I IoT-applikationer (Internet of Things) – hvad enten det drejer sig om byinfrastrukturer, fabrikker eller bærbare enheder – anvendes store rækker af sensorer, der indsamler data, som sendes via internettet til en central, cloud-baseret computerressource. Analysesoftware, der kører på cloud-computerne, reducerer de enorme mængder af genererede data til brugbare oplysninger for brugerne og kommandoer til aktuatorer ude i marken.

Sensorer er en nøglefaktor for IoT-succes, men det er ikke konventionelle typer, der blot konverterer fysiske variabler til elektriske signaler. De har været nødt til at udvikle sig til noget mere sofistikeret for at udfylde en teknisk og økonomisk levedygtig rolle i IoT-miljøet.

Denne artikel gennemgår IoT’s forventninger til sine sensorer – hvad der skal gøres for at opnå de store sensorarrays, der er karakteristiske for IoT. Derefter behandles det, hvordan producenterne har reageret med forbedringer af fremstillingen, mere integration og indbygget intelligens, hvilket kulminerer i konceptet med de intelligente sensorer, der nu er i udbredt brug.

Det vil blive tydeligt, at sensorintelligens, ud over at lette IoT-tilslutning, også skaber mange andre fordele i forbindelse med forudsigende vedligeholdelse, mere fleksibel produktion og forbedret produktivitet.

Hvad forventer IoT af sine sensorer?

Sensorer har traditionelt set været funktionelt simple enheder, der omdanner fysiske variabler til elektriske signaler eller ændringer i elektriske egenskaber. Selv om denne funktionalitet er et vigtigt udgangspunkt, skal sensorer tilføje følgende egenskaber for at fungere som IoT-komponenter:

• Lette omkostninger, så de kan anvendes økonomisk i stort antal

• Fysisk små, så de “forsvinder” ubemærket i ethvert miljø

• Trådløse, da en kablet forbindelse typisk ikke er mulig

• Selvidentificering og selvvalidering

• Meget lavt strømforbrug, så den kan overleve i årevis uden batteriskift, eller klare sig med energihøst

• Robust, for at minimere eller fjerne vedligeholdelse

• Selvdiagnosticering og selvhelbredelse

• Selvkalibrerende, eller accepterer kalibreringskommandoer via trådløs forbindelse

• Dataforbehandling for at reducere belastningen på gateways, PLC’er og cloudressourcer

Informationer fra flere sensorer kan kombineres og korreleres for at udlede konklusioner om latente problemer; F.eks. kan data fra temperatursensorer og vibrationssensorer bruges til at opdage begyndende mekanisk svigt. I nogle tilfælde er de to sensorfunktioner tilgængelige i én enhed; i andre tilfælde kombineres funktionerne i software for at skabe en “blød” sensor.

Producenternes svar: Smart Sensor Solutions

Dette afsnit ser på de intelligente sensorer, der er blevet udviklet til IoT-applikationer, både med hensyn til deres byggeblokke og deres fremstilling, og gennemgår derefter nogle af de fordele, der følger af sensorernes indbyggede intelligens, især mulighederne for selvdiagnostik og reparation.

Hvad indeholder en smart sensor, og hvad er den i stand til?

Vi har gennemgået IoT’s forventninger til en smart sensor, men hvordan har industrien reageret? Hvad er indbygget i en moderne smart sensor, og hvad er den i stand til?

Smarte sensorer er bygget som IoT-komponenter, der konverterer den reelle variabel, som de måler, til en digital datastrøm til overførsel til en gateway. Figur 1 viser, hvordan de gør dette. Applikationsalgoritmerne udføres af en indbygget mikroprocessorenhed (MPU). Disse kan køre filtrering, kompensation og alle andre processpecifikke signalkonditioneringsopgaver.

MPU’ens intelligens kan også bruges til mange andre funktioner for at reducere belastningen på IoT’ens mere centrale ressourcer; f.eks. kan kalibreringsdata sendes til MPU’en, så sensoren automatisk indstilles til eventuelle produktionsændringer. MPU’en kan også opdage produktionsparametre, der begynder at glide ud over acceptable normer, og generere advarsler i overensstemmelse hermed; operatørerne kan derefter træffe forebyggende foranstaltninger, inden der opstår en katastrofal fejl.

