2018/01/04 15:26:35

Industrial Internet of Things - IIoT
Промышленный интернет вещей

Промышленный интернет вещей — многоуровневая система, включающая в себя датчики и контроллеры, установленные на узлах и агрегатах промышленного объекта, средства передачи собираемых данных и их визуализации, мощные аналитические инструменты интерпретации получаемой информации и многие другие компоненты.


Статья входит в обзор TAdviser «Интернет вещей»

Содержание

Интернет вещей Internet of Things

Что такое Industrial Internet of Things

Общепринятая терминология

Интернет Вещей (IoT, Internet of Things) – система объединенных компьютерных сетей и подключенных физических объектов (вещей) со встроенными датчиками и ПО для сбора и обмена данными, с возможностью удаленного контроля и управления в автоматизированном режиме, без участия человека.

Индустриальный (часто Промышленный) Интернет Вещей (Industrial Internet of Things, IIoT) – интернет вещей для корпоративного / отраслевого применения - система объединенных компьютерных сетей и подключенных промышленных (производственных) объектов со встроенными датчиками и ПО для сбора и обмена данными, с возможностью удаленного контроля и управления в автоматизированном режиме, без участия человека.

В промышленном применении используется термин «Промышленный интернет». Далее по тексту для упрощения восприятия вместо написания «индустриальный интернет вещей» используется термин «интернет вещей» в данном контексте.

Индустриальный Интернет IIoT (Industrial IoT)

Как работает промышленный интернет вещей

Принцип работы технологии заключается в следующем: первоначально устанавливаются датчики, исполнительные механизмы, контроллеры и человеко-машинные интерфейсы на ключевые части оборудования, после чего осуществляется сбор информации, которая впоследствии позволяет компании приобрести объективные и точные данные о состоянии предприятия. Обработанные данные доставляются во все отделы предприятия, что помогает наладить взаимодействие между сотрудниками разных подразделений и принимать обоснованные решения.

Помимо этого, компании могут заменить быстро устаревающую бумажную документацию, а также аккумулировать экспертные знания специалистов[1].

Полученная информация может быть использована для предотвращения внеплановых простоев, поломок оборудования, сокращения внепланового техобслуживания и сбоев в управлении цепочками поставок, тем самым позволяя предприятию функционировать более эффективно.

При обработке огромного массива неструктурированных данных их фильтрация и адекватная интерпретация является приоритетной задачей для предприятий. В данном контексте особую значимость приобретает корректное представление информации в понятном пользователю виде, для чего сегодня на рынке представлены передовые аналитические платформы, предназначенные для сбора, хранения и анализа данных о технологических процессах и событиях в реальном времени.

Согласно исследованию консалтинговой компании IDC, в 2011 году человечеством было сгенерировано 1,8 зеттабайт информации. В 2012 году объем ценных данных увеличился почти в два раза и составил 2,8 зеттабайт. К 2020 году эта цифра достигнет 40 зеттабайт. Такие большие объемы данных требуют обработки для того, чтобы быть использованными в процессе принятия решений.

Во избежание простоев и для сохранения безопасности на предприятии необходимо внедрение технологий, позволяющих обнаруживать и прогнозировать риски. Непрерывный проактивный мониторинг ключевых показателей дает возможность определить проблему и принять необходимые меры для ее решения. Для удобства операторов современные системы позволяют визуализировать условия протекания технологических процессов и выявлять факторы, оказывающие на них влияние, посредством любого веб-браузера. Оперативный анализ помогает пользователям быстрее находить причины неполадок.

Благодаря таким решениям производственные данные превращаются в полезную информацию, которая необходима для безопасного и рационального управления предприятием.

Внедрение таких технологий дает возможность предприятиям из разных отраслей экономики получить определенные преимущества: увеличить эффективность использования производственных активов на 10% за счет сокращения количества незапланированных простоев; снизить затраты на техническое обслуживание на 10%, усовершенствовав процедуры прогнозирования и предотвращения катастрофических отказов оборудования и выявляя неэффективные операции; повысить производительность на 10%, увеличить уровень энергоэффективности и сократить эксплуатационные расходы на 10% за счет более эффективного использования энергии.

Таким образом, новые технологии позволяют предприятиям разных отраслей промышленности добиться существенных конкурентных преимуществ.

Как промышленный интернет вещей трансформирует экономику

Новые подходы и модели

Индустриальный интернет вещей кардинально изменяет всю экономическую модель взаимодействия «поставщик – потребитель». Это позволяет:

  • автоматизировать процесс мониторинга и управления жизненным циклом оборудования;
  • организовать эффективные самооптимизирующиеся цепочки от предприятий – поставщиков до компаний – конечных потребителей;
  • перейти к моделям «экономики совместного использования» и многое другое.

