Jednotlivá zařízení tedy prostřednictvím IoT produkují data, která jsou po Internetu předávána do cloudu. Hlavní přidanou hodnotou je použití syrových dat z IoT v kombinaci s daty z dalších zdrojů, jako systémů MES nebo ERP, a jejich transformace do hodnotných informací, které se použijí k zefektivnění výroby. Ukazuje se, že díky nasazení IoT a algoritmů pro pokročilou analýzu dat (např. umělé inteligence) lze v kombinaci s automatizací a flexibilními výrobními postupy zvýšit produktivitu výroby až o 30 % (1). Jednou z často zmiňovaných oblastí, kde je díky IoT možné docílit zefektivnění výroby, je např. prediktivní údržba, která pomocí měření parametrů, jako jsou teplota, tlak nebo vibrace, dokáže zjistit skutečný stav opotřebení stroje a pomocí prediktivní analýzy odhadnout jeho budoucí kondici a naplánovat optimální dobu servisního zásahu.

Přestože se o Průmyslu 4.0 a technologiích, jako je IoT, mluví mezi odbornou veřejností již několik let, stále jde pro mnoho firem o velmi těžce uchopitelné téma, zejména u malých a středních podniků. Lze se setkat s otázkami typu: Jak si mám představit IoT, je to nějaký software? Jakým způsobem připojím stávající stroje do IoT? Potřebuji big data úložiště? Co je to umělá inteligence a jak ji využít pro analýzu mých dat? apod. Smyslem tohoto článku je ukázat, že pojmy IoT, big data nebo umělá inteligence nejsou jen koncepty na papíře, ale že příslušné technologie jsou již běžně dostupné na trhu a začínají přinášet užitek v reálných průmyslových aplikacích.

Při co nejjednodušším pohledu představuje průmyslové IoT univerzální platformu pro sběr, agregaci a analýzu dat, která jsou pak poskytována ostatním aplikacím, a to v jednotném formátu a bezpečným způsobem v otevřeném prostředí Internetu. V průmyslovém IoT lze identifikovat dvě hlavní komponenty – IoT hardware, který funguje jako komunikační brána mezi fyzickými zařízeními a Internetem, a IoT software v podobě komunikační IoT platformy, která se stará o posílání dat a jejich uložení, popř. analýzu v cloudu.

IoT hardware

Ve většině výrobních závodů se lze v současnosti typicky setkat s kombinací různých zařízení a strojů různého stáří a od různých výrobců. Vedle sebe tak existují stará zařízení bez jakéhokoliv sběru dat, nanejvýš s mechanickým nebo elektrickým rozhraním pro ovládání zařízení, a nová zařízení, která již obsahují nějakou formu automatizace, tj. osazená senzory a řízení pomocí PLC. Jednotlivé technologie od různých výrobců používají různé komunikační sběrnice a protokoly, některé z nich proprietární a vzájemně nekompatibilní. Stávající průmyslové řídicí systémy jsou navíc navrženy pro komunikaci v rámci uzavřeného podnikového intranetu a nejsou připravené, zejména po stránce bezpečnosti, pro komunikaci přes veřejný Internet, která je nezbytná pro využití cloudových služeb.

IoT hardware pomáhá s připojením jednotlivých zařízení a strojů do světa IoT. Někdy se IoT hardware označuje také jako IoT brána (angl. IoT gateway) nebo hraniční zařízení (angl. edge device). V obecném pojetí IoT, tj. myšlenky připojení masivního počtu fyzických věcí do Internetu, je IoT zařízení realizováno jako malá a levná elektronická komponenta připojená k fyzické věci, která na sobě nese senzory, mikročip s pamětí, software, baterii a nabízí většinou bezdrátovou konektivitu do Internetu. V průmyslových prostředích lze v současnosti použít několik variant IoT zařízení:

• IoT zařízení pro bezdrátovou senzoriku – zařízení pro přímé měření různých fyzikálních veličin a jejich bezdrátové zasílání do Internetu. Takové zařízení v sobě buď přímo obsahuje dané senzory, nebo obsahuje vybrané rozhraní pro připojení klasického „drátového“ senzoru, nejčastěji analogově (0-10V/4-20 mA). Zařízení komunikuje bezdrátově, nejčastěji prostřednictví některé z telekomunikačních sítí typu LPWAN (Low-power wide-area networks), tj. sítí určených pro komunikaci zařízení s malým odběrem el. energie na velké vzdálenosti, jako např. LoRaWAN, Sigfox, Narrowband IoT a další.
• Průmyslové IoT brány či kontrolery – zařízení vybavené na jedné straně některou z klasických průmyslových sběrnic (RS-232, RS-485, IO-link, 1-wire, analog 0-10V/4-20 mA apod.) a na druhé straně komunikací po drátu (LAN) nebo bezdrátově do IoT. Takové IoT zařízení čte data ze stávajícího zařízení v jeho nativním komunikačním protokolu, např. z klasického senzoru s analogovým rozhraním nebo ze zařízení s rozhraním RS-485 a protokolem Modbus, popř. z PLC po Ethernetu například protokolem OPC, a data překládá do některého z IoT protokolů (viz dále) a posílá je po Internetu.

V rámci IoT zařízení je kromě sběru dat možné provádět i jejich předzpracování nebo složitější analýzy (angl. edge analytics). IoT zařízení je totiž i přes svou nízkou cenu vybaveno relativně výkonným procesorem, který je možné naprogramovat na vykonávání komplexního výpočtu nad měřenými daty. Díky možnosti provádět akční zásahy tak tato zařízení postupně převezmou úlohu klasických PLC – vzhledem k jejich nízké ceně je však bude možné nasadit v širším měřítku, blíže k řízenému systému, s vlastní inteligencí dostatečnou pro lokální, autonomní řízení.

Platforma je základ

IoT platforma představuje softwarovou architekturu zajišťující připojení, správu a komunikaci IoT zařízení. Vzhledem ke komunikaci po Internetu je důraz kladen na bezpečnost – ta je zajištěna ověřením identity IoT zařízení a uživatelů, správou přístupových práv a šifrovanou komunikací.

Zasílání zpráv a reakce na ně je v IoT řešena jiným způsobem než v tradičních průmyslových řídicích systémech. IoT zařízení, typicky senzory snímající nějaké veličiny, zasílají zprávy do centrálního místa v IoT platformě (tzv. message broker). Ti, co mají zájem o zprávy, se přihlásí k jejich odběru, přičemž si mohou zvolit témata zpráv, která je zajímají (např. zprávy týkající se změny teploty v peci nebo zprávy o dokončení výrobní série na lince). Když dojde k dané události (např. ke změně teploty), pošle koncové zařízení zprávu s aktuální hodnotou do brokeru a ten ji rozdistribuuje všem klientům, kteří jsou k odběru daného typu zprávy zaregistrovaní. Tito klienti pak mohou autonomně zareagovat na danou zprávu, např. provedením nějaké řídicí akce (vypnutí ohřevu pece při překročení kritické teploty).

V současnosti se pro komunikaci v IoT používají protokoly, které jsou datově úsporné pro úsporu energie zařízení napájených z baterie a též počítají s možností přerušovaného připojení k Internetu. K nejznámějším a de facto standardizovaným protokolům dnes patří:

• MQTT (Message Queuing Telemetry Transport) – jednoduchý a nenáročný protokol pro předávání zpráv mezi klienty mechanismem publish-subscribe. Protokol původně navrhlo IBM v roce 1999 pro spojení ze vzdálených lokací, kde se počítá s nízkou rychlostí, výpadky spojení a zařízeními s malým výpočetním výkonem běžícími na baterii. Při komunikaci je možné zvolit požadovanou úroveň kvality služby (QoS) pro garanci doručení zpráv.
• AMQP (Advanced Message Queuing Protocol) – robustní a flexibilní binární komunikační protokol pro komunikaci pomocí zpráv s volitelnou kvalitou služby. (Není typu publish-subscribe.)

V současnosti existuje řada komerčně dostupných platforem, např. AWS IoT od společnosti Amazon, Azure IoT od Microsoftu, Predix od GE, ThingWorx od PTC nebo Foxconn 4Tech IoT Platform.