Hvis det er hensigtsmæssigt, kan sensoren arbejde i “rapport ved undtagelse”-tilstand, hvor den kun sender data, hvis den målte variabelværdi ændrer sig væsentligt fra tidligere prøveværdier. Dette reducerer både belastningen af den centrale computerressource og den intelligente sensors strømbehov – normalt en kritisk fordel, da sensoren skal være afhængig af et batteri eller energiudnyttelse i mangel af tilsluttet strøm.

Hvis den intelligente sensor omfatter to elementer i sonden, kan der indbygges selvdiagnostik i sensoren. Enhver udvikling af drift i et af sensorelementernes udgange kan registreres med det samme. Hvis en sensor svigter helt – f.eks. på grund af en kortslutning – kan processen desuden fortsætte med det andet måleelement. Alternativt kan en probe indeholde to sensorer, der arbejder sammen for at forbedre overvågningsfeedback.

Smart Sensor: Et praktisk eksempel

En applikation udviklet af Texas Instruments giver et praktisk eksempel på en smart sensor, og hvordan dens byggeblokke arbejder sammen for at generere nyttige oplysninger fra analog strøm- og temperaturmåling samt levere intelligens til de andre nævnte funktioner. I applikationen anvendes en variant af deres MSP430 MCU-serie med ultra-lav effekt til at opbygge en intelligent fejlindikator til elforsyningsnet.

Ved korrekt installation reducerer fejlindikatorer driftsomkostninger og serviceafbrydelser ved at give oplysninger om en fejlbehæftet del af nettet. Samtidig øger enheden sikkerheden og reducerer skader på udstyret ved at mindske behovet for farlige fejldiagnosticeringsprocedurer. Fejlindikatorer er på grund af deres placering primært batteridrevne, så det er også meget ønskeligt, at de fungerer med lavt strømforbrug.

Fejlindikatorerne – som installeres på krydsene i luftledningsnettet – sender trådløst måledata om temperatur og strøm i eltransmissionslinjerne til de koncentratorer/terminalenheder, der er monteret på masterne. Koncentratorerne bruger et GSM-modem til at sende dataene videre til mobilnettet for at videresende oplysninger i realtid til hovedstationen. Hovedstationen kan også styre og køre diagnostik på fejlindikatorerne via samme datavej.

Den kontinuerlige forbindelse til hovedstationen har flere fordele. Den første er muligheden for at fjernovervåge fejltilstande i stedet for at søge efter dem i marken. En intelligent fejlindikator kan også konstant overvåge temperatur og strøm, så controlleren på hovedstationen har statusoplysninger i realtid om strømfordelingsnettet. Energileverandører kan således hurtigt identificere fejlplaceringen, minimere strømsvigt og endda gribe ind, før der opstår en fejl. Medarbejderne på hovedstationen kan køre diagnostik på fejlindikatorerne med de nødvendige intervaller for at kontrollere, at de fungerer korrekt.

Figur 2 er et funktionelt blokdiagram af en sådan smart fejlindikator baseret på TI MSP430 FRAM-mikrocontroller (MCU) (ferroelectric random-access memory (FRAM)) fra TI. Strømtransduceren producerer en analog spænding, der er proportional med strømstyrken. En operationsforstærker (op-forstærker) forstærker og filtrerer dette spændingssignal. Analog-til-digital-konverteren (ADC) på MCU’en sampler output fra op-forstærkeren. Den digitale strøm fra ADC’en analyseres derefter af software, der kører på CPU’en eller acceleratoren. Udgangen fra op-forstærkeren er også forbundet med en komparator på MCU’en. Komparatoren genererer et flag til den centrale processorenhed (CPU) i MCU’en, hvis indgangsniveauet overskrider en forudbestemt tærskel.

MSP430’s regnekraft muliggør frekvensdomæne-strømmåleanalyse, der giver et dybere indblik i strømlinjestatus end tidligere tidsdomæne-metoder. De hurtige FRAM-læse- og skrivehastigheder gør det muligt at akkumulere data til mønsteranalyse, mens MCU’ens ultralave strømforsyningstilstande giver mulighed for drift med forlænget batterilevetid.