В наиболее продвинутых случаях индустриальный Интернет вещей позволяет не только повысить качество технической поддержки оборудования с использованием развитых средств телеметрии, но и обеспечить переход к новой бизнес-модели его эксплуатации, когда оборудование оплачивается заказчиком по факту использования его функций.

Внедрение сетевого взаимодействия между машинами, оборудованием, зданиями и информационными системами, возможность осуществлять мониторинг и анализ окружающей среды, процесса производства и собственного состояния в режиме реального времени, передавача функции управления и принятия решений интеллектуальным системам приводят к смене «парадигмы» технологического развития, называемой также «четвертой промышленной революцией».

Зарубежные эксперты признают интернет вещей технологией, которая вносит необратимую трансформацию в организацию современных производственных и бизнес-процессов и порождает новые бизнес-модели.

Например, информация о фактическом состоянии оборудования, доступная всем службам, при отклонении некоторых показателей позволит своевременно провести его диагностику, замену или ремонт. Такая модель обеспечит оперативную автоматизацию техобслуживания и ремонтного обеспечения (ТОРО) и повышение эффективности ТОиР в целом, минимизируя финансовые потери.

Проведенный консультантами J`son & Partners Consulting анализ опыта внедрения интернета вещей в мире показывает, что переход на концепцию IIoT происходит за счет формирования кросс-индустриальных открытых (по горизонтали и вертикали) производственно-сервисных экосистем, объединяющих множество различных информационных систем управления разных предприятий и задействующих множество различных устройств.

Такой подход позволяет реализовать в виртуальном пространстве сколь угодно сложные сквозные бизнес-процессы, которые способны в автоматическом режиме осуществлять оптимизационное управление (сквозной инжиниринг) различного рода ресурсами через всю цепочку поставок и создания стоимости продукции - от разработки идеи, дизайна, проектирования до производства, эксплуатации и утилизации.

Для реализации такого подхода требуется, чтобы вся необходимая информация о фактическом состоянии ресурсов (сырье и материалы, электроэнергия, станки и промышленное оборудование, транспортные средства, производство, маркетинг, продажи) как внутри одного, так и на разных предприятиях, была доступна автоматизированным системам управления разных уровней (приводы и сенсоры, контроль, управление производством, реализацией и планированием).

Таким образом, можно сказать, что индустриальный интернет вещей представляет собой организационно-технологическую трансформацию производства, базирующуюся на принципах «цифровой экономики», позволяющую на уровне управления объединять реальные производственные, транспортные, человеческие, инженерные и иные ресурсы в практически неограниченно масштабируемые программно-управляемые виртуальные пулы ресурсов (shared economy) и предоставлять пользователю не сами устройста, а результаты их использования (функции устройств) за счет реализации сквозных производственных и бизнес-процессов (сквозного инжиниринга).

Отличием экосистемы IoT от традиционных рынков является трансформация предприятий из изолированных самодостаточных систем, внутри которых реализованы все необходимые для производства товара или услуги производственные и бизнес-процессы, в открытые системы интегрированных высокоавтоматизированных процессов. Такие открытые системы реализованы по модели облачных сервисов, в которых различные участники рынка объединены в единую платформу предоставления услуг конечному потребителю, для создания которой основными средствами производства выступает не персонал, а облачные сервисы, автоматически управляющие объединенными в пулы программно-определяемыми устройствами (Рис. 4).

Другими словами, для традиционных предприятий и их систем (рынков) базовым ресурсом, необходимым для непосредственного управления всеми остальными видами ресурсов, является персонал, и, как следствие, основным видом информационного обмена в таких системах является обмен голосовой информацией и данными между людьми. А для экосистем IoT, которые не используют ручной труд непосредственно при исполнении производственных процессов, и система управления которых автоматически обращается напрямую к необходимым исполнительным устройствам и сенсорам, базовым ресурсом является информация и автоматические средства ее обработки.

Внедрение интернета вещей требует изменения подходов к созданию и использованию автоматизированных информационных систем управления (АСУ) и общих подходов к управлению предприятиями и организациями. Устаревшие производственные линии, которые по разным причинам не могут быть автоматизированы с помощью IoT, могут быть заменены на новое автоматизированное и роботизированное оборудование в будущем. Другим препятствием, ограничивающим развитие IoT, является отсутствие или недостаточно высокое развитие традиционных корпоративных информационных систем управления (ERP), тогда решения IoT будут локальными и решать нишевые функции и задачи.

IoT может последовательно эволюционировать от подключения отдельных продуктов и объектов с целью их диагностики и контроля до объединения различных продуктов и более сложных технологических объектов управления в сети IoT, а сети IoT - в более сложные сетевые платформы и комплексные производственные решения.