Za součást IoT platformy je také někdy považována softwarová architektura pro uložení a analýzu dat. Pro vytěžení hodnotných, avšak běžným metodám používaným v současných průmyslových systémech skrytých informací je potřeba dát dohromady data z více zdrojů a nad nimi pak provádět pokročilou analýzu. Jak již bylo řečeno, jde o data ze senzorů a IoT zařízení v podobě časových řad (hodnota + časová značka), data z podnikových informačních systémů, jako je ERP, EDI, MES, WMS atd., a další, většinou nestrukturovaná data, jako jsou texty, maily, obrázky, video apod. Ukazuje se, že v současnosti běžně používané SQL databáze přestávají těmto požadavkům vyhovovat a výkonnostně stačit. Zavádí se tak koncept tzv. velkých dat (big data), který nesouvisí pouze s jejich velkým objemem, ale i s velkou rychlostí, se kterou přibývají, a s velkou různorodostí (strukturovaná, semi-strukturovaná, nestrukturovaná). Dnes existuje celá řada softwarových platforem pro big data, ať již v podobě open-source, nebo komerčně dostupných platforem. Většina z nich je založena na open-source nástroji Hadoop a rozsáhlém ekosystému nástrojů pro analýzu využívajících Hadoop jako základ. Mezi nejznámější komerčně dostupné platformy patří Cloudera, MapR nebo Hortonworks. Vedle nástrojů pro uložení dat je pak součástí platformy i soubor softwarových nástrojů a algoritmů pro jejich analýzu, ať již jde o klasické statistické výpočty, nebo pokročilejší algoritmy z oblasti umělé inteligence.

IoT aplikace

Jak již bylo zmíněno, cílem nasazení průmyslového IoT je usnadnit sběr dat z jednotlivých výrobních zařízení a pomocí jejich analýzy dosáhnout zefektivnění výrobních procesů. Data z IoT platformy jsou tak prostřednictvím standardizovaného aplikačního rozhraní (např. pomocí zmíněného protokolu MQTT nebo klasického RESTfull rozhraní) používána v celé řadě aplikací:

• Měření taktu strojů – nejjednodušší, avšak velmi častý způsob využití IoT, kdy se pomocí dodatečných senzorů, např. polohy, zjišťuje začátek a konec operace stroje;
• měření a řízení spotřeby energií – integrace s měřidly energií včetně propojení se stroji a řízení patnáctiminutových intervalů spotřeby, které jsou kritické především pro energeticky náročnou výrobu;
• vzdálený monitoring technologií – měření provozních parametrů technologií na odlehlých místech, kde IoT senzory napájené z baterie předávají data prostřednictvím bezdrátové komunikační sítě;
• propojení výrobních technologií a nadřazených systémů, jako je MES nebo ERP – IoT v tomto případě odstiňuje nadřazené systémy od specifik jednotlivých komunikačních sběrnic, protokolů a formátů a místo toho data nabízí v jednom unifikovaném formátu;
• prediktivní údržba – data z IoT zařízení jako teploty, tlaky, vibrace apod. v kombinaci s daty z nadřazených systémů (např. typ výrobní zakázky zpracovávané na stroji) jsou analyzována s cílem najít souvislosti mezi mírou opotřebení stroje, typem zakázky a případně dalšími okolními vlivy (teplota v okolí stroje, míra zaučení operátora apod.). Tyto korelace jsou pak použity pro odhad skutečného stavu opotřebení stroje a též pro odhad budoucího vývoje kondice stroje na základě plánu výroby s cílem naplánovat údržbu tak, aby nedošlo k poškození stroje nebo výpadku výroby v nejméně vhodnou chvíli.

Internet věcí dnes prostupuje řadu oborů a průmysl není výjimkou. Do budoucna lze očekávat stále vyšší inteligenci při řízení procesů, samotné výroby i navazujících činností. Podle analytických společností IDC a Bsquare vidí budoucnost v IoT téměř 95 % průmyslových firem a jen v ČR rostou očekávané výnosy z těchto technologií v období 2017 - 2020 tempem přes 20 % a dosáhnou téměř 50 miliard Kč. Z toho vyplývá, že by firmy měly inovacím a implementaci pokročilých IoT technologií, které podpoří jejich konkurenční výhodu a pomohou k dalšímu rozvoji podnikání, věnovat patřičnou pozornost.

Zdroj: [Accenture: Driving Unconventional Growth through the Industrial Internet of Things, https://www.accenture.com]

Dr. Pavel Vrba Autor článku je R&D, Science and Technology Manager ve společnosti Foxconn 4Tech s.r.o.