Войти в систему
Войти с помощью соц. сетей:
Центральное место в концепции Интернета вещей занимает промышленный Интернет. Именно он обеспечивает основную инфраструктуру, которая поддерживает подключенное оборудование и данные. Этот термин, который в основном применяется к промышленному гиганту General Electric, означает интеграцию машин с датчиками, программным обеспечением и системами связи, которые вместе образуют Интернет вещей. Промышленный Интернет объединяет технологии и процессы из таких областей, как большие данные, самообучение машин и межмашинная коммуникация (М–М).
Одни называют этот подключенный к Интернету бизнес-мир индустрией 4.0, намекая на четвертую волну революционных промышленных инноваций (предыдущие открыли миру механизацию, массовое производство и внедрение компьютеров и электроники), другие — просто умной индустрией или умным производством. Неудивительно, что разные компании придумывают этому явлению свои броские названия. Например, IBM называет данную технологию «умная планета», а Cisco Systems довольствуется «Интернетом вещей».
Независимо от того, какой именно выбран термин, структурная основа для следующего шага в бизнесе и технологиях, по сути, будет одна и та же. Промышленный Интернет и Интернет вещей держатся на одном технологическом фундаменте и действуют в одном и том же виртуальном пространстве, хотя первый часто рассматривается как обособленная часть или компонент Интернета вещей. Но и у того и у другого есть общая цель — объединение физического и виртуального миров, стирание границ между ними, а также различий между машиной и человеком, чтобы создать намного более мощный интеллект, чем это возможно с помощью одной машины или одного устройства.
Одни называют этот подключенный к Интернету бизнес-мир индустрией 4.0, намекая на четвертую волну революционных промышленных инноваций (предыдущие открыли миру механизацию, массовое производство и внедрение компьютеров и электроники), другие — просто умной индустрией или умным производством.
До сих пор промышленный Интернет тесно связан с умными счетчиками учета потребления, отслеживанием транспортных средств и имущества, а также оптимизацией работы заводов, оборудования и машин. Однако в последующие несколько лет существующие цифровые устройства будут намного более тесно связаны с работой оборудования. Кроме того, промышленный Интернет станет служить фундаментом для разнообразных потребительских устройств и систем, которые мы рассмотрим в следующей главе.
В отчете McKinsey Global Institute под названием «Интернет вещей»1 говорится следующее:
По мере того как возникают новые способы создания ценности, бизнес-модели, основанные на сегодняшней (по большей части статичной) информационной архитектуре, вынуждены решать новые задачи. Когда в реальном времени считываются предпочтения определенного потребителя в определенной географической точке, динамическое ценообразование может повысить вероятность покупки. А если знать, насколько часто или интенсивно используется товар, можно предусматривать дополнительные варианты — например, плату за использование, а не прямую продажу. Если весь производственный процесс будет оснащен множеством датчиков, то управление производством будет эффективнее. Когда производственная среда непрерывно проверяется на наличие опасных факторов, а сами объекты корректируют свои действия во избежание повреждений, число рисков и связанных с ними расходов сокращается. В результате выигрывают те компании, которые используют эти возможности. Иные же будут неконкурентоспособными.
На самом базовом уровне как Интернет вещей, так и промышленный Интернет имеют отношение к данным и извлечению из них пользы. Сегодня благодаря всеобщей компьютеризации и практически повсеместному сетевому взаимодействию биты и байты данных перемещаются по всей планете в реальном времени. Все больше разнообразных устройств (стационарные компьютеры, ноутбуки, планшеты и смартфоны) служат средством быстрого сбора, обмена и доступа к данным все большего объема. Разумеется, функционирование подключаемых устройств (всех, от инсулиновых помп в больницах до домашних систем освещения) и обратная связь, позволяющая принимать решения, зависят прежде всего от данных.
Специалисты по обработке данных ввели термин «ценность точной информации». Речь идет о способности так располагать точки ввода данных, а затем собирать и анализировать информацию, чтобы получать наиболее полную картину. Достичь этой цели невероятно сложно, потому что чрезвычайно трудно собрать все данные, необходимые для получения идеальной картины, а затем выстроить такой алгоритм, который будет надлежащим образом учитывать все возможные переменные. Например, способность верно прогнозировать погоду зависит от четкого сбора точных данных, ввода релевантных данных и их осмысления путем применения сложных алгоритмов. То есть теоретически, если бы ученые задействовали подходящие системы и программное обеспечение, а также получили доступ к достаточной вычислительной мощности, прогнозы погоды были бы точными на 100%.
