемую в проектах для Интернета вещей (см. рисунок):

  • Event Hub (концентратор событий), служащий для сбора больших объемов данных, поступающих от различных сенсоров;
  • Stream Analytics (потоковая аналитика), позволяющая определять запросы на «живых» потоках данных, поступающих из Event Hubs, благодаря чему можно реализовать их предварительную обработку «на лету» и организовать реакцию на события;
  • Azure ML — технология машинного обучения, позволяющая обучить некоторую модель на имеющихся данных, а затем обеспечить доступ к ней в виде веб-сервиса для формирования предсказаний или выводов;
  • Azure HD Insight — кластерная технология обработки больших объемов данных, получения различных срезов данных и агрегированных значений с помощью алгоритмов типа MapReduce;
  • Облачная платформа Microsoft Azure, обеспечивающая хранение больших объемов данных различных форматов (реляционные СУБД Azure SQL, квазиструктурированные таблицы Azure Storage, СУБД NoSQL).
Архитектура типичного проекта для Интернета вещей

Предположим, требуется реализовать решение по умному управлению отоплением в домах определенного микрорайона мегаполиса. Очевидно, что для этого понадобятся датчики температуры в каждом доме, а также датчик освещенности для контроля времени суток, магнитные сенсоры открытия окон и датчик присутствия человека в помещении. Будем считать, что через некоторый встроенный компьютер или микроконтроллер, расположенный в домашней проводной или беспроводной сети, эти датчики подключены к Интернету и могут отправлять данные в облако.

Для сбора данных от устройств можно использовать канал концентратора событий, аккумулирующий показания со всех сенсоров. Этот канал является частью Azure Service Bus и может быть создан в панели управления условиями подписки на Azure. Помещение данных в концентратор событий — это простой вызов сервиса по протоколу REST и соединению HTTPS. Если же вместе с датчиком применяется микроконтроллер, не поддерживающий HTTPS-шифрование, то допускается использовать для него специальный, но менее защищенный шлюз на базе WebAPI, который также может быть развернут в облаке.

Концентратор событий собирает показания со всех датчиков, которые затем структурируются и размещаются в хранилище Azure Table Storage для последующего анализа. Поскольку данных много, достаточно хранить сведения лишь за определенный период времени, которые еще не были проанализированы. Для анализа можно использовать кластерную технологию HD Insight на базе Apache Hadoop; например, для получения предсказаний о времени прихода владельцев домой можно использовать алгоритмы машинного обучения, а затем агрегировать результаты и получить вывод о том, когда надо включать отопление в квартире.

Помимо накопления данных, важно уметь анализировать их в реальном времени. Скажем, если хозяин приходит домой неожиданно рано, то необходимо отследить это событие для экстренного включения отопления, анализируя косвенные данные (перемещение его автомобиля или местоположение смартфона). Для этого поверх данных, накопленных концентратором, настраивают работающий сервис потоковой аналитики, который объединяет показания от датчиков температуры, присутствия и отопления в каждом из имеющихся домов и выдает команду экстренного включения отопления. Условия для срабатывания описываются на языке запросов, похожем на SQL, в результате появляется возможность соединять данные, приходящие из разных потоков, со статическими данными о местоположении домов, о предполагаемом времени восхода и захода солнца в данной местности и т. д.

Для Интернета вещей очень актуальна возможность анализа данных и получения «умных» выводов, которые позволяют улучшить жизнь пользователя. Частично такие алгоритмы заложены в саму систему в виде обратной связи, но некоторые решения могут приниматься только человеком. Для исследования данных, в том числе визуального, имеется ряд технологий, интегрированных в MS Excel; одна из них — сервис PowerBI, позволяющий агрегировать большие объемы данных и представлять их в удобном виде. В нашем примере можно наносить трехмерный график температур на карту местности или группировать потребление энергии по отдельным домам и кварталам.

На стороне клиента в решении по управлению отоплением работает Windows 10, способная управлять широким спектром устройств — от смартфонов и планшетов до настольных компьютеров и системы совместной работы Surface Hub с большой диагональю дисплея. Эта ОС может работать на достаточно компактных одноплатных системах типа Raspberry Pi 2 или Intel Minnowboard MAX, которые могут стать основой домашних интеллектуальных систем, подключаемых к Интернету вещей. При этом разработчику доступны все приложения платформы Windows, а разработка таких приложений ведется с помощью известных инструментов из Visual Studio с использованием технологий C#/XAML, HTML/JS и др.

На Windows 10 имеет смысл реализовать приложения для показа статистики, организации контроля вручную и настройки параметров системы отопления. Такое приложение может быть установлено из магазина Windows на смартфоны, компьютеры и даже на игровую приставку Xbox One. С другой стороны, это же приложение можно сделать явной составной частью дома в виде встроенной в стену сенсорной панели, позволяющей управлять основными устройствами в квартире так же, как мы управляем светом с помощью привычных выключателей. В этом случае управляющий панелью компьютер Raspberry Pi может использоваться для сбора данных с сенсоров, а также для прямого взаимодействия с другими устройствами.

Устройства Интернета вещей должны уметь взаимодействовать между собой независимо от платформы, а для этого необходим согласованный и открытый протокол, поддерживаемый всеми вещами. Одним из решений является спецификация AllJoyn, создаваемая в рамках альянса AllSeen Alliance, в который, кроме Microsoft, входят компании Qualcomm, Cisco, LG, Electrolux, Canon, D-Link, Honeywell и др. Поддержка протокола AllJoyn устройствами на базе Windows 10 означает, что разработчики приложений смогут реализовывать различные сценарии взаимодействия с окружающими устройствами. Спецификация AllJoyn имеет все шансы получить широкое распространение в ближайшее время и стать стандартом де-факто, что позволит устройствам и приложениям на базе Windows 10 прозрачным образом интегрироваться в единую экосистему устройств от различных производителей.

Продвижению Интернета вещей будут способствовать открытые стандарты и интероперабельность, которые дадут возможность встраивать технологии Microsoft в уже существующие решения, работающие на широком диапазоне платформ. Использование Microsoft Azure позволит в среде Интернета вещей быстро настроить конфигурацию по сбору, обработке и аналитике данных, причем новые технологии из серии Self-Service BI (Azure ML, PowerBI) делают область машинного обучения доступной не только для профессионалов, но и для конечного пользователя.

Если компания планирует начать внедрение технологий Интернета вещей, ей прежде всего необходимо понять, какие данные надо собирать и зачем, ведь соответствующие технологии уже имеются. Предоставление вещам доступа к универсальным приложениям, размещенным в облаках, позволит уже сегодня перейти от сценариев непосредственного управления электроникой к интеграции действительно «умных» вещей, способных самостоятельно принимать решения и общаться между собой.

Что есть интернет вещей и чему служат его облачные платформы

Внедрение платформ IoT заставит изменить подходы к созданию и использованию АСУ и управлению предприятиями в целом.

IoT или системы телеметрии?

В России и мире наиболее распространено определение интернета вещей (Internet of Things, IoT) с точки зрения технологий: он рассматривается как система объединенных компьютерных сетей и подключенных физических объектов (вещей) со встроенными датчиками и программным обеспечением для сбора и обмена данными, с возможностью удаленного контроля и управления в автоматизированном режиме, без участия человека. Если подключение датчиков телеметрии осуществляется с использованием сетей сотовой связи, то такие системы еще называют системами межмашинных коммуникаций (M2M).

Однако такое определение не позволяет разделить существующие уже многие десятилетия распределенные системы телеметрии/телеуправления и возникающие в настоящее время экосистемы интернета вещей (см. таблицу), а главное – показать, какими изменениями в экономике и бизнесе эти технологические сдвиги вызваны.

Поэтому имеет смысл сформулировать определение интернета вещей с точки зрения бизнеса как технологической основы для перехода к экономике совместного использования (shared eco­nomy) средств про­изводства и предметов конечного потребления. Такая организация производства и потребления товаров и услуг возникает в ходе так называемой четвертой индустриальной революции, которая состоит в появлении возможности формировать полностью автоматические (цифровые) цепочки создания добавленной стоимости, выходящие за границы одного предприятия, с перспективой объединения в глобальную промышленную сеть вещей и услуг.

Экономика совместного использования базируется на принципе объединения различных устройств (станков и промышленного оборудования, транспортных средств, инженерных систем) в программно управляемые пулы и предоставления пользователю не самих устройств, а результатов их работы, по сути их функций. IoT тесно связан с концепцией программно определяемых вещей (soft­ware-defined things, smart things), которая постулирует, что функционал умного устройства (вещи), в отличие от обычной вещи с элементами компьютерного управления, в большей степени определяется программно, причем независимо от его аппаратной реализации. Устройство (объект IoT) одновременно существует в двух взаимосвязанных ипостасях: как физический объект и как его точная и актуальная математическая (программная) модель, т.е. как киберфизическая система.

Объединение устройств в виртуальные пулы и предоставление пользователю их функций позволяет многократно повысить эффективность таких устройств по сравнению с традиционной моделью информационно изолированного использования. Это дает возможность реализовать принципиально новые бизнес-модели, например, контракт жизненного цикла на промышленное оборудование, контрактное производство как сервис, транспорт как сервис, безопасность как сервис и др.

Для воплощения подобного подхода в жизнь нужно, чтобы информация о фактическом состоянии каждого из объединяемых в пул устройств была доступна автоматизированной системе управления, а процессы получения данных о состоянии объекта и исполнении команд управления протекали с допустимым для системы управления уровнем неопределенности.

Облако управления – платформа IoT

Технологической основой для таких изменений служат платформы IoT. Они являются ключевым звеном всей экосистемы интернета вещей, играя роль посредника: устройства и компоненты решения могут передавать данные в широком диапазоне форматов, используя различные протоколы связи (рис. 1). А механизм абстракции дает возможность использовать полученные данные в другом месте цепочки создания ценности (аналитика, бизнес-логика, интеграция с корпоративными системами, разработка приложений).

Платформа IoT представляет собой совокупность взаимодействующих между собой облачных сервисов (облако управления), которая обеспечивает непосредственное, без участия человека и промежуточных АСУ управление подключаемыми объектами. Это облако управления обладает всем необходимым функционалом (программными алгоритмами обработки данных и управления) как низовых систем управления, так и систем управления уровня предприятия. То есть IoT-платформа одновременно выполняет функции универсального средства интеграции и реализует сколь угодно сложные и разнообразные алгоритмы управления.

Механизм открытых прикладных интерфейсов программирования (API) позволяет подключать к облаку управления любые устройства и любые АСУ, не внося в них изменений, а также обрабатывать поставляемые в облако управления данные с использованием готовых шаблонов, а при их отсутствии – с использованием встроенных средств разработки программных приложений. Накопление в платформах IoT исторических данных, поступающих от широкой номенклатуры устройств и АСУ, и применение технологий машинного обучения дают возможность автоматизировать процессы совершенствования алгоритмов, исполняемых облаком управления, что в принципе невозможно в информационно изолированных АСУ.

Таким образом, переход к IoT не требует внесения серь­езных изменений в подключаемые устройства и, как следствие, значительных капитальных затрат на их модернизацию или полную замену. Однако необ­ходимо будет кардинально изменить подходы к использованию подключаемых устройств, трансформировать методы и средства сбора, хранения и обработки данных о состоянии устройств и роль человека в процессах сбора данных и управлении устройствами. Внедрение платформ IoT заставит изменить подходы к созданию и использованию АСУ и общие взгляды на управление предприятиями и организациями.

Согласно классификации аналитиков Berg Insight и First Analysis, большую часть IoT-платформ можно отнести к одной или сразу к нескольким категориям:

  • платформы управления коммуникациями (Connectivity Management Platforms, CMP);
  • платформы управления сетями/данными/абонентами (Network/Data/Subscriber Management, NM/DM/SM);
  • платформы управления устройствами (Device Management Platforms, DMP);
  • платформы для обеспечения работы приложений (Application Enablement Platforms, AEP);
  • платформы для разработки приложений (App­lica­tion Development Platforms, ADP).

Ключевыми международными производителями IoT-платформ являются компании PTC, SAP, Microsoft и Telit.

Есть ли IoT-платформы в России?

Возможно, такое утверждение звучит излишне резко, но автор считает, что в России нет интернета вещей и, соответственно, облачных IoT-платформ. А что есть? Есть распределенные системы телеметрии с крайне ограниченной функциональностью проприетарного ПО и неприемлемо высоким соотношением «стоимость/экономические результаты применения». Как следствие, масштаб использования даже этих примитивных систем телеметрии, измеряемый количеством подключенных к ним устройств, в России крайне невелик – около 20,5 млн штук (рис. 2), что во много раз меньше, чем количество имеющих выход в интернет пользовательских устройств, а должно быть наоборот.

Общие черты всех российских рынков распределенных систем телеметрии:

  • Проприетарность и изолированность создаваемых аппаратно-зависимых решений в сочетании с малой тиражностью, что отражается на их качестве и стоимости.
  • Крайне ограниченный функционал – только мониторинг, причем с минимальным уровнем автоматизации обработки телеметрических данных.
  • Большое количество мелких игроков, не способных развивать свои продукты/решения.
  • С недавних пор – неготовность заказчиков оплачивать неэффективность этих решений.

На развитие отраслевых рынков (сфер применения) распределенных систем телеметрии влияют разные факторы, но всюду прослеживается одна общая тенденция. Это тенденция перехода от проприетарных изолированных систем мониторинга, осуществляемого со значительным участием персонала (фактически традиционных диспетчерских систем), к открытым экосистемам сервисов, ориентированных на телеметрию с аналитикой реального времени и телеуправление с взаимной оптимизацией работы различных систем и ресурсов.

Развитие отраслевых рынков систем телеметрии в России в этом направлении, очевидно, приведет к формированию открытых экосистем разработчиков. В такие экосистемы будут входить как разработчики сенсоров и исполнительных устройств IoT/M2M, способных взаимодействовать с различными системами/приложениями, так и разработчики приложений, которые создаются в формате облачных сервисов и способны через механизм открытых API взаимодействовать с сенсорами и исполнительными устройствами вне зависимости от того, кто является их владельцем.

Зачем переходить в интернет вещей?

Создание и развитие интернета вещей в России – объективная необходимость, поскольку только с его помощью можно решить чрезвычайно остро стоящую задачу одновременного повышения качества и снижения издержек по всей цепочке формирования добавленной стоимости. Традиционные АСУТП и распределенные системы телеметрии, как уже отмечалось, дают крайне ограниченный экономический эффект.

Что мешает? Мешает главным образом то, что переход к IoT – это трансформация принципов управления предприятием, к которой никто в России не готов. Не готовы даже ИТ-отделы, сторона, казалось бы, больше всех заинтересованная в увеличении значимости ИТ внутри организаций, которое обеспечит внедрение IoT.

Для обоснования этой моральной неготовности приводится множество аргументов против. У них есть одна общая черта – они не имеют ничего общего с реальностью.

Вот несколько типичных таких возражений, по сути – предубеждений против облаков:

1. Передача технологических данных в облако? Чтобы наше промышленное оборудование сломали хакеры? У нас и так все замечательно, а вы тянете нас в какую-то авантюру!

В России более 250 тыс. не подключенных к IoT-платформам контроллеров АСУТП «видны» через публичный интернет и никак не защищены – это яркая иллюстрация того, насколько сейчас «все замечательно» с точки зрения безопасности. На самом деле в IoT-платформах есть мощные механизмы защиты подключенных устройств и передаваемых данных. То есть подключение устройств телеметрии и телеуправления к IoT-платформе – это, пожалуй, единственный из существующих сегодня экономически обоснованных способов обеспечить информационную безопасность таких устройств в противовес попыткам возложить функции инфобезопасности на сами устройства.

2. Все решения всегда будет принимать человек, никакой искусственный интеллект его не заменит. Незачем в облаке анализировать данные технологических систем, они «живут» десятые доли секунды. Пускай первичный ввод данных в АСУП ведется вручную. Не надо брать их из АСУТП, это низкоуровневые системы и они совсем для другого. Производственные процессы осуществляются по жестким алгоритмам, и не надо лезть туда с оптимизацией и Big Data!

Более 70% чрезвычайных происшествий техно­генного характера (в частности, катастрофа на Чер­нобыльской АЭС) происходят из-за неправильных управленческих решений, принимаемых в условиях жесткого дефицита информации и времени. При­менение платформ IoT позволяет перейти на «плоские» системы предиктивного управления с единым гибким высокоавтоматизированным контуром «мониторинг – оптимизационное планирование – управление», минимизирующим негативное влияние человеческого фактора.

3. Хорошо, будем анализировать технологические данные с помощью Big Data и искусственного интеллекта. Но данные свои мы никому не отдадим и для их анализа развернем собственную платформу (частное облако).

На деле результаты машинного обучения тем лучше, чем больше объем анализируемых данных, поэтому любая информационно изолированная система, сколько бы не было в нее вложено денег, всегда будет хуже, чем открытая. Кроме того, специалисты по искусственному интеллекту и Big Data сегодня в жесточайшем дефиците, причем не только в России, но и в мире. А платформы IoT предлагают не только развитый инструментарий для создания аналитических приложений, но и готовые специализированные приложения для решения типовых задач.

4. Зачем нам сквозные автоматические процессы обмена данными между нами, нашими поставщиками и нашими потребителями? Мы отлично справляемся, общаясь с поставщиками и потребителями по телефону и электронной почте. Почему мы должны данные с наших производственных систем передавать другим компаниям, да еще в автоматическом режиме?

Оптимизация процессов внешнего взаимодействия дает огромный рост производительности и снижения издержек. Широко известный пример: переход на сквозные автоматические процессы позволил Harley Davidson сократить производственный цикл с 21 дня до 6 часов и сегодня каждые 89 секунд с конвейера сходит мотоцикл, полностью настроенный под своего будущего владельца.

Рынок всех рассудит

В России продолжается беспрецедентное по длительности снижение реальных доходов населения, начавшееся еще в ноябре 2014 г. По данным экспертов Центра экономических и политических реформ, российским семьям приходится тратить бульшую часть своего дохода – в среднем 70–80% – на самое необходимое. Таким образом, любимое отечественное бизнес-развлечение – перекладывание производителем своих постоянно растущих из-за инфляции и общей низкой эффективности бизнеса издержек на потребителя становится крайне затруднительным, во всяком случае в конкурентных отраслях экономики, ввиду отсутствия денег у конечных потребителей. Эти трудности распространяются на взаимоотношения поставщиков и потребителей в B2B-цепочках.

Значит, необходимо оптимизировать издержки по всей B2B2C-цепочке создания добавленной стоимости. Именно эту задачу и решает интернет вещей, реализуя сквозные автоматизированные бизнес-процессы, причем без значительных капитальных затрат.

«Интернет вещей» — реальность или перспектива?

«Интернет вещей», Internet of things (IoT) — это модное сегодня словосочетание является одним из наиболее цитируемых терминов в ИТ-публикациях. Аналитики говорят о быстрорастущем рынке IoT, о влиянии на него социальных, облачных и, конечно, мобильных технологий, при этом не совсем очевидно, что к этому IoT-рынку относится. С толкованием самого термина тоже не всё однозначно. От вендора к вендору, от автора к автору определения различаются весьма существенно. Причем в зависимости от толкования само явление представляется либо грядущей перспективой, либо свершившимся фактом. Автор данной статьи предпринял попытку сделать сравнительный анализ публикаций на данную тему, разобраться, что же относится к понятию «рынок IoT» и почему в последнее время ему уделяется повышенное внимание.

IoT-концепция и технология

Прежде чем говорить о рынке, необходимо выяснить, что такое IoT, и понять, существует ли определение данного термина. Впрочем, проблема не в отсутствии определений, а напротив, в их избытке. Просмотрев несколько десятков статей и отчетов на тему Internet of things, автор убедился в наличии серьезных расхождений в трактовке этого термина. Действительно, приведем определения из наиболее уважаемых источников. Аналитическая компания Gartner трактует понятие «Интернет вещей» (Internet of Things) как сеть физических объектов, содержащих встроенную технологию, которая позволяет этим объектам измерять параметры собственного состояния или состояния окружающей среды, использовать и передавать эту информацию. Заметим, что в этом определении, кстати, наиболее часто цитируемом, слово «Интернет» вообще отсутствует. То есть, говоря о сети «Интернет вещей», не утверждается, что она является частью Интернета. Более того, согласно выражению одного из специалистов по технологии IoT Мэта Трака (Matt Turck), управляющего директора компании FirstMark Capital, «по иронии, несмотря на название “Интернет вещей”, сами вещи часто связаны с помощью M2M-протоколов, а не самого Интернета». Впрочем, наличие или отсутствие подключения к Интернету — не единственное расхождение в определениях. Согласно толкованию специалистов из компании Cisco Business Solutions Group (CBSG), IoT — это состояние Интернета начиная с момента времени, когда количество «вещей или объектов», подключенных к Всемирной сети, превышает население планеты. CBSG подкрепляет свои выводы расчетами. По данным компании, взрывной рост смартфонов и планшетных компьютеров довел число устройств, подключенных к Интернету, до 12,5 млрд в 2010 году, в то время как число людей, живущих на Земле, увеличилось до 6,8 млрд; таким образом, количество подключенных устройств составило 1,84 единиц на человека. Исходя из этой несложной арифметики, Cisco Business Solutions Group фактически определило саму точку наступления эры «Интернета вещей» (рис. 1). Где-то между 2003-м и 2010-м годом количество подключенных устройств превысило население планеты, что и ознаменовало переход в состояние «Интернет вещей». При этом авторы исследования считают, что количество подключенных устройств на одного человека из числа интернет-пользователей в 2010 году составило 6,25 штук.