В части технологий управления и обработки информации эти изменения состоят в следующем:

  • реализация программной логики АСУ как взаимодействующих между собой облачных сервисов («облако управления», «платформа IoT»);
  • переход от жестко иерархически выстроенных информационно изолированных АСУ на непосредственное, без участия человека и промежуточных АСУ, подключение объектов управления в «облако управления».

При этом «облако управления» исполняет весь необходимый функционал (программные алгоритмы обработки данных и управления) как низовых систем управления, так и систем управления уровня предприятия и выше. Другими словами, «облако управления» одновременно выполняет функции универсального средства интеграции и функции исполнения сколь угодно сложных и разнообразных алгоритмов управления.

За счет использования механизма открытых прикладных интерфейсов программирования (Application Programming Interface, API) реализуется возможность подключения к «облаку управления» любых устройств и любых АСУ без необходимости внесения изменений в подключаемые устройства и системы, и возможность реализации логики обработки поставляемых в «облако управления» данных с использованием готовых шаблонов и, при их отсутствии, с использованием встроенных средств разработки программных приложений.

Эффект «Больших данных», накапливаемых в таких платформах IoT, и применение технологий машинного обучения позволяет автоматизировать процессы совершенствования программно исполняемых «облаком управления» алгоритмов, то есть оптимизировать алгоритмы управления по мере накопления исторических данных, поступающих от широкой номенклатуры устройств и АСУ, что в принципе невозможно в информационно изолированных АСУ.

Накопленный в мире опыт внедрения IoT показывает, что переход на концепцию IoT позволяет оперативно реализовывать сколь угодно сложные сквозные полностью автоматизированные бизнес-процессы. Такие процессы охватывают множество различных АСУ различных предприятий и организаций и задействуют множество различных устройств, что при использовании традиционного подхода к автоматизации в большинстве случаев невозможно реализовать в разумные сроки и за экономически обоснованный бюджет.

При переходе на принципы IoT сквозные полностью автоматизированные процессы могут охватить все виды взаимодействий производителей товаров и услуг и их потребителей. Это, например, управление дорожным движением и транспортной инфраструктурой, управление коммунальной инфраструктурой, процессы промышленного производства и эксплуатации изделий, обеспечение безопасности и многое другое.

Такая трансформация предприятий из закрытых самодостаточных «черных ящиков» в элементы открытых экосистем, в свою очередь, требует кардинального пересмотра бизнес-моделей предприятий и организаций всех отраслей экономики, особенно в части изменения характера взаимодействия в цепочке «поставщик-потребитель», что, собственно и происходит в последние годы в мировой экономике.

Технологический фактор, отмечаемый менеджментом компаний на протяжении уже четырех лет как оказывающий наибольшее влияние на изменение предприятий, – это изменение технологий управления, а не технологий производства. Именно стек технологий управления и автоматизации управления, в отличие от предыдущих технологических (промышленных) революций, определяет переход к новому технологическому укладу – четвертой промышленной революции.

С точки зрения макроэкономики рост эффективности процессов в цепочке «поставщик-потребитель» означает переход от инфляционного развития, состоящего в перекладывании растущих издержек (рост выручки поставщика – это рост издержек потребителя) на «следующего в цепочке», а от конечного потребителя - назад к производителям (работодателям) через требования о росте зарплат, - к дефляционному. Дефляционное развитие базируется на росте эффективности всех участников экосистемы IoT, включая конечных потребителей, что является беспрецедентным для истории развития мировой экономики.

Когда ресурсы экстенсивного роста экономики за счет наращивания производства новых товаров и услуг на предыдущем цикле технологического развития замедляются (это происходит сейчас в большинстве развитых экономик), ключевым фокусом развития становится рост эффективности производственно-сбытовых процессов. Этим, прежде всего, и характеризуется эпоха активного развития интернет-сервисов и внедрения ИТ-технологий.

Отдельным сегментом роста национальных экономик являются не потребители интернет-услуг, а сами производители и провайдеры интернет-сервисов, продуктов и решений, которые захватывают традиционные отраслевые ниши и переформатирывают их на основе облачных технологий. Типичными примерами являются интернет-медиа, электронная коммерция и онлайн-заказ такси.

