×
IoT World 2016. ADI, Martin Cotter: Мы оцениваем потенциал IoT в промышленности и здравоохранения в $3 трлн., в т.ч. повышение эффективности за счет добавленной ценности новых данных - 240 млрд.

Доброе утро!

 

Говоря об Интернете вещей мы наблюдаем довольно серьезные проблемы, для решения которых необходима работа с низким уровнем шума, наилучшие сенсорные технологии, на создание которых мы способны, плюс способность к выполнению алгоритмов и ПО, позволяющее обрабатывать большие данные.

 

Martin Cotter - Vice President of the Internet of Things (IoT), Consumer and Healthcare Business Units. Analog Devices, Inc.

 

JSON.TV публикует выступления спикеров с конференции Internet of Things World 2016, 10-12 мая в Кремниевой долине. Благодарим Организатора - Informa Group за приглашение команды JSON.TV.

 

См. видеозапись выступления Мартина Коттера с IoT World 2016 на языке оригинала

 

Для решения наиболее трудных проблем и для того, чтобы достичь наилучших результатов, необходимо иметь непосредственную связь со знаниями из конкретной области, научными данными, которые лежат в основе этой предметной области.

 

Это не тот случай, когда проблема решается большим количеством сенсоров, необходимо действительно глубоко погрузиться в область применения.

 

Необходимо суметь добавить что-то к хорошим измерительным и аналитическим способностям, улучшить сам сигнал, обеспечить отличное извлечение информации.

 

С возможностью долговременного хранения, которую нам предоставляет облако, мы можем решать проблемы, которые мы раньше были неспособны решить. На наш взгляд, именно в этом заключается действительная ценность IoT.

  

 

Мартин Коттер (Martin Cotter), Вице-президент по IoT, бизнес-подразделение решений массового рынка и здравоохранения, Analog Devices Inc. (ADI)

 

Итак, во-первых, облекая сказанное в контекст, я расскажу о том, что для нас значат Большие данные.

 

Мы наблюдали три волны Big Data. Первая – от использования больших ЭВМ до облачных сервисов.

 

Вторая – от персональных компьютеров к беспроводным устройствам – мобильным телефонам, планшетам и мобильным компьютерным устройствам в целом. Все это представляет большой интерес. Количество пользователей и количество данных, загружаемых в облачные сервисы, росло в геометрической прогрессии.

 

В результате всего этого генерировались полезные данные. Но все это особо не касалось технологий измерения, и мы в ADI не ощущали себя в центре происходящего.

 

Но теперь появился прекрасный мир IoT, в котором сенсорные технологии используются повсеместно. Абсолютно всё и все оснащаются измерительными приборами.

 

Все это делается для обеспечения достоверных измерений, достоверных данных и отправки этих данных в облако безопасным способом.


Нам повезло, что мы уже много лет существуем в области сенсорных, измерительных технологий и интерпретации получаемых данных.

 

Сейчас мы добавляем возможности выполнения алгоритмов в точке подключения и в облаке, возможности проведения аналитики в точке подключения и в облаке.

 

И мы можем оказывать реальное влияние на происходящие большие изменения, на создание дополнительной ценности.

 

И каждый пункт в этом информационном путешествии от считывания данных к их анализу, к извлечению информации, представлению ее в облаке открывает нам возможность вести цифровой диалог, добывать ценности и производить дополнительные ценности для себя, для наших клиентов и, разумеется, для наших партнеров.

 

Мы чувствуем, что находимся в начале очень волнующего путешествия, в котором всем нам предстоит принять участие.

 

 

 

 

Слайд из презентации Мартина Коттера, ADI

 

На слайде показаны проблемы, которые нас просят решить. Мы находимся на мостике между цифровым миром и интерфейсом реального мира.

 

К нам поступают просьбы выполнить измерения света, звука, вибрации, движений, температуры, давления, в некоторых случаях близости чего-то. Обычно, все эти измерения производятся относительно друг друга, считываются и интерпретируются не только одно отдельно взятое значение.