На сегодняшний день существует слишком много переменных величин и ограничений, чтобы получить идеальную картину некого сложного события в любой сфере, будь то прогнозы погоды, сельское хозяйство, производство, здравоохранение, транспорт или рынок ценных бумаг. Поэтому вместо попыток создавать идеальные модели специалисты по обработке данных сосредоточились на построении самых лучших возможных моделей с использованием больших данных и аналитики. Здесь огромную роль играет прогнозная аналитика, которая выявляет и осмысляет события еще до того, как они произойдут. Например, это позволит банку выявить потребителя, который подумывает купить новый автомобиль, но еще не начал присматриваться к разным моделям. На заводе будут заранее знать, когда должна сломаться деталь в каком-то оборудовании, а в супермаркете — какие продукты купит тот или иной человек.
Поток данных от подключаемых объектов и оборудования разрастается в геометрической прогрессии. Согласно отчету компании по управлению данными Wipro под названием «Большие данные: ускорение процессов производства», за время шестичасового рейса на Боинге-737 из Нью-Йорка в Лос-Анджелес генерируется колоссальное количество информации — 120 терабайт. Вся она собирается и хранится в самолете2. Что еще более важно, эти данные могут быть проанализированы, чтобы выявить все аспекты работы двигателя.
Неудивительно, что информация становится ценным экономическим активом. Согласно прогнозу фирмы Gartner, занимающейся консалтингом в области IT, через несколько лет информационные активы и данные крупных компаний уже будут у них на балансе. Превращение данных в валюту повлияет на оценку товарно-материальных ценностей, сделки по слиянию и поглощению и многое другое. Однако эта экономическая ценность значит куда больше, чем просто активы. По оценке McKinsey Global Institute, большие данные могут снизить затраты на разработку продукции производственных компаний на 50% и больше3. Изучение огромного количества точек ввода данных аналитическими программами приведет к обнаружению недостатков в качестве товара или услуг, снизит эксплуатационные расходы и в корне изменит подход компаний к инвестированию в людей и оборудование.
Картина действительно меняется по мере того, как компании учатся получать доступ к большим данным и использовать их. Хотя базы данных, программные приложения и неструктурированные потоки информации уже приносят массу новых знаний, эти источники блекнут на фоне обширной и еще не исследованной области данных, которая существует в пределах физических границ нашей планеты. До сих пор способов измерить, собрать и обработать эти данные не существовало. Они всегда находились за пределами нашего восприятия и почти точно так же были недоступны для приборов — подобно тому, как сомнительным выглядит существование радиоволн и ультрафиолетового излучения. Электромагнитные волны стали иметь для человека значение только тогда, когда он создал устройства и системы, способные их обнаруживать.
Интернет вещей обещает на порядок увеличить количество точек ввода данных. Сочетание повсеместного подключения к Сети, недорогих датчиков и простой микроэлектроники дает возможность подключать к Интернету буквально все что угодно. Пакеты с молоком, дороги, мосты, транспортные средства, деревья, оборудование, медицинские приборы и энергетические установки вдруг превращаются в точки ввода данных. Данные пересекаются и тем самым создают новые знания и возможности.
В центре промышленного Интернета находятся датчики. За последние несколько лет развитие технологий (что сопровождалось уменьшением размеров устройств) привело к новому восприятию объектов в естественной среде.
Сегодня перечень устройств для ввода данных и подключаемых систем включает в себя самые разнообразные вещи: модули геолокации и GPS, сканеры штрихкодов, термометры, барометры, приборы для измерения влажности, датчики вибраций, датчики давления, гироскопы, магнитометры, камеры, аудио- и видеомониторы, акселерометры, датчики движения, радары, сонары и лидары. Последние используются компанией Google для управления гуглмобилями. Эти беспилотные автомобили проехали без водителей более 700 000 миль, при этом не произошло ни одного столкновения, вызванного техническими причинами.