Рис. 1. Рост числа подключенных устройств на одного человека
(источник: Cisco Business Solutions Group)

Если Cisco упоминает в связи с термином IoT о взрывном росте смартфонов, подключенных к Сети, то IDC, например, четко говорит, что устройства в концепции IoT должны быть автономно подключены к Интернету и передавать сигналы без участия человека. А потому смартфон, управляемый пользователями, к IoT-устройствам отнесен быть не может.

Согласно IDC, «Интернет вещей» (IoT) — это проводная или беспроводная сеть, соединяющая устройства, которые имеют автономное обеспечение, управляются интеллектуальными системами, снабженными высокоуровневой операционной системой, автономно подключены к Интернету, могут исполнять собственные или облачные приложения и анализировать собираемые данные. Кроме того, они обладают способностью захватывать, анализировать и передавать (принимать данные) от других систем.

Очевидно, что если аналитики оперируют понятием «объем рынка IoT», то опираться на столь расплывчатое определение, как «некое новое состояние Интернета», невозможно. При этом об IoT, как о неком переходе Интернета в новое качество, говорят не только специалисты из CBSG. Обратим внимание на рис. 2, взятый из отчета Internet of Things (IoT) & Machine-To-Machine Communication Market By Technologies & Platforms (marketsandmarkets.com). Он также харакетризует IoT как этап в развитии Интернета, «когда не только люди, но и вещи начинают взаимодействовать между собой, инициировать транзакции, оказывать влияние друг на друга».

Рис. 2. Этапы развития Web 1.0, Web 2.0, Web 3.0
(источник: Internet of Things (IoT) & Machine-To-Machine (M2M) Communication Market
By Technologies & Platforms (marketsandmarkets.com))

В этом плане показательна еще одна схема: иллюстрация из статьи корейского автора Sunsig Kim, опубликованная в 2012 году на сайте i-bada.blogspot.ru/. Здесь состояние IoT представляется как точка перехода — это следующая ступень, по сравнению с технологией M2M (рис. 3). Напротив, в публикациях ряда авторов, включая IDC, можно прочитать, что M2M — это технология, которая, будучи предшественницей технологии IoT, в настоящее время является ее составной частью.

Рис. 3. Переход от технологий M2M к технологиям IoT (источник: Sunsig Kim 8th August 2012 i-bada.blogspot.ru/)

Если описанные нами определения говорят об имеющем место явлении, то, например, в формулировке Кайвана Карими (Kaivan Karimi), исполнительного директора по глобальной стратегии и развитию бизнеса Freescale Semiconductor, IoT — это скорее перспектива: миллиарды умных подключенных «вещей», формирующих своего рода универсальную глобальную нейронную сеть, которая будет включать все аспекты нашей жизни. IoT состоит из умных машин, взаимодействующих и общающихся с другими машинами, объектами, окружающей средой и инфраструктурой. В такой системе будут генерироваться огромные объемы данных, обработка которых может использоваться для управления и контроля за вещами, чтобы сделать нашу жизнь удобнее и безопаснее, а также снизить наше воздействие на окружающую среду.

Почему же так много определений, и все они разные?

Во­первых, технологии развиваются так быстро, что постоянно появляется новое наполнение термина, которое не всегда стыкуется с предыдущими толкованиями. Это красноречиво иллюстрирует рис. 4, где эволюция IoT отождествляется с несколькими стадиями и, по сути, с разными технологиями.

Рис. 4. Эволюция технологии «Интернет вещей»

Во­вторых, очень часто новую технологию определяют как совокупность факторов, отличающую ее от предшествующей, а потом эту предшествующую технологию включают в новое понятие. Движимые маркетинговыми устремлениями вендоры хотят старые технологии называть новыми именами. Аналитики тоже, следуя моде и стремясь продемонстрировать значимость описываемого рынка, используют один так называемый зонтичный термин, совмещая в нем несколько понятий.

Аналогичная ситуация наблюдается и в отношении других новых терминов. Возьмем, к примеру, термин SaaS, возникший для обозначения следующей ступени развития технологии ASP. Сегодня в ряде публикаций ASP-проекты стали включать в рынок SaaS, что, строго говоря, некорректно.

Примерно то же происходит и с термином IoT: с одной стороны, это следующая ступень развития M2M-технологий, с другой стороны, во многих источниках говорится, что рынок M2M-решений является подмножеством IoT, а в некоторых источниках используют аббревиатуру IoT/M2M.

Еще одна причина неоднозначности термина заключается в том, что на базе IoT решаются разные классы задач. В частности, Кайван Карими говорит о наличии, как минимум, двух классов задач, которые объединяет термин IoT. Первая задача — это удаленный мониторинг и управление набором взаимосвязанных сетевых устройств, каждое из которых может взаимодействовать с объектами инфраструктуры и физической среды. Например, датчик температуры и влажности контролирует сеть приборов, которые управляют системой климата умного здания (окон, жалюзи, кондиционеров и пр.). Более экзотический пример — датчик на руке владельца умного дома подает сигнал о психофизическом состоянии хозяина всем умным устройствам, находящимся в сети; каждое из них реагирует определенным образом, в результате чего меняется освещенность, фоновая музыка, кондиционирование. Здесь основная функция не аналитическая, а именно управляющая. Вторая задача — это использование данных, получаемых с конечных узлов (смарт­устройств с возможностью подключения и зондирования) для интеллектуального анализа с целью выявления тенденций и взаимосвязей, которые могут генерировать полезную информацию для обеспечения дополнительной выгоды в бизнесе. Например, отслеживание поведения посетителей в магазине с помощью бирок на товарах: сколько времени и возле каких товаров останавливаются посетители, какие товары берут в руки и т.п. На основании данной информации можно изменить расположение товаров в зале и увеличить объем продаж. Еще один пример — из сферы автострахования. Размещение в автомобилях устройств, снабженных акселерометром, позволит страховой компании собирать данные о степени аккуратности вождения клиента. Фиксироваться могут не только столкновения, но и, например, резкий наезд на предмет или бордюр. Чем аккуратнее водит клиент, тем дешевле страховка, а лихач платит больше. В последних примерах не стоит задача управления — здесь выполняется сбор данных и их обработка методами современной аналитики. Статистическая информация обо всех клиентах позволит компании правильно прогнозировать свои риски.

В работе «What the Internet of Things (IoT) Needs to Become a Reality» (“Что требуется IoT, чтобы стать реальностью») Кайван Карими пытается представить обобщенную схему IoT-решения (рис. 5). Согласно данной схеме, это стек, в который входит шесть слоев: устройства зондирования и/или смарт­устройства, узлы подключения, слой встроенных узлов обработки, слой удаленной облачной обработки данных; шестой слой может выполнять две функции. Первая, обозначенная как «приложение/действие» означает, что решение используется для того, чтобы осуществлять удаленное управление устройством либо автоматически управлять процессом на основе зондирующих устройств. Второй вариант — «аналитика/большие данные» подразумевает, что задача нацелена на использование данных, получаемых с зондирующих устройств для анализа и выявления тенденций и взаимосвязей, которые могут генерировать полезную бизнес-информацию.

Рис. 5. Типовая архитектура IoT-решения (источник: Freescale Semiconductor)

Сходную типовую архитектуру IoT-решения дает компания Microsoft (рис. 6).

Рис. 6. Типовая архитектура IoT-приложений (источник: Microsoft)

В своих работах Кайван Карими представляет не только изображение типовой архитектуры, но также графическую интерпретацию всей экосистемы IoT (рис. 7).

Рис. 7. Экосистема «Интернета вещей»

Сходную иллюстрацию IoT приводят авторы из CBSG (рис. 8), представляя IoT как интеграцию разрозненных сетей узкого индустриального назначения в единую сеть с добавлением дополнительных сервисов безопасности аналитики и управления.

Рис. 8. IoT как «Сеть сетей» (источник: CBSG)

Рынок IoT и его участники

Что же такое IoT-рынок? Как его подсчитать? Кого причислить к его участникам? Если подсчитать все проекты, которые подпадают под схему, представленную на рис. 5, то рынок окажется весьма небольшим. Если же подсчитать оборот компаний, занятых созданием элементов, которые потенциально могут быть реализованы в данной схеме, то получится совсем другая цифра. Исходя из публикаций видно, что аналитики выбирают второй подход: они представляют рынок как совокупность бизнеса всех игроков, которые создают подключаемые смарт­устройства и сенсоры, готовят платформы для построения IoT-решений, разрабатывают технологии соединения «Интернета вещей» в сеть и предоставляют вспомогательные сервисы. То есть аналитики рассматривают не столько рынок IoT-решений (в узком понимании), сколько бизнес всех участников экосистемы провайдеров сервисов и технологий вокруг построения IoT-решений.

Похоже, именно по этому пути идут компании, которые оперируют термином «рынок IoT». В частности, компания IDC выделяет целых пять сегментов IoT-рынка и соответствующих игроков.

К первому («Устройства /Интеллектуальные системы») относятся производители смарт­устройств и сенсоров, обладающих возможностью подключения к проводным/беспроводным сетям, способным захватывать и передавать данные, исполнять собственные или облачные приложения, взаимодействовать с интеллектуальной системой в автоматическом режиме.

Второй сегмент носит название «Средства обеспечения подключения и поддержки IoT-сервиса». Это потенциальный бизнес для телеком­провайдеров, которые могут предоставлять сервис обеспечения связи на базе разных технологий, включая проводную, сотовую связь (2G, 3G, 4G ), Wi-Fi и дополнительные сервисы, например управление билингом.

В третьем сегменте под названием «Платформы» IDC выделяет платформы обеспечения работы устройств, сетей и приложений.

Платформы обеспечения работы устройств представляют ПО, ответственное за обеспечение потока данных на конечные устройства и с них, включая функции активации, управления и диагностики.

Платформы обеспечения сетевого взаимодействия предоставляют клиентам программное обеспечение для подключения IoT/M2M-устройств с целью осуществления сбора и анализа информации. Платформа дает возможность управлять подпиской, контролировать тарифные планы и управлять ими. Этот слой предоставляет клиентам соглашение об уровне обслуживания, нацелен на улучшение качества и обеспечение безопасности решений.

Платформы обеспечения работы приложений представляют собой горизонтально ориентированные решения по интеграции корпоративных приложений и конкретных IoT-приложений.

Четвертый сегмент, «Аналитика» — представляет решения, которые позволяют увеличить эффективность бизнеса на основе принятия более эффективных решений на базе собранных с помощью IoT-технологии данных, в том числе с применением технологии Big Datа. К данному сектору также относятся появляющиеся аналитические решения, которые позволят обеспечивать интеграцию данных, полученных на базе мониторинга IoT и социальных сетей.

И наконец, пятый сегмент — приложения для поддержки вертикальных решений, которые реализуют специфические для различных индустрий функции.

Автор карты «Экосистема “Интернета вещей”» Мэт Трак (Matt Turck), управляющий директор FirstMark Capital, представляет не только сегментацию рынка, но и приводит конкретные имена наиболее значимых игроков в каждом из сегментов (рис. 9). Эта работа переводит разговор об участниках рынка IoT в более практическую плоскость.

Рис. 9. «Экосистема “Интернета вещей”» (источник: Matt Turck, Sutian Dong & First Mark Capital)

Мэт Трак также дает ответ на вопрос, почему рынок IoT привлекает внимание именно в последние годы. Он отмечает, что рост интереса к рынку и само его развитие происходит благодаря слиянию нескольких ключевых факторов. Во­первых, стало проще и дешевле производить смарт­устройства, появляются компании-дистрибьюторы и компании, заинтересованные в финансировании подобного рода проектов. Во­вторых, на протяжении последних нескольких лет резко продвинулись в своем развитии технологии беспроводной связи. Сегодня каждый пользователь имеет мобильный телефон или планшет, который может использоваться как универсальный пульт дистанционного управления для интернет-вещей. Повсеместное подключение становится реальностью (Wi-Fi, Bluetooth, 4G). В-третьих, «Интернет вещей» в состоянии применять всю инфраструктуру, которая возникла в смежных областях. Облачные вычисления позволяют создавать упрощенные и дешевые конечные устройства, поскольку интеллектуальную составляющую можно перенести с конечных устройств в облако. Инструменты Big Data, в том числе программы с открытым исходным кодом, такие как Hadoop, позволяют анализировать огромные массивы данных, захватываемые IoT-устройствами.

В экосистеме (см. рис. 9) автор выделяет практически те же элементы рынка, что и компания IDC, при этом они по-другому разбиты на сегменты. Мэт Трак выделяет три крупные части: горизонтальные платформы, вертикальные приложения и «строительные блоки». Автор экосистемы подчеркивает, что, несмотря на активный бизнес в области создания вертикальных решений, амбициозные игроки рынка нацелены на то, чтобы стать горизонтальной платформой, на базе которой будут строиться все вертикальные решения из области Internet of Things. Так, несколько игроков из сектора домашней автоматизации (SmartThings, Ninja Blocks и т.д.) выступают разработчиками горизонтальных программных платформ. Крупные корпорации, например GE и IBM, активно ведут разработку своих платформ. Телеком-компании, такие как AT&T и Verizon, также имеют хорошие перспективы и принимают участие в этой гонке. Открытым остается вопрос, насколько легко горизонтальная платформа, построенная под один класс вертикальных решений, может быть приспособлена под вертикальные решения другого класса. Пока неочевидно также, какие платформы — закрытые или открытые, имеют перспективы занять лидирующие позиции в этой области.

Вертикальных решений на рис. 9 отмечено достаточно много, они сгруппированы в более мелкие блоки. В рамках обзорной статьи прокомментировать все из них не представляется возможным, поэтому остановимся лишь на некоторых.

Например, в разделе «носимые компьютеры» отмечено новомодное устройство Google Glass, о котором впервые было объявлено в феврале 2012 года. Устройство на базе Android (рис. 10) снабжено прозрачным дисплеем, расположенным над правым глазом, способно записывать видео высокого качества, выполнять функции дополненной реальности, мобильной связи, доступа в Интернет и вести видеодневник.

Рис. 10. Google Glass

В последнее время приобретают популярность носимые устройства для фитнеса, такие как Fitbit, Nike + Fuelband, Jawbone, с помощью которых пользователи могут мониторить степень своей физической активности и подсчитывать потраченные калории (на рис. 9 они вынесены в отдельную категорию).

Типичный представитель данной группы — устройство UP Jawbone (рис. 11), представляет собой спортивный браслет, который может работать с iPhone и Android-платформой. Устройство позволяет отслеживать сон, рацион питания, количество пройденных шагов и сожженные калории. Браслет имеет вибрационный двигатель, который может либо служить будильником, либо напоминать, что пользователь слишком долго находится в сидячем положении. Браслет способен отслеживать фазы сна и будить владельца именно в фазе легкого сна, когда просыпаться гораздо легче.

Рис. 11. UP Jawbone позволяет вести
мониторинг физической нагрузки

Устройство включает социальное приложение, которое помогает добавить дополнительный уровень мотивации к занятиям спортом. Пользователи могут просматривать данные своих друзей, делиться спортивными результатами, соревноваться.

Подобные носимые устройства могут применяться в медицинских целях, например осуществлять удаленный мониторинг за состоянием пациента (кровяное давление, частота сердечных сокращений и т.п.), чтобы уведомить близких или медицинский персонал в случае повышения показателей. IoT-технологии вообще находят широкое применение в медицине — от простейших систем напоминания приема медикаментов до внедряемых в организм зондов с целью мониторинга работы органов для постановки сложного диагноза.

Наиболее активно IoT используется в технологиях умного дома: удаленное управление через Интернет домашними устройствами, удаленный мониторинг и управление системами отопления, освещения, медиаустройствами, электронными системами безопасности, оповещения о вторжениях, противопожарными системами и пр.

Из игроков, отмеченных в разделе домашней автоматизации на рис. 9, интересно отметить компанию Nest Labs, которая разрабатывает и производит программируемые термостаты и датчики дыма с поддержкой Wi-Fi и функциями самообучения. Стартап, образованный в 2010 году двумя выходцами из Apple, уже через пару лет вырос в компанию с числом сотрудников более 130 человек.

Свой первый продукт — термостат (рис. 12) — компания представила в 2011 году. В октябре 2013-го Nest Labs объявила о выпуске устройства контроля дыма и угарного газа. Термостат Nest обеспечивает взаимодействие с устройством не только через тач­скрин­интерфейс, но и дистанционно, поскольку термостат подключен к Интернету. Компания может распространять обновления для исправления ошибок, повышения производительности, а также добавлять дополнительные функции. Для обновления термостат должен быть подключен к Wi-Fi и аккумулятору, поддерживающему напряжение 3,7 В для обеспечения загрузки и установки обновлений.

Рис. 12. Термостат Nest Labs

Широкое применение технология IoT находит в энергетике (смарт­счетчики, системы выявления потерь или краж в электрической сети). В нефтегазовом секторе, например, используется удаленный мониторинг трубопроводов.

Каждый электрик должен знать:  Закон Ома в операторной форме

Множество решений разрабатывается для более безопасной эксплуатации автомобиля. Технология Connected cars (Подключенные автомобили) позволяет использовать системы экстренного вызова скорой помощи со встроенной SIM-карты. В автостраховании начинает практиковаться расчет страховки, базирующийся на удаленном мониторинге вождения пользователей. В транспорте широко используются системы отслеживания маршрута автомобиля, мониторинг грузоперевозок, контроль отгрузки и складирования. Практикуется автоматизированная система контроля воздушного движения. Муниципальные органы власти могут использовать IoT-решения для запуска, эксплуатации и контроля системы общественного транспорта с целью оптимизации расхода топлива, контроля и управления движением поездов. В ритейле развивается автоматизация логистических задач, удаленный мониторинг и учет товаров, снабженных RFID-метками, инвентаризация в реальном времени, беспроводные платежные решения. В системах общественной безопасности — мониторинг и контроль состояния промышленных объектов, мостов, туннелей и т.п. В промышленном производстве — контроль процесса производства, удаленная диагностика, управление роботизированными комплексами. В сельском хозяйстве — удаленное управление системами ирригации, мониторинг состояния и поведения животных, мониторинг уровня воды водоемах и т.д.

Итак, что же такое «Интернет вещей» — реальность или перспектива? С учетом проведенного анализа можно утверждать, что это перспектива, которая постепенно становится реальностью.

Готовим стратегию интеграции IoT

Интернет Вещей (IoT) напоминает богатый набор продуктов и специй, которые можно использовать для приготовления вкусного и питательного блюда.

Ингредиенты в нашем случае — это миллионы подключенных IoT-устройств и стремительные потоки данных, вытекающих из этих устройств. Правильно выбрав продукты и специи, мы можем усилить вкусовые качества одного ингредиента и, например, ослабить аромат другого, чтобы добиться идеального вкуса задуманного блюда – нашей стратегии интеграции IoT.

Основная сложность рецепта состоит в том, чтобы исключительно точно подобрать сочетание компонентов, учесть все их свойства и особенности, убедиться в их способности дополнить вкус, а не разрушить его. Не стоит забывать, что на вашей IoT-«кухне» могут иметься продукты, которое должны быть использованы в обязательном порядке или даже стать основой вашего кулинарного шедевра.

Интеграция – вот ключ к «объединению» всех существующих корпоративных решений, будь то новейшее ERP-решение или некая часть унаследованной технологии. Они могут послужить основой для IoT.

Модуль интеграции IoT может упростить этот процесс благодаря следующим функциям:

  • Интеграция приложений

IoT-программам часто необходимы данные из бэкенд-систем, чтобы составить представление о контексте и правильно интерпретировать информацию с датчиков и других устройств. Но интеграция систем на основе решений точка-точка является дорогостоящей и сложной. Интеграция же приложений дешевле и требует меньше времени на разработку, при этом повышает гибкость бизнеса и помогает организациям достичь сквозной прозрачности в системах – от ERP до бэкофиса и IoT.

  • ИнтеграцияBigData

Важность интеграции данных в IoT стремительно растет, поскольку компании начинают фокусироваться на использовании данных в качестве конкурентного дифференциатора. Интеграционная платформа может помочь вам дополнить источники Больших Данных данными с датчиков, чтобы визуализировать полученную информацию и помочь в контроле качества клиентского обслуживания. Это также означает, что, помимо прочих преимуществ использования IoT, вы сможете более точно определять, когда сложные компоненты требуют поддержки.

  • Интеграция облачных сервисов

Сегодняшние организации хотят гибкости при установке приложений в локальной инфраструктуре, в облаке или в обоих вариантах одновременно. Сложность задачи интеграции IoT-приложений именно в том, что она должна быть успешно решена вне зависимости от места их развертывания – в облаке, внутри периметра брандмауэров компании или на сайте партнера. Даже в случае традиционного on-premise-подхода ваш IoT-проект потребует интеграции с облаком – это необходимо, чтобы обеспечить доступность ваших ИТ-активов для получения данных или запуска процессов.