Преимущества промышленного интернета вещей для экономики

По мнению J’son & Partners Consulting, за количественным ростом интернета вещей и организационно-технологической трансформацией производства стоят важные качественные изменения в экономике:

  • данные, которые раньше были не доступны, с ростом проникновения встроенных устройств представляют собой ценную информацию о характере использования продукта и оборудования для всех участников производственного цикла, являются основной формирования новых бизнес-моделей и обеспечивают дополнительный доход от предложения новых услуг, таких как, например: контракт жизненного цикла на промышленное оборудование, контрактное производство как сервис, транспорт как сервис, безопасность как сервис и другие;

  • виртуализация производственных функций сопровождается формированием «экономики совместного использования» (shared economy), характеризующейся существенно более высокой эффективностью и производительностью за счет повышения использования имеющихся ресурсов, изменения функционала устройств без внесения изменений в физические объекты, путем изменения технологий управления ими;

  • моделирование технологических процессов, сквозное проектирование и, как результат, оптимизация цепочки создания стоимости на всех этапах жизненного цикла продукта в режиме реального времени, позволяют производить штучный или мелкосерийный продукт по минимальной цене для Заказчика и с прибылью для производителя, что в традиционном производстве возможно только при массовом производстве;

  • эталонная архитектура, стандартизированные сети и модель аренды вместо оплаты полной стоимости владения, делают совместную производственную инфраструктуру доступной для среднего и малого бизнеса, что облегчает их усилия по управлению производством, позволяет ускорить реагирование на изменяющиеся требования рынка и сокращение жизненного цикла продукции, и влечет за собой разработку и появление новых приложений и сервисов;

  • анализ данных о пользователе, его производственных объектах (машинах, зданиях, оборудовании) и характере потребления открывают возможности для поставщика услуги по улучшению клиентского опыта, созданию большего удобства пользования, лучшего решения и сокращению затрат клиента, что ведет к повышению удовлетворенности и лояльности от работы с данным поставщиком;

  • функционирование различных отраслей экономики будет непрерывно усложняться под воздействием развития технологий и все больше осуществляться за счет автоматического принятия решений самими машинами на основе анализа большого объема данных с подключенных устройств, что приведет к постепенному снижению роли производственного персонала, в том числе квалифицированного. Потребуется качественное профессиональное образование, включая инженерное, специальные обучающие программы для работников и тренинги.

Оценка эффективности использования

В конечном счете, внедрение любых средств автоматизации, в том числе и согласно концепции интернета вещей, будет оправдано, если это дает экономический эффект по сравнению с принятыми формами производства и бизнес-процессов. В связи с этим, консультанты J'son & Partners Consulting провели анализ кейсов по применению интернета вещей в различных отраслях в мире и проанализировали численные значения показателей эффективности.

Перечень некоторых показателей эффективности по рассмотренным кейсам в разрезе основных отраслей

Применение IIoT в различных отраслях

IIoT на производстве

Условия для внедрения IIoT

Анализ лучших мировых практик внедрения IIoT в исследовании J’son & Partners Consulting показывает, что основными сферами применения решений в сфере промышленного интернета являются производства, характеризующиеся наличием одного либо нескольких следующих важных условий:

  • выпуск широкой номенклатуры продукции, использование значительного перечня комплектующих;
  • потребность в повышении качества выпускаемой продукции и снижении степени брака;
  • потребность в обеспечении эффективного сервисного обслуживания ранее поставленной продукции;
  • потребность в снижении эксплуатационных затрат производства;
  • значительная энергоемкость производства;
  • сложные производственные условия;
  • потребность в оперативной диагностике неисправностей технологического оборудования для снижения незапланированных остановок производства;
  • потребность в обеспечении высокой производительности персонала;
  • потребность в обеспечении безопасности персонала;
  • необходимость системной интеграции широкого спектра.

Типовые результаты внедрения IIoT в промышленности

Исследование J`son & Partners Consulting показало, что, во-первых, применение датчиков контроля работы оборудования с выходом в сеть позволяет производителю оборудования удаленно контролировать его работу, своевременно проводить регламентные работы, предсказывать аварии и проводить планово-предупредительный ремонт или заранее подготовить необходимые детали на замену и т. п. Таким образом, мы говорим о том, что Интернет вещей является эффективным инструментом управления жизненным циклом продукции.

Во-вторых, знание о фактической и планируемой загрузке производственного оборудования, соединенного с сетью, позволяет организовать автоматическую сеть заказов между различными производствами в длинной цепочке от поставщиков материалов до потребителей конечной продукции. Это достигается путем подключения всех производственных площадок к единой программной платформе, причем ее участниками могут являться юридически разные компании.

Такая модель кардинально оптимизирует транзакционные издержки в кооперационных цепочках, которые приобретают качество самооптимизирующихся. Другими словами, применение концепции Интернета вещей позволяет максимально оптимизировать кооперационные связи для всей цепочки предприятий-участников с целью достижения наиболее экономически эффективного результата для конечного потребителя.

В-третьих, это касается перехода от модели продажи устройств и оборудования, измеряемых количеством поставленного оборудования, к модели продажи функционала (результатов использования) устройств и оборудования «по требованию». Например, когда компания продает не просто компрессоры, а сжатый воздух с четко определенными и гарантированными параметрами.