Датчики собирают данные, но для их управления и осмысления нужны компьютеры, системы хранения и программное обеспечение. Подключаемые системы часто опираются на интерфейс прикладных программ (API), чтобы сделать данные доступными для приложений, когда и где требуется (эти небольшие программные компоненты соединяют между собой различные устройства и программы, по сути определяя процесс взаимодействия и способы обмена данными). Они обеспечивают окончательную обработку в целях извлечения данных, распознавания лиц и перевода на другой язык. Например, система опознает человека или на основе выражения его лица предлагает ему определенные товары, когда он входит в магазин. Либо же позволяет человеку сфотографировать вывеску или сообщение на неизвестном ему языке и мгновенно получить перевод. Также система использует технологию расширенной реальности, которая позволяет человеку сфотографировать какой-нибудь объект (например, Эйфелеву башню) и тут же получить всю информацию о нем. Информация в виде полупрозрачного принта появляется поверх изначального изображения или на дисплее умных очков типа Google Glass.
Возможности безграничны, а потенциальные выгоды для бизнеса значительны. По словам консультантов компании McKinsey Майкла Чуи, Маркуса Леффлера и Роджера Робертса, промышленный Интернет вещей несет с собой совершенно новые перспективы. Вот что они писали в 2010 г. в отчете под названием «Интернет вещей»4:
Некогда предсказуемые пути информации перестают быть таковыми: физический мир становится чем-то вроде информационной системы… Эти сети производят огромные потоки данных, которые поступают на компьютеры для анализа. Когда объекты начинают воспринимать элементы среды и передавать информацию, они превращаются в инструменты для комплексного понимания мира и быстрого реагирования на любую ситуацию. Принципиальное изменение состоит в том, что теперь эти материальные информационные системы начинают разворачиваться и некоторые из них могут обходиться без человеческого вмешательства.
Что же все это несет для наиболее передовых компаний? Генерируемые машинами данные сейчас составляют около 15% всех данных, имеющихся у компаний. Однако в течение следующих десяти лет этот показатель, по всей видимости, увеличится до 50%. Интеллектуальные активы — по сути, устройства, оснащенные датчиками и подключенные друг к другу — будут контролировать параметры, предоставлять данные об использовании и поведении оператора, а также следить за условиями и техническим состоянием.
Интернет вещей, скорее всего, станет источником огромной прибыли в промышленности и коммерческой отрасли. Если снизить затраты на топливо всего на 1% или настолько же уменьшить капитальные затраты для непроизводительной системы, то экономия составит десятки и даже сотни миллиардов долларов. Промышленный Интернет породит экономическую деятельность, измеримую в десятках триллионов долларов.
Промышленный Интернет предоставляет несколько ключевых возможностей — и они часто пересекаются по мере того, как компании вводят технологии в действие. Среди них:
Теперь с помощью всевозможных камер, датчиков и спутников легко отслеживать движение и перемещение объектов. Такие данные во многом определяют ситуацию в современном мире. Цифровые камеры отмечают геолокацию с помощью фотографий; вышки сотовой связи фиксируют тот момент времени, в который абонент попадает в их радиус действия с мобильным телефоном; устройства для считывания карт и системы магнитных ключей, такие как E-ZPass, регистрируют, когда водители проезжают мимо пунктов приема платежей на платных дорогах; а социальные медиа (например, Facebook, Twitter и Yelp) используют эту технологию, чтобы отмечать, где и когда человек входит в систему или обновляет статус на своей странице. Кроме того, модули GPS и спутники идентифицируют, где именно находятся самолеты, поезда и другие транспортные средства в конкретный момент времени.
Несмотря на то что система глобального позиционирования (GPS) существует уже более 20 лет (а идея использовать спутники на орбите Земли зародилась еще в 1950-х гг.), она представляет собой лишь один фрагмент огромного пазла — местоположения объектов. Другие ключевые компоненты включают вычислительные устройства с адресами управления и доступом к среде (MAC-адресами), предоставляющие уникальный идентификатор машины; IP-адреса, которые определяют местонахождение устройства в сети Интернет; Ethernet-адрес, указывающий местонахождение устройства в локальной сети (LAN); радиочастотные метки и другие подобные датчики, соединяющие физический и виртуальный миры.