  • B2B-интеграция

B2B-интеграция предусматривает обмен электронными документами с вашими партнерами. Разработанный для облегчения обмена информацией между несколькими B2B-системами, шлюз B2B позволяет повышать продуктивность и экономическую эффективность всей системы. Полная автоматизация IoT-проекта обеспечивает большую эффективность бизнеса, интегрируя такие B2B-процессы, как заказ деталей или планирование обслуживания пользовательского оборудования.

  • УправлениеAPI

Решение для управления API в значительной степени является развитием интеграции, потому что в рамках этого процесса ряд организаций определяет структуру данных и выстраивают сервисы с открытым API. Решение для управления API предоставляет портал, на котором разработчики могут обмениваться информацией о ваших API, и шлюз для обеспечения безопасности API. Для открытого IoT-проекта, где, например, третьи стороны предоставляют конечные точки сбора данных, девелоперский портал – это способ привязать сообщество разработчиков к вашей системе. Кроме того, API часто используются для обмена IoT-данными между внутренней и внешней аудиториями – это модель data as a service.

Мы уверены, что правильный подход к разработке вашей собственной IoT-инфраструктуры предполагает поиск партнеров, чьи важнейшие интеграционные IoT-модули будут совместимы с используемыми вами.

Software AG определила четыре важнейших модуля (или столпа), которые могут стать основой для инструментов и сервисов сбора и обогащения данных из разных источников: IoT Integration, IoT Analytics, IoT Hub и IoT Modeling и Portfolio Management. Они входят в состав нашей модульной IoT-платформы, построенной на Digital Business Platform от Software AG.

Теперь вы знаете идеальный рецепт эффективной стратегии интеграции IoT.

Подписывайтесь на нашу страницу, читайте и узнавайте больше о современных ИТ-решениях.

На что способны приложения для IoT-блокчейнов?

С 2010 года, когда за 10 000 BTC могли купить две пиццы, началось спекулятивное увлечение блокчейном. После BTC были ICO. После того, как ICOs получили запрет, были IFO. Все они стали напряженными в связи с тем, что 90% вновь запущенных проектов в 2020 году увидели вялую торговлю во время своего дебюта. Единственное построение цепи или выпуск монеты не решает проблему. Чтобы полностью задействовать различные функции blockchain, необходимы DApps.

Существует несколько определений для DApps. В нашем случае, означает приложения, которые могут самостоятельно запускаться на персональных устройствах, не полагаясь на какой-либо центральный сервер [1]:

1. DApp может работать на личных устройствах пользователей, таких как мобильные телефоны и персональные компьютеры. Они принадлежат пользователям и могут быть свободно переданы кому-либо.

2. DApp не полагается на центральные серверы для работы, не требует выделенных коммуникационных серверов для доставки сообщений и не требует наличия центральной базы данных для записи данных. Данные хранятся в личном пространстве пользователя, которое может быть мобильным телефоном или персональным облачным хранилищем.

3. DApp подключен к блокчейну. Вся регистрация прав на цифровые права будет записана в блокчейне. Приложение может выполнять транзакции и продажи прав собственности, полагаясь на цепочку блоков и являясь платформой для торговли без посредника.

4. DApp может быть свободно упакован и создан пользователями. Пользователи могут использовать подпись для тегов. Его выпуск не подлежит никаким институциональным ограничениям. Все виды творчества и инноваций могут быть свободно выражены и реализованы.

5. DApp может защитить цифровые активы, гарантируя, что права собственности не будут скомпрометированы.

2020 и последующие года открывают новую главу в мире блокчейна для IoT- и AI-приложений.

На блокчейне IoTeX разработчики могут легко создавать собственные высоконадежные приложения на боковых (sub-chain) цепях. Эти подцепи будут иметь собственные токены. Команда IoTeX, может помогать в создании приложения или токена. Это позволяет цифровым активам формировать замкнутый цикл от распределения к транзакции до удобства использования. В данной схеме отсутствуют какие-либо посредники, поэтому они не будут использоваться централизованными платформами.

Эти DApps также хранятся в личных устройствах пользователя. Пользователь обладает максимальной способностью распоряжаться и может использовать их свободно, поскольку права собственности соблюдаются и защищены. Это позволяет пользователям использовать приобретенные DApps в качестве инвестиций для потенциальной прибыли в будущем.

Новые способы распределения богатства, новые бизнес-модели, новые организационные и кооперативные отношения неизбежно приведут к новым производственным отношениям. Различные персонализированные креативности и инновации также могут свободно выражаться через DApps. Разнообразное мышление и содержание также могут быть свободно достигнуты, чтобы мир мог продолжать двигаться в направлении «вне контроля» менталитета и в более безопасный мир для всех.

Финансирование исследований блокчин и самих программистов

Баунти — отличный способ начать программирование на блокчейне, но каковы следующие шаги для продвижения всей отрасли вперед? Нам также нужно будет финансировать исследования и вкладывать средства в самих программистов. IoTeX занялась большой благотворительной инициативой по финансированию исследований блокчайн. Один из основателей, Jing Sun сказала [2], это заблуждение думать, что исследование блокчейна хорошо финансируется. Большинство грантов в академической среде выдаются выдающимся исследователям с большим количеством существующих ресурсов. Миссия IoTeX близка к разрыву в финансировании между профессором и молодым профессором, начинающим свою карьеру, или разработчиком, пройдя свой путь через последующий скачок.

Финансирование на этом уровне поможет нам взращивать будущих специалистов, таких как Виталик Бутерин и Дэн Лаример, для создания следующих экспоненциальных технологий. Самые яркие новаторы еще не приступили к программированию в блокчейне. Давайте проложим для них этот путь. Мы изучаем, как развивать следующее поколение талантов в экосистеме. Мы перешли от развития талантов из высших учебных заведений в области информатики в школы кодирования. Сама отрасль обучения новым технологическим навыкам децентрализована и может подорвать рынок труда, как мы ее знаем.

За последние несколько лет стало общепринятым мнением, что драматические успехи в робототехнике и искусственном интеллекте поставили нас на путь к безработному будущему. Мы живем посреди «второго пришествия машин», чтобы процитировать название влиятельной книги исследователей MIT Эрика Брынхольфссона и Эндрю МакАфи, в которых рутинная работа всех видов — в производстве, продаже, бухгалтерии, приготовлении пищи — это будучи автоматизированным на устойчивом клипе, и даже сложные аналитические задания вскоре будут заменены. Например, широко распространенное исследование, проведенное исследователями из Оксфордского университета в 2013 году, показало, что почти половина всех рабочих мест в США рискует быть полностью автоматизированной в течение следующих 20 лет. Эндшпиль, как говорят, неизбежен: роботы находятся в авангарде, и человеческий труд не значителен.


Отсюда внезапный энтузиазм в Силиконовой долине для так называемого универсального базового дохода — стипендии, которая будет автоматически выплачиваться каждому гражданину, чтобы люди могли жить чем-то после того, как их рабочие места исчезнут.

Это драматическая история об автоматизации и постоянной безработице. Но у неё есть один главный нюанс: на самом деле нет большого количества доказательств того, что это произойдет.

Тем не менее, на самом деле рост производительности за последнее десятилетие по историческим меркам был очень низким. Еще в эпоху расцвета экономики США с 1947 по 1973 год производительность труда росла в среднем на 3% в год. С 2007 года он вырос примерно на 1,2%, это самый медленный темп за любой период со времен Второй мировой войны. И за последние два года производительность выросла всего на 0,6% — в те самые годы, когда все только начали воспринимать беспокойство при автоматизации процессов. Это не так, может показаться, эффективные роботы могли бы заменить неэффективных людей массово. Как утверждает McAfee, «Низкий рост производительности действительно сказывается перед историей, которую мы рассказываем об удивительном технологическом прогрессе».

Другими словами, вместо периода огромных разрушений, это были одни из удивительных условий для большей части американской рабочей силы. Сегодня средний срок пребывания в должности на самом деле похож на то, что было в 50-е годы — эпоху, о которой мы думаем, как о вершине стабильности работы.

Примеры использования блокчейна для IoT

Решать проблемы в современных каналах поставок. Можно помочь снизить затраты и повысить эффективность бизнеса, но это сложно, и один отказ механизма может причинить ущерб людям за тысячи километров. Пища, которую мы едим, и лекарства, которые мы используем, поступают от удаленных поставщиков, транспортируются в холодильных грузовиках и хранятся на разных складах. Как можно отслеживать скоропортящиеся товары от поставщиков к клиентам? Как можно контролировать температурные условия во время транспортировки во избежание загрязнения? Как быстро избавиться от испорченных продуктов, даже если они находятся в пути или хранятся на складе?

Датчики IoT и блокчейн могут защитить каналы поставок, определить, где произошло загрязнение, и ускорить отзыв продукта. Решение является сложным и включает в себя несколько сторон, так же как и проблему, которую нужно решить [3].

Продукты должны быть помечены информацией производителя вместе с указанием времени и местоположения. Низкозатратные RFID-метки и штрих-коды делают это возможным для миллионов продуктов. Большая проблема заключается в отслеживании товара, поскольку он перемещается по цепочке поставок — от производителя, дистербьютера, склада и, наконец, до магазина. Это как отслеживание отправки почты через FedEx, но гораздо более сложное:

  • Большое количество продуктов, протекающих по каналу поставок
  • Несколько сторон, участвующих в производстве, переработке и транспортировке
  • Колебание температурных условий в грузовике и отложенные поставки
  • Чрезмерное время, затрачиваемое на складах, которые могут вызвать порчу чувствительных продуктов и в случае загрязнения продукта (например, партии салата), как можно идентифицировать и отозвать другие партии в пути?

Блокчейн

В ручном режиме отслеживание производства и доставки грузов не представляется возможным, поскольку количество поставщиков и объемы поставок взорвались. Необходимо автоматизированная система для записи и обеспечения соблюдения транзакций. Он должен быть надежным, необратимым и доступным для разных поставщиков, перевозчиков и дистрибьюторов, задействованных в цепочке поставок. Идеальное приложение для блокчейна — Dapp. Вот компоненты:

  • Hyperledger Fabric — широко используемая реализация блокчейна с открытым исходным кодом из Linux Foundation. Он используется для записи и обмена информацией между членами в канале поставок. Например, когда партия салата покидает склад, датчики на грузовике будут записывать его вместе со временем и местоположением, а также с температурой в грузовике.
  • Смарт-контракты (также называемые «chaincode») — это средство для цифровой поддержки и обеспечения исполнения контракта. Они позволяют совершать транзакции без третьих сторон, и отслеживаются, и необратимы. Умный договор может записать, что грузовик доставил партию салата на склад в определенное время и в определенное место.
  • Одноранговые узлы (Peer nodes) в Fabric Network обслуживают chaincode, получают данные регистров доступа, поддерживают транзакции и взаимодействуют с приложениями. Так, например у розничного продавца может быть приложение, которое может запросить книгу, чтобы проверить статус доставляемых товаров.
  • Узлы-заказа (Orderer nodes) обеспечивают согласованность блокчейна и предоставляют одобренные транзакции одноранговым узлам сети. Они аутентифицируют идентификацию и роли членов канала поставок. Перевозчики сначала аутентифицируется цифровым сертификатом узлом заказа, прежде чем он сможет обновить структуру с информацией о доставке.

Как Oracle применяется в IoT и блокчейне

Управление критически важной каналом поставок является сложной задачей. Инфраструктура должна поддерживать десятки поставщиков, использующих различные программные приложения, обрабатывающие миллионы транзакций, создаваемых как приложениями, так и датчиками. Вот как это делает Oracle:

  • Партнеры и датчики сначала проходят сертификацию и получают право доступа и обновления блокчейном, упрощающего процесс создания новой интегрированной цепочки поставок.
  • Процесс начинается с мониторинга производственной линии для обнаружения аномалий и обеспечения контроля качества. Непрерывно отслеживает товары, перемещающиеся по цепочке поставок, включая условия водителя и транспортного средства.
  • Затем данные собираются от разрозненных систем и партнеров в блокчейн облачными вычислениями. Эта цифровая нить записывает данные, относящиеся ко всему жизненному циклу изделия — от производства до потребления.

Как показания датчика отражаются в блокчейне

Датчики не записывают непосредственно в блокчейн. Датчики обрабатывают основные функции, такие как значение (суть) и отчет. Мы видим, обрабатываются ли датчики и как они обрабатываются отдельным приложением. Приложения Oracle IoT принимают решение на уровне бизнес-логики, данные датчика должны записываться в блок-цепочку. Это более масштабируемый и практичный подход, а не добавление логики к отдельным датчикам IoT.

Реагирование в реальном времени

По мере того, как объем транзакций и стоимость срыва в цепочке поставок возрастают, крайне важно, чтобы корректирующие действия и напоминания о продукте происходили быстро. Автономное облако Oracle использует алгоритмы искусственного интеллекта (AI) и машинного обучения (ML), чтобы снизить риск и получить прогностическую информацию. Например, систему можно обучить «изучать» обычное количество времени и температуры внутри грузовика. Затем она может обнаруживать аномалии в поставке и указывать, на отгружаемые товары для проверки, поскольку перевозимые предметы могут ухудшиться при транспортировке.

Интегрированные системы IoT-blockchain развиваются по мере их развертывания. Но благодаря Oracle, Linux Foundation, IBM, IoTeX и другим провайдерам, мы с уверенностью можем получать качественный товар и продукт.

Как еще можно применять разработки IoT и AI

Существуют так называемые robo-advisers, которые «создают персонализированные инвестиционные портфели, устраняя необходимость биржевых брокеров и финансовых консультантов». [4] Эти достижения призваны избавить эмоции от инвестиций и принятия решений на основе аналитических соображений и сделать эти выбор в считанные минуты. Яркий пример этого происходит на биржах, где высокочастотная торговля машинами заменила значительную часть человеческого принятия решений.

Искусственно интеллектуальные системы, привязанные к системам управления и управления с помощью AI. Могут переносить поддержку принятия решений на скорость, значительно превосходящую скорости традиционных средств ведения войны. В сочетании с автоматическими решениями о запуске искусственно интеллектуальных систем автономного оружия. Был придуман термин, чтобы охватить скорость, с которой будет вестись война: hyperwar.

США надеется, что ИИ обеспечит безопасность, будет бороться с терроризмом и улучшить программы распознавания речи [5]. Двунаправленная природа многих алгоритмов AI будет означать, что исследования ИИ, ориентированные на один сектор общества, могут быть быстро изменены для использования в секторе безопасности. [6]

Инструменты AI помогают дизайнерам улучшить вычислительную сложность в медико-санитарной помощи. Например, Merantix — немецкая компания, которая применяет глубокое изучение медицинских проблем. Он имеет приложение для медицинской визуализации, которое «обнаруживает лимфатические узлы в человеческом теле в изображениях компьютерной томографии (КТ)». [7]

ИИ развертывается в области уголовного правосудия. Город Чикаго разработал «Стратегический тематический список» под руководством ИИ, в котором проходит анализ людей, которые могли быть арестованы за риск стать будущими преступниками. Он насчитывает 400 000 человек по шкале от 0 до 500, используя такие предметы, как возраст, преступная деятельность, виктимизация, записи о задержании наркотиков и принадлежности к бандитским группам.

Транспорт представляет собой область, где ИИ и машинное обучение производят основные инновации. Эти инвестиции включают приложения как для автономного вождения, так и для основных технологий, жизненно важных для этого сектора. [8]

Автономные автомобили — автомобили, грузовые автомобили, автобусы и системы доставки дронов — используют передовые технологические возможности. Эти функции включают автоматическое управление автомобилем и торможение, системы смены полос, использование камер и датчиков для предотвращения столкновений, использование ИИ для анализа информации в режиме реального времени и использование высокопроизводительных вычислений и систем глубокого обучения для адаптации к новые обстоятельства посредством подробных карт. [9]

Правительства столиц используют ИИ для улучшения предоставления городских услуг.

Согласно докладу Национальной лиги городов, 66% американских городов вкладывают средства в интеллектуальные городские технологии. Среди основных приложений, отмеченных в отчете, — «интеллектуальные счетчики для коммунальных услуг, интеллектуальные сигналы трафика, приложения для электронного управления, киоски Wi-Fi и датчики радиочастотной идентификации в дорожном покрытии». [10]

Эти примеры из разных секторов демонстрируют, как ИИ трансформирует многие сферы человеческого существования. Возрастающее проникновение ИИ и автономных устройств во многие аспекты жизни изменяет основные операции и принятие решений в организациях, а также повышает эффективность и время реагирования. В то же время эти тенденции вызывают важные политические, нормативные и этические проблемы. Ключом к получению максимальной отдачи от ИИ является наличие «удобной для данных экосистемы с унифицированными стандартами и межплатформенным обменом». ИИ зависит от данных, которые могут быть проанализированы в реальном времени и приведены к конкретным проблемам. Наличие данных, доступных для исследования в исследовательском сообществе, является необходимым условием успешного развития ИИ [11].

Проблемыы с доступом к данным

Пристрастия к данным и алгоритмам

Этика и прозрачность AI

Соображения, которые входят в решения по программированию, имеют большое значение с точки зрения того, как работают системы и как они влияют на клиентов. [12]

По этим причинам в мае 2020 года ЕС осуществляет Общее регулирование защиты данных (GDPR) <13>. В правилах указывается, что люди имеют «право отказаться от персонализированных объявлений» и «могут оспаривать юридические или аналогично значимые » решения, принятые алгоритмы и призывы к вмешательству человека. Каждое руководство предназначено для обеспечения защиты персональных данных и предоставления людям информации о том, как работает «черный ящик» [14].

Ответственность, установленная законом

Существуют вопросы, касающиеся юридической ответственности систем ИИ. Если есть вред или нарушения (или смертельные случаи в случае неуправляемых автомобилей), операторы алгоритма, вероятно, попадут под правила ответственности за продукцию. Судебная практика показала, что факты и обстоятельства ситуации определяют ответственность и влияют на налагаемые штрафы. Они могут варьироваться от гражданских штрафов до тюремного заключения за серьезный ущерб[15]. Смерть, связанная с Uber в Аризоне, станет важным испытанием для юридической ответственности. Государство активно привлекло Uber для проверки своих автономных транспортных средств и предоставило компании значительную широту в плане дорожных испытаний. Учитывая множество людей и организаций, участвующих в дорожном тестировании, существует множество юридических вопросов, которые необходимо решить.

В областях, не связанных с транспортом, цифровые платформы часто имеют ограниченную ответственность за то, что происходит на их сайтах. Требования, чтобы его пользователи пожертвовали основные права, компания ограничивает защиту потребителей и, следовательно, ограничивает способность людей бороться с дискриминацией, возникающей в результате несправедливых алгоритмов. [16]

ИИ требует, чтобы данные проверялись и улучшали его способность к обучению [17]. Без структурированных и неструктурированных наборов данных практически невозможно получить все преимущества искусственного интеллекта.

Google долгое время предоставлял результаты поиска в агрегированной форме для исследователей и широкой общественности. [18]. Это помогает людям отслеживать движения в общественных интересах и определять темы, которые оживляют широкую публику.

Twitter делает большую часть своих твитов доступными для исследователей через интерфейсы прикладного программирования, обычно называемые API. Эти инструменты помогают людям за пределами компании создавать прикладное программное обеспечение и использовать данные со своей платформы социальных сетей. Они могут изучать модели общения в социальных сетях и видеть, как люди комментируют или реагируют на текущие события.

В некоторых секторах, где существует очевидная общественная выгода, правительства могут содействовать сотрудничеству, создавая инфраструктуру, которая делится данными. Например, Национальный институт рака стал инициатором протокола обмена данными, где сертифицированные исследователи могут запрашивать данные о здоровье, которые он использует, с использованием идентифицированной информации, полученной из клинических данных, информации о претензиях и лекарственной терапии. Это позволяет исследователям оценивать эффективность и эффективность и давать рекомендации относительно лучших медицинских подходов без ущерба для конфиденциальности отдельных пациентов.

Могут быть партнерские отношения между государственным и частным секторами, которые объединяют правительственные и бизнес-данные для повышения производительности системы. Например, города могут интегрировать информацию из услуг по совместному использованию поездок с собственными материалами в местах социального обслуживания, автобусных линиях, массовом транзите и автомобильных перегрузках для улучшения транспортировки. Это помогло бы метрополиям справиться с трафиком и помочь в планировании автомобильных и массовых перевозок.

Частному сектору также необходимо облегчить доступ к данным исследований, чтобы общество могло полностью использовать преимущества искусственного интеллекта.

Содействовать развитию цифрового образования и трудовых ресурсов

Но также необходимо внести существенные изменения в процесс самообучения. Это не только технические навыки, которые необходимы в мире ИИ, но и навыки критического мышления, совместной работы, дизайна, визуального отображения информации и независимого мышления. ИИ изменит структуру жизни общества и экономики, и необходимо подумать о «большой картине» о том, что это будет означать для этики, управления и социального воздействия. Люди будут нуждаться в умении много думать о многих вопросах и интегрировать знания из разных областей.