Таким образом, в наиболее продвинутых случаях речь может идти не просто о новом качестве технической поддержки оборудования (с использованием развитых средств телеметрии), но и об иной бизнес-модели его эксплуатации, когда оборудование вообще не передается в собственность заказчика, а оплачивается им по факту использования его функций. По такому принципу работают, например:

  • крупнейший поставщик промышленных компрессоров Kaeser – оплата компрессорного оборудования происходит по объему произведенного им сжатого воздуха;
  • производитель сельскохозяйственной техники John Deere – оплата фактического времени использования сельскохозяйственной техники (тракторов);
  • многие другие ведущие производители промышленного оборудования и потребительской техники, описанные в отчете.

Важно отметить, что продажа «по требованию» – это ключевая характеристика облачного сервиса. Интернет вещей выступает в качестве необходимой технической компоненты для расширения облачной модели за рамки информационно-коммуникационной индустрии. В тех отраслях экономики, где ИКТ-оборудование не является конечным продуктом, а вычислительные и коммуникационные системы применяются как вспомогательные (для компьютеризации управления другими видами оборудования и устройств, так называемые встроенные системы), модель облачных вычислений приобретает формат контракта жизненного цикла, то есть новой модели взаимоотношений в цепочке «поставщик – потребитель».

«
Типовой результат проекта IoT – кратное повышение эффективности всех участников экосистемы IoT не только в сфере ИКТ и финансов, где продукт может быть создан и потреблен в полностью цифровом виде, но и в отраслях материального производства. Причем по мере роста масштаба этих экосистем их эффективность растет, а не снижается, в отличие от построенных по традиционному принципу кооперационных цепочек, где рост издержек пропорционален квадрату роста численности персонала взаимодействующих предприятий, - отмечают в J`son & Partners Consulting.
»

Следствием такого типового результата проектов IoT является рост конкурентоспособности участников экосистем IoT в глобальной системе разделения труда и рост их акционерной стоимости, когда претерпевающая IoT-трансформацию «традиционная» компания, достигая сравнимой с «технологическими» компаниями эффективности, начинает оцениваться инвесторами по коэффициентам облачных/технологических компаний, таких как Google, Amazon и других аналогичных.

IIoT в системах энергоснабжения

В электроэнергетике под определение «интернета вещей» обычно попадают «умные» или «интеллектуальные» сети (smart grids) и счетчики (smart meters). Новые технологии особенно актуальны для России, обладающей исторически сложившейся масштабной централизованной системой энергоснабжения, а это свыше 2,5 млн км линий электропередач, около 500 тыс. подстанций, 700 электростанций мощностью более 5 МВт. Однако на сегодняшний день проникновение «интернета вещей» в российскую энергетику находится на начальном уровне.

На уровне управления системой, балансами и режимами в электроэнергетике шаг в направлении цифровой обвязки активов может дать возможность более оптимально планировать загрузку генерирующих мощностей и, главное, их объем. Так как российская энергосистема построена на резервировании, создание интеллектуальной модели распределения позволило бы вывести часть неэффективной генерации из эксплуатации и частично решить вопрос перепроизводства генерирующих мощностей (рост с 215 ГВт в 2008 г. до 235 ГВт в 2016 г. при отсутствии коррелирующего роста потребления). Одновременно это позволило бы более широко внедрить современные стимулы снижения потребления электроэнергии: например, управление спросом (demand response).

В электросетевом хозяйстве более широкое внедрение интеллектуальных технологий, особенно с учетом протяженности линейных объектов, могло бы привести к повышению надежности и снижению операционных расходов. Это наконец-то позволило бы перейти к управлению сетью «по состоянию», а не проводить ремонты в соответствии с жесткими регламентными сроками.

В целях нормативного закрепления такой возможности Минэнерго России в начале 2017 г. предложило закрепить постановлением правительства изменение соответствующих ремонтных нормативов для компаний Холдинга «Россети». В России есть ряд успешных примеров внедрения интеллектуальных сетевых технологий, например, в регионах присутствия «Россети», Татарстане и ряде других районов. Большая часть нового оборудования (трансформаторы, выключатели) уже обладает системами дистанционной диагностики.

С передачей информации также не должно возникнуть проблем, так как сетевой комплекс, по сути, является крупнейшим оператором связи в России: например, на всех подстанциях (ПС) 110 кВт есть каналы связи (в подавляющем большинстве оптоволоконные), все новые ПС 35 кВт имеют выход в интернет. Интеллектуальная электрическая сеть также позволит интегрировать различные объекты производства электроэнергии, в том числе на основе возобновляемых источников энергии (ВИЭ – солнце, ветер и др.), распределенную генерацию.

