ПРЕСС-ЦЕНТР

Опыт внедрения современных технологий «Интернета вещей» и «Индустриального Интернета вещей» в образовательный процесс, МКА: ВКС №2/2016

Павел Литвинов, АО «РТСофт»

Открытию Лаборатории «Интернета вещей» в МГТУ им. Баумана (репортаж об этом событии размещён в текущем номере журнала «МКА» на стр. 13) предшествовал большой объём подготовительных работ. Совместно с руководством факультета информатики и систем управления и преподавательским составом кафедры ИУ-6 прорабатывалась концепция научно-учебной лаборатории, организационные и технические вопросы, обсуждались критерии выбора оборудования и облачных сервисов. Особое внимание уделялось проработке методологии и вопросам интеграции в текущий учебный процесс. Опытом этих работ автор и хотел бы поделиться с читателями, а также тезисами и идеями, которые возникали в ходе дискуссий и обсуждений.

По сложившейся традиции об опыте принято говорить только по прошествии достаточного количества времени. В данном случае это правило сознательно нарушается. Темпы развития направления «Интернета вещей» (Internet of Things – IoT) и особенно «Индустриального интернета вещей» (Industrial Internet of Things – IIoT) столь высоки, что, по прогнозам, потребность в специалистах, компетентных в этой области и имеющих практический опыт в реализации проектов, будет нарастать экспоненциально. Другими словами, в сложившейся ситуации некогда ждать «проверки временем». И консервативный подход неприемлем ещё и в силу того обстоятельства, что технический прогресс в отдельных областях настолько быстро меняет технологический и даже бизнес-ландшафт, что «прошлогодний опыт» может представлять уже скорее академический, чем практический интерес.

Миссия и цели лаборатории IoT

Миссия Лаборатории была определена как «Предоставление студентам МГТУ инструментов и методологии с целью получения знаний в области технологий IoT и Industrial IoT и приобретения практического опыта реализации проектов «Интернета вещей».

Основные цели:

  • дать студентам целостное представление о парадигме и областях применения технологий Machine- to-machine (M2M), «Интернета вещей» (IoT), «Индустрии 4.0» (Industrial Internet of Things), находящихся в тесной связи с технологиями облачных сервисов (cloud), искусственного интеллекта (IA, RTI), больших данных (Big Data) и средствами обеспечения кибербезопасности систем, построенных на их основе;

  • методология лабораторных работ должна формировать базовые знания и навыки проектирования киберфизических систем (Cyber-physical system, CPS);

  • лабораторные работы должны закреплять теоретические знания путём создания прототипов систем, имеющих коммерческий потенциал.

Были учтены и очевидные ограничения:

  • обучение в лаборатории должно дополнять существующий учебный процесс;

  • учебная программа должны быть гармонизирована и синхронизована с программой обучения на факультете. 

Предпосылки. Немного истории и математики

Открытию Лаборатории предшествовала большая аналитическая работа продолжительностью около года. На первом этапе была разработана концепция развития направления «Интернет вещей» в АО «РТСофт», неотъемлемой частью которой являлось создание и развитие лабораторий. Следует отметить, что к этому моменту в нашей организации уже был накоплен базовый опыт – первая Лаборатория «Интернета вещей» (IoT-Lab) была открыта в Инженерном доме компании в декабре 2014 г. К этому моменту понятие «лаборатория» встретилось по тексту статьи уже десять раз и настал верный момент для объяснения читателю, почему этой теме в инновационной инженерно-производственной компании и крупном системном интеграторе, котором является «РТСофт», придаётся такое значение.

Для этого рассмотрим цикл проектирования и создания инновационных продуктов решений и сервисов. Определение «инновационных» в данном случае важно, поскольку путь этот длиннее и в нём больше этапов. 

Этап 0. Аналитика. На основе анализа ключевых трендов развития технологий, движущих сил развития рынка и производства и изменения макроэкономических факторов и ситуации идёт анализ проблем и потребностей заказчиков в целевых сегментах с целью определения предложения, которое будет представлять для них ценность. Результатом этого этапа будет идея. 