Fabrikation

For at realisere det fulde potentiale af IoT skal sensorfremstillingsmetoderne fortsat reducere størrelsen, vægten, strømmen og omkostningerne (SWaP-C) for sensorkomponenten og systemet. Den samme tendens skal gælde for sensoremballage, som i øjeblikket tegner sig for op til 80 % af de samlede omkostninger og formfaktor.

Smarte sensorer dannes, når MEMS-sensorelementer (mikroelektromekaniske systemer) er tæt integreret med integrerede CMOS-kredsløb (IC’er). Disse IC’er sørger for enhedsforspænding, signalforstærkning og andre signalbehandlingsfunktioner. Oprindeligt omfattede den anvendte WLVP-teknologi (wafer-level vacuum packaging) kun diskrete sensorenheder, og intelligente sensorer blev realiseret ved at forbinde diskrete MEMS-chips med IC-chips gennem pakken eller board-substratet i en metode, der kaldes multichip-integration. En forbedret fremgangsmåde forbinder CMOS-IC- og sensorelementerne direkte uden brug af routinglag i pakken eller boardet i en konstruktion, der er kendt som et system-on-chip (SoC). Sammenlignet med den diskrete multichip-indpakningsmetode er SoC typisk mere kompleks, men fører til reducerede parasitikker, mindre fodaftryk, højere sammenkoblingstæthed og lavere pakkeomkostninger.

Andre fordele ved intelligent sensorintelligens

Smarte fotoelektriske sensorer kan registrere mønstre i en objektstruktur og eventuelle ændringer i dem. Dette sker autonomt i sensoren og ikke i et eksternt beregningselement. Dette øger behandlingsgennemstrømningen og reducerer den centrale processors – eller den lokale PLC’s – behandlingsbelastning.

Fabrikationsfleksibiliteten forbedres – en afgørende fordel i dagens konkurrenceprægede miljø. Intelligente sensorer kan fjernprogrammeres med passende parametre, hver gang der er behov for en produktændring. Produktion, inspektion, emballering og forsendelse kan indstilles til selv batchstørrelser på én enhed til masseproduktionspriser, så hver enkelt forbruger kan modtage et personligt, unikt produkt.

Feedback fra lineære positionssensorer har traditionelt været hæmmet af problemer i forbindelse med systemstøj, signaldæmpning og responsdynamik. Hver sensor skulle indstilles for at overvinde disse problemer. Honeywell tilbyder en løsning med deres SPS-L075-HALS Smart Position Sensors. Disse kan selvkalibrere ved hjælp af en patenteret kombination af en ASIC og et array af MR-sensorer (magne-toresistive sensorer). Dette bestemmer nøjagtigt og pålideligt positionen af en magnet, der er fastgjort til bevægelige genstande som f.eks. elevatorer, ventiler eller maskiner.

MR-arrayet måler output fra MR-sensorerne, der er monteret langs magnetens bevægelsesretning. Udgangen og MR-sensorsekvensen bestemmer det nærmeste par af sensorer i forhold til magnetens placering i centrum. Udgangen fra dette par bruges derefter til at bestemme magnetens position mellem dem. Denne berøringsfri teknologi kan give øget produktlevetid og holdbarhed med mindre nedetid. En selvdiagnosticeringsfunktion kan yderligere reducere niveauet af nedetid.

Disse sensorer opfylder også andre krav til IoT-smarte sensorer. Deres lille størrelse gør det muligt at installere dem, hvor pladsen er trang, mens IP67- og IP69K-tætningsmulighederne gør det muligt at anvende dem i barske miljøer. De er smarte nok til at erstatte flere sensor- og switchkomponenter sammen med de ekstra ledninger, eksterne komponenter og forbindelser, der også tidligere var nødvendige. Sensorerne anvendes i rumfart, medicin og industrielle applikationer.

Smarte sensorer med selvdiagnosticering og reparationsmuligheder

Smarte sensorer kan også være velegnede til sikkerhedskritiske applikationer som f.eks. detektion af farlig gas, brand eller ubudne gæster. Forholdene i disse miljøer kan være barske, og det kan være vanskeligt at få adgang til sensorerne i forbindelse med vedligeholdelse eller udskiftning af batterier, men alligevel er det vigtigt med høj pålidelighed. Et hold på Lab-STICC Research Center, University of South-Brittany, har udviklet en løsning, der forbedrer pålideligheden ved hjælp af dobbelte sonder og hardware, der kan foretage selvdiagnose og reparere sig selv.

