Нови Технологии

Червей до датчика: Какво се случва при лоши IoT данни?

Владимир Владков

Предприятията, опитващи се да използват Интернет на нещата (IoT), вече са изправени пред потоп от данни и хиляди средства да ги анализират. Но какво се случва, ако информацията е грешна?

Лошите данни не са изключение при IoT и въпреки че е трудно да се оцени каква част от потока информация от свързаните устройства не може да бъде използвана, много специалисти вече мислят по проблема.

Около 40% от всички данни от датчиците от IoT мрежите са „фалшиви“, смята Харъл Кодеш, вицепрезидент на софтуерния бизнес Predix на General Electric (GE) и СТО на GE Digital. Много от тези данни не са грешни, просто са безполезни – дублирана информация, която служители са качили два пъти, или повтарящи се съобщения, която машини, работещи „на празен ход“, пращат автоматично.

Освен това изграждането на нова IoT платформа върху стари индустриални отчетни системи може да доведе до проблеми заради остарелия формата на самите данни, добавя Кодеш.

Но понякога IoT устройствата просто генерират фалшиви или подвеждащи неща.

Измерване на грешното нещо

Ако например червей пропълзи покрай датчика за температура и влажност в почвата, то фермерът ще получи отчет за топлината и влажността на червея, което не помага за подобряване работата на фермата. Същото се получава, ако сензор се покрие с прах или мръсотия от фабриката, или бъде повреден от вандали, които могат да разбъркат данните, които той генерира.

Колкото по-сурови са условията в околната среда и по-изолирано устройството, толкова по-голям е проблемът с лошите данни. Освен в селското стопанство, индустриите, които се сблъскват с това, са нефто- и газодобивните компании, електроразпределителни дружества и други. Дори в болниците сензорът за кислород в кръвта, закрепен върху пръста на пациента, може да започне да праща лоши данни, ако бъде поставен в грешна позиция.

Освен всичко споменато дотук някои IoT устройства се повреждат сами и започват да пращат лоши данни или спират да докладват въобще. В много други случаи има човешка грешка: грешни настройки объркват онова, което генерира устройството.

Един от начините за намаляване на лошите данни е проверка за правилната настройка на оборудването. Компанията John Deere снабдява своите гигантски селскостопански машини с датчици, които засичат дали машините работят правилно.

Машината за садене ExactEmerge на компанията, която „се търкаля“ зад трактора за засаждане на семена в цяла една област, има три сензора на ред за култури, за да засича колко семена се засаждат и с каква скорост. Най-малко веднъж годишно, преди времето за засаждане, земеделският производител или дилър на Deere ръчно калибрира тези сензори, така че те са точни, заяви Лейн Артур, директор за цифровите решения в Deere.

Колкото повече, толкова по-добре

Но много IoT сензори са труднодостижими за редовно калибриране и поддръжка. В много случаи отговорът е резервен датчик, но това не е перфектното решение.

Дублирането на същия сензор в машина, в мина или на полето генерира повече въвеждания, което само по себе си е полезно. Weather Underground, част от фирмата на IBM Weather Company, създава своите доклади частично от данни, идващи от некалибрирани евтини сензори в нивите на своите потребители. Струващи доста евтино, те дават на Weather Underground много точки за данни, но качеството им е голям проблем. Един сензор може да се повреди и да докладва за дъжд от няколко сантиметра на квадрат, докато съседният не усеща нищо, казва Джон Кон, IBM Fellow за в Watson IoT. „Ако обаче имате достатъчно нагъсто подобни датчици, можете по математически път да откриете големите разлики в стойностите и това да ви свърши работа“, добавя Кон.

Компаниите могат да ползват и различни сензорни устройства, особено камери, за да проверят дали датчиците имат проблеми. Видео камера, съчетана със софтуер за анализ на изображения, може да засече дали отдалечено устройство се е замърсило, повредило се или е било ударено от вандал, обяснява Дъг Белин, старши мениджър в Cisco Systems. Понякога камерите за сигурност, които вече са монтирани, могат да свършат и тази задача.

Друга техника за проверка на различни типове датчици се нарича „сливане на сензори“. Чрез нея се претеглят данните от два или повече датчици, за да се направи заключение. Тази техника е внедрена в някои болници, в които фалшивите предупреждения са скочили, казва Стан Шнайдер, президент и изпълнителен директор на IoT компанията Real-Time Innovations (RTI). Вместо да изключва алармата всеки път, когато датчикът за кислород в кръвта, поставен на пръста на пациента покаже ниско ниво на кислород, системата за „сливане на сензори“ постоянно сравнява тези отчитания с онези от другите сензори на същия пациент като мониторите за дишане и за сърдечния ритъм.

Сензор фантом

Други източници на грешни данни могат да идват от сензор, който дори вече не е на мястото си. GE тества всеки самолетен двигател, който излиза от нейните фабрики, за температура на отработените газове, като този параметър отразява неговата ефективност, казва Кодеш. GE поставя един датчик на пътя на отработените газове, въпреки че той винаги изгаря след няколко минути. Междувременно сензори в защитени места около двигателя събират данни. Сравнявайки ги с отчетите от „изгорелия“ датчик (преди разрушаването му), GE може да пресъздаде директният датчик в нов, виртуален – чрез математическа функция.





© Ай Си Ти Медиа ЕООД 1997-2019 съгласно Общи условия за ползване

X