Этап 1. Инженерная проработка. Очевидно, что не каждую идею можно эффективно и быстро реализовать, а для тех концепций, техническая возможность реализации которых не вызывает сомнений, требуется выбор наилучшего, наиболее конкурентного способа производства и выполнения. Параллельно надо определиться с тем, как будут строиться отношения с потенциальными заказчиками и источниками доходности. На выходе у нас бизнес-идея.

Этап 2. Проверка концепции. Теоретические построения пора проверять на практике. На этом этапе неизбежно выполнение НИР или даже ОКР в технической части проекта. В ходе этих работ продвигается и бизнес-часть: определяются возможные партнёры в вопросах сбыта, производства, поставщики узлов и (или) программного обеспечения и т.п. Определяется структура себестоимости, оцениваются возможности и подготовленность собственных сбытовых каналов. Этап завершается прототипом.

Этап 3. Маркетинг. Наш прототип (или show-case) готов к представлению потенциальным заказчикам. Одновременно определяются необходимые ресурсы и ключевые мероприятия для продвижения, доработки с учётом замечаний и предложений, последующего производства.

Далее разницы между инновационным продуктом и «обычным» не будет и следующие этапы – за рамками нашего рассмотрения. Сосредоточимся на первых трёх и построим имитационную модель инновационного развития с использованием метода системной динамики (рис. 1), где в схематическом виде отображены параметры модели и текущие результаты расчёта: зеленые точки – проекты на этапе «инженерной проработки», оранжевые – «проверки концепции». На этапе «маркетинг» – отображаются на разных стадиях жизненного цикла. Радиусом окружности визуализируется текущая рыночная стоимость (InMarketCost) каждого проекта. Работающая модель представляет собой завораживающую мультипликацию того, как проекты «всплывают» на рынок, «надуваются» и «лопаются».

frame from a visualization of model.jpg

Рис. 1. Кадр из визуализации оптимизационной модели
инновационного развития компании
 

При программировании и определении коэффициентов модели были использованы следующие предположения:

  • источником развития (InvestmentCapital) является доля от основного капитала компании (MainCapital), которая нормируется (MaxFraction);

  • количество идей на входе не лимитируется, на их отбор затрачивается фиксированная сумма денег (ProjectStartCost), а «свободная производительность» НИОКР-подразделений компании (RnDCapacity) не более пяти проектов одновременно;

  • средняя стоимость проекта до этапа «Маркетинг» (AverageProjectCost) нам известна из опыта, отклонения от неё для каждого проекта образуют нормальное распределение;

  • при переходе с этапа на этап отсеивается часть проектов. Доля закрываемых проектов определяется как среднее между «опытом» и (или) экспертными оценками для данного вида проекта, если опыт отсутствует;

  • вероятность и сроки достижения рыночного успеха определяются исходя из рыночной статистики.

Результаты моделирования ярко иллюстрируют и подтверждают расчётами очевидную мысль, что для повышения эффективности и снижения рисков инновационных проектов необходимо строже проводить отбор, останавливая проекты с сомнительными перспективами на наиболее ранних стадиях. С другой стороны, при ограниченной «пропускной» способности подразделений компании, занимающихся НИОКР, это может привести к тому, что на этап «маркетинг» в течение длительного промежутка времени будет нечего передавать, что недопустимо. Ещё одно направление оптимизации появляется после учёта того фактора, что в компании разными этапами жизненного цикла занимаются разные подразделения. Это приводит к появлению «переходных расходов и трудозатрат», связанных с передачей проекта в другое подразделение. При этом, даже при самой тщательной подготовке и выполнении всех внутренних регламентов, теряется и искажается некоторая часть информации, особенно это касается случаев «подразумеваемого» качества, «общеизвестных» технических требований, «очевидных проектных решений».

