Basisprincipes: IoT, IIoT, AIoT en waarom daar de toekomst van de industriële automatisering ligt

Naarmate de ingebruikname van het internet der dingen (IoT) versnelt, is er ook een pull voor meer geavanceerde technologieën zoals kunstmatige intelligentie (artificial intelligence, AI) en machineleren (machine learning, ML). Deze invloed is in feite zo groot dat de betekenis van de term IoT zelf aan het evolueren is en is uitgebreid met het ‘Industrial IoT’ (IIoT), de ‘Artificial Intelligence of Things’ (AIoT) en het ‘Internet of Heavier Things’¹.

Wat betreft industriële implementaties leiden de connectiviteit en intelligentie van het IIoT tot productiviteit, efficiëntie en andere economische voordelen. Maar behalve nieuwe apparaten die speciaal geschikt zijn voor het IIoT, bestaat er een grote hoeveelheid verouderde (legacy) infrastructuur en apparatuur.

In dit artikel wordt laten zien hoe facilitair managers, in plaats van deze apparatuur aan de rand van technologische innovatie te laten verwaarlozen, de motivatie en middelen hebben om verouderde apparatuur aan te passen aan het IIoT-tijdperk met oplossingen van Molex, TE Connectivity, STMicroelectronics, Delta en Weidmuller.

Definitie van termen

De term ‘Internet of Things’ werd voor het eerst gebruikt door Kevin Ashton, een Britse pionier op het gebied van technologie, tijdens een presentatie die hij in 1999 gaf voor Procter & Gamble (P&G). Kevin gebruikte het ‘Internet of Things’ om een systeem te beschrijven waar internet via alomtegenwoordige sensors met de fysieke wereld verbonden is. Het duurde niet lang of de term Internet of Things en de afkorting IoT werden zelf alomtegenwoordig.

Het IoT: Wat mensen onder de term ‘Internet of Things’ of het internet der dingen verstaan, is in de loop der tijd veranderd. De algemeen aanvaarde moderne definitie is: een systeem van onderling verbonden computerapparatuur, mechanische en digitale machines, objecten, dieren of mensen die voorzien zijn van unieke identificaties en de mogelijkheid om gegevens over een netwerk te verzenden, zonder dat dit noodzakelijkerwijs interactie tussen mensen of tussen mens en computer vereist. Tegenwoordig verwijst de term ‘IoT-apparaat’ naar een alleenstaand apparaat met een internetverbinding dat vanaf een externe locatie kan worden bewaakt en/of bestuurd. Volgens Statistica zullen er naar verwachting in 2020 circa 30 miljard IoT-apparaten over de hele wereld zijn geïnstalleerd, wat naar verwachting zal stijgen tot 75 miljard in 2025.

Het IIoT en de AIoT: Het Industrial Internet of Things (industriële internet der dingen of IIoT) verwijst naar onderling verbonden sensors, instrumenten en andere apparaten die zijn verbonden met de industriële toepassingen van computers, waaronder productie en energiebeheer. Dankzij deze connectiviteit kunnen gegevens worden verzameld, uitgewisseld en geanalyseerd, waardoor potentiële verbeteringen in de productiviteit, efficiëntie en andere economische voordelen kunnen worden gerealiseerd. Het IIoT is een geëvolueerd gedistribueerd regelsysteem (DCS) dat een hogere mate van automatisering mogelijk maakt door gebruik van cloud computing om de procescontroles te verfijnen en te optimaliseren. In zijn huidige vorm wordt het IIoT ondersteund door technologieën zoals cyberveiligheid, cloud computing, edge computing, mobiele technologieën, machine-to-machine, 3D-printen, geavanceerde robotica, big data, het IoT, RFID-technologie en cognitieve computing.

De AIoT verwijst naar het uitbreiden van IoT-apparaten en -infrastructuur met AI-technologieën. AI verbetert het IoT uit met machineleren (ML) en cognitieve mogelijkheden.

De industriële bewustwording en het Internet of Heavier Things

Volgens een voorspelling van Gartner uit 2017 zouden wereldwijde IoT-uitgaven in 2018 naar verwachting 772,5 miljard dollar bedragen. Volgens IDC besteedde de consument in 2018 wereldwijd rond de 62 miljard dollar aan IoT. Ter vergelijking werd er 189 miljard dollar aan productie besteed, meer dan aan transport (85 miljard dollar) en nutsvoorzieningen (73 miljard dollar) samen. Bovendien voorspelt Bain & Company dat IIoT-toepassingen in 2020 meer dan 300 miljard dollar zullen genereren, het dubbele van het IoT-segment voor consumenten (150 miljard dollar).