В Интернете вещей смартфоны представляют собой «последнюю милю» канала данных о геолокации. Они обеспечивают сбор данных на постоянной основе с помощью использования GPS-чипов, триангуляции вышек сотовой связи и, если сигнал все-таки слишком слаб или вообще недоступен из-за здания или иного препятствия, беспроводной связи или технологии A-GPS. Эти средства работают на основе разных сетевых ресурсов, чтобы идентифицировать абонента, а также его местонахождение для обмена данными с устройством.
Системы геолокации в режиме реального времени уже используются в разных отраслях. Например:
С хорошим примером cистемы позиционирования в реальном времени и ее ролью можно познакомиться в Орегонском университете науки и здоровья. В этом научно-исследовательском медицинском институте в Портленде метки присваиваются самому разному медицинскому оборудованию, от инфузионных помп до костылей, что облегчает их поиск. Кроме того, с помощью меток проще отслеживать рабочие характеристики устройств. Такой подход не только экономит время, которое иначе было бы потрачено на поиск и проверку устройств, но и помогает убедиться, что они в рабочем состоянии. В настоящее время Орегонский университет науки и здоровья изучает возможность создания меток для пациентов и врачей, чтобы лучше понимать, где они проводят время, как перемещаются на территории учреждения, сколько времени у пациентов уходит на ожидание врача. «Данная технология позволяет понять, как мы можем повысить свою производительность», — говорит Деннис Минсент, руководитель отдела клинических технологий.
А Hawaiian Legacy Hardwoods объединила низкотехнологичное дерево и экотуризм с ультрасовременными разработками. С 2010 г. эта компания, штаб-квартира которой расположена в Гонолулу, снабдила пассивными радиочастотными метками с GPS-координатами более 225 000 деревьев. База данных содержит информацию о семенном фонде, режиме питания и полива и т.д. Все это время компания добавляет процессы в базу данных и корректирует их на основании информации, получаемой от сети деревьев. «Мы можем отследить практически все, что происходит с деревом. Мы просто его сканируем, а затем записываем и регистрируем данные», — рассказывает директор по информационным технологиям Уильям Гиллиам.
Такая технология, как iBeacon от Apple, предоставляет еще больше возможностей, которые способны кардинально изменить процесс совершения покупок. Если продавец отслеживает маршрут движения покупателя по магазину и видит, где тот подолгу останавливается, то он может собрать данные о моделях поведения покупателя и пропустить их через специальную программу для анализа. Это поможет ему определить, стоит ли предложить этому человеку купон на скидку или что-то еще, и если да, то какой должна быть скидка. Все данные в совокупности, полученные при анализе тысяч или десятков тысяч покупателей, помогут продавцу усовершенствовать свой магазин. Например, изменить расположение товаров на полках, что приведет к росту продаж. Подобные программы для анализа улавливают такие тенденции и взаимосвязи, которые не заметить невооруженным глазом.
Еще один способ использовать датчики — встроить их в элементы физической среды, включая дороги, здания, почву, растения и воду океана. Когда сотни и тысячи датчиков подключены друг к другу, можно просматривать данные с более высоким разрешением и лучше понимать взаимосвязи и модели. Например, умная городская транспортная сеть может эффективно управлять движением транспорта и оптимизировать работу светофоров для максимального потока автомобилей. Это не только ускорит транспортное сообщение, но и позволит пользоваться дорогой большему количеству автомобилей одновременно.
Эти технологии могут принести немало пользы в сельском хозяйстве и прогнозах погоды. Сегодня фермеры используют датчики, встроенные в машины и поля, чтобы распространять удобрения и пестициды более точно (и, как следствие, снизить потенциальный вред для окружающей среды). Датчики отслеживают уровень содержания влаги в почве и включают оросительную систему, если требуется. Даже коровы, свиньи и другие животные все чаще подключаются к сети. По некоторым оценкам, в США и Европе сейчас уже более 14 млн подключенных ферм, а к 2020 г. число подключенных устройств на фермах превысит 70 млн. Информационную революцию совершают такие компании, как OnFarm и Trimble, которые выпускают системы для измерения самых разнообразных показателей, от уровня и натяжения почвенной влаги до величины pH и оптимальных моделей удобрения культур.