Одним из примеров новых способов подготовки студентов к цифровому будущему является программа IBM Teacher Advisor, использующая бесплатные онлайн-инструменты Watson, чтобы помочь учителям принести новейшие знания в класс. Они позволяют инструкторам разрабатывать новые планы уроков в полях STEM и non-STEM, находить соответствующие учебные видеоролики и помогать студентам максимально использовать возможности в классе. [19] Таким образом, они являются прекурсорами новых образовательных сред, которые необходимо создать.

Выбор человека в отношении разработки программного обеспечения влияет на способ принятия решений и способ их интеграции в организационные процедуры. Именно то, как эти процессы выполняются, должно быть лучше понято, потому что они окажут значительное влияние на широкую публику в ближайшее время и в обозримом будущем. AI и IoT вполне могут стать революцией в человеческих делах и стать одним из самых влиятельных человеческих инноваций в истории.

СНОСКИ

  • 1https://medium.com/elastos/blockchain-dapp-on-the-go-f442622e2029
  • 2 будет позже
  • 3https://www.networkworld.com/article/3269273/internet-of-things/improving-supply-chains-with-the-iot-and-blockchain.html
  • 4 Nathaniel Popper, “Stocks and Bots,” New York Times Magazine, February 28, 2020.
  • 5 Paul Mozur and John Markoff, “Is China Outsmarting American Artificial Intelligence?” New York Times, May 28, 2020.
  • 6 Economist, “America v China: The Battle for Digital Supremacy,” March 15, 2020.
  • 7 Rasmus Rothe, “Applying Deep Learning to Real-World Problems,” Medium, May 23, 2020.
  • 8 Cameron Kerry and Jack Karsten, “Gauging Investment in Self-Driving Cars,” Brookings Institution, October 16, 2020.
  • 9 Portions of this section are drawn from Darrell M. West, “Driverless Cars in China, Europe, Japan, Korea, and the United States,” Brookings Institution, September 2020.
  • 10 Teena Maddox, “66% of US Cities Are Investing in Smart City Technology,” TechRepublic, November 6, 2020.
  • 11 Osonde Osoba and William Welser IV, “The Risks of Artificial Intelligence to Security and the Future of Work” (Santa Monica, Calif.: RAND Corp., December 2020) (www.rand.org/pubs/perspectives/PE237.html).
  • 12 Tucker, “‘A White Mask Worked Better.’”
  • 13https://en.wikipedia.org/wiki/General_Data_Protection_Regulation
  • 14 Cliff Kuang, “Can A.I. Be Taught to Explain Itself?” New York Times Magazine, November 21, 2020.
  • 15 Yale Law School Information Society Project, “Governing Machine Learning,” September 2020.
  • 16 Katie Benner, “Airbnb Vows to Fight Racism, But Its Users Can’t Sue to Prompt Fairness,” New York Times, June 19, 2020.
  • 17 Executive Office of the Pres >18 Darrell M. West, “What Internet Search Data Reveals about Donald Trump’s First Year in Office,” Brookings Institution policy report, January 17, 2020.
  • 19 Darrell M. West, “What Internet Search Data Reveals about Donald Trump’s First Year in Office,” Brookings Institution policy report, January 17, 2020.

О компании IoTeX

IoTeX — это следующее поколение ориентированной на IoT блокчейн-платформа с огромной масштабируемостью, конфиденциальностью, изолированностью и способностью к разработке новых приложений и экосистем IoT. Имея активное глобальное комьюнити и программы для их вознаграждения и благодаря краудсорсингу, позволит нам, использовать лучшие отраслевые таланты и таланты сообщества, чтобы продвинуть границу блокчейн 3.0.

Умное производство: 6 шагов к внедрению IoT на предприятии

К 2020 году треть лидирующих сегодня в своем сегменте ОЕМ-производителей отстанет от конкурентов, внедривших более развитые цифровые технологии, — прогнозирует IDC.

Недавний опрос, проведенный Sothe Aberdeen Group, показал, что лучшие в своем классе ОЕМ-производители чаще обращаются к IoTи к Big Data при решении операционных задач. Участники опроса называли следующие причины:

  • минимизация внеплановых простоев;
  • повышение эффективности всего оборудования;
  • сокращение расходов на техобслуживание;
  • увеличение рентабельности.

Благодаря IoT удаленно работающий персонал может устранять проблемы, менять рабочие параметры, контролировать работу машин и оборудования, используя диспетчерское управление. При этом OEM-производители могут консультировать инженеров и операторов прямо по месту эксплуатации.

Поэтому если ОЕМ-производитель не хочет безнадежно отстать от своих конкурентов, то ему придется пройти путь цифровой трансформации, в том числе внедряя технологии интернета вещей и анализируя большие данные в режиме реального времени.

Как подсказывает опыт производителей, успешно внедривших IoT, на этом пути к трансформации компания обычно проходит шесть шагов.

Шаг 1: Обозначить цели подключения

Прежде всего, нужно четко установить бизнес-цели, решив, для чего именно будут использоваться новые данные в ходе цифровой трансформации бизнеса. Не менее важно определить ключевые показатели эффективности. В дальнейшем это позволит оптимизировать операции и управлять рисками.

Шаг 2: Выбрать данные для сбора

С помощью подключенных машин можно создавать большие объемы данных в режиме реального времени, но для управления этими данными потребуется соответствующее обеспечение и, следовательно, затраты. Поэтому нет смысла собирать все данные подряд, а только те, которые релевантны каждой конкретной бизнес-задаче.

Шаг 3: Подобрать способ сбора данных

В зависимости от машин и стандартов подключения могут использоваться разные протоколы. Идеальное решение для подключения к компьютеру должно быть достаточно гибким для доступа к данным с любого отраслевого протокола и достаточно масштабируемым для взаимодействия с широким спектром отраслевых протоколов и источников данных.

Шаг 4: Разработать стратегии безопасности

Безопасность — превыше всего! Этот постулат актуален всегда, и особенно тогда, когда речь идет о технологиях, в том числе и о развертывании IoT. Решения по обеспечению безопасности могут включать элементы блокирования всего входящего беспроводного трафика на шлюз, блокирования всех физических портов на шлюзах, изоляции сети промышленных машин от всех других сетей и установления средств контроля доступа к аутентификации/авторизации.

Шаг 5: Обеспечить гибкость распространения аналитики

Заказчику требуется широкая база данных для аналитики, и чтобы помочь ему создать такую базу, нужно хорошо знать и понимать его потребностям и следовать им. Для этого рекомендуется провести оперативный анализ периферий сети. Распределенный подход позволяет одновременно интегрировать дополнительные источники данных в облако, обеспечивая удаленный доступ к критически важным данным.

Шаг 6: Перейти к новому этапу цифровой трансформации

Объединяя и анализируя данные с машин, включенных в реализацию задач заказчика, технические операторы смогут перейти от фиксированных моделей техобслуживания к прогностическим. Кроме того, можно создавать приложения для работы с машинами через смартфоны и компьютеры.

Что касается отраслей, готовых к внедрению IoT-технологий, то международный опыт Dell подтверждает лишь отсутствие каких-либо ограничений.

Ее IoT-шлюзы применимы для самых разных сценариев:

  • удаленного мониторинга ресурсов;
  • профилактического обслуживания;
  • управления энергопотреблением;
  • управления критически важной инфраструктурой;
  • мониторинга охлаждения;
  • наблюдения;
  • «умного» сельского хозяйства.

То есть сферы использования максимально широкие и разнообразные. По сути, речь идет о том, что IoT внедряется во все сферы промышленности. Gartner прогнозирует, что в этом году количество подключенных к Сети устройств вырастет почти на треть — до 8,4 млрд устройств; а к 2020 году — превысит 20 млрд. Причем темпы роста в промышленном сегменте растут примерно в 1,5 раза быстрее, чем в потребительском.

Эти цифры служат еще одним подтверждением тому, что всё больше компаний выбрали путь ИТ- трансформации, и у них будет больше шансов обойти своих конкурентов.

Разработка IoT приложений: почему следует инвестировать уже сейчас?

21 Августа, 2020

Интернет вещей “обещает” значительно изменить нашу жизнь: как мы работаем, учимся, развлекаемся. По данным аналитиков, в этом году число подключенных устройств достигнет 6,4 миллиарда.

А согласно некоторым прогнозам, в 2020 году во всем мире оно составит 60 млрд.!

Такое понятие как “умный дом” уже давно не является тем, о чем мы имеем весьма смутное представление. Сегодня появление умных вещей, которыми можно управлять с помощью приложений, быстро набирает обороты, так что скоро мы сможем говорить о революции во многих индустриях и сферах жизни.

Вероятно, даже во всех из них. Сейчас подключенные устройства используются даже в сельском хозяйстве, например, для контроля выращивания растений и различных культур, а также для наблюдения за животными и многого другого.

Многие корпорации давно осознали потенциал интернета вещей и стали активно инвестировать в его развитие.

Среди них такие “гиганты” как компания Apple, представившая платформу HomeKit, IBM с огромными инвестициями в 3 миллиарда долларов, и корпорация Microsoft, которая запустила IoT платформу Azure, активно используемую 5 миллионами других компаний по всему миру.

Интернет вещей представляет сложную систему, которая состоит из трех уровней:

1. Инфраструктура — компьютерная программа на корпоративном сервере, которая анализирует и обрабатывает данные, полученные от подключенных устройств.

2. Умные гаджеты — Устройства, взаимодействующие с другими (сенсоры, приложения, датчики) и с сетью. Они могут автоматически передавать друг другу различные данные, в то время как компьютерная программа анализирует полученную информацию.

3. Приложения — Мобильные, веб или гибридные IoT приложения, которые позволяют пользователям управлять подключенными объектами при помощи смартфонов, планшетов или ПК.

Одним из главных трендов (касательно технологий) на сегодняшний день является разработка IoT приложений. Создание мобильных и веб приложений, которые могут контролировать работу различных предметов, а также взаимодействовать между собой, становится все более популярным.

Среди них IoT приложения, которые способны передавать данные в определенный центр, в котором они уже обрабатываются. И на основе полученного анализа они автоматически совершают какие-либо действия.

Например, IoT приложение, отправляющее сигналы о резком ухудшении здоровья, обмороке или инсульте в медицинский центр, личному врачу или же вызывающее скорую (в зависимости от серьезности ситуации).

Таким образом, подобное технологичное решение даже может спасать жизни. Только представьте, какое влияние широкое распространение таких приложений окажет на сферу здравоохранения!

В этой статье мы собрали преимущества инвестирования в разработку IoT мобильных и веб приложений, а также индустрии, которым особенно следует рассмотреть этот вопрос.

1. Повышение эффективности рабочих процессов

Существует много вариантов разработки мобильных и веб приложений для решений различных задач компаний.

Пожалуй, основная цель, которую они стараются достичь с помощью IoT приложений, заключается в оптимизации и автоматизации бизнес-процессов.

К примеру, перспективной возможностью является создание продуктов, которые позволяют исключить участие человека из некоторых операций.

2. Революция в здравоохранении

Выше мы приводили пример использования IoT приложения в этой сфере, но таких примеров может быть бесчисленное множество. Переносимые устройства и приложения, следящие за состоянием здоровья человека. Устройства, позволяющие измерять такие параметры как пульс, уровень сахара в крови и т.д.

Приложения, которые мгновенно анализируют информацию и делают разумные предположения, показывают наиболее вероятные варианты диагноза и т.п., что особенно полезно при определении редких или новых заболеваний, а также тех, которые имеют схожие симптомы с другими (либо противоречивые). Мобильные и веб решения, упрощающие процесс принятия решений.

Таким образом, можно говорить об огромном потенциале интернета вещей в сфере здравоохранения и в особенности о разработке IoT веб и мобильных приложений.

3. Новая образовательная среда

По прогнозам, разработка IoT приложений окажет значительное влияние на сферу образования. Вероятно, скоро мы станем свидетелями эволюции в этой среде. В наше время высокотехнологичные решения проникают в школы, колледжи и университеты, меняя подход к обучению.

Так, сегодня существуют различные цифровые устройства, которые широко используются в аудиториях, включая мобильные и веб приложения, платформы, смартфоны и планшеты для формирования наиболее эффективных условий образования.

Например, IoT приложение с множеством разнопрофильных тестов, видео и т.д., которое отслеживает пользовательскую активность (время, которое занимают ответы на вопросы, сами тесты и т.п.) и обрабатывает полученные результаты.

Далее преподаватель получает отчет на каждого студента: выявление сложных и простых (в индивидуальном порядке) вопросов и тем, того, что вызывает особые трудности и т.д. И благодаря их анализу становится понятным, что следует улучшать в программе.

4. Инновационные технологии в розничной торговле

Розничная торговля находится среди тех индустрий, для которых внедрение IoT решений (приложения, устройства) будет способствовать успеху компании. Одним из лучших примеров применения инновационных подходов являются биконы.

Биконы — это небольшие IoT устройства, взаимодействующие со смартфонами при помощи Bluetooth соединения. Они могут выполнять различные задачи: собирать данные о поведении посетителей, направлять их внутри здания, автоматически отправлять пуш-уведомления на их смартфоны и многое другое.

Многие торговые центры и супермаркеты уже стали активно использовать биконы для увеличения продаж и формирования лояльности покупателей.

И это действительно работает. Читайте о преимуществах и применении биконов в нашей статье.

5. Значительное снижение числа автокатастроф

Разработка IoT приложений является одной из лучших возможностей технологий для наблюдения за ситуациями на дорогах, погодными условиями и т.д.

Создание приложений, взаимодействующих с множеством датчиков и сенсоров, которые собирают данные и могут регистрировать любую активность, а также уведомлять водителей о пробках, строительных работах и показывать оптимальные маршруты, — отличное решение для оптимизации дорожного движения.

Разработка мобильных и веб приложений для этих целей является одним из основных направлений развития интернета вещей.

6. Регулирование отопления / освещения

Сегодня интернет вещей вызвал широкое распространение датчиков температуры, давления, вибрации, освещения, которые подключаются друг к другу, IoT приложениям и непосредственно сети. Это позволяет построить сеть взаимосвязанных устройств для регулирования отопления и освещения.

7. Улучшение функционирования исследовательской деятельности

Сенсоры и датчики в настоящее время могут быть установлены даже на геологических образованиях, растениях и т.п.

Эти устройства способны посылать сигналы о любых изменениях состояния, условиях роста и развития и т.д., на IoT приложение, которое обрабатывает полученные данные и показывает результаты пользователю.

Таким образом совершенствуется процесс проведения опытов и экспериментов, а также различных исследований в целом.

Как мы можем заметить, интернет вещей имеет огромный потенциал для инвестирования. Сегодня он развивается семимильными шагами, провоцируя значительный рост числа мобильных и веб приложений.

Количество подключенных устройств увеличивается с каждым днем и с уверенностью можно говорить о том, что интернет вещей улучшит качество жизни населения и будет способствовать общему прогрессу.

IoT-проект для умного дома: путь от идеи к производству

Сегодня мы расскажем о том, как была создана современная система мониторинга для умного дома, которая контролирует входные двери и гаражные ворота. Эта система – пример того, как идея из мира интернета вещей превращается в рабочий прототип, который, в свою очередь, становится полноценным продуктом, пригодным для массового производства и использования в реальной жизни. Причём, за счёт применения удобных и доступных средств создания работающих IoT-макетов, всё это происходит очень быстро. Так же здесь мы поделимся пошаговой методикой, которая применима к работе над любыми IoT-решениями.

В нашем случае, для создания концептуальной модели применяются Intel IoT Development Kit и Grove IoT Commercial Developer Kit. После того, как модель показала, что проект оправдывает ожидания, готовый продукт строится с использованием таких технологий, как Intel IoT Gateway, Intel IoT Gateway Software Suite, Intel XDK IoT Edition, IBM Bluemix и серийно производимых компонентов. Если в двух словах описать наш проект, то получится, что система датчиков собирает сведения о входной и гаражной дверях, данные передаются на шлюз, оттуда – в облако для хранения и анализа. Кроме того, в рамках проекта реализовано несколько приложений, возможности которых опираются на облачные данные. В частности – это система администрирования и мобильное приложение для конечных пользователей.

▍IoT в умном доме

В идеале, интернет вещей – это среда, в которой к Сети подключено практически всё, что может представлять хотя бы малейший интерес для того, кто пользуется «вещами». Интерес этот может выражаться в возможности «вещью» управлять и узнавать её состояние. Причём, делать это можно в любом месте и в любое время. Особое положение в концепции IoT занимают наши жилища. Это и не удивительно. Дом – это центр жизни человека и совершенно естественно то, что ему нужно постоянное чувство уверенности в том, что дома всё хорошо. Современные технологии играют в поддержании такой уверенности очень важную роль, раньше, до IoT, о таком можно было только мечтать.

Например, каждому иногда является навязчивая мысль, от которой почти невозможно отделаться, если уж она возникла: «А запер ли я дверь?». Самое неприятное здесь то, что обычно мысль эта приходит тогда, когда узнать, заперта ли дверь, нет никакой возможности. Как кстати было бы в такой момент найти на экране смартфона значок «Проверить дверь»… И ведь это – лишь один из примеров.

Многие из нас вполне готовы к тому, чтобы купить и установить у себя дома систему, благодаря которой узнать, заперта ли дверь, можно было бы так же легко, как проверить электронную почту.

Хотя на рынке доступно множество решений для умного дома, эта область только начинает развиваться. Как результат, например, можно наблюдать недостаточную совместимость продуктов и компонентов различных производителей. Intel обнаружила, что один из критериев успеха в построении решений для умного дома – использование стандартизированных открытых платформ. Такой подход позволяет легко создавать интеллектуальные устройства, подключённые к облаку, которые можно применять в любом месте дома для организации наблюдения за самыми разными объектами и для управления ими. Кроме прочего, у подобных продуктов и служб имеется значительный коммерческий потенциал.


▍О подходе к созданию проекта

Intel организовала исследование, о котором мы сейчас расскажем, для того, чтобы выявить особенности разработки систем для умного дома. Во многом, идейным вдохновителем этого проекта стало существующее решение для умного дома от Yoga Systems. В материале, который доступен по ссылке, можно найти рассказ о ходе работы над проектом. Он начинается с общего описания структурированной методологии, разделённой на несколько фаз. Затем приводится подробное описание работ, выполненных на каждом этапе.

Если вы чувствуете, что подобная методика пригодится и вам, вы можете использовать наш рассказ для того, чтобы проследить за каждым этапом, пройденным командой разработчиков Intel от идеи до готового IoT-проекта для умного дома. И, что вероятно более важно, всё это можно обобщить и применить ту же методику разработки к другим проектам. Intel предлагает всем желающим воспользоваться описанной здесь методикой работы для реализации собственных IoT-проектов.

Каждый электрик должен знать:  электрический ток закон ома электрический ток закон ома

Нужно сказать, что, хотя здесь мы касаемся многих технических особенностей, основная цель этого материала – показать, на достаточно высоком уровне, методологию и процесс разработки. Если вам нужно больше технических деталей, здесь можно найти пошаговое руководство по созданию прототипа системы для умного дома, о которой мы будем говорить. Кроме того, вот репозиторий на GitHub, где можно взглянуть на код и документацию.

▍Методология

По своей природе, разработка для IoT – это бесконечные инновации и масса совершенно разных проектов, которые добавляют интеллекта невероятному количеству «вещей»: от устроенных очень просто, до сложных систем; от привычных каждому, до совершенно экзотических. Но, несмотря на такое разнообразие, каждый проект, так или иначе, создаётся с учётом опыта, накопленного IoT-индустрией. Опыт и практика позволяют выделить в создании разных IoT-проектов общие элементы.

Для того, чтобы воспользоваться этими вот общими чертами подобных проектов и увеличить шансы на успех в создании новых, Intel разработала структурный подход к разработке IoT-решений. Этот подход представляет собой модель работы, состоящую из шести фаз. Он позволяет проекту пройти полный путь от идеи к готовому продукту, пригодному для коммерческого использования. Предложенная здесь модель задумана так, чтобы её легко можно было адаптировать к нуждам любого IoT-проекта.

▍Начальные фазы (1-3)

Первые три фазы предлагаемой методологии – это исследования. Они сосредоточены на формировании идей и оценке возможностей проекта по решению поставленной перед ним задачи. По большому счёту, всё это — подготовка к созданию успешного коммерческого продукта. В связи с этим на данных этапах работы главную роль играют мозговые штурмы, проверки работоспособности концепции проекта. О том, чтобы заниматься разработкой, следуя неким выверенным решениям и точным планам, речи пока не идёт.

Быстрое прототипирование на данном этапе облегчается благодаря Grove IoT Commercial Developer Kit. Этот набор включает в себя компьютер Intel NUC, Intel IoT Gateway Software Suite и Grove Starter Kit Plus (производства Seed). В нашем проекте, кроме того, задействована плата Arduino 101. Эту плату, особенно за пределами США, часто называют «Genuino 101», дальше мы будем ссылаться на неё как на «Arduino 101».

Фаза №1

Первый шаг в создании IoT-продукта заключается в выявлении существующей проблемы, которую этот продукт решит, или потенциальной возможности на рынке, пустой ниши, которую можно заполнить. Документация данного этапа должна описывать проблему, ценность решения (как для конечного пользователя, так и для организаций, которые будут заниматься производством и внедрением), а также описание ограничений концепции. Так же документация должна содержать сведения о предполагаемых трудностях и ограничениях процесса реализации проекта.