De term ‘Heavy Industry’ oftewel zware industrie verwijst naar een industrie met een of meer kenmerken zoals grote en zware producten, grote en zware apparatuur en faciliteiten (bijv. zware uitrusting, grote machinewerktuigen, enorme gebouwen en grootschalige infrastructuur) of complexe of talrijke processen.

Vóór het IoT waren industriële systemen die motoren, generatoren en zware machines gebruikten, grotendeels opzichzelfstaand en niet verbonden. Er zijn echter enorme voordelen te behalen op het gebied van efficiëntie, productiviteit en betrouwbaarheid aan het hebben van een internetverbinding en deel uit te maken van het IoT. Deze voordelen zijn onder andere bewaking en besturing op afstand, storingsdetectie en preventief onderhoud. Dit verklaart waarom nieuwe industriële apparatuur uitgerust is met een enorme reeks sensors en communicatiefuncties.

Het probleem is dat er een grote hoeveelheid bestaande (verouderde) ‘domme’ infrastructuur en apparatuur is. Geschat wordt dat alleen al in de Verenigde Staten 6,8 biljoen dollar aan dergelijke apparatuur bestaat. Er zijn drie opties: alles houden zoals het is, bestaande apparatuur vervangen door moderne equivalenten tegen enorme kosten of bestaande apparatuur verbeteren en uitbreiden met moderne sensor-, besturings- en communicatiesystemen en deze al gillend en krijsend de 21st eeuw in slepen.

De Amerikaanse firma voor durfkapitaal Kleiner Perkins noemt de uitbreiding van industriële systemen met IIoT- en AIoT-mogelijkheden de ‘Industrial Awakening’ oftewel de industriële bewustwording. In het in 2015 gepubliceerde artikel The Industrial Awakening: The Internet of Heavier Things verwees Kleiner Perkins naar een rapport van het World Economic Forum, waarin werd opgemerkt dat deze ‘Industrial Awakening’ naar verwachting in 2030 14,2 biljoen dollar aan wereldwijde output zal genereren.

Uitbreiden van verouderde apparatuur met IIoT- en AIoT-mogelijkheden

Elektromotoren zijn wereldwijd de grootste verbruiker van elektriciteit. Ze vertegenwoordigen ongeveer 2/3 van het industriële energieverbruik en ongeveer 50% van het energieverbruik wereldwijd. Dit betekent dat de helft van alle energiecentrales of andere voedingsbronnen uitsluitend wordt gebruikt voor het aandrijven van elektromotoren.

Het probleem is dat de gemiddelde industriële elektromotor slechts circa 88% efficiënt is (commerciële motoren kunnen aanzienlijk minder zijn). Deze efficiëntie kan dramatisch worden verbeterd door middel van geschikte sensors en besturingssystemen.

Een van de grootste risico's voor een industrieel bedrijf is downtime door onverwachte uitval van apparatuur. Eén manier om dit te beperken is het gebruik van predictief onderhoud. Dit vereist zowel sensors om apparatuur te bewaken als IIoT- en AIoT-capaciteiten om eventuele afwijkingen van normaal gedrag te detecteren en potentiële storingen en tijdframes te voorspellen (bijv. ‘Deze secundaire stuurkop op deze machine werkt momenteel met een efficiëntie van 95%, wat met 0,9% per dag afneemt, en zal het naar verwachting over 6 dagen +/-1 dag helemaal begeven.’).

De reden voor het gebruik van IIoT- en AIoT-capaciteiten is dat ze patronen kunnen herkennen, trends uit historische gegevens in kaart kunnen brengen en potentiële storingen kunnen extrapoleren, en dat veel effectiever doen dan mensen.

Mensen vinden het moeilijk om patronen te detecteren en afwijkingen te identificeren wanneer ze worden gepresenteerd met enorme hoeveelheden numerieke gegevens, maar vinden het veel gemakkelijker om patronen te detecteren en afwijkingen te identificeren wanneer die gegevens in grafische vorm worden gepresenteerd.

Zo zou het bijvoorbeeld moeilijk, zo niet onmogelijk, zijn voor een mens om het probleem in de numerieke gegevens in Afbeelding 1 te detecteren en te identificeren. Als dezelfde gegevens echter op een grafische manier worden gepresenteerd, zou een mens de anomalie onmiddellijk zien, zoals geïllustreerd in afbeelding 2.

Afbeelding 1: Mensen vinden het moeilijk om in enorme hoeveelheden numerieke gegevens patronen te detecteren en afwijkingen te identificeren. (Bron afbeelding: "Generieke metingen van een IoT-systeem opgeschoond voor publieke presentatie" uit een presentatie door Stephen Bates)

Afbeelding 2: Mensen vinden het veel gemakkelijker om patronen te detecteren en afwijkingen te identificeren in grafische gepresenteerde gegevens. (Bron afbeelding: "Generieke metingen van een IoT-systeem opgeschoond voor publieke presentatie" uit een presentatie door Stephen Bates)

Waar het hier om gaat, is dat IIoT- en AIoT-systemen patronen kunnen detecteren en afwijkingen kunnen identificeren ongeacht hoe de gegevens worden gepresenteerd. Wanneer meerdere identieke systemen—potentieel op verschillende locaties verspreid over de hele wereld—worden gemonitord, kunnen IIoT- en AIoT-systemen bovendien van al deze systemen leren en die kennis gebruiken om problemen in andere systemen te voorspellen.