В то же время все более мощные компьютеры, датчики, большие данные и более продвинутое компьютерное моделирование выводят прогноз погоды на новый, более точный уровень. Сегодняшние прогнозы погоды на шесть дней вперед по уровню точности сопоставимы с прогнозами погоды на пять дней вперед десять лет назад. Помимо спутников и обычных метеостанций ученые используют все большие количества датчиков, которые встраиваются в физические объекты среды. Бен Кайгер, директор центральной оперативной службы в Национальных центрах предсказаний условий окружающей среды под эгидой Национального управления океанических и атмосферных исследований, говорит, что цель состоит в том, чтобы повысить разрешающую способность сетки для получения более точных и долгосрочных прогнозов. Национальная метеорологическая служба уже проводила эксперименты с привлечением социальных сетей и краудсорсинга, чтобы собирать данные о погоде.
Использование дополнительных датчиков и краудсорсинговых технологий открывает новые возможности получения данных с высоким разрешением. Ллойд Трейниш — выдающийся инженер IBM в исследовательском центре имени Томаса Уотсона и куратор проекта Deep Thunder. Этот проект направлен на повышение точности прогнозов погоды с помощью более совершенных технологий сбора и анализа данных. Трейниш утверждает, что измерения, полученные с использованием оборудования на фермах, датчиков скорости ветра и содержания влаги в почве и воздухе, а также данные со смартфонов и других устройств очень ценны для получения знаний обо всем, от температуры и скорости ветра до уровня давления и влажности. А с помощью правильных данных и правильных точек ввода можно повысить точность прогнозирования и научиться строить более эффективные и экономически ценные модели.
Данные, полученные от подключенных физических объектов, могут распространяться на инфраструктуру и служить целям общественной безопасности. Если подключить мост, тоннель или автомагистраль, то можно вовремя понять, что данный объект нуждается в ремонте. Так намного легче определять приоритетность рисков и, как следствие, организовывать ремонтные работы. Кроме того, применяя нужное программное обеспечение и информационные панели на самом объекте, можно получать данные из всей инфраструктурной системы. Иными словами, опираясь на структурированную информацию, а не на чьи-то мнения или политические взгляды, ведомство может четко рассчитать реальную степень риска и расходы в случае ремонта объекта или игнорирования этой потребности.
Сегодня компании и правительственные организации уже используют технологии повышения ситуативной осведомленности для управления движением транспорта. Правоохранительные органы в Лос-Анджелесе, Нью-Йорке, Мемфисе и Санта-Крузе используют ввод данных и их анализ в реальном времени для выявления вероятных рисков и своевременного выделения сотрудников и ресурсов на основе развивающейся концепции прогнозного поддержания общественного порядка. Компании устанавливают все больше разнообразных датчиков (от средств видеоконтроля до подслушивающих устройств), чтобы выявлять проблемы и использовать данные для строительства более качественных дорог, водохозяйственных объектов и авиационных заводов.
Интернет вещей, помимо прочего, поддерживает более широкое и сложное планирование и принятие решений. При наличии необходимой вычислительной мощности, соответствующих датчиков и достаточных объемов для хранения, сейчас можно вывести сбор и анализ данных на такой уровень, который раньше и представить себе было невозможно. Например, по мнению McKinsey & Company, обширные сети датчиков в земной коре позволили бы буровым компаниям получать гораздо больше информации. Хороший пример того, как датчики и мониторинг объектов меняют жизнь, можно увидеть в швейцарской мультинациональной нефтепромысловой компании Weatherford. С помощью радиочастотной идентификации она следит за техническим состоянием бурового оборудования и определяет, когда требуется ремонт или модернизация.
В Транспортном управлении Швеции (Trafikverket) обычный осмотр интенсивно используемых вагонов и локомотивов был заменен на отслеживание электронными системами (на протяжении 13 000 км путей). Используя радиочастотные метки и считыватели, а также сотовые и локальные сети для передачи данных к центральному устройству мониторинга, инженеры получают данные более чем из 150 промежуточных точек контроля. Когда поезда на полном ходу проносятся через эти точки, оборудование может обнаружить перегрев подшипников осей, повреждение колес, чрезмерную вибрацию и другие проблемы. «Мы выводим оборудование из эксплуатации прежде, чем произойдет серьезная поломка», — говорит менеджер проекта Леннарт Андерсон.