Пока объемы ВИЭ в России незначительны, а объем распределенной генерации составляет около 5,5% установленной мощности (чуть менее 13 ГВт), однако опыт других стран показывает, что эти показатели будут расти.

В Северной Америке и Западной Европе «интеллектуальные сети» также позволяют организовать движение электроэнергии в двух направлениях, делая возможной продажу излишков электричества, произведенного домохозяйствами (в основном солнечными панелями на крышах домов).

В генерации элементы «интернета вещей» также используются – это системы управления активами класса АСУТП (автоматизированные системы управления технологическими процессами). Они установлены в различных комбинациях на всех электростанциях нашей страны и позволяют дистанционно управлять и получать информацию о работе ключевых систем. При этом доля отечественного оборудования, что отрадно, достаточно велика. С целью развития IoT в генерации Минэнерго совместно с РОСНАНО и Ростелекомом формирует национальный проект по «Индустриальному интернету» на основе пилотного проекта развития системы удаленного мониторинга и диагностики парогазовых установок.

Некоторые частные энергетические компании также активно оснащают свои объекты системами удаленного контроля и диагностики с целью повысить надежность и снизить расходы на эксплуатацию.

Безусловно, более интеллектуальная энергетика принесла бы очевидные выгоды как потребителям и производителям электроэнергии, так и отечественной экономике в целом. Соответствующие цели обозначены в ряде программных документов (утвержденная энергетическая стратегия России на период до 2030 г., проект новой стратегии до 2035 г., в документах Energy.net (которая является частью Национальной технологической инициативы)). Однако, по нашему мнению, необходима более четкая, предметная стратегия государства в развитии интеллектуальной энергетики.

ЕС, например, ставит целью обеспечение 80% потребителей «умными счетчиками» к 2020 г. (200 млн электрических и 45 млн газовых счетчиков). В США каждый штат самостоятельно определяет политику по их внедрению, однако число «умных счетчиков» в целом по стране уже приближается к 50% от общего числа (в шести штатах доля «умных счетчиков» составила более 80%).

IIoT в транспортной отрасли

В транспорт интернет вещей проник намного глубже. В отрасли, где протяженность различных видов путей превышает 1,6 млн км, а количество грузового транспорта (автомобильного, железнодорожного и прочих) – 7 млн единиц, в принципе невозможно обойтись без систем удаленного мониторинга.

Наибольшее развитие IoT получил в автомобильном транспорте благодаря распространению тех же смартфонов, которые водители берут с собой в дорогу и доля которых приблизилась к 50 % сотовых устройств в России. Благодаря им построены системы мониторинга загруженности дорог на картах Яндекс, Google и др. Вокруг смартфонов в автомобиле – целые экосистемы программных решений (например, Uber, Яндекс Такси, [GetTaxi]] и др.).

Данные решения полностью изменили рынок такси в крупных городах. Такие сервисы уже не ограничиваются только сферой такси и проникают в сферу логистики: подобно UberCargo и Trucker path в России появились стартапы GoCargo и iCanDrive, в основе которых лежит как раз использование IoT.

Более серьезные системы интеллектуального мониторинга транспорта внедряются благодаря установке в автомобили систем удаленного мониторинга передвижения на базе датчиков ГЛОНАСС/GPS и систем контроля за расходом топлива. Такие устройства позволяют существенно сократить затраты и контролировать целевое использование транспорта, анализировать и оптимизировать маршруты движения, что крайне важно для логистики. Без таких устройств не обходится, наверное, ни одно более или менее крупное транспортное предприятие. При этом они используются не только для внешних перевозок, но и внутри предприятий: «Северсталь», например, таким образом отслеживает массу и передвижение грузов, маршруты погрузчиков на своих заводах. В России появилось уже довольно много производителей устройств дистанционного мониторинга транспорта – Omnicom, «АвтоГРАФ Система спутникового мониторинга и контроля транспорта», ГалилеоСкай, «Форт», Naviset, «Инкотекс», «Штрих-ТахоRUS», «Гранит Навигатор», M2M Cyber и др. На рынке также много программных продуктов, позволяющих анализировать получаемые данные и оптимизировать затраты и процессы.

Безопасность IIoT

2017: Рекомендации по защите IoT-устройств в рамках критической инфраструктуры

Агентство Европейского союза по сетям и информационной безопасности (ENISA) в конце ноября 2017 года опубликовало рекомендации по обеспечению безопасности IoT-устройств в контексте объектов критической инфраструктуры. Свой вклад в создание этого документа внесли и эксперты «Лаборатории Касперского».

