Verme sul sensore Cosa succede quando i dati IoT sono cattivi?

Le aziende che cercano di utilizzare Internet delle cose devono già affrontare un diluvio di dati e una serie vertiginosa di modi per analizzarlo. Ma cosa succede se l'informazione è sbagliata?

I dati errati sono comuni nell'IoT e sebbene sia difficile ottenere una stima di quante informazioni in streaming dai dispositivi connessi non possano essere utilizzate, molte persone pensano al problema.

Circa il 40 percento di tutti i dati provenienti dai bordi delle reti IoT è "spurio", afferma Harel Kodesh, vicepresidente del business del software Predix di GE e CTO di GE Digital. Gran parte di questi dati non è sbagliata, solo inutile: informazioni duplicate che i dipendenti hanno accidentalmente caricato due volte o messaggi ripetitivi che le macchine inattive inviano automaticamente. 

Inoltre, la costruzione di una nuova piattaforma IoT sopra i vecchi sistemi di reporting industriale può causare problemi perché gli strumenti legacy formattano i dati a modo loro, ha affermato Kodesh. "Non stai prendendo i dati reali, elementali, stai prendendo una traduzione di quello."

Ma a volte i dispositivi generano solo cose false o fuorvianti.

Misurare la cosa sbagliata

Ad esempio, se un verme striscia su un sensore di temperatura e umidità in un campo, l'agricoltore otterrà una lettura di quanto sia caldo e umido il verme, il che non aiuta a gestire una fattoria. Se un sensore viene coperto di sporcizia o sporcizia di fabbrica o se è danneggiato da atti vandalici, anche questo può modificare i dati che produce.

Quanto più rigide sono le condizioni circostanti e tanto più isolato il dispositivo, tanto più probabile sarà il problema dei dati errati. Oltre all'agricoltura, industrie come il petrolio e il gas e la distribuzione di energia affrontano questo. Ma non sono solo i sensori remoti ad avere problemi. Anche in ospedale, un sensore di ossigeno nel sangue bloccato sul dito di un paziente può iniziare a fornire dati errati se viene urtato nella posizione sbagliata.

Inoltre, alcuni dispositivi IoT non funzionano correttamente da soli e iniziano a diffondere dati errati o a smettere di riferire affatto. In molti altri casi, l'errore umano è il colpevole: impostazioni errate confondono ciò che il dispositivo genera.

Un modo per ridurre i dati errati è assicurarsi che la marcia sia impostata correttamente.

John Deere equipaggia i suoi giganteschi attrezzi agricoli con sensori che rilevano se le macchine funzionano correttamente. La fioriera ExactEmerge dell'azienda, che rotola dietro un trattore che pianta semi in un campo, ha tre sensori per fila di colture per rilevare quanti semi vengono piantati e con quale frequenza. Almeno una volta all'anno, prima del tempo di semina, l'agricoltore o un rivenditore Deere calibrano manualmente quei sensori in modo che siano precisi, ha affermato Lane Arthur, direttore delle soluzioni digitali di Deere.

Più "è meglio

Ma molti sensori IoT sono troppo difficili da raggiungere per una regolare calibrazione e manutenzione. In questi casi, la ridondanza può essere la risposta, sebbene non sia un proiettile d'argento.

I duplicati dello stesso sensore su una macchina, in una miniera o in un campo generano più input, il che può essere utile in sé. Weather Underground, parte dell'attività di IBM Weather Company, crea i suoi report in parte con i dati di sensori non calibrati ea basso costo nei cortili dei consumatori. Per non molti soldi, danno a Weather Underground più punti dati, ma la qualità è un grosso problema. Un sensore potrebbe non funzionare correttamente e segnalare diversi pollici di pioggia mentre quello accanto non rileva nessuno, ha affermato John Cohn, IBM Fellow per Watson IoT.

"La cosa fantastica è che se hai una densità sufficiente di questo tipo di sensori, puoi ... trovare matematicamente i valori anomali e la ragione, da ciò, che si richiede lavoro", ha detto Cohn.

Le aziende possono anche utilizzare diversi dispositivi di rilevamento, in particolare le telecamere, per controllare i sensori che potrebbero avere problemi. Una videocamera combinata con un software di analisi delle immagini è in grado di rilevare se un dispositivo remoto si è sporco, danneggiato o vandalizzato, ha affermato Doug Bellin, senior manager delle industrie del settore privato globale presso Cisco Systems. A volte le telecamere di sicurezza già lì per qualcos'altro possono fare questo lavoro.

Una tecnica per verificare i diversi tipi di sensori l'uno contro l'altro è chiamata fusione del sensore. Pesa gli input da due o più sensori per giungere a una conclusione.

La fusione dei sensori viene ora implementata negli ospedali, dove dilagano falsi allarmi, ha affermato Stan Schneider, presidente e CEO della società di software IoT Real-Time Innovations (RTI). Ad esempio, invece di attivare un allarme ogni volta che il sensore di ossigeno nel sangue sul dito di un paziente mostrava un basso livello di ossigeno, un sistema di fusione del sensore confrontava costantemente tale lettura con quelli di altri sensori sul paziente, come la respirazione e i cardiofrequenzimetri.

Il sensore fantasma

Altre fonti possono anche sostituire un sensore che non c'è nemmeno più. GE verifica ogni motore a reazione che esce dalle sue fabbriche per la temperatura dei gas di scarico, una cifra che riflette la sua efficienza, ha detto Kodesh. GE inserisce un sensore proprio nel percorso dello scarico anche se si brucerà sempre dopo alcuni minuti. Nel frattempo, i sensori in punti più sicuri attorno al motore raccolgono i dati contemporaneamente e confrontando le loro letture con ciò che il dispositivo condannato ha registrato prima che fosse distrutto, GE può ricreare il sensore diretto come virtuale - una funzione matematica.

Trarre conclusioni da più flussi di informazioni porta il problema della qualità dei dati nel regno dell'apprendimento automatico. Ecco dove stanno accadendo le cose più interessanti, afferma IBM Cohn.

Ad esempio, IBM utilizza la sua piattaforma di analisi Watson per comprendere il consumo di energia nelle strutture IBM in Irlanda. Watson non solo può segnalare una discrepanza se un condizionatore d'aria dice che è spento, ma l'assorbimento di potenza totale è troppo alto per essere vero, ma nel tempo può imparare a identificare il modo particolare in cui quel condizionatore d'aria assorbe energia quando dai. Con questa conoscenza, un sistema che dice che non è attivo può essere colto in flagrante.

Come controllo dei dati difettosi, l'apprendimento automatico richiede tempo per essere aggiornato, a differenza di sensori o telecamere aggiunti.

“Diventa più intelligente più corre. La prima volta che funziona, non mi fiderei di questo ", ha dichiarato Bellin di Cisco. "La millesima volta che corre, è ... probabilmente più intelligente di me."

Più critico è il sistema IoT, più importante è gestire i dati errati. La fusione dei sensori, ad esempio, è necessaria per cose come la salute dei pazienti e il rilevamento dei missili perché l'affidabilità è un grosso problema quando la posta in gioco è così alta, Schneider di RTI ha detto.

Ma alcune forme di IoT possono probabilmente cavarsela senza di essa più fonti di dati, ha detto. "Non è necessario nel termostato di casa tua."

Unisciti alle community di Network World su Facebook e LinkedIn per commentare argomenti che sono importanti.