 

Нас иногда просят осуществлять передачу этих данных по радиочастотам или посредством микроволн или даже спрогнозировать будущее, проанализировав диаграмму напряжения или тока в рамках конкретной проблемы.

 

Все это привело нас к решению агрегировать данные перед их передачей, извлекать информацию из них уже в облаке.

 

Все эти сенсорные устройства нуждаются в контексте и установлении взаимосвязи для того, чтобы иметь возможность решать проблемы, которые нас просят решить.

 

И это приводит нас в самый центр диалога с нашими клиентами. Нам необходимо создавать множество партнерств, мы не можем делать это в одиночку.

 

Делая это, мы можем привнести изменения в отрасли, требующие долговечных, стабильных, достоверных данных, достоверных измерений и достоверной аналитики.

 

В качестве примера я приведу несколько областей использования, с которыми вы можете ознакомиться на нашем стенде. Это примеры из реального мира, примеры предоставления нами единого комплекса решений, целое информационное путешествие к критическим проблемам.


Мы работаем в области здравоохранения, где осуществляем удаленный мониторинг пациентов.

 

Мы осуществляем контроль парковки в городах – более 25% топлива в городах тратится людьми на поиск парковочных мест.

 

Автоматизация зданий, сельское хозяйство, решения для обеспечения качества и безопасности питания.

 

Это большие проблемы, решение которых мы можем сделать более эффективным. Люди рассуждают об огромном потенциале IoT – кто-то упоминает $7 трлн, кто-то $14 трлн. Это огромная цифра в плане оценки потенциала общего рынка Интернета вещей.

 

Мы считаем, что в области промышленности и здравоохранения эта цифра составляет $3 трлн.

 

Это хорошая цифра, но она представляет общую стоимость решений.

 

Конкретно в области здравоохранения и промышленности, эффективность и возможности, которые нам дает способность к получению дополнительных полезных данных оцениваются в $240 млрд.

 

Это на порядок больше того, что мы сейчас поставляем. Поэтому каждому в данной цепочке открываются большие возможности.

 

Я расскажу о нескольких практических кейсах более подробно.

 


Во-первых, здравоохранение. 

 

Взгляните на то, что собой представляет данная область на сегодняшний день – 17% ВВП США тратится на здравоохранение и борьбу с болезнями.

 

Это огромная цифра. Если учесть, что количество населения возрастом за 65 лет удвоится к 2035, то становится понятно, что 17% доли ВВП невозможно удвоить подобным образом. Следовательно, необходимо другое решение.

 

Представьте себе, что можно отодвинуть возникновение 5 основных болезней.

 

Взять, к примеру, диабет – 30% населения подвержены риску возникновения диабета. Если замедлить развитие диабета с преддиабетического состояния до потребности в инсулине, можно сэкономить до 2,5 тысяч долларов в год.

 

Если замедлить развитие болезни до возникновения необходимости дополнительного вмешательства – можно  сэкономить еще больше.

 

Таким образом, замедление развития любой из этих болезней приводит к сокращению времени, проведенного в больнице, позволяет устранить необходимость проведения диализа, и помогает сэкономить в целом по сотне тысяч долларов на человека в год.

 

Это огромная возможность, которую мы совместно с нашими партнерами пытаемся развить и доказать их эффективность.

 

 

Проект Internet of Tomatoes, ADI

 

Рассмотрим умное оборудование.

 

Продолжительность вынужденного простоя на промышленном объекте может составлять пару дней в году. Если устранить этот простой, можно окупить любое количество приобретаемого IoT-оборудования.

 

В умном городе мы предлагаем энергоэффективное видеорешение, позволяющее извлекать данные о перемещении ресурсов, трафике, доступных парковочных местах с максимально низким задействованием вычислительной мощности, извлекая информацию непосредственно из изображения.

 

То есть, мы передаем только полезную информацию, а не все данные подряд. Это позволяет монетизировать очень ценные ресурсы в пределах города или определенных бизнес-активов.

 

В сельском хозяйстве – представьте возможность оценки качества пищи, проверки присутствия посторонних веществ в пище, возможность получения более высокой ценности конечного продукта, контроль условий окружающей среды при выращивании с/х продукции.