Фаза №2

Здесь нужно спроектировать модель для проверки работоспособности концепции, которая покажет, способен ли продукт решить поставленную перед ним задачу. Исходный проект должен содержать описание практического подхода по созданию продукта, включая аппаратные, программные и сетевые элементы. При этом необходимо учитывать все возможные трудности и ограничения в реализации проекта, выявленные на первом этапе работы. При этом, так как физической реализации системы пока нет, нужно учитывать, что часть узких мест решения можно будет увидеть только на работающем прототипе. На этом же этапе нужно уделить внимание таким факторам, как стоимость и уровень безопасности решения.

Фаза №3

На данном этапе создают и дорабатывают макет для проверки работоспособности идеи. Этот физический прототип основан на решениях, принятых на втором этапе. Если нужно, на данном этапе в проект вносят изменения, которые так же документируются. Изменения, основанные на выявленных в результате тестирования недостатках и дополнительных возможностях, так же нужно задокументировать.

▍Завершающие фазы (4 – 6)

Через три последних фазы, входящие в эту методологию, проходят только после того, как было принято решение о том, что продукт нужно довести до стадии производства. Таким образом, здесь на первый план выходят повышение стабильности, безопасности и управляемости продукта, подготовка к массовому производству, монетизация проекта для претворения в жизнь его коммерческого потенциала.

На финальных этапах работы переходят к использованию серийных компонентов, например – датчиков. То же самое касается таких частей системы, как шлюзы для интернета вещей. Здесь же производится окончательная доработка документации, в ней фиксируется итоговый набор характеристик продукта.

Фаза №4

На данном этапе создают стабильную бета-версию. После того, как было доказано, что проект способен эффективно решить поставленную перед ним задачу, было решено, что он пойдёт в массовое производство, создают версию проекта, ориентированную на готовый продукт, и предназначенную для того, чтобы окончательно доработать конструкцию. При изготовлении этой версии понадобятся значительные вложения ресурсов, которые, кроме прочего, включают в себя серийно производимые датчики и другие компоненты, а также IoT-шлюзы.

Фаза №5

Здесь оценивают возможности продукта и расширяют его функционал. Готовую бета-версию тестируют на правильность работы в соответствии с заданными параметрами. В ходе тестирования команда разработчиков так же выявляет дополнительные возможности и функции продукта, которые внедряются в него для того, чтобы сделать его более надёжным, повысить его ценность для конечных пользователей.

Фаза №6

В финале проект окончательно дорабатывают и переходят к стадии производства. Как только решено, что продукт обладает всеми необходимыми возможностями, команда улучшает его, расширяя возможности по управлению им, показатели безопасности, оптимизируя модель из соображений маркетинга и эффективности производства. Так же на этом этапе завершается работа над пользовательским интерфейсом. В задачи, решаемые в этой фазе, входит окончательное планирование способов продвижения и продажи продукта перед переходом к полномасштабному производству.

Рассмотрим применение предложенной модели работы над IoT-проектами на примере нашей системы.

Пример применения методологии разработки IoT-проектов

▍Фаза №1: Определение потенциала проекта

Основная рабочая группа, которая начала заниматься проектом в Intel, определила, что умный дом – это подходящая основа для возможного IoT-решения, способного продемонстрировать возможности интернета вещей и проиллюстрировать применение методологии работы над проектами, описанной выше. Эта группа выявила набор навыков будущих участников расширенной группы, которые, вероятнее всего, понадобятся в ходе разработки. Среди этих навыков – управление проектами, программирование, работа с облачными платформами, документирование. Основываясь на списке необходимых навыков, основная группа сформировала полную проектную группу. Она, в основном, состояла из сотрудников Intel, но в неё были включены и некоторые другие специалисты. Сделано это для того, чтобы дополнить экспертный потенциал команды.

Первой задачей полной проектной группы была оценка потенциальных возможностей проекта, как основы исходного прототипа. Основной потенциальной возможностью, определённой в данном случае, была интеграция программного управления и системы оповещений, связанных с определёнными функциями системы умного дома. А именно, было решено остановиться на следующих объектах:

  • Входная дверь. Система, на физической модели, может отпирать и запирать дверь и сообщать о том, заперта дверь или нет, а также о том, закрыта она или открыта.
  • Дверной звонок. Когда нажимают на кнопку дверного звонка на модели, оповещение об этом отображается в административном приложении и в мобильном приложении.
  • Дверь гаража. Пользователь может отправлять с мобильного приложения команды для подъёма и опускания гаражной двери. Кроме того, мобильное приложение может отображать сведения о ходе открывания и закрывания двери, а также оповещать пользователя о том, что дверь не может закрыться.

Датчики, которые определяют, заперта или нет входная дверь, звонит ли кто-нибудь в дверной звонок, а также то, открыта или закрыта гаражная дверь, дают нам исходные данные. Данные это, с одной стороны, очень простые, но с другой – важные, так как именно на них основана работа всей системы, именно они позволяют решить основную задачу проекта. Двойственность между простотой этой первичной информации и её важностью – основа коммерческой ценности разрабатываемой системы.

Датчики собирают и отправляют сведения в облако для того, чтобы обеспечить хранение и анализ информации, а также удалённый защищённый доступ к системе. В результате пользователь может просматривать уведомления о событиях и о состоянии различных элементов умного дома, перечисленных выше.

Кроме того, команда обнаружила возможности по дальнейшему расширению решения, которые были определены как выходящие за рамки проекта. Они включали в себя предложения по удалённому управлению как для домашних, так и для коммерческих пользователей, в том числе – встраивание в существующие системы охраны.

▍Фаза №2: Проектирование модели для проверки работоспособности концепции

Команда решила, что проект должен быть основан на легко доступных комплектующих и технологиях для того, чтобы он, как практический пример, был как можно более полезным для сообщества разработчиков. В результате было выбрано следующее: Grove IoT Commercial Developer Kit, Intel IoT Developer Kit, Intel IoT Gateway Software Suite. Кроме того, было решено использовать программные технологии, которые широко распространены и при этом либо бесплатны, либо стоят недорого, применяя везде, где это практически осуществимо, бесплатное ПО с открытым исходным кодом (free open-source software, FOSS).

Для того, чтобы ускорить прохождение проектом стадии прототипа и снизить сложность работ, ту часть системы, которая должна располагаться в доме, решили построить в виде стендовой модели. Она должна была включать в себя вычислительную платформу и датчики без включения в прототип реалистичной модели умного дома, хотя на следующих стадиях проекта такая модель будет создана и испытана.

Выбор аппаратного обеспечения для прототипа

Для использования в прототипе был выбран компьютер малого форм-фактора Intel NUC Kit DE3815TYKHE. Система эта отличается надёжностью и высокой производительностью. Кроме того, команда сочла, что, являясь одной из самых свежих аппаратных платформ от Intel, рассчитанных на сферу IoT, этот компьютер подойдёт не только для данной версии проекта, но и для возможных будущих его реализаций. Intel NUC основан на процессоре Intel Atom E3815 с пассивной системой охлаждения, оснащён 4 Гб встроенной флэш-памяти (при необходимости к нему можно подключать SATA-накопители) а также – разнообразными портами ввода-вывода. Intel NUC – это компьютер, который, будучи весьма компактным устройством, поддерживающим расширение возможностей, предоставляет функционал на уровне традиционного настольного ПК.

Компьютер Intel NUC Kit DE3815TYKHE и плата Arduino 101

Для того, чтобы упростить процесс взаимодействия с датчиками, команда воспользовалась наработками экосистемы Arduino. В частности, было решено применить платформу Arduino 101. Благодаря ей NUC может взаимодействовать с платами расширения для Arduino, кроме того, такой выбор соответствует духу проекта, нацеленному на максимальное использование открытых технологий. В текущей версии проекта не используется Bluetooth, но Arduino 101 оснащён соответствующим модулем, поэтому было отмечено, что эта возможность может использоваться в будущих версиях проекта.

Вот характеристики компьютера и платы, используемых при построении прототипа:

Характеристика Intel NUC Kit DE3815TYKHE Arduino 101
Процессор / микроконтроллер Процессор Intel Atom E3815 (Кэш-память 512 Кб, 1.46 ГГц) Вычислительный модуль Intel Curie, тактовая частота 32 МГц
Память 8 Гб DDR3L-1066 SODIMM (максимум) 196 Кб флэш-памяти
24 Кб SRAM
Сетевые возможности / порты ввода-вывода Интегрированный сетевой адаптер 10/100/1000 Мбит/с 14 цифровых и 6 аналоговых выводов
Размеры 190 мм x 116 мм x 40 мм 68.6 мм x 53.4 мм
Спецификация Полная спецификация Полная спецификация

Что касается датчиков и других компонентов, необходимых для создания прототипа, то они взяты из Grove Starter Kit for Arduino (производства Seed Studio), который основан на Grove Starter Kit Plus, используемом в Grove IoT Commercial Developer Kit.

Этот комплект можно приобрести по доступной цене, и, так как он содержит заранее подобранный набор компонентов, его использование уменьшает усилия, необходимые для подбора и покупки материалов для IoT-прототипов. Выбор датчиков и других компонентов для прототипа (подробнее об этом ниже) продиктован необходимостью сбора следующих ключевых данных, жизненно важных для функционирования проекта.

  • Состояние входной двери: заперта или нет, закрыта или открыта.
  • Состояние гаражной двери: закрыта или открыта, заблокирована или разблокирована.
  • События: нажатие на кнопку дверного звонка, запирание и отпирание входной двери, открывание и закрывание входной двери, открывание и закрывание гаражной двери, блокировка гаражной двери.

Спецификация ПО прототипа

В качестве операционных систем для вычислительных устройств, используемых в прототипе, команда выбрала Yocto Linux, а также – IoT Gateway Software Suite. Yocto Linux соответствует целям проекта по использованию бесплатного ПО с открытым кодом, она предлагает высокий уровень гибкости, а так же – надёжный контроль исходного кода и возможность создания собственных сборок встроенных ОС, привязанных к нуждам конкретного проекта. Intel IoT Gateway Software Suite, с другой стороны, даёт готовую реализацию ОС, без необходимости дополнительной настройки. Кроме того, эта система предоставляет функционал Node-RED для нужд разработки. Такая комбинация факторов была признана командой исключительно полезной, в итоге Intel IoT Gateway Software Suite была выбрана в качестве ОС шлюза для прототипа.

В рамках проекта было решено разработать следующие приложения:

  • Управляющее приложение, которое будет работать в модели умного дома, собирать показатели датчиков и обрабатывать операции электромеханической части решения (например, открывать и закрывать гаражную дверь), оно же отвечает за обмен данными с пользователем (через административное и мобильное приложения) и с облаком.
  • Административное приложение, предназначенное для запуска на компьютере или планшете. Оно предоставляет детальный обзор происходящего в умном доме, в том числе – сведения о событиях и о состояниях объектов. Так же оно будет давать доступ к журналам, к облачным данным и аналитике.
  • Мобильное приложение рассчитано на смартфоны и другие мобильные устройства. Оно даст пользователю возможность открывать и закрывать гаражную дверь, а также – наблюдать за тем, что именно происходит дверью: открывается она, закрывается, или заблокирована.

▍Фаза №3. Создание и доводка прототипа

Концептуальный прототип был создан с использованием компьютера Intel NUC Kit DE3815TYKHE, платы Arduino 101 и набора компонентов Grove Starter Kit Plus IoT Edition.

Прототип был построен в виде стендовой модели, не подключённой к механическим объектам, таким, как двери. Команда проекта решила, что на данной стадии работы в этом нет необходимости. Вместо этого, например, датчик угла поворота использовался для имитации запирания и отпирания двери, шаговый двигатель символизировал гаражную дверь, а обычная кнопка играла роль дверного звонка, который будет присутствовать в полной модели умного дома.

Вот перечень материалов, использованных на данном этапе работы.

Компоненты из Grove Starter Kit Plus IoT Edition.

  • Base Shield V2 (базовая плата расширения).
  • Gear Stepper Motor with Driver (шаговый двигатель с платой управления).
  • Button Module (модуль кнопки).
  • Touch Sensor Module (модуль датчика прикосновения).
  • Light Sensor Module (модуль датчика освещённости).
  • Rotary Sensor Module (модуль датчика угла поворота).
  • Red LED (красный светодиод).
  • LCD with RGB Backlight Module (ЖК-дисплей с цветной подсветкой).
  • Buzzer Module (зуммер).

Кроме того, команда проекта пришла к выводу, что система в модели умного дома должна функционировать даже в том случае, если облачная часть недоступна или связь с интернетом ненадёжна.

Управляющее приложение, используемое в прототипе, было написано на JavaScript. Оно подключается к IBM Bluemix, обменивается данными с облаком. Приложения, административное и мобильное, так же обмениваются данными с облаком для поддержки функций системы. Среди них – открывание и закрывание гаражной двери, запирание и отпирание входной двери, а также – отправка уведомлений о событиях, таких, как срабатывание дверного звонка. Мобильное приложение так же написано на JS, оно рассчитано на веб-браузеры. Сделано это для того, чтобы избежать необходимости переноса приложения на несколько мобильных платформ.

Среда разработки, используемая при создании ПО для этого решения – это Intel XDK IoT Edition, которая входит в поставку Grove IoT Commercial Developer Kit. Кроме того, её можно бесплатно загрузить здесь. XDK позволяет разработчикам создавать, исполнять и отлаживать Node.js-приложения непосредственно на платформах, основанных на архитектуре Intel, в том числе — Intel NUC Kit DE3815TYKHE. Поддерживает эта среда и Node-RED.

Для того, чтобы работать с портами ввода-вывода на NUC, необходимо воспользоваться C/C++ библиотекой MRAA, в которой предусмотрены средства взаимодействия с JavaScript и Python для работы с другими платформами. Она предоставляет структурированное и хорошо продуманное API, где имена и нумерация портов соответствуют аппаратному обеспечению. Кроме того, при разработке ПО для этого решения применялся протокол Firmata, который позволяет организовать программное взаимодействие с окружением разработки для Arduino, пользуясь возможностями аппаратной абстракции Arduino. Библиотека Libmraa позволяет улучшить программный контроль над средствами ввода-вывода на NUC, упрощая процесс сбора показателей датчиков. UPM предоставляет вызовы специальных функций, которые используются для доступа к датчикам.

Прототип умного дома включает в себя кнопку активации для гаражной двери, кнопку и зуммер для дверного звонка, датчик прикосновения, который позволяет определить, открыта или закрыта входная дверь, датчик угла поворота для имитации отпирания и запирания входной двери и ЖК-дисплей с цветной подсветкой, который отображает, закрыты или открыты гаражная и входная двери. Кроме того, когда звонит дверной звонок, на дисплей выводится сообщение. Прототип включает в себя светодиоды, которые используются для показа сведений о том, закрыта или открыта гаражная дверь.

Приложение для прототипа, работающее в среде Node.js, собирает показатели датчиков и выводит сведения на ЖК-дисплей. Если сообщение о том, что дверь открыта (Door Open) отображается на дисплее, загорается зеленый светодиод. Если выводится сообщение о том, что дверь закрыта (Door Close), загорается красный светодиод. Кроме того, приложение может управлять шаговым двигателем для открывания и закрывания гаражной двери, хотя, ради простоты, в прототипе эта функция не реализована.

▍Фаза №4. Создание стабильной бета-версии

Как только прототип, позволяющий доказать работоспособность концепции проекта, был завершён, команда убедилась в том, что его функционал достаточен для реализации на его основе готового продукта. В проекте, на данной фазе его развития, можно выделить следующие основные части:

  • Физическая модель дома, которая построена в уменьшенном масштабе. Она включает в себя функциональные части, используемые в решении, а именно, это дверной звонок, входная дверь, гаражная дверь и связанные системы.
  • Шлюз на базе архитектуры Intel, который можно найти в свободной продаже. На него установлено собственное программное обеспечение.
  • Клиентское приложение, написанное на JavaScript. Оно используется для управления решением в целом, для создания облачной аналитики и работы с ней.
  • Облачная часть системы, основанная на IBM Bluemix. Кроме прочего, Bluemix позволяет собирать сведения об особенностях работы решения, и, на их основе, оптимизировать его.

Выбор компонентов для бета-версии

Первый шаг на данном этапе заключается подборе компонентов, которые будут использоваться в готовом продукте.

Подготовка модели умного дома

Так как команда остановилась на варианте создания прототипа в виде модели, было решено построить масштабную модель дома и смонтировать на ней всё необходимое. Для создания модели команда привлекла стороннего специалиста с соответствующим опытом. Вот исходная спецификация модели умного дома и его набросок.

Набросок модели умного дома

Модель дома выполнена в масштабе 1/12 из фанеры, усиленной металлическими вставками. Размер модели – около метра по каждому измерению. Крыша и двери сделаны съёмными – для того, чтобы в ходе испытаний удобно было работать с устройствами, смонтированными внутри.

Вот основные компоненты модели, которые нас интересуют:

  • Входная дверь, которую открывают и закрывают вручную. На неё установлены датчики, предоставленные Intel, которые позволяют определять, открыта дверь или закрыта. Также на дверь установлена работающая кнопка дверного звонка.
  • Гаражная дверь с автоматическим открыванием и закрыванием. Здесь используются шаговые двигатели и датчики, определяющие, находится ли дверь в полностью открытом или полностью закрытом положении. Здесь же имеется пластиковый ограничитель, который позволяет предотвратить повреждения, если дверь заблокирована.

На этой стадии были приняты и другие важные решения. Они включали в себя выбор серийно производимых датчиков, шлюза, основанного на архитектуре Intel, облачной службы для хранения и анализа данных и программных технологий для клиентского приложения.

Выбор датчиков и других компонентов

Вот список серийно производимых датчиков и сопутствующих компонентов, которыми заменены соответствующие части системы, ранее взятые из Grove Starter Kit.

  • IoT-шлюз Dell iSeries Wyse 3290 IoT Gateway.
  • USB-кабель A – Micro USB B для подключения контроллера I2C/GPIO к шлюзу.
  • Источник питания, 12 В, 10 А, который используется для электропитания системы.
  • Разветвитель для цепей постоянного тока (1 – 2), который позволяет подавать питание на шлюз и датчики с одного источника постоянного тока.
  • Логический конвертер (двунаправленный адаптер), который позволяет осуществлять конверсию между двумя различными логическими уровнями (например, между 3.3 В и 12 В).
  • Расширитель портов IIC в GPIO, построенный на микросхеме PCA9555, позволяет расширить порт I2C в 16 GPIO-выводов.
  • Расширитель портов FT4222H USB Eval 2.0 – Quad SPI, который позволяет расширить USB-порт в набор портов SPI, I2C, 4xGPIO.
  • Шаговый двигатель Applied Motion NEMA23 High Torque.
  • Модуль управления шаговым двигателем Applied Motion STR2.
  • Прямоугольный монтажный кронштейн ST12C, который используется для крепления инфракрасных отражателей серии DM.
  • Прямоугольный инфракрасный рефлектор Pad RL204-1.
  • Фотоэлектрический инфракрасный датчик DMP-0N-1A.
  • Магнитный переключатель OMRON GSL-1.
  • Кнопка для звонка Grayhill-Inc 30.
  • Концевой выключатель с роликом Highly Electric Z15G1704 (3 штуки).

Выбор шлюза

Вот некоторые из факторов выбора шлюза, который планируется использовать в готовом продукте:

  • Высокая вычислительная мощность, необходимая для того, чтобы обеспечить стабильный уровень производительности и избежать ошибок, связанных с перегрузками системы во время работы.
  • Доступность на рынке. Очевидно, от шлюза зависит весь проект, поэтому выбор устройства, которое непросто приобрести, затормозит работу. Кроме того, выбранный шлюз должен быть доступен в достаточных количествах в расчёте на пока гипотетическую стадию серийного выпуска разрабатываемого продукта.

В итоге для применения на следующих стадиях развития проекта был выбран шлюз Dell iSeries Wyse 3290 IoT Gateway. Он оснащён микропроцессором Intel Celeron N2807 с 1 Мб кэш-памяти и с тактовой частотой до 2.16 ГГц. В устройство установлено 4 Гб оперативной памяти DDR3 (1600 МГц). Шлюз оснащён сетевой картой (10/100/1000 BASE-T), Wi-Fi-адаптером (802.11a/b/g/n/ac) и модулем Bluetooth 4.0 Low Energy. Устройство отличается компактными размерами (69 мм x 197.5 мм x 117 мм) и небольшим весом (2.34 кг).

Выбранный шлюз предоставляет достаточный уровень производительности, причём, не только для проекта в его существующем варианте, но и для будущих версий. Кроме того, устройство легко найти в продаже, а при необходимости, на стадии производства – приобрести в больших количествах.

Команда решила продолжить использование Intel IoT Gateway Software Suite (данное ПО уже использовалось в прототипе). Это совершенно очевидный шаг, в особенности – потому что выбранный шлюз был изначально рассчитан на эту ОС. Более того, и Intel NUC, и Dell iSeries Wyse, могут работать под управлением одной и той же ОС, что упрощает процесс переноса ПО из прототипа системы в её версию, готовую к выпуску. Аналогично, другие важнейшие программные компоненты, такие, как Intel XDK и библиотеки, задействованные в прототипе, остаются неизменными, что упрощает переход проекта к фазе производства.