В результате рассмотрения различных сценариев оптимальными были признаны следующие шаги: объединение первых этапов развития проектов IoT и IIoT в рамках одного «виртуального подразделения» собственной IoT-Lab – для снижения «переходных» расходов; перенос ранних стадий и части проектов на «аутсорсинг» путём спонсирования и открытия «внешней» Лаборатории «Интернета вещей» с целью увеличения «пропускной способности».

До открытия Лаборатории в МГТУ осталось 6 месяцев…

Концепция

В таких проектах мало убедить себя в необходимости спонсирования расходов и проведения организационно-технических мероприятий. Такую же понятную и привлекательную концепцию необходимо было разработать и представить руководству МГТУ им. Баумана. Не было никаких сомнений, что лучшей базы для проектируемой лаборатории не найти, тем более что нашу компанию и лучший Технический Университет страны связывает давняя дружба, скреплённая совместными успешными проектами в образовательной и научной сфере.

В результате обсуждений была сформулирована концепция, привлекательная для всех участников:

  • МГТУ :

  • внедрение в образовательный процесс самых со- временных IT-концепций;

  • безвозмездное получение современных комплектов, разработанных компанией Intel, для материально-технической базы лаборатории;
  • получение помощи «РТСофт» для составления методических материалов.

  • РТСофт :

  • возможность демонстрации решений Лаборатории на выставках (и) или использование результатов и элементов выполненных работ в НИР и ОКР;

  • формирование кадрового резерва.

  • Студентов :

  • получение знаний и практических навыков, которые будут гарантированно востребованы в ближайшем будущем;

  • расширение кругозора от работы на выставках, участия в конкурсах, общения со специалистами и т.п.;

  • возможности трудоустройства.

Выбор состава оборудования

Широко представленные в сети Интернет и ставшие уже культовыми среди «самодельшиков» (do-it yourself, DIY) одноплатные компьютеры на основе ARM-процессоров Raspberry Pi и компактные контроллеры Arduino были заменены их функциональными аналогами на основе процессоров Intel: макетными платами Galileo Gen 2 и Edison Breakout Board Kit. С одной стороны, такой переход затрудняет построение прототипов и моделирование, поскольку большая часть готовых проектов, описание которых можно найти в сети Интернет, сделаны на другой элементной базе. С другой стороны, запас вычислительной мощности, качество изготовления, надёжность и уровень технической поддержки плат и компонентов уже сейчас и инвестиции Intel в развитие технологий и решений IoT на перспективу делают такой выбор совершенно оправданным. Кроме того, ориентация на проектирование решений для «Индустрии 4.0» требует уменьшения зазора между прототипом и промышленным образцом. В данном случае простой заменой макетной платы на промышленный компьютер, в котором тоже будет использоваться процессор Intel, мы ускоряем процесс перехода от прототипа к промышленному образцу. Ещё одной находкой стало включение в состав оборудования лаборатории микрокомпьютеров Intel Compute Stick и Мини-ПК — Intel NUC – в тех случаях, когда требуется большая вычислительная мощность или другая операционная система. Что касается плат расширения (Shields), то в силу их разнообразия, было принято решение закупать по мере необходимости под конкретные задачи и проекты. Базовый набор сенсоров, исполнительных механизмов и устройств управления и индикации был приобретён в составе наборов “Grove – Starter Kit Plus, Intel® IoT Edition” (рис. 2).

От онтологии к методологии

В первую очередь встала задача представить студентам целостную онтологию «Интернета вещей» как некую междисциплинарную сущность, проистекающую из одних понятий, связанную с другими и влияющую на третьи (рис. 3).