 

Мы делаем это с фермерами Новой Англии, совместный с PTC ThingWorx проект Internet of Tomatoes.

 

Все это стало возможным с помощью существующих на сегодняшний день датчиков.

 

Путь, который проходят данные от сенсора до изменения общей стоимости решения, происходящего в результате, содержит в себе огромные возможности для каждого участника этой value chain, этого комплекса решений проблемы. 

 

 

Проект Internet of Tomatoes, ADI

 

Итак, для решения проблем важно иметь хорошую схему обработки данных, наилучшие способы извлечения полезных данных, обеспечивающие низкий шум, комбинирование всех компонентов в цельное решение.

 

Комбинированный сигнал является критически важным требованием, также как и добавление сенсорных возможностей в самые простые геометрические процессы.

 

Возможно, в этом нам поможет комплексное решение, которое позволит нам сделать решение в целом гораздо более эффективным. Но этого недостаточно.

 

Также для повышения эффективности нам необходимо внедрять алгоритмы, которые позволят нам наилучшим образом извлекать полезные данные.

 

Глубокие знания предметной области позволяют нам уйти от так называемой палитры технологий More than Moore, к технологиям More Than Silicon, где от набора аппаратных решений мы переходим непосредственно к комплексу решений для конкретной предметной области.

 

Мы внедряем алгоритмы, внедряем ПО. Мы покупаем компании, которые занимаются извлечением информации из изображений, такие как SNAP Sensor, многие другие решения, позволяющие производить прогнозирующую машинную аналитику, для глубокого внедрения в предметную область, в общий комплекс решений с продвинутой компоновкой, более оптимизированной энергоэффективностью, более высокой производительностью, достоверной реакцией. Все это на базе нашей облачной платформы Blackfin Low Power Imaging Platform.
 


 

 

 

Слайд из презентации Мартина Коттера, ADI

 

Все, чем мы раньше успешно занимались по-прежнему важно. Но нам необходимо совершенствоваться в чем-то новом, и для этого нам необходимо объединяться с партнерами, оптимизировать себя в новых специальностях, необходимо раздвинуть границы того, в чем мы уже являемся экспертами.

 


Давайте рассмотрим процесс перемен.

 

Начальной точкой в IoT являлось решение по декомпозиции проблемы на составляющие для сбора информации и передачи их непосредственно в облако.

 

Весь этот процесс считывания, анализа, измерения, подключения и прогнозирования результатов затевался просто для осуществления быстрой передачи данных в облако. 

 

Это было достаточно неэкономно. 80% этих данных не используется, этим данным не хватает взаимосвязи с контекстом.

 

И мы увидели другое решение проблемы. Сложные проблемы требуют гораздо более сложной архитектуры.

 

В самом низу этой схемы вы можете видеть, что мы добавили гораздо больше вычислительной мощности прямо на границу сети, - на сами IoT-устройства и сенсоры.

 

Это позволяет нам извлекать информацию, извлекать полезные данные из измерений и делать это намного успешнее, потому что это происходит в замкнутой схеме, принадлежащей самому IoT-устройству.

 

Разумеется, на конечный результат оказывают влияние также и алгоритмы, находящиеся в облаке, которые позволяют прогнозировать, что произойдет в следующий момент, исходя из многочисленных поступающих данных.

 

В результате нам необходимо обрабатывать новые вещи, чтобы решать новые проблемы, которые мы не имели возможности решать в прошлом. Это создает гораздо большую ценность, позволяет нам делать это намного более эффективно.

 

Весь процесс происходит энергоэффективно, иногда мы даже делаем это удаленно без необходимости внешнего энергоснабжения (energy harvesting power management unit, PMU).

 

Но основная суть заключается в том, что интеллектуальная обработка выполняется в точке подключения, интеллектуальное извлечение данных и аналитическое воздействие осуществляется частично в точке подключения, частично в облаке.

 

Мы считаем, что такое разложение проблемы и решения на составляющие является очень важным стимулом для будущего отраслей, о которых мы упоминали, и решения более сложных проблем.
 