Вот таблица со сведениями по отслеживаемым состояниям датчиков. Для каждого датчика значение в столбце «Открыто» и «Закрыто» показывает возвращаемый логический уровень, а «Фронт сигнала» — на то, какой фронт сигнала отслеживается.

Датчик Открыт Закрыт Фронт сигнала Описание
Инфракрасный датчик 1 Оба Остановить или возобновить действие с гаражной дверью
Датчик дверного звонка 1 Задний фронт Инициировать событие срабатывания дверного звонка
Датчик открытия или закрытия входной двери 1 Оба Инициировать события открывания и закрывания двери
Датчик запирания и отпирания входной двери 1 Оба Инициировать события отпирания и запирания двери
Датчик, указывающий на то, что гаражная дверь закрыта 1 Задний фронт Остановить гаражную дверь, инициировать событие полного закрытия двери
Датчик, указывающий открыта то, что гаражная дверь открыта 1 Задний фронт Остановить гаражную дверь, инициировать событие полного открытия двери

Архитектура системы

На рисунке ниже показана принципиальная схема рассматриваемого решения.

Принципиальная схема решения

▍Фаза №5. Оценка возможностей продукта и расширение функционала

Прежде чем оценить возможности решения для умного дома, команда установила аппаратное обеспечение в модель и настроила программные компоненты системы. Вот, как всё это выглядит.

Система, смонтированная в модели дома

Особенности административного и мобильного приложений

Команда решила, что полезным для всего проекта будет включение в него двух отдельных приложений. Одно – для администрирования, второе – для конечных пользователей.

  • Первое – административное приложение-клиент. Оно предназначено для использования системными администраторами, поддерживает функционал тестирования и поиска ошибок и даёт доступ к облачным аналитическим данным.
  • Второе – мобильное приложение, предназначенное для конечных пользователей. Оно позволяет управлять дверным звонком и гаражной дверью, позволяет узнать о том, открыты или закрыты двери, а также о том, заперта ли входная дверь.

Реализация административного и мобильного приложений

Вместо того, чтобы создавать несколько версий клиентских приложений для различных платформ (или усложнять проект разработкой кроссплатформенного приложения), команда решила реализовать административное и мобильное приложения на HTML5 и JavaScript, используя Intel XDK IoT Edition. Такой подход позволяет, используя единственную версию приложения, обеспечить поддержку множества аппаратных платформ, с которыми могут работать администраторы и пользователи. Вот основные платформы, на которые ориентировалась команда:

  • Устройства, работающие под управлением iOS, в том числе – планшеты iPad и смартфоны iPhone.
  • Устройства, на которых установлена Android – различные смартфоны и планшеты.
  • Ноутбуки и настольные ПК с Windows или Linux.

Функционал запирания двери

Команда решила, что будет весьма полезным добавить в систему возможность отображения состояния входной двери – заперта она или нет, в дополнение к сведениям о том, открыта она или закрыта, а также о том, открыта или закрыта гаражная дверь. В результате, в спецификацию проекта, которая была передана изготовителю модели, был добавлен дверной замок.

Облачные оповещения

В проект были добавлены следующие возможности, основанные на облачной платформе:

  • Когдаоткрывается гаражная дверь, внутри гаража включается свет. Свет автоматически выключается через заданный период после закрывания двери.
  • Если гаражная дверь остаётся открытой в течение заданного отрезка времени, пользователю отправляют оповещение.
  • Если входная дверь остаётся открытой или не запертой некоторое время, пользователь так же получает оповещение.

Дополнительные методы авторизации для доступа к системе

Существует потенциальная возможность интегрировать практически неограниченное количество способов идентификации пользователей в системе умного дома. Диапазон методов авторизации весьма широк – от применения встроенного в смартфон NFC-чипа, до биометрических датчиков, вроде сканера отпечатков пальцев. Это расширение функциональности в модели реализовано не было, но модульная природа проекта и доступность дополнительных датчиков делают систему авторизации вполне вероятным дополнением в будущем.

▍Фаза 6. Завершение работы и выпуск готового продукта

Основной сферой интересов команды, которая занималась проектом, были его технические аспекты. Дизайн пользовательского интерфейса выходил за рамки ключевых навыков разработчиков, поэтому для его создания привлекли сторонних специалистов, которые участвовали во встречах команды.

Главный экран административного приложения

В ходе этих встреч интерфейс был доработан, в него были включены дополнительные возможности и функции. Например, в интерфейс была добавлена более надёжная система индикации состояния дверей, позволяющая легко понять, закрыта или открыта дверь, заперта она или нет, увидеть, не заблокирована ли дверь. Мобильное приложение было приведено к виду, когда оно стало сильно напоминать обычный брелок для открывания дверей.

Интерфейс административного приложения

Интерфейс административного приложения, показанный на рисунке выше, разработан в расчёте на удобную работу с программой на планшетном компьютере и с учётом того, что администратор с его помощью будет работать с облачными данными. Административный интерфейс включает в себя следующие основные элементы:

  • Главное меню, которое содержит следующие кнопки:
  • Панель уведомлений отображает уведомления о событиях, связанных со звонком, входной и гаражной дверями. Эти показатели основаны на данных, которыми система обменивается с облаком и сохраняет их там, а не на локальных данных. Здесь выводятся сведения о событиях и о датчиках, которые эти события фиксируют.
  • Панель состояния выводит наиболее свежие записи по каждому типу событий с отметками времени.
  • Изображение входной двери показывает, открыта она или закрыта, а также содержит анимированный значок, позволяющий понять, заперта дверь или нет. При срабатывании дверного звонка выводятся визуальные уведомления
  • Изображение гаражной двери так же анимировано, оно показывает процесс открывания и закрывания двери, а та же – блокировку каким-либо объектом. Если дверь заблокирована, приложение показывает эту блокировку визуально, с помощью анимации, и предотвращает закрытие двери.

Административное приложение, кроме того, выводит всплывающие уведомления о запрошенных действиях, которые нельзя выполнить. Например, такие: «Входная дверь заперта. Сначала её надо отпереть». Уведомление появляется и в том случае, когда пользователь пытается запереть дверь, которая открыта.

Интерфейс мобильного приложения

Интерфейс мобильного приложения, показанный на рисунке ниже, разработан в расчёте на смартфоны. Он позволяет пользователю открывать и закрывать гаражную дверь умного дома. Кроме того, приложение сообщает о состоянии двери, основываясь на запросах к облаку, которые выполняются с частотой один раз в секунду.

Интерфейс мобильного приложения включает в себя следующие основные элементы:

Панель уведомлений показывает, открыта или закрыта гаражная дверь, а также – анимированный процесс открывания или закрывания двери. Кроме того, она, так же с анимацией, показывает, заблокирована ли дверь каким-либо объектом, и, если это так, выводит диалоговое окно с предложением убрать препятствие перед продолжением работы.

Кнопки открывания и закрывания двери, как и следует ожидать, позволяют пользователю дистанционно открывать и закрывать гаражную дверь. Когда кнопку нажимают, приложение передаёт данные в облако, получает оттуда ответ и отображает состояние гаражной двери, основываясь на этом ответе. Административное приложение мгновенно реагирует на действия, которые выполняются с мобильного приложения.

▍Выводы

Структурированный подход, о котором мы рассказали, позволяет превращать идеи в готовые для массового производства продукты. Этим подходом могут воспользоваться все желающие, адаптировав его под нужды собственных проектов. Одно из важных достоинств представленной методики заключается в скорости создания работающих прототипов, основанных на недорогих, доступных компонентах. Это позволяет очень рано, когда в проект ещё вложено не слишком много сил и средств, понять, есть ли у идеи коммерческий потенциал, решает ли она некую важную задачу, стоит ли доводить её до стадии готового продукта. Это ограничивает риски и даёт команде разработчиков свободу во внедрении инноваций.

Надеемся, наш рассказ поможет вам претворить ваши IoT-идеи в жизнь.

Интернет вещей

Интернет вещей (Мировой рынок)

Ericsson Mobility Report стремительный рост Internet of Things в 2015-2021 годах

Ericsson Mobility Report прогнозирует динамичное развитие Интернета Вещей со среднегодовыми темпами роста 23% в период с 2015 по 2021 год. К концу периода ожидается 16 млрд IoT-устройств подключенных к сетям по всему миру. При этом уже в 2020 году их количество превысит общее количество мобильных телефонов.

Что касается географического распределения технологии — наибольшее распространение Internet of Things получит в Азиатско-тихоокеанском регионе и в Западной Европе. С первым все понятно — он изначально является «пилотным» регионом для IoT и именно Китай стремится по-максимуму реализовать программу Умных городов на базе Интернета Вещей.

А вот европейский регион ожидает стремительный рост: к 2021 году число подключенных IoT-устройств вырастет в 4 раза. Основными драйверами для стран Западной Европы станут регулятивные требования, касающиеся развития умных энергосетей, а также параллельное развитие европейской системы экстренных вызовов eCall, которой должны быть оснащены все машины, начиная с 2020 года. (Докладчик отмечает, что при построении прогнозов автомобиль считался одним устройством, независимо от количества его датчиков, подключенных к сети.)

Во время отчетного периода наибольший темп роста прогнозируется среди устройств IoT в сетях сотовой связи (Cellular Internet of Things). Здесь, согласно прогнозу, количество подключенный устройств вырастет с 400 млн в 2015 году до 1,5 млрд в 2021 году.

Переходом к принципиально новому этапу развития Internet of Things станет распространение на рынке технологии 5G. Так большая емкость соединения 5G позволит увеличивать количество подключаемых устройств, а также снизит энергопотребление, увеличив срок работы батарей сетевых устройств между зарядками более чем в 10 раз. Оба этих фактора будут иметь решающее значение для роста IoT. Согласно ожиданиям аналитиков Ericsson, технология 5G будет запущена в 2020 году и к концу 2021 получит широкое распространение по всему миру.

«Развитие интернета вещей ускоряется по мере падения цен на устройства и возникновения новых инновационных приложений. Коммерческое развертывание сетей стандарта 5G планируется осуществлять с 2020 года. Это обеспечит дополнительные возможности, которые критически важны для сценариев реализации Internet of Things. Например, технология «нарезки сети» (network slicing) и возможность подключить гораздо больше устройств, чем это возможно сегодня,» — говорит Римма Куреши, старший вице-президент и директор по развитию компании Ericsson.

IDC наблюдает стабильный рост рынка IoT

Считая Интернет Вещей одним из глобальных мировых трендов, International Data Corporation (IDC) регулярно проводит опросы и исследования, касающиеся внедрения IoT и охватывающие различные регионы и вертикальные рынки: промышленное производство, энергообеспечение, здравоохранение, коммунальные службы, госсектор, ритейл, финансовые услуги и т.п.

Согласно отчету, опубликованному 27 сентября 2020 года, на основании данных полученных в Азиатско-Тихоокеанском регионе (исключая Японию) за истекший период года: 25,2% — запустили IoT-решения, а 46% планируют развертывание в ближайшие 12 месяцев. При чем, 62% организаций оценивают Internet of Things, как фактор, имеющий стратегическое значение для развития и конкурентоспособности их бизнеса.

«Я думаю, мы оставляем позади этап зарождения, и организации начинают действительно понимать преимущества, которые может дать Интернет Вещей. На рынке идет интенсивный процесс обучения, и теперь Интернет Вещей столь горячая тема, что заказчики обсуждают ее с вендорами и присутствуют на конференциях по , чтобы узнать больше»,» — говорит Кэрри МакГилливрей, вице-президент направления исследований Мобильных и IoT-технологий в IDC.

Основными преимуществами IoT потребитель считает: повышение производительности, снижение затрат и автоматизацию внутренних процессов. Сдерживающими факторами по прежнему остаются бюджетирование проекта и опасения относительно кибер-безопасности Internet of Things. Однако, растущие принятие новых технологий выявило новую проблему: отсутствие достаточного количества квалифицированных специалистов по разработке, внедрению и обслуживанию IoT систем.

Что касается прогнозов, IDC ожидает роста рынка Интернета Вещей до $1,5 трлн в 2020 году. При этом, для Китая, где Internet of Things имеет политическую и финансовую поддержку государства как стратегическая отрасль промышленности, — рынок в тот же период вырастет до $320 млрд. Одни только закупки оборудования и услуг, связанных с IoT технологиями, в производственном секторе Китая к 2020 году вырастут до $127,5 млрд, увеличиваясь ежегодно в среднем на 14,7%. Основные расходы (около 60%) будут приходиться на долю ПО и услуг.

Gartner: в 2020 году Интернет вещей вырастет на 30%

По прогнозам Gartner, в 2020 году количество устройств, подключенных к Интернету, вырастет до 6,4 млрд. Потребительский сегмент будет расти быстрее, и к 2020 году обгонит корпоративный, увеличившись до 1,5 трлн долл. в год.

До сих пор Интернет вещей применялся для решения специфических задач каждой отрасли, например, отслеживание грузов на транспорте или мониторинга медицинского оборудования. По прогнозам, технологии Интернета вещей будут использоваться для общих задач — управления освещением, отоплением и др.

Инновации

Watson Internet of Things – когнитивная технология обработки данных от IBM

Разработанная учеными IBM когнитивная технология Интернета вещей Watson Internet of Things (IoT) обладает уникальными возможностями в области машинного самообучения и автоматической обработки данных, поступающих сразу с нескольких сенсорных устройств. Это позволяет выполнять комплексный анализ и обеспечивать соответствующее автоматическое реагирование в соответствии с задачами объекта.

«Используя миллиарды сенсоров, мы сможем изменить свои взаимоотношения с физическим миром. Мы даем вещам глаза и уши, чтобы они могли чувствовать нас и лучше с нами взаимодействовать,» — говорит Гарриет Грин, генеральный директор IBM Watson IoT.

Японская корпорация Panasonic, объявив о планах использования облачной IoT-платформы Watson, изучает варианты интеграции своих сенсоров и «умных» устройств с этой платформой. Подключение системы видеонаблюдения, датчиков разбития стекла, открывания окон и дверей, движения и проч. к системе когнитивных вычислений от IBM позволит оптимизировать и сделать Умные дома Panasonic еще более интеллектуальными. Например, система безопасности не будет реагировать, если соседские дети влезлут во двор за улетевшим мячом, при этом оставаясь по-прежнему эффективной в случае проникновения злоумышленника.

«Panasonic стремится сделать жизнь своих клиентов максимально удобной и комфортной. Дополнив наши «умные дома» когнитивными вычислительными возможностями Watson, мы повысим их интеллектуальный уровень и защищенность, обеспечивая безопасность всех жителей, особенно таких уязвимых категорий, как пожилые люди и маленькие дети,» – говорит Дэвид Терк, руководитель направления Smart Home европейского подразделения Panasonic.


North Star BlueScope Steel производитель прокатной стали для строительной промышленности начнет использование когнитивной технологии Интернета вещей Watson Internet of Things (IoT) и носимых устройств с целью создания инновационных решений по защите рабочих в экстремальных условиях.

Сотрудники, работающие в сложных промышленных условиях, каждый день подвергаются различным рискам: термические, химические и токсические воздействия, открытый огонь, механический контакт с промышленным оборудованием. В 2014 году было зарегистрировано почти 3 млн производственных травм. При этом до сих пор отсутствуют практические способы проверки обязательных требований безопасности и личной защитной экипировки, применяемых в потенциально опасных условиях.

Использование носимых рабочими устройств, собирающих информацию о различных показателей, в комбинации с обработкой Watson позволяет при возникновении потенциально опасных условий технология передаст эти сведения в реальном времени руководству North Star. Например, компания может получить комбинацию данных о температуре тела, учащенном пульсе и неподвижности в течение нескольких минут, что может указывать на тепловой шок с возможным летальным исходом. Эти же показатели по отдельности могут показаться несущественными.

«Мировая экономика опирается на труд сотен миллионов рабочих, которые трудятся в экстремальных условиях. Изучение способов применения Интернета вещей и когнитивных вычислений поможет организациям предотвратить инциденты на предприятиях и повысить безопасность своих сотрудников. Интернет вещей помогает нам собирать, интегрировать и обрабатывать данные с датчиков, встроенных в носимые устройства. Затем эти данные объединяются с инновационными когнитивными возможностями и показателями, полученными с ключевых внешних источников, таких как окружающая среда или метеорология. Все вместе это позволяет лучше регулировать здоровье, обеспечивать хорошее самочувствие и уровень безопасности для действенной трансформации условий труда работников,» – говорит Гарриет Грин, руководитель IBM Watson IoT по направлениям коммерции и образования.

Разработка сетей 5G и других инновационных решений IoT

China Mobile и ZTE объявили о стратегическом партнерстве и подписали соответствующий меморандум. Компании планируют создать совместный исследовательский центр, занимающийся разработкой технологий 5G, Интернета вещей, интернета для транспорта (IoV), интеллектуальных производственных систем, а развитием сети с большей пропускной способностью, в том числе на базе технологии 5G.

Одним из первых результатов совместной работы компаний явилось приложение IoT для Умных городов (в частности, для муниципальных нужд) — интеллектуальный мониторинг несанкционированного открытия дорожных люков. Решение позволяет подавать сигналы о его перемещении или открытии люка в реальном времени, постоянно контролируя его состояние.

«Сегодня мы наблюдаем высокий уровень взаимодействия между корпорацией ZTE и China Mobile в области технологий интернета вещей и 5G. В будущем результаты их совместной работы ускорят развитие телекоммуникационной отрасли в целом,» – комментируют представители ZTE.

Samsung и Intel: разработка стратегии Internet of Things

Samsung и Intel, с целью разработки стратегических рекомендаций для правительственных структур в сфере Internet of Things, запустили в США инициативу National IoT Strategy Dialogue, объединяющую промышленные компании и отраслевые предприятия. Управлять инициативой будет совет Information Technology Industry (ITI), который соберет входящие в него компании, а также других игроков рынка.

Создание нового Департамента коммерческого «Интернета вещей» совпало со стартом инициативы National IoT Strategy Dialogue и предварило подписание двухпалатного и двухпартийного Акта Developing Innovation and Growing the Internet of Things (DIGIT), предполагающего создание рабочей группы по развитию и распространению технологий «Интернета вещей» в США.

«Samsung, Intel и компании, входящие в нашу организацию, – одни из самых значимых представителей глобальной технологической сферы. Они играют важную роль в эволюции «Интернета вещей». Вместе мы приспособим инициативу к возможностям инновационных компаний и организаций, чтобы они показали правительственным организациям США преимущества «Интернета вещей» и рассказали им о значимости таких технологий, «— говорит Дин Гарфилд, президент и генеральный директор ITI.

SAMSUNG ARTIK Cloud открытая платформа для IoT-устройств

SAMSUNG ARTIK Cloud открытая платформа для безопасного сбора, хранения и обработки данных с любых подключенных устройств или из облачных сервисов, предоставляющая удобные открытые программные интерфейсы и инструменты.

Платформа создана для обеспечения быстрой и простой разработкой новых корпоративных, промышленных и пользовательских приложений. Модули SAMSUNG ARTIK и SAMSUNG ARTIK Cloud содержат комплект интегрированных, готовых к эксплуатации модулей, макетные платы, драйверы, инструменты, а также расширенное ПО, функции обеспечения безопасности и доступ к облаку.

«Мы считаем платформу ARTIK комплексным решением, которое упрощает вывод технологий Интернета вещей на рынок. В отличие от других IoT платформ ARTIK Cloud устраняет противоречия между устройствами и позволяет создавать сервисы и приложения Internet of Things нового уровня,» – говорит Йонг Сон, президент и директор по стратегическим вопросам Samsung Electronics.

Entrust Datacard и Harman International разработки по созданию безопасной среды IoT

Entrust Datacard объявила о партнерстве с Harman International — сотрудничество направленно на разработку приложений для рынка Интернета вещей, создающих и поддерживающих доверенную и безопасную среду по всей инфраструктуре IoT. Партнерство было создано на основе IoT-домена Harman и опыта Entrust Datacard по обеспечению безопасного выполнения транзакций.

«Решение позволит организациям интегрировать доверительную среду в их инфраструктуру и обеспечить взаимодействие между пользователями, устройствами и системами таким образом, чтобы обеспечивать потребности клиента по использованию существующей среды, сохраняя гибкость в выборе устройств, серверных приложений, а также реализовать индивидуальные аналитические возможности наиболее подходящие к конкретной бизнес-среде клиента, « – комментируют в компаниях.

Каждый электрик должен знать:  Выделенная мощность электроэнергии - что это и как ее увеличить

General Electric и Bosch создают IoT-платформу с открытым кодом

General Electric и Bosch объединяются для создания общей программной платформы Интернета вещей, используя элементы операционной системы Predix (разработка GE) и программы IoT Suite (разработка в Bosch). Работа будет проходить на базе нескольких платформ с открытым исходным кодом, созданных в рамках проектов Eclipse Foundation.

Это позволит сторонним разработчикам смогут создавать программы, совместимые с Predix и Bosch IoT Suite, а также создавать код для таких вещей, как обмен сообщениями, аутентификация пользователей, контроль доступа и описания устройств. Некоторые компоненты Predix и IoT Suite останутся закрытыми. Это относится, например, к системам безопасности Predix.