Components Intel.jpg

Рис. 2. Компоненты производства Intel для учебной лаборатории

Система связей и взаимовлияния получилась настолько сложной, что единственная возможность построить проекцию «гиперкуба» на плоскость – отобразить только самые существенные из них. Идея карты-схемы «Мира IoT» не нова, и разные реализации можно найти у нескольких компаний. Необходимость разработки ещё одной «карты» напрямую вытекала из задачи: дать студентам целостную и полную картину; учесть российскую специфику. Тем не менее язык был выбран английский, из прагматичных соображений: более компактная и устоявшаяся терминология, особенно в части сокращений; возможность без перевода использовать в международных проектах. Следует отметить, что внутри «РТСофт» для проектирования и развития направлений IoT и IIoT используется совершенно аналогичная схема, дополненная информацией о приоритетах и этапах развития по каждой из перечисленных сущностей, плюс некоторые общие понятия заменены конкретными. Такой подход позволяет нам поддерживать актуальность, общаться на одном языке в части представлений и терминологии и одновременно сохранять режим коммерческой тайны и ноу-хау.

Творческая лаборатория

Не секрет, что идея совместных проектов коммерческих организаций с привлечением вузовской науки и студентов очень проста: экономия средств и подбор и обучение новых сотрудников «для себя». В таком прагматичном подходе нет ничего плохого, но есть риск неполного использования творческого потенциала студентов и их преподавателей. Чем точнее будет поставлена задача – тем больше вероятность того, что события будут развиваться по этому сценарию. Если речь идёт о такой новой и динамично развивающейся области, как IoT, то сознательное уменьшение доли творчества и креативности совершенно недопустимо! Рынку нужны новые «свежие идеи», бизнес-модели, end-2-end-решения для вертикальных рынков. Вся правая часть схемы (рис. 3) представляет из себя алгоритм, помогающий находить новые решения на стыке рыночных тенденций, пожеланий заинтересованных сторон, абстрактных и конкретных моделей применения и шаблонов бизнес-моделей. Более подробный перечень бизнес-моделей, рекомендованных студентам для изучения, обсуждения и творческого поиска, приведён в табл. 1.

The ontology of the IoT_1.jpg

Рис. 3. Онтология «Интернета вещей»

The ontology of the IoT_2.jpg

Табл. 1. Рекомендуемые бизнес–модели для IoT
согласно классификации The St. Gallen Business Model Navigator™ [9]

business models for IoT.jpg

Чтобы избежать другой крайности – «Перед вами открыты все дороги – идите туда, сами не знаем куда» – для изучения и развития были предложены совершенно конкретные темы для выполнения лабораторных работ:

  • Безопасность дорожного движения. Трансляция потока (ключевых кадров) с видеорегистратора (веб-камеры) в облако. Запрос трансляции из облака (в качестве идентификатора номер транспортного средства).

  • Умное видеонаблюдение. С использованием свободно распространяемого программного обеспечения OpenCV. Для систем безопасности, транспорта, городского и сельского хозяйства..

  • Расширенный мониторинг состояния оборудования. Принимаются во внимание «дополнительные признаки», появление которых может служить предвестником возможной неисправности: температура, повышенные вибрации, появление задымления, громкости звука выше определённого предела или «странного» спектра и т. п.

  • Умный офис. Определяется количество людей, находящихся в помещении, исходя из этого рассчитываются оптимальные управляющие воздействия для системы управления климатом и вентиляцией. Учитывается также время суток (зачем охлаждать/ греть помещение, если скоро все уйдут по домам?), вид деятельности, длительность нахождения в помещении и т. п.

  •  Умный агрегат. Некое устройство (деталь, агрегат) снабжается RFID-меткой (другим средством с возможностью перезаписи информации). Устройство должно «запоминать» критические воздействия – удар, перегрев; вести журнал часов работы; сообщать по запросу информацию о производителе, ТТХ, дату ввода в эксплуатацию и т. п.

  • Какой формы ваши специалисты?

    Впервые интересная и плодотворная метафора «формы специалиста» была использована в 1991 году Дэвидом Гестом (David Guest) [7]. С тех пор она получила значительное развитие и множество уточнений и интерпретаций, например см. рис. 4 [6]. Но ключевой смысл не меняется: у каждого специалиста есть «две оси» – горизонтальная (ось общих компетенций, знаний из смежных областей и умений развивать их и применять в своей области) и вертикальная (ось специальных знаний).