  

 

Слайд из презентации Мартина Коттера, ADI

 

Давайте потратим несколько минут на рассмотрение примеров того, что по нашему мнению положит начало преобразованию данных областей.

 

Анализ материалов (Material sensing).

 

Возьмем спектрометр - ламповый спектрометр стоит 20 тыс. долларов, осуществляет элементный анализ материала, позволяя получить ценные научные данные.

 

А теперь представьте, что вы можете положить такой спектрометр себе в карман. И такой прибор уже существует – это устройство SCiO.

 

Работа данного устройства основана на оптическом сенсоре и осуществлении обработки информации прямо на самом устройстве, - именно там происходит извлечение данных о длине волн измеряемого материала.

 

Затем полученный набор данных о длине волн передается в облако и сравнивается с известными паттернами, что позволяет проделывать очень интересные вещи.

 

Устройство SCiO было разработано Analog Devices совместно с нашим партнером Consumer Physics в рамках совместной разработки платформы сенсор-облако (Sensor-to-cloud platform).

 

SCiO позволяет анализировать жидкие и твердые вещества, включая еду, растения, лекарства, химические вещества, тело человека и целый ряд других объектов.

 

Мы планируем интеграцию технологий SCiO для анализа материалов в смартфоны, wearables, комплексные индустриальные и медицинские решения.

 

Его можно применять в разных ситуациях, например, для проверки наличия посторонних веществ в молоке, в которое иногда добавляют меламин.

 

Характеризуя свойства молока, мы теперь можем определить наличие или отсутствие посторонних веществ в молоке вплоть до достижения им конечного потребителя.

 

Или, например, во многих странах продаются поддельные лекарства. То есть может продаваться как плацебо, так и настоящее лекарство. Если мы охарактеризуем свойства этого лекарства, то затем можем сравнивать его на предмет подлинности. Эти проблемы сегодня стало возможным решить.


Сегодня устройство позволяет нам использовать оптические волны лишь до определенного предела, но в следующих поколениях устройств появится возможность применения более продвинутых возможностей More than Moorе, они станут еще более миниатюрными.  

 

С помощью кремний-германиевых структур мы сможем во много раз увеличить частоту, еще больше уменьшить размеры устройства, и делать куда более значительные вещи, например, определять наличие промышленных загрязнителей и прочее.

 

Также мы стремимся к уменьшению размеров, чтобы расширить область применения устройства, используя при этом гораздо меньше энергии, что откроет новые возможности и позволит нам и нашим партнерам извлечь дополнительную выгоду.

 

SCiO - это один из примеров декомпозиции проблемы на составляющие – сбор данных и их первичная локальная обработка, передача в облако, глубокий анализ данных там, передача конечных результатов на конечное устройство.

 

На наш взгляд, это очень удачный пример раздельного выполнения задач обработки данных между IoT-устройством и облаком.


 

 

Слайд из презентации Мартина Коттера, ADI

 

Еще один пример локальной обработки данных на самих IoT-устройствах – это наш совместный проект с Microsoft и Hеxoskin - Athlete Management.

 

Мы работаем совместно с командным руководством для достижения спортсменами наилучших показателей. Разумеется, это также способствует улучшению состояния здоровья и даже позволяет осуществлять мониторинг производственной безопасности.

 

Это захватывающая возможность - оснащение человека сенсорами с целью привести спортивные команды к победам, а также с целью сокращения травмоопасности и улучшения спортивных показателей.

 

Мы не занимаемся этим в одиночку, я уже упоминал наших партнеров.

 

Я бы хотел пригласить на сцену Джерри Ли из Microsoft Azure, чтобы он рассказал о том, что происходит в данной области.


Мы могли бы выбрать американский или европейский футбол, или какой-то другой вид спорта, но для демонстрации наших возможностей мы выбрали сумасшедший хёрлинг.

