Это все здорово, красивые графики и удобный интерфейс, но плохо понятно применение для такой системы. Обычно на производстве все ключевое оборудование уже обвязано датчиками, которые собирают данные в систему управления процессами и сбора данных SCADA. Потом по этим данным операторы или модель процесса управляет контроллерами для оптимизации производства. Чтобы приносить прибыль для компании, ваша IoT система в первую очередь должна быть интегрирована в SCADA, а затем уже создавать дополнительный функционал для аналитики.
Основная идея в том что 90% аналитики на производстве основаны на физических симуляциях, и человеческий анализ, или даже машинное обучение не могут предоставить хорошую предсказательную способность, особенно для сложных процессов, где сотни датчиков. По-хорошему нужно создавать цифровые двойники и параметризировать их с датчиков. Это позволит рассчитывать ключевые характеристики процесса, которые невозможно измерить напрямую, например КПД компрессоров или степень загрязнения теплообменников. Далее, эта должна создаваться система для контроля процесса в реальном времени используя прогнозирующую модель.
Проблема в том что если IP адрес за NAT, то невозможно вычислить пользователя. Скачиваю в Великобритании через смартфон уже 5 лет, никаких проблем. Те, у кого динамический\статический адрес, действительно получают письма от провайдера.
Да, но кажется что в примере с микроволновкой есть один нюанс: это применимо только тогда, когда ошибка не приведет к ущербу для окружающих, например как произошло с обходом систем безопасности операторами РБМК-1000.
Можно добавить цитату Менделеева: «Сжигать нефть — всё равно, что топить печку ассигнациями.».
Он очень верно подметил что нефть — это основное и в какой-то мере незаменимое сырье для химии, в то время как у источников энергии есть альтернативы. Теперь, через 200 лет, кажется, к этому и приходим постепенно.
Основная идея в том что 90% аналитики на производстве основаны на физических симуляциях, и человеческий анализ, или даже машинное обучение не могут предоставить хорошую предсказательную способность, особенно для сложных процессов, где сотни датчиков. По-хорошему нужно создавать цифровые двойники и параметризировать их с датчиков. Это позволит рассчитывать ключевые характеристики процесса, которые невозможно измерить напрямую, например КПД компрессоров или степень загрязнения теплообменников. Далее, эта должна создаваться система для контроля процесса в реальном времени используя прогнозирующую модель.
Такие пакеты есть у Aspen и gProms.
А комментирующие разделены на 2 группы:
Кажется, что решение этой проблемы уже давно известно.
«Сжигать нефть — всё равно, что топить печку ассигнациями.».
Он очень верно подметил что нефть — это основное и в какой-то мере незаменимое сырье для химии, в то время как у источников энергии есть альтернативы. Теперь, через 200 лет, кажется, к этому и приходим постепенно.