Отчет консолидирует знания отрасли по промышленной кибербезопасности, показывает модель угроз промышленного интернета вещей, а также описывает доступные меры, которые могут защитить от этих угроз. Эксперты «Лаборатории Касперского», участвующие в группе IoTSEC (ENISA IoT Security Experts Group), добавили ряд рекомендаций для тех, кто занимается разработкой унифицированных политик безопасности.

Согласно результатам исследования «Лаборатории Касперского», инциденты с устройствами интернета вещей входят в тройку угроз с наибольшим финансовым ущербом для компаний. Это относится к компаниям любого размера: как малого и среднего бизнеса, так и больших корпораций.

По информации «Лаборатории Касперского», одной из главных проблем в сфере кибербезопасности индустриальных IoT-устройств до сих пор остается отсутствие единых стандартов. Рекомендации ENISA, как ожидается, станут важным шагом в сторону унификации практик и политик безопасности, причем они касаются как создателей и пользователей промышленных IoT-устройств, так и разнообразных агентств Евросоюза, разрабатывающих политики безопасности.

«
«Лаборатория Касперского» имеет глубочайшие экспертные знания в безопасности критических инфраструктур. Мы полагаем, что наш вклад в рекомендации ENISA поможет компаниям разрабатывать более эффективные стратегии кибербезопасности, а регуляторам — устанавливать актуальные и релевантные стандарты, чтобы быть готовыми к борьбе с современными киберугрозами, — заявил Андрей Духвалов, руководитель управления перспективных технологий «Лаборатории Касперского».
»

Среди основных рекомендаций, разработанных для регуляторов:

  • Сфокусироваться на специфичных для конкретного сектора рекомендациях вместо общих;
  • Стандартизировать рекомендации внутри ЕС, установить единую терминологию и классификацию;
  • Сотрудничать с представителями индустрии и вовлекать частный сектор в разработку законов, используя действующие ассоциации и объединения, например, AIOTI.

Главные рекомендации для производителей устройств и разработчиков ПО:

  • Убедиться, что все сотрудники обладают актуальными знаниями и навыками в области кибербезопасности;
  • Обеспечить совместимость данных с надежной автоматизированной системой установки патчей;
  • Провести аудит кода во время процесса внедрения — это поможет уменьшить количество ошибок в конечной версии продукта, а также выявить любые попытки внедрения вредоносного кода или обхода аутентификации.

Полный текст документа «Baseline Security Recommendations for IoT in the context of Critical Information Infrastructures» можно найти на сайте ENISA.[2]

IIoT в мире: аналитика и прогнозы

2017

Рост Индустриального Интернета до 2021 года

Рост Индустриального Интернета до 2021 года

ABI Research

Аналитики ABI Research прогнозируют, что общий доход от использования промышленных и производственных IoT-приложений, для работы которых применяется мобильная и спутниковая связь, может составить более чем $138 млн. В 2017 году количество новых проводных и беспроводных IIoT-соединений увеличится более чем на 13 млн, составив к концу года 66 млн соединений (вместе с 53 млн соединений, зафиксированных в 2016 году).

Азиатско-Тихоокеанский регион занимает лидирующие позиции по новым IIoT-подключениям. В 2017 году здесь ожидается более пяти миллионов дополнительных подключений. Глобальные возможности рынка будут расти в течение следующих четырех лет: прогнозируется 18 млн новых IIoT-соединений по достижении 2021 года.

Несмотря на это, ожидается снижение доходов от услуг связи, которое снизится до $122 млн в 2021 году.

Основная база установленных соединений приходится на фиксированную связь (DSL, кабель, Ethernet и PSTN). На беспроводные соединения в 2017 году будет приходиться около 25% новых IIoT-соединений. Операторы мобильных сетей продолжат перенос своих сетей и оборудования для оказания IoT-сервисов от технологии 2G в 4G LTE диапазон. Подключения в промышленном производстве также увеличивают использование сетей дальнего радиуса действия с низким энергопотреблением (LPWA). На LPWA в течении последующих четырех лет придется больше всего подключений.

2016

Accenture

По мнению аналитиков компании Accenture, к 2030 году объем рынка промышленного Интернета вещей превысит отметку в $14 трлн. Цифры хороши, если есть необходимость привлечь инвесторов или убедить начальников заняться внедрением IoT. Не стоит к этим цифрам относиться слишком серьезно. С точки зрения прогноза совершенно очевидно, что индустрия растет очень быстрыми темпами.

Рост ожидает несколько скачков, связанных с принятием общих стандартов и параметров протоколов, которые должны существенно снизить риски крупных инвестиций в системы IoT.

Прогноз Ovum

Компания Ovum прогнозирует, что общий объем соединенных устройств, применяемых в различных сегментах мировой экономики, достигнет около 530 млн штук в 2019 году, при этом наибольшее число таких устройств будет в сфере энергетики и ЖКХ, на транспорте, в промышленности, здравоохранении и торговле.