Det endelige mål med deres projekt er at integrere alle de beskrevne elementer i en enkelt diskret enhed, der er egnet til anvendelser som f.eks. detektion af farlige gasser i områder som havne eller pakhuse. Projektet er centreret om et knudepunkt, der kan lokalisere en intern fejl og træffe korrigerende foranstaltninger for at forbedre både pålidelighed og energieffektivitet. Dette reducerer knudepunktets sårbarhed og mindsker vedligeholdelsesomkostningerne. Designet anerkender begrænsningerne ved sådanne sensorer: begrænset batteriautonomi, energiudnyttelse, der er underlagt upålidelige energikilder, begrænsede behandlings- og lagerressourcer og et behov for trådløs kommunikation.

Noden er udstyret med to sensorer; under normal drift opfanger den første miljødata, mens den anden kun aktiveres af brugerne for at verificere de opnåede data. Hvis den første sensor svigter, forringes knudepunktets pålidelighed, samtidig med at der spildes batteristrøm på at forsyne den ikke-fungerende sensor. Hvis knuden imidlertid afbryder den første sensor og skifter til den anden, spildes der ingen energi, og knodens pålidelighed bevares.

Det var således projektets mål at udvikle en ny selvdiagnosticering baseret på funktionelle og fysiske test for at opdage en hardwarefejl i en hvilken som helst komponent i den trådløse sensorknude. Denne metode kan identificere nøjagtigt, hvilken komponent i knuden der har fejlet, og angive passende afhjælpende foranstaltninger.

Figur 3 viser den selvrekonfigurerbare sensorknudes hardwarekonfiguration. Dens komponenter omfatter en processor, en RAM/FLASH-hukommelse, en Interface for Actuator and Sensors (IAS) til at skabe en grænseflade med omgivelserne, et Radio Transceiver Module (RTM) til at sende og modtage data og et batteri med strømafbrydere (DC-DC-konvertere). Knuden omfatter også en Power and Availability Manager (PAM) kombineret med en FPGA-konfigurerbar zone. Den første betragtes som den intelligente del med henblik på den bedste udnyttelse af energi, selvdiagnosticering og fejltolerance, mens den anden forbedrer sensorknudenes tilgængelighed.

Tabellen i figur 4 viser, hvordan sensorknuden kan reagere på forskellige knudeproblemer. FPGA’en indeholder en softcore 8051-CPU, der aktiveres, når der er behov for en ydelsesforbedring eller til at erstatte hovedprocessoren, hvis den svigter. FPGA’en er en Actel type IGL00V2, som er valgt på grund af dens pålidelighed og lave strømforbrug. Resten af knuden består af en PIC-processor, RAM-hukommelse, Miwi-radiotransceivermodul, to Oldham OLCT 80-gasdetektorer, LM3100- og MAX618-strømkontakter og et batteri.

Slutning

I denne artikel har vi set, hvordan chipproducenter og forskere har reageret på IoT’s behov for intelligente sensorer. Dette har til dels været et spørgsmål om at tilføje intelligens og kommunikationsfunktioner til den grundlæggende transducerfunktion, men det indebærer også en forbedret fremstilling. Ved at integrere MEMS-sensorelementerne og CMOS-computerkomponenterne på et enkelt substrat kan smarte sensorer implementeres i små, billige pakker, der kan indlejres i rumbegrænsede applikationer med modstandsdygtighed over for deres miljøforhold.

Designere af IoT kan således skaffe de sensorer, de har brug for – små, billige, modstandsdygtige og strømbesparende nok til allestedsnærværende udbredelse, samtidig med at de har intelligens til at levere nyttige oplysninger såvel som rådata. De muliggør også en mere fleksibel, granulær automatisering, da de kan acceptere indgående kommandoer til omkalibrering for at imødekomme produktionsændringer.

Denne artikel er bidraget af Newark element 14, Chicago, IL. For yderligere oplysninger, klik her .