«Это партнерство между Bosch и GE является очень перспективным, поскольку Интернет вещей не будет иметь значения для подключенных компаний и пользователей, если у нас есть более 120 различных, изолированных платформ. Мы должны соединить их, в противном случае мы, в конечном итоге, останемся с серией изолированных островков, работающих только для себя,» — говорит Райнер Калленбач, исполнительный директор Bosch Software Innovations.

«В начале любого нового рынка есть чрезмерной сегментации. Сотрудничество с Bosch соединит промышленный мир и потребителя: огромные машины, стоящие сотни миллионов долларов (такие как ветровые турбины), бытовая техника и пользователь будут говорить на одном языке,» — Харель Кодеш, главный технический директор компании GE Digital.

Интернет Вещей в России

IDC: Прогнозы развития Интернета Вещей в России на 2020-2020 годы

Российские организации в этом году инвестируют более $4 млрд в Интернет вещей, включая затраты на оборудование, программное обеспечение, услуги и связь — говорится в новом отчете IDC, Russia Internet of Things Market 2020-2020 Forecast. Согласно ожиданиям экспертов, в течение 2020-2020 годов рынок IoT будет увеличиваться в среднем на 21.3 % и к концу прогнозируемого периода достигнет $9 млрд.

Аналитики прогнозируют динамичное развитие межотраслевых инвестиций, а также использование Интернета Вещей в сфере транспорта и промышленности. Флагманами использования Internet of Things в России являются производство, транспорт, энергетика занимающие более 50% общего объема рынка IoT. За ними следует государственный сектор инвестирующий в реализацию «Умных городов».

На сегодняшний день, самый уровень инвестиций в Интернет Вещей российского рынка получили три направления:

  • Управление производством – позволяет удаленно анализировать состояние производственного оборудования, осуществлять контроль и управление производственными операциями, проводить диагностику для предотвращения неполадок.
  • Мониторинг транспорта – позволяет создавать интеллектуальные транспортные системы, осуществляющих мониторинг местоположения, маршрутов, условий перевозки грузов в режиме реального времени с помощью беспроводных, спутниковых или других каналов связи, используя технологии радиочастотной идентификации (RF >«Степень проникновения интернета вещей в России во многом зависит от уровня государственной поддержки и осознания бизнесом тех преимуществ, которые принесет IoT. Технологические решения уже присутствуют на рынке, причем как от международных, так и российских поставщиков, но конечные пользователи пока испытывают нехватку сценариев использования технологий, которые смогут принести ощутимые результаты. Кроме того, у заказчиков имеются серьезные опасения, касающиеся вопросов безопасности. Поставщики должны включать продукты безопасности в свои предложения, и позиционировать их, как базовые элементы комплекса решений IoT. В целом, несмотря на то, что в отдельных отраслях адаптация новейших технологий проходит медленнее, чем в других, мы видим большие возможности для поставщиков IoT абсолютно во всех хозяйственных сферах,» -говорит Елена Семеновская, директор по исследованиям IDC в России.

МегаФон и Huawei новый стандарт связи для Интернета вещей

МегаФон и Huawei подписали соглашение об активном сотрудничестве в продвижении на российском рынке нового стандарта связи – NB-IoT (Narrow Band IoT). Эта технология связи для Интернета вещей позволяет увеличить максимальное количество подключенных к сети устройств, значительно снижая потребление энергии конечными устройствами, что обеспечивает значительно лучшее покрытие и проникновение связи.

Новый стандарт NB-IoT (разработка консорциума 3GPP) учитывает требования по использованию технологии передачи LPWA (Low-Power and Wide-Area) и существующей инфраструктуры, предъявляемые операторами. NB-IoT подходит для подключения к сети оператора датчиков мониторинга, счетчиков коммунальных услуг, систем отслеживания объектов и других IoT-устройств — до 100 тысяч устройств к одной соте базовой станции, что превышает возможности существующих стандартов мобильной связи в десятки раз. Низкочастотный диапазон LPWA дает возможность покрывать труднодоступные места, вроде подвалов и цокольных помещений. Также работа в новом стандарте значительно снижает расход заряда аккумулятора: так, например, счетчик воды с автономным аккумулятором при работе в стандарте NB-IoT может служить до 10 лет без подзарядки и принимать сигнал, будучи установленным в подвальном помещении.

Появление на российском рынке первых устройств с поддержкой технологий NB-IoT ожидается в конце 2020 — начале 2020 года. Кроме того, технология NB-IoT работает в сетях LTE и будет актуальна при дальнейшем переходе на стандарты пятого поколения 5G.

«Huawei в сотрудничестве с крупнейшими мировыми операторами уже внесла большой вклад в создание технологии NB-IoT во всем мире. Мы рады, что МегаФон делает ставку на самые передовые технологии, такие как NB-IoT, выводя российский рынок ИКТ на мировой уровень. Это позволит МегаФону предложить своим клиентам в сфере В2В эффективные услуги, от чего выиграют также конечные потребители,» — говорит Дмитрий Алферов, вице-президент по сервису и техническому обслуживанию компании Huawei в России.

Кроме того, компания МегаФон стала участником сообщества GSMA NB-IoT Forum, целью которого является сотрудничество в области развития технологии NB-IoT по всему миру. В составе организации – крупнейшие операторы (China Mobile, Deutsche Telekom, Vodafone и др.), а также ведущие производители технологичных решений (Huawei, Intel, Qualcomm).

SAP Labs открыла российский Центр решений в области Интернета вещей

SAP Labs открыла в Москве российский Центр решений в области Интернета вещей. До сих пор такие центры были только в Германии, Франции и Японии. Открытие этого Центра решений в области Internet of Things свидетельствует о высоком интересе компании к российскому рынку и признание его перспективным.

Центр должен стать первой в России площадкой, где партнеры, разработчики и клиенты смогут обменяться информацией о инновационных продуктах и технологиях в области IoT компании, а также опытом внедрения и эксплуатации IoT-решений.

«Открытие российского Центра решений в области Интернета Вещей стало логическим ответом на запросы заказчиков и партнеров, которые уже давно говорили о необходимости иметь общее пространство, где можно было бы получить информацию об IoT-сценариях, которые уже реализованы в других странах мира; узнать о том, какие IoT-проекты будут реализованы на территории СНГ, и, что особенно важно, свести вместе разработчиков и заказчиков таких проектов.

Лаборатория Совместных Инноваций SAP Labs намерена сопровождать сопровождать независимых разработчиков на всем жизненном цикле проекта от появления идеи до создания прототипа и вывода его на рынок. Центр решений в области Internet of Things позволит разработчикам избежать лишних инвестиций в «железо», предоставит доступ к дата-центрам, облачным решениям и знаниям, накопленным специалистами SAP по всему миру в области IoT. Кроме того, SAP рассчитывает посредством этого Центра получить поток идей с рынка по использованию IoT,» — говорит Андрей Биветски, генеральный директор SAP Labs в СНГ.

Понятие Internet of Things (IoT)

Интернет вещей (Internet of Things или IoT) понятие достаточно новое и потому вызывающее расхождения в его толковании. Многие считают, что IoT — это абстрактная технология будущего, нацеленная на оптимизацию производства и увеличение эффективности продаж. Другие утверждают, что Интернет вещей уже существует, отождествляя его с интеграцией мобильных сетей и веб-приложений индивидуального пользования. Некоторые технологи считают, что термин Internet of Things относится только к подключению объектов к другим объектам, и придумал термин «Интернет всего» (Internet of Everything), включающий «умные сети» (smart networks), необходимые для объединения всех этих объектов.

По существу, Интернет вещей — это распространение веб-устройств, во всех отраслях промышленности.

Статистика Google фиксирует миллионы переходов по запросу «Internet of Things». Представители Cisco, одного из пионеров явления IoT, предсказывают, что к 2020 году от 20 до 50 млрд подключенных устройств, используемых в по всему миру.

«Компании сегодня уделяют все большее внимание к Интернету вещей в качестве стратегического элемента, чтобы стимулировать рост в будущем. Тем не менее, IoT остается сложным в эксплуатации набором технологий и услуг,» — говорит Вернон Тернер, старший вице — президент Enterprise Systems и IDC, научный сотрудник по вопросам Интернета вещей.

Перспективы использования IoT

  • автоматизация промышленного производства и жилищно-коммунального хозяйства;
  • управление транспортными потоками;
  • построение развернутых систем физической безопасности;
  • формирование списка закупок и графика поставок для торговых предприятий;
  • сбор и управление данными в маркетинговых целях и для общего повышения уровня жизни (например, автоматическое регулирование температуры и влажности в помещении) и многое другое.

Большинство современных компаний заинтересованы во внедрении IoT-решений, считая их очевидным преимуществом в конкурентной борьбе на рынке.

«Через 10 лет, организации, использующие Internet of Things, будут до 10 процентов более прибыльными. С учетом данных, показывающих рост числа IoT соединений в производственном секторе на 204%.

Интернет вещей не может быть проигнорирован, несмотря на смесь его потенциальных благ и возможных слабых мест. Internet of Things престал быть концептом государства будущего, теперь IoT — просто следующий этап промышленной революции. Также Интернет вещей станет реальностью в индустрии физической безопасности. В этом можно быть уверенным, вне зависимости от того, будет подготовлена отрасль или нет.» — говорится в докладе Verizon о состоянии рынка IoT за 2015 год. (State of the Market IoT 2015).

Сдерживающие факторы Internet of Things

Распространение Интернета вещей связано с некоторыми затруднениями. Во-первых, как для любой новой технологии — это разработка алгоритмов частичной интеграции с уже существующими системами и приборами, а также наглядная демонстрация потенциальному пользователю преимуществ, получаемых от использования IoT.

Во-вторых, Internet of Things должен иметь огромные ресурсы для хранения данных и управления ими.

«Интернет вещей будет производить огромное количество данных и огромное количество информации. Это добавляет сложности в сетевую архитектуру,» — говорит Гита Дабир, вице-президент и генеральный менеджер приложений IoT в Cisco.

В-третьих, это разработка и внедрение общих мировых стандартов совместимости устройств.

Кроме того, стремительное развитие Интернета Вещей обнаруживает отсутствие готовых ко внедрению конфигураций и квалифицированных специалистов, для внедрения и обслуживания IoT-систем.

«Платформа IoT, на самом базовом уровне, является промежуточным программным обеспечением, которое соединяет конечные точки приложения, системы корпоративных серверными и аналитических инструментов. Тем не менее, платформа IoT гораздо сложнее, поскольку она обеспечивает управление устройствами, управление связью, применение интеграции и менеджмента, средств визуализации и, в некоторых случаях, функциональных возможностей аналитики. В большинстве случаев, никто из производителей не предоставляет все эти штучные элементы виде единого решения. Задача для потребителя выяснить, какая конфигурация платформы будет удовлетворять их потребностям, « — говорит Кэрри МакГилливрей, вице-президент направления исследований Мобильных и IoT-технологий в IDC.

Однако, основной проблемой являются крайне тяжелые последствия в случае успешной хакерской атаки, а следовательно высокие требования к обеспечению кибербезопасности. Ранние устройства IoT уже подвергались критике за их уязвимость, влекущую за собой возможность сбора персональных данных, вторжения в частную жизнь и потери контроля над управляемыми устройствами. Особенно опасно вторжение в секторе здравоохранения, где под угрозой может оказаться медицинское оборудование для спасения жизней, такое как насосы инсулина или кардиостимуляторы.

Несколько уважаемых деятелей, в том числе Стивен Хокинг, Билл Гейтс и Элон Маск, выразили озабоченность по поводу смешивания IoT с искусственным интеллектом. Они видят реальную опасность в создании машин, принимающих решения и управляющих объектами.

«Безопасность один из самых важных вопросов, волнующий клиентов, заинтересованных в Интернете вещей, — утверждает Гита Дабир. — Обеспечение безопасности для Internet of Things несколько отличается от обеспечения безопасности для обычных сетевых решений. Например, в обычном заводском цеху, у вас есть машины и у вас есть телефон. Если какое-либо из сетевых устройств заразиться — можно отключить его. Но, в случае решения IoT, вы не можете сделать этого. Ответственность решений и доступность оборудования становятся очень важными, поэтому мы работаем над системами защиты, позволяющими учесть эти факторы.»

Несмотря на риски — выгоды от использования Интернета вещей в безопасности и других отраслях могут намного превышать угрозы, связанные с интернет-преступниками.

[Перевод] IoT-проект для умного дома: путь от идеи к производству 08.08.2020 18:22

Сегодня мы расскажем о том, как была создана современная система мониторинга для умного дома, которая контролирует входные двери и гаражные ворота. Эта система — пример того, как идея из мира интернета вещей превращается в рабочий прототип, который, в свою очередь, становится полноценным продуктом, пригодным для массового производства и использования в реальной жизни. Причём, за счёт применения удобных и доступных средств создания работающих IoT-макетов, всё это происходит очень быстро. Так же здесь мы поделимся пошаговой методикой, которая применима к работе над любыми IoT-решениями.

В нашем случае, для создания концептуальной модели применяются Intel IoT Development Kit и Grove IoT Commercial Developer Kit. После того, как модель показала, что проект оправдывает ожидания, готовый продукт строится с использованием таких технологий, как Intel IoT Gateway, Intel IoT Gateway Software Suite, Intel XDK IoT Edition, IBM Bluemix и серийно производимых компонентов. Если в двух словах описать наш проект, то получится, что система датчиков собирает сведения о входной и гаражной дверях, данные передаются на шлюз, оттуда — в облако для хранения и анализа. Кроме того, в рамках проекта реализовано несколько приложений, возможности которых опираются на облачные данные. В частности — это система администрирования и мобильное приложение для конечных пользователей.

▍IoT в умном доме

В идеале, интернет вещей — это среда, в которой к Сети подключено практически всё, что может представлять хотя бы малейший интерес для того, кто пользуется «вещами». Интерес этот может выражаться в возможности «вещью» управлять и узнавать её состояние. Причём, делать это можно в любом месте и в любое время. Особое положение в концепции IoT занимают наши жилища. Это и не удивительно. Дом — это центр жизни человека и совершенно естественно то, что ему нужно постоянное чувство уверенности в том, что дома всё хорошо. Современные технологии играют в поддержании такой уверенности очень важную роль, раньше, до IoT, о таком можно было только мечтать.

Например, каждому иногда является навязчивая мысль, от которой почти невозможно отделаться, если уж она возникла: «А запер ли я дверь?». Самое неприятное здесь то, что обычно мысль эта приходит тогда, когда узнать, заперта ли дверь, нет никакой возможности. Как кстати было бы в такой момент найти на экране смартфона значок «Проверить дверь»… И ведь это — лишь один из примеров.

Многие из нас вполне готовы к тому, чтобы купить и установить у себя дома систему, благодаря которой узнать, заперта ли дверь, можно было бы так же легко, как проверить электронную почту.

Хотя на рынке доступно множество решений для умного дома, эта область только начинает развиваться. Как результат, например, можно наблюдать недостаточную совместимость продуктов и компонентов различных производителей. Intel обнаружила, что один из критериев успеха в построении решений для умного дома — использование стандартизированных открытых платформ. Такой подход позволяет легко создавать интеллектуальные устройства, подключённые к облаку, которые можно применять в любом месте дома для организации наблюдения за самыми разными объектами и для управления ими. Кроме прочего, у подобных продуктов и служб имеется значительный коммерческий потенциал.

▍О подходе к созданию проекта

Intel организовала исследование, о котором мы сейчас расскажем, для того, чтобы выявить особенности разработки систем для умного дома. Во многом, идейным вдохновителем этого проекта стало существующее решение для умного дома от Yoga Systems. В материале, который доступен по ссылке, можно найти рассказ о ходе работы над проектом. Он начинается с общего описания структурированной методологии, разделённой на несколько фаз. Затем приводится подробное описание работ, выполненных на каждом этапе.

Если вы чувствуете, что подобная методика пригодится и вам, вы можете использовать наш рассказ для того, чтобы проследить за каждым этапом, пройденным командой разработчиков Intel от идеи до готового IoT-проекта для умного дома. И, что вероятно более важно, всё это можно обобщить и применить ту же методику разработки к другим проектам. Intel предлагает всем желающим воспользоваться описанной здесь методикой работы для реализации собственных IoT-проектов.

Нужно сказать, что, хотя здесь мы касаемся многих технических особенностей, основная цель этого материала — показать, на достаточно высоком уровне, методологию и процесс разработки. Если вам нужно больше технических деталей, здесь можно найти пошаговое руководство по созданию прототипа системы для умного дома, о которой мы будем говорить. Кроме того, вот репозиторий на GitHub, где можно взглянуть на код и документацию.

▍Методология

По своей природе, разработка для IoT — это бесконечные инновации и масса совершенно разных проектов, которые добавляют интеллекта невероятному количеству «вещей»: от устроенных очень просто, до сложных систем; от привычных каждому, до совершенно экзотических. Но, несмотря на такое разнообразие, каждый проект, так или иначе, создаётся с учётом опыта, накопленного IoT-индустрией. Опыт и практика позволяют выделить в создании разных IoT-проектов общие элементы.

Для того, чтобы воспользоваться этими вот общими чертами подобных проектов и увеличить шансы на успех в создании новых, Intel разработала структурный подход к разработке IoT-решений. Этот подход представляет собой модель работы, состоящую из шести фаз. Он позволяет проекту пройти полный путь от идеи к готовому продукту, пригодному для коммерческого использования. Предложенная здесь модель задумана так, чтобы её легко можно было адаптировать к нуждам любого IoT-проекта.

▍Начальные фазы (1–3)

Первые три фазы предлагаемой методологии — это исследования. Они сосредоточены на формировании идей и оценке возможностей проекта по решению поставленной перед ним задачи. По большому счёту, всё это — подготовка к созданию успешного коммерческого продукта. В связи с этим на данных этапах работы главную роль играют мозговые штурмы, проверки работоспособности концепции проекта. О том, чтобы заниматься разработкой, следуя неким выверенным решениям и точным планам, речи пока не идёт.

Быстрое прототипирование на данном этапе облегчается благодаря Grove IoT Commercial Developer Kit. Этот набор включает в себя компьютер Intel NUC, Intel IoT Gateway Software Suite и Grove Starter Kit Plus (производства Seed). В нашем проекте, кроме того, задействована плата Arduino 101. Эту плату, особенно за пределами США, часто называют «Genuino 101», дальше мы будем ссылаться на неё как на «Arduino 101».

Фаза №1

Первый шаг в создании IoT-продукта заключается в выявлении существующей проблемы, которую этот продукт решит, или потенциальной возможности на рынке, пустой ниши, которую можно заполнить. Документация данного этапа должна описывать проблему, ценность решения (как для конечного пользователя, так и для организаций, которые будут заниматься производством и внедрением), а также описание ограничений концепции. Так же документация должна содержать сведения о предполагаемых трудностях и ограничениях процесса реализации проекта.

Фаза №2

Здесь нужно спроектировать модель для проверки работоспособности концепции, которая покажет, способен ли продукт решить поставленную перед ним задачу. Исходный проект должен содержать описание практического подхода по созданию продукта, включая аппаратные, программные и сетевые элементы. При этом необходимо учитывать все возможные трудности и ограничения в реализации проекта, выявленные на первом этапе работы. При этом, так как физической реализации системы пока нет, нужно учитывать, что часть узких мест решения можно будет увидеть только на работающем прототипе. На этом же этапе нужно уделить внимание таким факторам, как стоимость и уровень безопасности решения.

Фаза №3

На данном этапе создают и дорабатывают макет для проверки работоспособности идеи. Этот физический прототип основан на решениях, принятых на втором этапе. Если нужно, на данном этапе в проект вносят изменения, которые так же документируются. Изменения, основанные на выявленных в результате тестирования недостатках и дополнительных возможностях, так же нужно задокументировать.

▍Завершающие фазы (4 — 6)

Через три последних фазы, входящие в эту методологию, проходят только после того, как было принято решение о том, что продукт нужно довести до стадии производства. Таким образом, здесь на первый план выходят повышение стабильности, безопасности и управляемости продукта, подготовка к массовому производству, монетизация проекта для претворения в жизнь его коммерческого потенциала.

На финальных этапах работы переходят к использованию серийных компонентов, например — датчиков. То же самое касается таких частей системы, как шлюзы для интернета вещей. Здесь же производится окончательная доработка документации, в ней фиксируется итоговый набор характеристик продукта.

Фаза №4

На данном этапе создают стабильную бета-версию. После того, как было доказано, что проект способен эффективно решить поставленную перед ним задачу, было решено, что он пойдёт в массовое производство, создают версию проекта, ориентированную на готовый продукт, и предназначенную для того, чтобы окончательно доработать конструкцию. При изготовлении этой версии понадобятся значительные вложения ресурсов, которые, кроме прочего, включают в себя серийно производимые датчики и другие компоненты, а также IoT-шлюзы.

Фаза №5

Здесь оценивают возможности продукта и расширяют его функционал. Готовую бета-версию тестируют на правильность работы в соответствии с заданными параметрами. В ходе тестирования команда разработчиков так же выявляет дополнительные возможности и функции продукта, которые внедряются в него для того, чтобы сделать его более надёжным, повысить его ценность для конечных пользователей.

