Кому нужен IoT

Идея беспроводной передачи информации от объекта уже не является новшеством. От околоземных спутников мы получаем данные около шестидесяти лет, а в промышленности технологии M2M применяется уже больше двадцати лет. Но для широкого распространения инновационных технологий в коммерческом сегменте на тот момент присутствовал ряд ограничений, к примеру, затраты на сбор больших объемов данных и высокая стоимость их хранения.

Сегодня стоимость сбора, хранения и обработки информации значительно снизилась благодаря дешевеющим технологиям – можно применять недорогие сенсоры, облачные технологии хранения данных и open source инструменты для их анализа. Решения стали экономически доступны даже небольшим компаниям.

В ритейл-логистике, например, Интернет вещей применяется для отслеживания поставок, управления складскими и логистическими процессами. Уже созданы и представлены беспилотные грузовики: не за горами значительные перемены в отрасли логистики. Информационные массивы  генерируются бортовой электроникой автомобилей, кораблей и самолетов, системами смарт-домов, а теперь уже — и «умных городов», счетчиками потребления коммунальных услуг, бесконтактными методами идентификации и системами мониторинга состояния здоровья человека. Концепция Интернета вещей поможет экономить энергию, предотвращать ДТП, управлять движением и даже улучшать экологию: уже используются системы мониторинга окружающей среды. Экономия в промышленности — давно реальность.

Заметнее всего эффект Интернета вещей проявляется на данный момент на крупных промышленных предприятиях с территориально распределенными объектами и большим количеством сложного технического оборудования. Это нефтяные скважины, газовые месторождения, трубопроводы, металлургические производства. Технологии IoT дают возможность быстро (вплоть до режима онлайн) получать данные о состоянии объектов, установленных в любом уголке мира, предотвращая их внезапные поломки и даже техногенные катастрофы. На производстве неисправность оборудования способна привести к большим нарушениям плановых объемов выпуска (не говоря уже о вредных выбросах и экологических происшествиях).

Для остановки линии нужно привлечь квалифицированных сотрудников, провести обслуживание, потратив на него время, ресурсы, зачастую привлекая подрядные организации — а это лишние расходы. К примеру, Магнитогорский металлургический комбинат собирается внедрять решение на базе машинного обучения и Big Data – Yandex Data Factory – для оптимизации производства стали. Проведенное тестирование показало, что экономия предприятия на ферросплавах после внедрения решения может составить до 23 миллионов рублей в месяц. Это актуально не только для крупных промышленных предприятий, но и для поставщиков оборудования, в том числе гражданского назначения — лифтов, эскалаторов в торговых или офисных центрах, вентиляционного или холодильного оборудования. Например, FMCG-производитель, устанавливающий свои фирменные холодильники с продукцией по всей стране, уже не нуждается в большом количестве специалистов и менеджеров, которые каждый день следят за исправностью оборудования в торговых точек. Все данные стекаются в единый центр, а ремонт или замена производятся не после поломки, а заблаговременно.

В сельскохозяйственной промышленности сбор данных с сенсоров, картографирование и анализ температурных условий на каждом из посевных полей дают возможность предсказать урожайность, проанализировать потребность в сельскохозяйственной технике. А также появляются «умные фермы». К примеру, известная американская агрокультурная компания Monsanto для определения оптимальных условий для посева на 25 миллионах полей приобрела Climate Corporation, известную применением новейших технологий: картирования и анализа информации с датчиков.

Помимо этого возможна экономия на логистических процессах в крупных промышленных предприятий и бизнесе. К примеру, применение компанией Amazon робототехнических решений IoT дало возможность снизить операционные затраты на складские центры на 20%, по данным Deutsche Bank, за счет рационального использования складских помещений и оптимизации цикла складских расходов.

 

IoT с минимальными затратами

Разумеется, бизнес сталкивается со сложностями внедрения технологий IoT, и с сомнениями в их практической пользе. Действительно ли вложения сегодня дадут значительную экономию завтра? И как грамотно оптимизировать бизнес-процессы в компании посредством применения технологий интернета вещей? Прежде чем начать внедрение концепции Интернета вещей и необходимых для этого ИТ-инструментов, нужно определиться, действительно ли это оправдано.

По данным исследования IBM Institute в 2015 году, более 50% опрошенных предпринимателей убеждены в том, что применение «умных» технологий кардинально изменит бизнес-процессы в их организации. При этом сама технология бесполезна без четко сформулированных бизнес-задач. Если ранее мы задавались вопросами «как набрать побольше информации и где ее хранить», то сейчас нужно спрашивать себя: «какие полезные сведения и ценность для бизнеса мы хотим получить?».