Совокупные данные в течение последующих 25 лет произведут переворот во всех областях. Ретейлеры используют их, чтобы понимать покупательские привычки, производители — чтобы знать о состоянии оборудования, а организации в области здравоохранения — чтобы точнее предсказывать поведение людей. Камеры, видео- и аудиоданные, информация о перемещении объектов, а также другие источники данных создадут новые и улучшенные алгоритмы, средства эмуляции и методы моделирования. Когда люди и окружающая их среда будут оснащены датчиками, правительственные организации и компании смогут преобразовывать данные, полученные с каждодневных моментальных снимков, в движущуюся картинку. Это позволит делать посекундные корректировки, доработки и изменения.
Суммарный эффект будет значителен. Аналитика принятия решений с использованием датчиков приводит к немедленной реакции на событие или ситуацию, а также дает более глубокое понимание принципов использования и потребления в реальном времени. Это, в свою очередь, дает возможность вводить схемы оплаты по факту потребления, а также модели стоимости, которая меняется в зависимости от повышения и понижения спроса и т.д. Авиалинии уже сейчас используют динамическую модель для регулирования цен в реальном времени, но современные модели бледнеют по сравнению с тем, что возможно в полностью подключенном бизнес-мире.
В ближайшем будущем множество отслеживающих устройств станут в реальном времени оценивать физическую форму, состояние здоровья и потребление пищи. Устанавливать размер страхового вознаграждения и уровни страхового покрытия можно будет на основе конкретных измерений, полученных с помощью электронных устройств, а также традиционных медицинских осмотров и лабораторных испытаний. При использовании этой модели тот, кто будет согласен добровольно предоставлять данные и вести здоровый образ жизни, сможет получать финансовые стимулы (например, его ежемесячные страховые взносы будут снижены).
Завершающий структурный компонент промышленного Интернета — построение систем, использующих машинный (или искусственный) интеллект для автоматизации процессов и решений. Выведение человека из контура управления повышает скорость и производительность, что коренным образом изменит бизнес, систему образования и государственное управление.
В последние несколько десятилетий работа на конвейерах и производстве все чаще делается роботами. Они отливают, клепают и варят себе дорогу, механически выполняя сложные и опасные задачи. Они есть и в медицине, где служат в качестве хирургических инструментов и все более совершенных протезов. Теперь они получают еще и чувства (зрение и осязание), наряду с таким уровнем искусственного интеллекта, который позволяет им действовать самостоятельно. Чем дальше идет XXI век, тем больше таких роботов.
В будущем продвинутая робототехника и машинный интеллект исключат человека из производства и избавят от тяжелого труда. В каждой области произойдет подобное, от поставок товаров и мытья окон до ремонта дорог и военных действий. Кроме того, радикальные усовершенствования машинного интеллекта, скорее всего, приведут к появлению роботов и систем, которые будут постоянно анализировать собственную эффективность и учиться исправлять собственные ошибки — так же, как другие машины и люди. По мере того как сети устройств с датчиками отправляют большие объемы данных на компьютеры для анализа, а алгоритмы и программное обеспечение все эффективнее обращаются с полученной информацией с учетом контекста, автоматизация и искусственный интеллект выходят на новый, подчас весьма высокий уровень. Промышленная система или робот могут автоматически корректировать работу инструментов или оборудования, процесс смешивания химических веществ и других ингредиентов, способы эксплуатации и технического обслуживания моторов в двигателях самолетов или роботов, используемых на производстве товаров.
Помимо прочего, обширная сеть датчиков может обеспечить немедленную реакцию на изменение условий. Это особенно ценно при управлении ограниченными ресурсами, например водой или энергией. Все больше предприятий коммунального хозяйства используют умные счетчики, которые в реальном времени регистрируют и показывают потребляемые ресурсы. Эти счетчики также отображают переменные тарифы и позволяют ловить их понижение. В будущем умные сети позволят домовладельцам и предприятиям (включая крупные центры обработки данных, которые расходуют много электричества) применять сложные алгоритмы для оптимизации использования и экономии энергии, а также снижения расходов. Сегодня умные терморегуляторы, подключенные к кондиционерам, уже определяют, когда нужно включать и выключать вентилятор, как смешивать наружный и внутренний воздух с учетом температуры внутри и снаружи здания.