Фаза №6

В финале проект окончательно дорабатывают и переходят к стадии производства. Как только решено, что продукт обладает всеми необходимыми возможностями, команда улучшает его, расширяя возможности по управлению им, показатели безопасности, оптимизируя модель из соображений маркетинга и эффективности производства. Так же на этом этапе завершается работа над пользовательским интерфейсом. В задачи, решаемые в этой фазе, входит окончательное планирование способов продвижения и продажи продукта перед переходом к полномасштабному производству.

Рассмотрим применение предложенной модели работы над IoT-проектами на примере нашей системы.

Пример применения методологии разработки IoT-проектов

▍Фаза №1: Определение потенциала проекта

Основная рабочая группа, которая начала заниматься проектом в Intel, определила, что умный дом — это подходящая основа для возможного IoT-решения, способного продемонстрировать возможности интернета вещей и проиллюстрировать применение методологии работы над проектами, описанной выше. Эта группа выявила набор навыков будущих участников расширенной группы, которые, вероятнее всего, понадобятся в ходе разработки. Среди этих навыков — управление проектами, программирование, работа с облачными платформами, документирование. Основываясь на списке необходимых навыков, основная группа сформировала полную проектную группу. Она, в основном, состояла из сотрудников Intel, но в неё были включены и некоторые другие специалисты. Сделано это для того, чтобы дополнить экспертный потенциал команды.

Первой задачей полной проектной группы была оценка потенциальных возможностей проекта, как основы исходного прототипа. Основной потенциальной возможностью, определённой в данном случае, была интеграция программного управления и системы оповещений, связанных с определёнными функциями системы умного дома. А именно, было решено остановиться на следующих объектах:

  • Входная дверь. Система, на физической модели, может отпирать и запирать дверь и сообщать о том, заперта дверь или нет, а также о том, закрыта она или открыта.
  • Дверной звонок. Когда нажимают на кнопку дверного звонка на модели, оповещение об этом отображается в административном приложении и в мобильном приложении.
  • Дверь гаража. Пользователь может отправлять с мобильного приложения команды для подъёма и опускания гаражной двери. Кроме того, мобильное приложение может отображать сведения о ходе открывания и закрывания двери, а также оповещать пользователя о том, что дверь не может закрыться.

Датчики, которые определяют, заперта или нет входная дверь, звонит ли кто-нибудь в дверной звонок, а также то, открыта или закрыта гаражная дверь, дают нам исходные данные. Данные это, с одной стороны, очень простые, но с другой — важные, так как именно на них основана работа всей системы, именно они позволяют решить основную задачу проекта. Двойственность между простотой этой первичной информации и её важностью — основа коммерческой ценности разрабатываемой системы.

Датчики собирают и отправляют сведения в облако для того, чтобы обеспечить хранение и анализ информации, а также удалённый защищённый доступ к системе. В результате пользователь может просматривать уведомления о событиях и о состоянии различных элементов умного дома, перечисленных выше.

Кроме того, команда обнаружила возможности по дальнейшему расширению решения, которые были определены как выходящие за рамки проекта. Они включали в себя предложения по удалённому управлению как для домашних, так и для коммерческих пользователей, в том числе — встраивание в существующие системы охраны.

▍Фаза №2: Проектирование модели для проверки работоспособности концепции

Команда решила, что проект должен быть основан на легко доступных комплектующих и технологиях для того, чтобы он, как практический пример, был как можно более полезным для сообщества разработчиков. В результате было выбрано следующее: Grove IoT Commercial Developer Kit, Intel IoT Developer Kit, Intel IoT Gateway Software Suite. Кроме того, было решено использовать программные технологии, которые широко распространены и при этом либо бесплатны, либо стоят недорого, применяя везде, где это практически осуществимо, бесплатное ПО с открытым исходным кодом (free open-source software, FOSS).

Для того, чтобы ускорить прохождение проектом стадии прототипа и снизить сложность работ, ту часть системы, которая должна располагаться в доме, решили построить в виде стендовой модели. Она должна была включать в себя вычислительную платформу и датчики без включения в прототип реалистичной модели умного дома, хотя на следующих стадиях проекта такая модель будет создана и испытана.

Выбор аппаратного обеспечения для прототипа

Для использования в прототипе был выбран компьютер малого форм-фактора Intel NUC Kit DE3815TYKHE. Система эта отличается надёжностью и высокой производительностью. Кроме того, команда сочла, что, являясь одной из самых свежих аппаратных платформ от Intel, рассчитанных на сферу IoT, этот компьютер подойдёт не только для данной версии проекта, но и для возможных будущих его реализаций. Intel NUC основан на процессоре Intel Atom E3815 с пассивной системой охлаждения, оснащён 4 Гб встроенной флэш-памяти (при необходимости к нему можно подключать SATA-накопители), а также — разнообразными портами ввода-вывода. Intel NUC — это компьютер, который, будучи весьма компактным устройством, поддерживающим расширение возможностей, предоставляет функционал на уровне традиционного настольного ПК.

Компьютер Intel NUC Kit DE3815TYKHE и плата Arduino 101

Для того, чтобы упростить процесс взаимодействия с датчиками, команда воспользовалась наработками экосистемы Arduino. В частности, было решено применить платформу Arduino 101. Благодаря ей NUC может взаимодействовать с платами расширения для Arduino, кроме того, такой выбор соответствует духу проекта, нацеленному на максимальное использование открытых технологий. В текущей версии проекта не используется Bluetooth, но Arduino 101 оснащён соответствующим модулем, поэтому было отмечено, что эта возможность может использоваться в будущих версиях проекта.

Вот характеристики компьютера и платы, используемых при построении прототипа:

Характеристика Intel NUC Kit DE3815TYKHE Arduino 101
Процессор / микроконтроллер Процессор Intel Atom E3815 (Кэш-память 512 Кб, 1.46 ГГц) Вычислительный модуль Intel Curie, тактовая частота 32 МГц
Память 8 Гб DDR3L-1066 SODIMM (максимум) 196 Кб флэш-памяти
24 Кб SRAM
Сетевые возможности / порты ввода-вывода Интегрированный сетевой адаптер 10/100/1000 Мбит/с 14 цифровых и 6 аналоговых выводов
Размеры 190 мм x 116 мм x 40 мм 68.6 мм x 53.4 мм
Спецификация Полная спецификация Полная спецификация

Что касается датчиков и других компонентов, необходимых для создания прототипа, то они взяты из Grove Starter Kit for Arduino (производства Seed Studio), который основан на Grove Starter Kit Plus, используемом в Grove IoT Commercial Developer Kit.

Этот комплект можно приобрести по доступной цене, и, так как он содержит заранее подобранный набор компонентов, его использование уменьшает усилия, необходимые для подбора и покупки материалов для IoT-прототипов. Выбор датчиков и других компонентов для прототипа (подробнее об этом ниже) продиктован необходимостью сбора следующих ключевых данных, жизненно важных для функционирования проекта.

  • Состояние входной двери: заперта или нет, закрыта или открыта.
  • Состояние гаражной двери: закрыта или открыта, заблокирована или разблокирована.
  • События: нажатие на кнопку дверного звонка, запирание и отпирание входной двери, открывание и закрывание входной двери, открывание и закрывание гаражной двери, блокировка гаражной двери.

Спецификация ПО прототипа

В качестве операционных систем для вычислительных устройств, используемых в прототипе, команда выбрала Yocto Linux, а также — IoT Gateway Software Suite. Yocto Linux соответствует целям проекта по использованию бесплатного ПО с открытым кодом, она предлагает высокий уровень гибкости, а так же — надёжный контроль исходного кода и возможность создания собственных сборок встроенных ОС, привязанных к нуждам конкретного проекта. Intel IoT Gateway Software Suite, с другой стороны, даёт готовую реализацию ОС, без необходимости дополнительной настройки. Кроме того, эта система предоставляет функционал Node-RED для нужд разработки. Такая комбинация факторов была признана командой исключительно полезной, в итоге Intel IoT Gateway Software Suite была выбрана в качестве ОС шлюза для прототипа.

В рамках проекта было решено разработать следующие приложения:

  • Управляющее приложение, которое будет работать в модели умного дома, собирать показатели датчиков и обрабатывать операции электромеханической части решения (например, открывать и закрывать гаражную дверь), оно же отвечает за обмен данными с пользователем (через административное и мобильное приложения) и с облаком.
  • Административное приложение, предназначенное для запуска на компьютере или планшете. Оно предоставляет детальный обзор происходящего в умном доме, в том числе — сведения о событиях и о состояниях объектов. Так же оно будет давать доступ к журналам, к облачным данным и аналитике.
  • Мобильное приложение рассчитано на смартфоны и другие мобильные устройства. Оно даст пользователю возможность открывать и закрывать гаражную дверь, а также — наблюдать за тем, что именно происходит дверью: открывается она, закрывается, или заблокирована.

▍Фаза №3. Создание и доводка прототипа

Концептуальный прототип был создан с использованием компьютера Intel NUC Kit DE3815TYKHE, платы Arduino 101 и набора компонентов Grove Starter Kit Plus IoT Edition.

Прототип был построен в виде стендовой модели, не подключённой к механическим объектам, таким, как двери. Команда проекта решила, что на данной стадии работы в этом нет необходимости. Вместо этого, например, датчик угла поворота использовался для имитации запирания и отпирания двери, шаговый двигатель символизировал гаражную дверь, а обычная кнопка играла роль дверного звонка, который будет присутствовать в полной модели умного дома.

Вот перечень материалов, использованных на данном этапе работы.

Компоненты из Grove Starter Kit Plus IoT Edition.
Кроме того, команда проекта пришла к выводу, что система в модели умного дома должна функционировать даже в том случае, если облачная часть недоступна или связь с интернетом ненадёжна.

Управляющее приложение, используемое в прототипе, было написано на JavaScript. Оно подключается к IBM Bluemix, обменивается данными с облаком. Приложения, административное и мобильное, так же обмениваются данными с облаком для поддержки функций системы. Среди них — открывание и закрывание гаражной двери, запирание и отпирание входной двери, а также — отправка уведомлений о событиях, таких, как срабатывание дверного звонка. Мобильное приложение так же написано на JS, оно рассчитано на веб-браузеры. Сделано это для того, чтобы избежать необходимости переноса приложения на несколько мобильных платформ.

Среда разработки, используемая при создании ПО для этого решения — это Intel XDK IoT Edition, которая входит в поставку Grove IoT Commercial Developer Kit. Кроме того, её можно бесплатно загрузить здесь. XDK позволяет разработчикам создавать, исполнять и отлаживать Node.js-приложения непосредственно на платформах, основанных на архитектуре Intel, в том числе — Intel NUC Kit DE3815TYKHE. Поддерживает эта среда и Node-RED.

Для того, чтобы работать с портами ввода-вывода на NUC, необходимо воспользоваться C/C++ библиотекой MRAA, в которой предусмотрены средства взаимодействия с JavaScript и Python для работы с другими платформами. Она предоставляет структурированное и хорошо продуманное API, где имена и нумерация портов соответствуют аппаратному обеспечению. Кроме того, при разработке ПО для этого решения применялся протокол Firmata, который позволяет организовать программное взаимодействие с окружением разработки для Arduino, пользуясь возможностями аппаратной абстракции Arduino. Библиотека Libmraa позволяет улучшить программный контроль над средствами ввода-вывода на NUC, упрощая процесс сбора показателей датчиков. UPM предоставляет вызовы специальных функций, которые используются для доступа к датчикам.

Прототип умного дома включает в себя кнопку активации для гаражной двери, кнопку и зуммер для дверного звонка, датчик прикосновения, который позволяет определить, открыта или закрыта входная дверь, датчик угла поворота для имитации отпирания и запирания входной двери и ЖК-дисплей с цветной подсветкой, который отображает, закрыты или открыты гаражная и входная двери. Кроме того, когда звонит дверной звонок, на дисплей выводится сообщение. Прототип включает в себя светодиоды, которые используются для показа сведений о том, закрыта или открыта гаражная дверь.

Приложение для прототипа, работающее в среде Node.js, собирает показатели датчиков и выводит сведения на ЖК-дисплей. Если сообщение о том, что дверь открыта (Door Open) отображается на дисплее, загорается зеленый светодиод. Если выводится сообщение о том, что дверь закрыта (Door Close), загорается красный светодиод. Кроме того, приложение может управлять шаговым двигателем для открывания и закрывания гаражной двери, хотя, ради простоты, в прототипе эта функция не реализована.

▍Фаза №4. Создание стабильной бета-версии

Как только прототип, позволяющий доказать работоспособность концепции проекта, был завершён, команда убедилась в том, что его функционал достаточен для реализации на его основе готового продукта. В проекте, на данной фазе его развития, можно выделить следующие основные части:

  • Физическая модель дома, которая построена в уменьшенном масштабе. Она включает в себя функциональные части, используемые в решении, а именно, это дверной звонок, входная дверь, гаражная дверь и связанные системы.
  • Шлюз на базе архитектуры Intel, который можно найти в свободной продаже. На него установлено собственное программное обеспечение.
  • Клиентское приложение, написанное на JavaScript. Оно используется для управления решением в целом, для создания облачной аналитики и работы с ней.
  • Облачная часть системы, основанная на IBM Bluemix. Кроме прочего, Bluemix позволяет собирать сведения об особенностях работы решения, и, на их основе, оптимизировать его.

Выбор компонентов для бета-версии

Первый шаг на данном этапе заключается подборе компонентов, которые будут использоваться в готовом продукте.

Подготовка модели умного дома

Так как команда остановилась на варианте создания прототипа в виде модели, было решено построить масштабную модель дома и смонтировать на ней всё необходимое. Для создания модели команда привлекла стороннего специалиста с соответствующим опытом. Вот исходная спецификация модели умного дома и его набросок.

Набросок модели умного дома

Модель дома выполнена в масштабе 1/12 из фанеры, усиленной металлическими вставками. Размер модели — около метра по каждому измерению. Крыша и двери сделаны съёмными — для того, чтобы в ходе испытаний удобно было работать с устройствами, смонтированными внутри.

Вот основные компоненты модели, которые нас интересуют:

  • Входная дверь, которую открывают и закрывают вручную. На неё установлены датчики, предоставленные Intel, которые позволяют определять, открыта дверь или закрыта. Также на дверь установлена работающая кнопка дверного звонка.
  • Гаражная дверь с автоматическим открыванием и закрыванием. Здесь используются шаговые двигатели и датчики, определяющие, находится ли дверь в полностью открытом или полностью закрытом положении. Здесь же имеется пластиковый ограничитель, который позволяет предотвратить повреждения, если дверь заблокирована.

На этой стадии были приняты и другие важные решения. Они включали в себя выбор серийно производимых датчиков, шлюза, основанного на архитектуре Intel, облачной службы для хранения и анализа данных и программных технологий для клиентского приложения.

Выбор датчиков и других компонентов

Вот список серийно производимых датчиков и сопутствующих компонентов, которыми заменены соответствующие части системы, ранее взятые из Grove Starter Kit.

  • IoT-шлюз Dell iSeries Wyse 3290 IoT Gateway.
  • USB-кабель A — Micro USB B для подключения контроллера I2C/GPIO к шлюзу.
  • Источник питания, 12 В, 10 А, который используется для электропитания системы.
  • Разветвитель для цепей постоянного тока (1 — 2), который позволяет подавать питание на шлюз и датчики с одного источника постоянного тока.
  • Логический конвертер (двунаправленный адаптер), который позволяет осуществлять конверсию между двумя различными логическими уровнями (например, между 3.3 В и 12 В).
  • Расширитель портов IIC в GPIO, построенный на микросхеме PCA9555, позволяет расширить порт I2C в 16 GPIO-выводов.
  • Расширитель портов FT4222H USB Eval 2.0 — Quad SPI, который позволяет расширить USB-порт в набор портов SPI, I2C, 4xGPIO.
  • Шаговый двигатель Applied Motion NEMA23 High Torque.
  • Модуль управления шаговым двигателем Applied Motion STR2.
  • Прямоугольный монтажный кронштейн ST12C, который используется для крепления инфракрасных отражателей серии DM.
  • Прямоугольный инфракрасный рефлектор Pad RL204–1.
  • Фотоэлектрический инфракрасный датчик DMP-0N-1A.
  • Магнитный переключатель OMRON GSL-1.
  • Кнопка для звонка Grayhill-Inc 30.
  • Концевой выключатель с роликом Highly Electric Z15G1704 (3 штуки).

Выбор шлюза

Вот некоторые из факторов выбора шлюза, который планируется использовать в готовом продукте:

  • Высокая вычислительная мощность, необходимая для того, чтобы обеспечить стабильный уровень производительности и избежать ошибок, связанных с перегрузками системы во время работы.
  • Доступность на рынке. Очевидно, от шлюза зависит весь проект, поэтому выбор устройства, которое непросто приобрести, затормозит работу. Кроме того, выбранный шлюз должен быть доступен в достаточных количествах в расчёте на пока гипотетическую стадию серийного выпуска разрабатываемого продукта.

В итоге для применения на следующих стадиях развития проекта был выбран шлюз Dell iSeries Wyse 3290 IoT Gateway. Он оснащён микропроцессором Intel Celeron N2807 с 1 Мб кэш-памяти и с тактовой частотой до 2.16 ГГц. В устройство установлено 4 Гб оперативной памяти DDR3 (1600 МГц). Шлюз оснащён сетевой картой (10/100/1000 BASE-T), Wi-Fi-адаптером (802.11a/b/g/n/ac) и модулем Bluetooth 4.0 Low Energy. Устройство отличается компактными размерами (69 мм x 197.5 мм x 117 мм) и небольшим весом (2.34 кг).

Выбранный шлюз предоставляет достаточный уровень производительности, причём, не только для проекта в его существующем варианте, но и для будущих версий. Кроме того, устройство легко найти в продаже, а при необходимости, на стадии производства — приобрести в больших количествах.

Команда решила продолжить использование Intel IoT Gateway Software Suite (данное ПО уже использовалось в прототипе). Это совершенно очевидный шаг, в особенности — потому что выбранный шлюз был изначально рассчитан на эту ОС. Более того, и Intel NUC, и Dell iSeries Wyse, могут работать под управлением одной и той же ОС, что упрощает процесс переноса ПО из прототипа системы в её версию, готовую к выпуску. Аналогично, другие важнейшие программные компоненты, такие, как Intel XDK и библиотеки, задействованные в прототипе, остаются неизменными, что упрощает переход проекта к фазе производства.

Вот таблица со сведениями по отслеживаемым состояниям датчиков. Для каждого датчика значение в столбце «Открыто» и «Закрыто» показывает возвращаемый логический уровень, а «Фронт сигнала» — на то, какой фронт сигнала отслеживается.

Датчик Открыт Закрыт Фронт сигнала Описание
Инфракрасный датчик 1 Оба Остановить или возобновить действие с гаражной дверью
Датчик дверного звонка 1 Задний фронт Инициировать событие срабатывания дверного звонка
Датчик открытия или закрытия входной двери 1 Оба Инициировать события открывания и закрывания двери
Датчик запирания и отпирания входной двери 1 Оба Инициировать события отпирания и запирания двери
Датчик, указывающий на то, что гаражная дверь закрыта 1 Задний фронт Остановить гаражную дверь, инициировать событие полного закрытия двери
Датчик, указывающий открыта то, что гаражная дверь открыта 1 Задний фронт Остановить гаражную дверь, инициировать событие полного открытия двери

Архитектура системы

На рисунке ниже показана принципиальная схема рассматриваемого решения.

Принципиальная схема решения

▍Фаза №5. Оценка возможностей продукта и расширение функционала

Прежде чем оценить возможности решения для умного дома, команда установила аппаратное обеспечение в модель и настроила программные компоненты системы. Вот, как всё это выглядит.

Система, смонтированная в модели дома

Особенности административного и мобильного приложений

Команда решила, что полезным для всего проекта будет включение в него двух отдельных приложений. Одно — для администрирования, второе — для конечных пользователей.

  • Первое — административное приложение-клиент. Оно предназначено для использования системными администраторами, поддерживает функционал тестирования и поиска ошибок и даёт доступ к облачным аналитическим данным.
  • Второе — мобильное приложение, предназначенное для конечных пользователей. Оно позволяет управлять дверным звонком и гаражной дверью, позволяет узнать о том, открыты или закрыты двери, а также о том, заперта ли входная дверь.

Реализация административного и мобильного приложений

Вместо того, чтобы создавать несколько версий клиентских приложений для различных платформ (или усложнять проект разработкой кроссплатформенного приложения), команда решила реализовать административное и мобильное приложения на HTML5 и JavaScript, используя Intel XDK IoT Edition. Такой подход позволяет, используя единственную версию приложения, обеспечить поддержку множества аппаратных платформ, с которыми могут работать администраторы и пользователи. Вот основные платформы, на которые ориентировалась команда:

  • Устройства, работающие под управлением iOS, в том числе — планшеты iPad и смартфоны iPhone.
  • Устройства, на которых установлена Android — различные смартфоны и планшеты.
  • Ноутбуки и настольные ПК с Windows или Linux.

Функционал запирания двери

Команда решила, что будет весьма полезным добавить в систему возможность отображения состояния входной двери — заперта она или нет, в дополнение к сведениям о том, открыта она или закрыта, а также о том, открыта или закрыта гаражна

Добавить комментарий