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.
Аналитика принятия решений, основанная на использовании датчиков
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).
Средства автоматизации и управления
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.