    T–shaped specialist.jpg

    Рис. 4. Т–образный специалист, обладающий глубиной
    и широтой предметных знаний [6]

    Очевидно, что узкие специалисты без «горизонтальной оси» (I-shaped), не только не смогут смотреть широко и объёмно на новые задачи, но и будут испытывать сложности при работе в команде, область пересечения интересов и потенциал для эффективных коммуникаций может быть слишком мал. Наивно предполагать, что в наше время можно стать «квадратным» специалистом – глубина профессиональных знаний растёт с каждым годом, а способности людей и время, которое можно потратить на изучение, остаётся ограниченным. Занимаясь в лаборатории, студенты, по нашему замыслу, смогут одновременно развиваться в двух направлениях, пробовать разные роли в команде, расширять кругозор и одновременно с этим выбрать для себя направление специализации.

    От Интернета вещей к киберфизическим системам

    Будущее за «T-shaped»-профессионалами, умеющими проектировать киберфизические системы (Cyber-physical system – CPS) для решения актуальных задач промышленности и производства с использованием стека современных ИТ-технологий, образующих нововведения «Индустрии 4.0». Предполагая большую потребность в специалистах, имеющих хотя бы базовые знания и навыки в этой области, с июля этого года в учебный план дополнительного профессионального образования «Учебного Центра РТСофт» включён курс «Введение в технологии «Интернета вещей» (IoT) и основы проектирования киберфизических систем». Основные разделы из Программы обучения даны в табл.2.

    The curriculum for the course IoT.jpg

    Табл. 2. Программа обучения по курсу «Введение в технологии «Интернета вещей»
    (IoT) 
    и основы проектирования киберфизических систем»

    Перспективы и планы развития

    Услуги и сервисы по проектированию, прототипированию и проведению испытаний IoT-решений будут востребованными в ближайшей и далёкой перспективе. На начальном этапе в сервисах заинтересованы разработчики, производители IoT-решений и интеграторы. Мотивация подробно была рассмотрена в разделе

    «Предпосылки. Немного истории и математики». С течением времени фокус будет смещаться на заказчиков IoT-решений. В силу большого предложения на рынке и новизны им потребуются услуги по быстрому и квалифицированному проведению независимой экспертизы предлагаемых решений, сравнительному анализу вариантов реализации, выполнению НИОКР и повышению квалификации собственных специалистов. Поскольку реальные компетенции, подбор и формирование команды специалистов, накопление необходимого опыта в таких областях занимает примерно 3 года, мы рады, что инвестировали в направление IoT, составной частью которого является развитие лабораторий, ещё в 2014 году

    Cyber-physical systems.jpg

    Литература

    1. Информация с сайтов: www.ibm.com, www. beechamresearch.com, www.libelium.com. 

    2. J’son & Partners Consulting. «Internet of things and intermachine communication: modern technologies, trends, road maps. Situation overview in Russia and world- wide». 2013.

    3.  Axeda. Connected Machine Management Applications. 2014 : б.н.

    4. ThingWorx. Powering the Internet of Things. 2014. J4059-TW-Powering-the -Connected-World-0814.

    5. Bosch. «Capitalizing on the Internet of Things – how to succeed in a connected world» : Part I: Internet of Things Strategy, February 2014.

    6. Brian S. McIntosh and Andr Taylor, «Developing T-Shaped Water Professionals: Building Capacity in Collaboration, Learning, and Leadership to Drive Innovation»,Universities Council on Water Resources, Journal of Contemporary Water Research & Education, Issue 150, Pages 6-17, March 2013

    7. David Guest, «The hunt is on for the Renaissance Man of computing», The Independent (London), September 17, 1991

    8. John D. Sterman, «Business Dynamics Systems Thinking and Modeling for a Complex World», Massachusetts Institute of Technology Sloan School of Management, 2000 г.

    9. Oliver Gassman, Karolin Frankenberger, Muchaela Csik, «The St. Gallen Business Model Navogator™».