В таком проекте важно поставить очень конкретную и измеримую бизнес-цель, будь то понижение затрат на сервисное обслуживание и ремонт, исключение рисков простоя оборудования или повышение конкурентоспособности продукции на рынке. После постановки правильной бизнес-цели следует этап выбора технических инструментов, когда важным вопросом становится стоимость проекта.

Снижение стоимости внедрения новейших технологий возможно за счет перехода на облачные ресурсы, которые исключают потребность построения собственной ИТ-инфраструктуры «с нуля». Подключение оборудования, сбор информации, аналитика — все это уже доступно в облаках. Так, к примеру, Microsoft предоставляет расширенный функционал для работы с Интернетом вещей, включающий предварительно настроенные решения в облаке Azure: IoT Suite, Stream Analytics и Machine Learning. Наблюдать и контролировать технические и бизнес-процессы пользователь может с любого подключенного к сети устройства, даже если организация не имеет ни единого сервера.

Большую популярность завоевывают и инструменты Open Source для работы с данными — такие как Apache Hadoop и Apache Spark.

В дальнейшем для эффективного применеия Интернета вещей важно организовать системную работу с информацией. В частности, нужно создать единое хранилище (Data Warehouse) с фундаментом в виде системы структурированных данных и нормативно-справочной информации. Весь информационный поток нужно объединить, привести к единому формату — сделать массив так называемых серых данных, разделяя данные на те, что имеют долгосрочную ценность, которые быстро устаревают, и те, структура которых меняется очень быстро. Только после этого можно будет данные из разных систем анализировать в одной плоскости.

Объемы данных, собираемых посредством IoT-датчиков, значительны, поэтому сбор информации всегда должен быть связан с последующей ее обработкой аналитическими инструментами, фиксацией пограничных с нормой значений, созданием предиктивных моделей — прогнозированием состояния того или иного оборудования с учетом определенных условий и нагрузок (типов предыдущих сбоев, периодов их возникновения, сроков амортизации, данных о состоянии помещения – температура, влажность и т.д.). Представьте себе, что без таких аналитических систем, настоящего искусственного интеллекта, человек в состоянии был бы использовать всего лишь 1% данных, собираемых, к примеру, с нефтяной вышки с 30 000 сенсорами, датчиками и устройствами (по подсчетам McKinsey).

Разумеется, в IoT-проекте требуется заблаговременно продумать и решить вопросы информационной безопасности. Цифровые преобразования, рост объемов передаваемых данных тесно связаны с повышением нагрузки на системы безопасности. Согласно прогнозам, к 2020 году рынок IoT объединит от 26 (Gartner) до 50 (Cisco) миллиардов устройств. Основным риском для предприятий станет опасность утраты, утечки данных — случайной или умышленной. Хорошая новость заключается в том, что большинство IoT-платформ уже обладают встроенными и достаточно мощными средствами защиты корпоративных сведений.

 

Практические IoT-советы

1. В долгосрочной перспективе вкладывайтесь в готовые платформенные решения

Во-первых, в них уже преднастроена большая часть коннекторов и интеграционных механизмов. То есть вы сможете быстро подключиться к источнику данных и начать их использовать.

Во-вторых, производительность платформенных решений все же в разы выше, чем у Open Source — как с точки зрения обработки массивов информации, так и в плане создания на их основе визуализированной аналитики и прогнозных моделей.

2. Выбирайте правильного ИТ-партнера

На данный момент в России, да и во всем мире, пока еще не так много компаний-интеграторов, предлагающих комплексные решения в области Интернета вещей. Среди них важно найти тех, у кого есть партнеры трех уровней: технологического (значит, что они могут выбрать, купить и установить надежные промышленные датчики), интеграционного (организуют безопасный и быстрый сбор данных) и аналитического (умеют работать с данными и строить аналитические прогнозные модели, отталкиваясь от бизнес-целей организации).

Второе важное качество ИТ-партнера — умение быстро продемонстрировать реальные выгоды от IoT даже на небольшом участке и при незначительном объеме информации. К примеру, мы применяем методику «небольших шагов» — строим прототипы, пилотные модели, показываем примеры эффекта на основе реальных данных. Такой подход дает ощутимый бизнес-результат в понятные для заказчика сроки: прототипирование редко занимает больше двух месяцев. Реальных успешных кейсов в области IoT и Big Data сегодня на рынке по-прежнему мало.

3. Пользуйтесь моментом

В момент роста интереса к технологии, наряду с недостаточно накопленной экспертизой на рынке, можно довольно выгодно внедрить инновации в своей организации. Интеграторы готовы делать хорошие ценовые предложения для того, чтобы нарабатывать опыт и совместно с перспективными заказчиками запускать успешные пилотные проекты.

Источник: https://rusbase.com/