В будущем продвинутая робототехника и машинный интеллект исключат человека из производства и избавят от тяжелого труда. В каждой области произойдет подобное, от поставок товаров и мытья окон до ремонта дорог и военных действий.
Эта технология обеспечивает быстрое обнаружение непредсказуемых условий в реальном времени и мгновенное реагирование на них с помощью автоматизированных систем. В основе лежит искусственный интеллект. Какова же цель? Имитировать человеческое мышление и умение принимать решения, но вывести эти процессы за рамки возможностей человека. Пример искусственного интеллекта в действии — современные системы предупреждения столкновений автомобилей и самолетов. Они издают звуковые сигналы и в некоторых случаях предпринимают определенные действия. В будущем эти инструменты будут только совершенствоваться. Например, наверняка появится возможность посылать целые армии дронов-наноботов или роботов-насекомых, чтобы очистить место разлива нефти или токсичных отходов либо провести разведку разрушенного землетрясением здания в поисках выживших.
Промышленный Интернет служит основой для совершенно новой армии и принципиально иного оружия. В последнее время военные дроны меняют привычные представления о боевых действиях и методах преследования террористов. Например, США применяют беспилотные летательные аппараты в Афганистане, Пакистане, Сомали и других горячих точках. Привлекательность этой технологии отчасти заключается в том, что, согласно данным проекта «Американская безопасность», военные беспилотники стоят приблизительно $6,5 млн, в то время как стоимость аналогичного истребителя составляет около $100 млн (а еще ведь имеется риск для жизни пилота). Кроме того, управлять беспилотником намного дешевле, чем обычным самолетом5.
Оператор находится на расстоянии (в некоторых случаях за тысячи километров) и подключается к системе через Интернет. Он управляет самолетом и нажимает на спусковой крючок, чтобы открыть огонь или сбросить бомбу. Все выглядит так, будто он играет в компьютерную игру. Но отдельные дроны — это лишь первый шаг на пути к подключенной армии. В следующие несколько лет появятся подключенные транспортные средства, тяжелая техника, медицинские устройства, летные очки и т.д. Все больше систем будут включать в себя расширенную реальность — совмещение данных и сгенерированной компьютером информации с реальными событиями.
Позже появятся еще более продвинутые возможности. Агентство по перспективным оборонным научно-исследовательским разработкам США изучает возможность использования роботизированных армий. Роботы-насекомые будут ползти, красться, скользить и летать вокруг расположения сил противника. Они могут и убивать, что будет совершаться системой с автоматическим управлением. Этот вопрос обсуждается в ООН и других организациях на предмет как законности, так и гуманности. Однако эти устройства также способны выполнять разнообразные опасные задачи, например, обезвреживание бомб или спасение раненых солдат. Однако подключенные устройства будут полезны не только на поле боя. Они могут помогать собирать данные и более эффективно анализировать их. А это даст результаты во всем, от сбора разведывательных данных до прогнозирования поведения и управления ресурсами.
Все больше промышленного оборудования и его компонентов становится частью Интернета вещей. В том числе это и обширный сегмент систем прошлого поколения, таких как котельное оборудование, системы отопления, вентиляции и кондиционирования воздуха, двигатели поездов и судов, электрические системы. В результате меняется очень многое: конструкции и внутреннее оснащение зданий, транспортные системы и заводы. Встроенные датчики и подключаемость дают возможность отслеживать срок годности продуктов, состояние изношенности шин, протечку крыш. По мере того как робототехника и нанотехнологии начинают пересекаться с Интернетом вещей (о чем мы подробнее поговорим в главе 7), появляются совершенно новые и порой совершенно умопомрачительные возможности, включая самостоятельные сетевые устройства, управляющие опасным строительством и сносом зданий.
Будьте уверены, промышленный Интернет и более обширный Интернет вещей помогут понять множество физических систем. Влияние технологий уже весьма значительно. В рамках производства и сбыта датчики на предприятиях оперативно предоставляют информацию о состоянии и местоположении продукции. Сквозной контроль порождает совершенно иной тип цифровой хозяйственной деятельности, более быстрой, гибкой и экономически эффективной. Можно быстрее разрабатывать новинки и выводить их на рынок, лучше находить сырье и компоненты, оперативнее продвигать продукцию на рынке и обеспечивать более высокий уровень сервиса для клиентов.