 

Джерри держит наглядный пример оснащенной сенсорами спортивной майки (датчики местоположения, пульса, влажности и др.), которая используется для сбора данных в реальном времени, в высоком качестве с целью воздействия на конечный результат. Итак, прошу – Джерри…


Джерри Ли (Jerry Lee), Директор по продуктовому маркетингу, Microsoft Azure IoT: Спасибо. Одной из вещей, которую нам предстоит обдумать – как из данной футболки извлекаются все данные, которые производят игроки, как они комбинируются с окружающей действительностью – температурой, влажностью на поле, а также с погодой в данном месте.

 

Потому что после отправки данных в облако появляется возможность анализа, обдумывания и оценки текущих спортивных показателей ведущих игроков, возможность спрогнозировать, как эти показатели будут меняться. И все эти данные необходимо вывести туда, где их можно будет увидеть - на дэшборд.

 

То есть данные полезны только в том случае, если их обработать, о чем ранее упоминал Мартин. Но, что более важно – изменения и действия на основе полученных данных. 

  

 

Джерри Ли (Jerry Lee), Директор по продуктовому маркетингу, Microsoft Azure IoT

Мартин Коттер, ADI: Совершенно верно. То есть если на платформу Microsoft Azure не поступают достоверные данные, результаты их обработки не приведут к правильным ответам.

 

Я думаю, что это один из самых очевидных уроков, который мы получили, проходя этот процесс, создавая дэшборды и пытаясь извлечь все возможное из полученных достоверных данных, и из того, что делает Microsoft Azure.

 

Только взгляните на скорость в этом спорте – очевидно, что способность к анализу данных, к проведению аналитики на самих IoT устройствах, является очень важной. Вмешательство при этом осуществляется в реальном времени.

 

Итак, что нам следует обдумать об использовании платформы наподобие Microsoft Azure для решения подобной проблемы?

 

Джерри Ли, Microsoft: Многим из вас известно, что на создание решения IoT могут уходить месяцы и годы. Основные трудности при этом – как сделать это быстро, как сделать это эффективно, и с чего начать.

 

С точки зрения Microsoft, а также наших партнеров и экосистемы, наш клиент может начать работу в короткие сроки, потому что мы предлагаем исчерпывающее решение – от Windows 10 IoT до Microsoft Azure IoT Suite, а также предлагаем инструменты визуализации, дэшборды, такие аналитические инструменты как Power BI.

 

Все это позволяет начать работу с каким-то из решений буквально в течение нескольких минут и уже через несколько дней или недель получить опытный образец.

 

Мартин Коттер, ADI: Итак, очевидно, что для команды или руководства этой команды или для отдельного игрока критическими являются адаптация к области применения, легкость установки  и использования.

 

 

Слайд из презентации Мартина Коттера, ADI

 

Джерри Ли, Microsoft: Да, тренер может самостоятельно принимать решения в реальном времени на основании получаемых аналитических данных.

 

Мартин Коттер, ADI: Я думаю, Вы привели отличный пример сотрудничества, в котором участвует длинная цепочка людей, начиная от команды и игрока.

 

Это пример изобретения ткани, в которую можно встроить множество сенсоров, а затем перейти непосредственно к аналитике полученных данных, конечному результату анализа.

 

Мне представляется, что сотрудничество здесь является одним из ключевых элементов, с которыми нам всем предстоит иметь дело. В будущем проблемы будут решаться именно так.

 

Джерри Ли, Microsoft: В мире IoT есть старая поговорка, которую кто-то из вас, возможно, знает: "Нужна целая деревня, чтобы вырастить ребенка".

 

На мой взгляд, нужна целая деревня таких партнеров как Analog Devices, Hexoskin, командного руководства, игроков и Microsoft для того, чтобы вырастить решение IoT.

 

Мартин Коттер, ADI: Мы показали вам всего несколько примеров, существует еще огромное множество других, которые вы можете увидеть в подробностях на нашем стенде.

 

Я думаю, что мы находимся в начале захватывающего путешествия в процесс достижения гораздо более значительных результатов путем сбора правильных данных, их безопасной доставки в облако, и повышения ценности конечного решения.

 

Итак, производство ценности, определение этой ценности – все это нам предстоит сделать возможным. Теперь мы можем решать проблемы, которые мы не могли решать раньше, и мы делаем это с вашей помощью.

 

Спасибо!