Alles draait om sensors (en verwerking en connectiviteit en...)

De eerste stap in het verbeteren van verouderde industriële apparatuur is het toevoegen van sensors. Er zijn enorm veel verschillende soorten sensors en elke soort sensor heeft weer tal van opties. Verschillende eigenschappen die door sensors kunnen worden gemeten, zijn onder andere:

Er zijn letterlijk tienduizenden verschillende combinaties van sensortype en -opties mogelijk. Een paar voorbeelden zijn de Contrinex 120254-serie foto-elektrische sensors van Molex en de M3041-000006-250PG drukmeter van TE Connectivity Measurement Specialties (Afbeelding 3). De M3041-000006-250PG is onderdeel van de Microfused-lijn van TE Connectivity en is geschikt voor het meten van vloeistof- of gasdruk, zelfs voor lastige stoffen zoals verontreinigd water, stoom en licht corrosieve vloeistoffen.

Afbeelding 3: De M3041-000006-250PG drukomvormer is geschikt voor het meten van vloeistof- of gasdruk, zelfs voor lastige stoffen zoals verontreinigd water, stoom en licht corrosieve vloeistoffen. (Bron afbeelding: TE connectiviteit)

Een paar voorbeelden van ontwikkelingssets en evaluatieboards zijn de IoT Studio Platforms, de STEVAL-STLCS02V1 SensorTile, de STEVAL-MKSBOX1V1 SensorTile.box ontwikkelingsset en het X-NUCLEO-IKS01A3 Motion MEMS evaluatieboard, allemaal van STMicroelectronics.

Het X-NUCLEO-IKS01A3 evaluatieboard met omgevings- en MEMS-bewegingssensors is compatibel met de Arduino UNO R3-connectorlayout (Afbeelding 4). Het bevat de LSM6DSO driedimensionale versnellingsmeter + driedimensionale gyroscoop, de LIS2MDL driedimensionale magnetometer, de LIS2DW12 driedimensionale versnellingsmeter, de HTS221 vochtigheid- en temperatuursensor, de LPS22HH druksensor en de STTS751 temperatuursensor.

Afbeelding 4: Het X-NUCLEO-IKS01A3 evaluatieboard met omgevings- en MEMS-bewegingssensors is compatibel met de Arduino UNO R3-connector. (Bron afbeelding: STMicroelectronics)

Behalve het gebruik van sensors is ook het lokaal conditioneren, verwerken en regelen van deze gegevens vereist. Deze taken kunnen worden uitgevoerd met programmeerbare logische eenheden (PLC’s), zoals de compacte modulaire mid-range PLC uit de AS-serie van Delta Industrial Automation (Afbeelding 5).

De AS-serie is een hoogwaardige multifunctionele controller die is ontworpen voor gebruik in verschillende geautomatiseerde apparatuur. Deze serie beschikt over het door Delta zelf ontwikkelde SoC (systeem-op-chip), gebaseerd op 32-bits CPU's voor een hogere uitvoersnelheid tot 40 kilo-stappen per milliseconde (ms). De serie ondersteunt maximaal 32 uitbreidingsmodules of maximaal 1024 in-/uitgangen.

Afbeelding 5: De compacte modulaire mid-range PLC uit de AS-serie van Delta ondersteunt tot 40 kilo-stappen/ms en tot 1025 in-/uitgangen. (Bron afbeelding: Delta Industrial Automation)

Desalniettemin zal geavanceerde op AIoT gebaseerde analyse plaatsvinden in de fog en de cloud, waarvoor networking en communicatie nodig is, zoals de volledige oplossing voor industriële ethernetconnectiviteit van de Weidmuller Group.

Conclusie

Naarmate het tempo van ingebruikname van IoT versnelt en ML en AI worden toegevoegd, moeten facilitair managers een manier zien te vinden om verouderde industriële apparatuur dienovereenkomstig te moderniseren om productiviteit en efficiëntie te verbeteren.

Gelukkig zijn er verschillende leveranciers die alom verkrijgbare oplossingen bieden om intelligentie en connectiviteit aan verouderde systemen toe te voegen en ze klaar te maken voor de IIoT-revolutie.

Referenties

1. The Industrial Awakening: The Internet of Heavier Things, Kleiner Perkins, 2015