Ключевым драйвером роста станет продолжающееся снижение стоимости сенсоров и оборудования, услуг связи, обработки данных и системной интеграции, с одной стороны, и снижение издержек и повышение выручки предприятий, которые внедряют инновационные решения, с другой стороны.

Прогноз Machina Research и Nokia

По мнению Machina Research и компании Nokia, доходы глобального рынка индустриального интернета вещей достигнут 484 млрд евро в 2025 году, а основными отраслями станут транспорт, промышленность, ЖКХ, здравоохранение и применения для умного дома. При этом общие оценки рынка Интернета вещей (пользовательского и корпоративного) в мире Machina Research и Cisco оценивают до 4,3 трлн долларов в 2025 году.

Honeywell IIoT: Большинство производителей планируют увеличить инвестиции в технологии анализа данных

В опросе под названием «Влияние больших данных на производство: изучение мнения руководителей» приняли участие более 200 руководителей североамериканских производственных компаний. Опрос проводился подразделением «Промышленная автоматизация» компании Honeywell совместно с корпорацией KRC Research с 23 мая по 8 июня 2016 года.

Проведенный опрос позволил сделать следующие основные выводы:

  • Некоторые компании вынуждены работать под угрозой незапланированных простоев и поломок оборудования, которые рассматриваются как наиболее пагубные факторы, влияющие на рост доходов.
  • Большинство компаний признают, что уже вкладывают средства в технологии анализа данных.
  • Более четверти руководителей сообщили, что не планируют вкладывать средства в анализ данных в следующем году; в качестве причин в этой группе наиболее часто упоминаются непонимание преимуществ анализа данных и нехватка ресурсов.

"Порочный круг"

Незапланированные простои считаются основной угрозой для роста доходов, но 42 % респондентов признались, что эксплуатируют оборудование с большей нагрузкой, чем следует. На вопрос о том, как часто их компании сталкивались с производственными проблемами за последние годы, 71 % респондентов ответили, что отказы оборудования у них возникают время от времени, 64 % сказали то же самое о незапланированных простоях.

40 % респондентов указали незапланированные простои как наибольшую угрозу для роста доходов. Среди других причин были указаны следующие:

  • Проблемы управления цепочками поставок (39 %)
  • Неадекватная квалификация персонала (37 %)
  • Брак (36 %)
  • Поломки оборудования (32 %)

Анализ данных как эффективное решение

Анализ данных — это ключевой компонент успешного внедрения технологий IIoT для производителей. Большинство респондентов признают эффективность технологий для анализа данных. Например, руководители заявили, что согласны с тем, что анализ больших данных может привести к сокращению:

  • поломок оборудования (70 %)
  • незапланированных простоев (68 %)
  • внепланового техобслуживания (64 %)
  • сбоев в управлении цепочками поставок (60 %)

Респонденты заявили, что, по их мнению, анализ данных может помочь быстрее принимать обоснованные решения (63 %), уменьшить объем брака (57 %) и прогнозировать риски простоя (56 %).

Кроме того, более чем две трети респондентов (68 %) заявили, что они в настоящее время вкладывают средства в анализ данных, а 50 % сообщили, что, по их мнению, возглавляемые ими компании находятся на правильном пути в отношении внедрения технологий анализа данных; а 15 % заявили они находятся опережают других в плане применения технологий анализа данных.

Преимущества очевидны не для всех

В то время как большинство респондентов заявили, что уже инвестируют и/или планируют увеличить инвестиции в анализ данных в следующем году, 32 % сказали, что в настоящее время не вкладывают средства в анализ данных. Между тем 33 % опрошенных заявили, что их компании не планируют инвестировать в анализ данных в течение следующих 12 месяцев или что им неизвестно о таких планах компании.

Из числа респондентов, которые в настоящее время не планируют инвестиции в анализ данных:

  • 61 % считают, что их компании уже располагают системами, способными обеспечить безопасность, доходность и успех бизнеса
  • 45 % заявили, что в их компании наблюдается определенный рост и без анализа данных
  • 42 % сказали, что не понимают в полной мере преимущества больших данных
  • 35 % считают, что люди переоценивают преимущества больших данных

63 % респондентов, которые не планируют инвестировать в анализ данных, указали, что им просто не хватает ресурсов для инвестиций, в то время как 39 % сообщили, что не располагают нужными кадрами для необходимого анализа данных.

2014: Оценка Verizon

По оценке Verizon, в 2014-м глобально рынок IIoT насчитывал 1,2 млрд. устройств, а к 2020 г. он вырастет до 5,4 млрд.

IIoT в России

Отдельная статья - Industrial Internet of Things - IIoT (промышленный интернет вещей) в России

Смотрите также

Примечания