Сочетание технологий и различных систем открывает совершенно новые горизонты для бизнеса. В декабре 2013 г. Джефф Безос, глава гиганта розничной онлайн-торговли Amazon, объявил, что в течение следующих нескольких лет его компания планирует начать доставку товаров с помощью дронов. Мы рассмотрим подобные социальные последствия в главе 6, но кое-что предельно ясно и так: дроны коренным образом изменят целые отрасли. И если эта идея окажется жизнеспособной, роботизированная доставка кардинально изменит то, как потребители покупают и используют товары. Это изменит даже подход к переработке старой продукции. 3D-печать, вероятно, совершит дальнейший переворот. Во многих отраслях промышленности эта технология используется уже сейчас.
Появление моделей ценообразования и использования товаров опирается на технологию Интернета вещей и подключенную физическую среду, которая управляет данными в реальном времени. Система страхования с оплатой по факту — это только начало. В авиационной промышленности производители сохраняют за собой право собственности на двигатели и взимают с авиакомпаний плату за их фактическое использование. Во многих городах сейчас можно на несколько часов арендовать велосипед или автомобиль, при этом платить надо только за то время, что вы пользовались транспортным средством. Например, служба проката автомобилей Zipcar с помощью приложения для смартфона подсказывает, где находится ближайший автомобиль. Радиочастотный транспондер снимает блокировку дверей, а некая черная коробка внутри автомобиля передает данные обратно на сервер по беспроводному соединению (хотя компания не отслеживает местоположение клиента из уважения к частной жизни). Автомобиль оснащен системой дистанционного отключения двигателя на случай угона.
В области здравоохранения подключенные устройства в сочетании с краудсорсинговыми технологиями меняют метод работы специалистов с эпидемиями (например, гриппа). Можно в реальном времени получить визуализацию и следить за изменением модели поведения вируса. Это помогает понять, насколько широко распространился вирус и необходима ли дополнительная медицинская помощь и ресурсы. Кроме того, все более сложное компьютерное моделирование может показать разные сценарии развития вспышек заболевания и продемонстрировать, как те или иные подходы влияют на угрозы типа ВИЧ или распространение отравляющего вещества.
В Массачусетском технологическом институте на кафедре гражданского строительства и природоохранной деятельности, возглавляемой доцентом Рубеном Хуанесом, смартфоны и краудсорсинг применяют для того, чтобы лучше понимать, какую роль в распространении инфекционных заболеваний играют 40 крупнейших аэропортов США. Данный проект поможет определить, какие меры необходимы для локализации инфекционного заболевания в определенной географической области и какие решения следует принимать на уровне министерства здравоохранения в отношении вакцинации или лечения на ранних стадиях заболевания.
В целях прогнозирования темпов распространения инфекции Хуанес и его коллеги изучают, как путешествуют отдельные люди, географическое положение аэропортов, разницу во взаимодействии аэропортов, время ожидания в каждом из них. Чтобы построить рабочий алгоритм для этого нового проекта, Хуанес, будучи геофизиком, использовал исследования движения жидкости по сети трещин в горной породе. Кроме того, его группа берет данные с мобильных телефонов для понимания моделей перемещения людей. Конечный результат, по словам Хуанеса, будет представлять собой «модель, которая очень отличается от обычной диффузионной модели». Без Интернета вещей все это было бы невозможно.
Можно с уверенностью сказать, что промышленный Интернет — это гигантский скачок вперед. Подключаемость машины к машине — это основа управления и производства нового поколения. Способность машин «говорить» друг с другом по сети (этот процесс называется «телеметрия») выводит вещи на качественно новый уровень. Он ведет к повышению скорости принятия решений и более широкому применению автоматизации. Он обеспечивает поддержку множества потребительских сервисов и устройств. Чтобы использовать потенциал Интернета вещей в полной мере, компании должны интегрировать системы, устройства и данные и применять их в условиях стремительно растущих рисков, связанных с безопасностью и правом на частную жизнь. Есть ряд вопросов, касающихся безопасности и автоматизации, а также определенные технические сложности, которые могут помешать внедрению технологий или замедлить его, что замедлит и получение результатов.
Войти с помощью соц. сетей: