I tillämpningar för sakernas internet (IoT) – oavsett om det gäller infrastrukturer i städer, fabriker eller bärbara enheter – används stora arrayer av sensorer som samlar in data som överförs via internet till en central, molnbaserad dataresurs. Analysprogramvara som körs på molndatorerna reducerar de enorma volymerna av genererade data till användbar information för användare och kommandon till manöverdon ute på fältet.

Sensorer är en nyckelfaktor för IoT-succéer, men dessa är inte konventionella typer som helt enkelt omvandlar fysiska variabler till elektriska signaler. De har behövt utvecklas till något mer sofistikerat för att kunna spela en tekniskt och ekonomiskt hållbar roll i IoT-miljön.

Denna artikel granskar IoT:s förväntningar på sina sensorer – vad som måste göras för att uppnå de stora sensormatriser som är karakteristiska för IoT. Därefter behandlas hur tillverkarna har svarat med förbättringar av tillverkningen, mer integration och inbyggd intelligens, vilket kulminerar i konceptet med de smarta sensorer som nu används i stor utsträckning.

Det kommer att bli uppenbart att sensorintelligens, förutom att underlätta IoT-anslutningen, också skapar många fler fördelar i samband med förutsägbart underhåll, mer flexibel tillverkning och förbättrad produktivitet.

Vad förväntar sig IoT av sina sensorer?

Sensorer har traditionellt sett varit funktionellt enkla enheter som omvandlar fysiska variabler till elektriska signaler eller förändringar i elektriska egenskaper. Även om denna funktionalitet är en viktig utgångspunkt måste sensorer lägga till följande egenskaper för att fungera som IoT-komponenter:

• Låg kostnad, så att de kan användas ekonomiskt i stort antal

• Fysiskt små, så att de kan ”försvinna” diskret i alla miljöer

• Trådlöst, eftersom en trådbunden anslutning vanligtvis inte är möjlig

• Självidentifiering och självvalidering

• Senkel strömförsörjning, så att den kan överleva i flera år utan att byta batteri, eller hantera med energiutvinning

• Robust, för att minimera eller eliminera underhåll

• Självdiagnostik och självläkning

• Självkalibrerande, eller accepterar kalibreringskommandon via trådlös länk

• Förbehandling av data för att minska belastningen på gateways, PLC:er och molnresurser

Information från flera sensorer kan kombineras och korreleras för att dra slutsatser om latenta problem; Data från t.ex. temperatursensorer och vibrationssensorer kan användas för att upptäcka ett begynnande mekaniskt fel. I vissa fall finns de två sensorfunktionerna i en enhet, i andra fall kombineras funktionerna i programvara för att skapa en ”mjuk” sensor.

Företagens svar: I det här avsnittet granskas de smarta sensorer som har utvecklats för IoT-tillämpningar, både när det gäller byggstenar och tillverkning, och sedan granskas några av de fördelar som följer av sensorernas inbyggda intelligens, särskilt möjligheterna till självdiagnostik och reparation.

Vad innehåller en smart sensor och vad klarar den av?

Vi har gått igenom IoT:s förväntningar på en smart sensor, men hur har branschen reagerat? Vad är inbyggt i en modern smart sensor och vad kan den göra?

Smarta sensorer byggs som IoT-komponenter som omvandlar den verkliga variabeln som de mäter till en digital dataström för överföring till en gateway. Figur 1 visar hur de gör detta. Applikationsalgoritmerna utförs av en inbyggd mikroprocessorenhet (MPU). Dessa kan köra filtrering, kompensation och andra processpecifika signalkonditioneringsuppgifter.

MPU:ns intelligens kan användas för många andra funktioner också för att minska belastningen på IoT:s mer centrala resurser; till exempel kan kalibreringsdata skickas till MPU:n så att sensorn automatiskt ställs in vid eventuella produktionsförändringar. MPU:n kan också upptäcka produktionsparametrar som börjar glida utanför acceptabla normer och generera varningar i enlighet med detta; operatörerna kan då vidta förebyggande åtgärder innan ett katastrofalt fel inträffar.

Om det är lämpligt kan sensorn arbeta i läget ”rapport genom undantag”, där den endast sänder data om det uppmätta variabla värdet förändras avsevärt från tidigare provvärden. Detta minskar både belastningen på den centrala datorresursen och den smarta sensorns strömbehov – vanligtvis en kritisk fördel, eftersom sensorn måste förlita sig på ett batteri eller energiutvinning i avsaknad av ansluten ström.

Om den smarta sensorn innehåller två element i sonden kan sensorns självdiagnostik byggas in. Varje utvecklad drift i en av sensorelementens utgångar kan upptäckas omedelbart. Dessutom kan processen fortsätta med det andra mätelementet om en givare helt och hållet går sönder – till exempel på grund av en kortslutning. Alternativt kan en sond innehålla två sensorer som arbetar tillsammans för förbättrad övervakningsåterkoppling.

Smart Sensor: Ett praktiskt exempel

En tillämpning som utvecklats av Texas Instruments ger ett praktiskt exempel på en smart sensor och hur dess byggstenar arbetar tillsammans för att generera användbar information från analog ström- och temperaturmätning, samt för att tillhandahålla intelligensen för de andra nämnda funktionerna. I applikationen används en variant av deras extremt energisnåla MSP430 MCU-serie för att bygga en smart felindikator för eldistributionsnät.

När de är korrekt installerade minskar felindikatorer driftskostnader och serviceavbrott genom att de ger information om en trasig del av nätet. Samtidigt ökar enheten säkerheten och minskar utrustningsskador genom att minska behovet av farliga feldiagnostiska förfaranden. På grund av sin placering är felindikatorerna huvudsakligen batteridrivna, så låg effekt är också mycket önskvärt.

Felindikatorerna – som installeras på korsningarna i det luftburna kraftledningsnätet – sänder mätdata om temperatur och ström i kraftöverföringsledningarna trådlöst till de koncentratorer/terminalenheter som är monterade på stolparna. Koncentratorerna använder ett GSM-modem för att överföra data till mobilnätet för att vidarebefordra information i realtid till huvudstationen. Huvudstationen kan också styra och köra diagnostik på felindikatorerna genom samma dataväg.

Kontinuerlig anslutning till huvudstationen har flera fördelar. Den första är möjligheten att fjärrövervaka felförhållanden i stället för att söka efter dem i fält. En smart felindikator kan också ständigt övervaka temperatur och ström så att styrenheten vid huvudstationen har statusinformation i realtid om kraftdistributionsnätet. Följaktligen kan elnätsleverantörer snabbt identifiera felplatsen, minimera strömavbrott och till och med vidta åtgärder innan ett fel inträffar. Arbetstagare vid huvudstationen kan köra diagnostik på felindikatorerna med erforderliga intervaller för att kontrollera att de fungerar korrekt.

Figur 2 är ett funktionellt blockdiagram över en sådan smart felindikator baserad på TI MSP430 FRAM-mikrokontroller (MCU) med ferroelektriskt slumpmässigt åtkomstminne (FRAM). Strömomvandlaren producerar en analog spänning som är proportionell mot nätströmmen. En operationsförstärkare förstärker och filtrerar denna spänningssignal. Den analoga till digitala omvandlaren (ADC) på MCU:n samplar utgången från op-förstärkaren. Den digitala strömmen från ADC:n analyseras sedan av programvara som körs på CPU:n eller acceleratorn. Utgången från op-förstärkaren är också ansluten till en komparator på MCU:n. Komparatorn genererar en flagga till den centrala bearbetningsenheten (CPU) i MCU:n om ingångsnivån överskrider ett förutbestämt tröskelvärde.

MSP430:s beräkningskraft gör det möjligt att göra en analys av strömmätningar i frekvensdomäner som ger en djupare inblick i kraftledningsstatus än tidigare metoder i tidsdomäner. De snabba läs- och skrivhastigheterna i FRAM möjliggör ackumulering av data för mönsteranalys, medan MCU:ns driftlägen med extremt låg effekt möjliggör förlängd batteritid.

Fabrikation

För att realisera IoT:s fulla potential måste sensortillverkningsmetoderna fortsätta att minska storlek, vikt, effekt och kostnad (SWaP-C) för sensorkomponenten och systemet. Samma trend måste gälla för sensorförpackning, som för närvarande står för så mycket som 80 % av den totala kostnaden och formfaktorn.

Smarta sensorer bildas när MEMS-sensorelement (mikroelektromekaniska system) är nära integrerade med CMOS-integrerade kretsar (IC). Dessa integrerade kretsar tillhandahåller förspänning, signalförstärkning och andra signalbehandlingsfunktioner. Ursprungligen omfattade WLVP-tekniken (wafer-level vacuum packaging) endast diskreta sensorenheter, och smarta sensorer realiserades genom att man anslöt diskreta MEMS-chips till integrerade kretsar genom paketet eller styrelsens substrat i ett tillvägagångssätt som kallas multichipintegration. Ett förbättrat tillvägagångssätt innebär att CMOS IC- och sensorelement kopplas samman direkt, utan användning av routningsskikt i förpackningen eller kartongen, i en konstruktion som kallas system-on-chip (SoC). Jämfört med den diskreta metoden för paketering av flera chip är SoC vanligtvis mer komplex, men leder till minskade parasiter, mindre fotavtryck, högre kopplingstäthet och lägre paketkostnader.

Andra fördelar med intelligent sensorintelligens

Smarta fotoelektriska sensorer kan upptäcka mönster i ett objekts struktur och eventuella förändringar i dem. Detta sker autonomt i sensorn, inte i något externt beräkningselement. Detta ökar bearbetningsgenomströmningen och minskar den centrala processorns – eller den lokala PLC:ns – bearbetningsbelastning.

Förbättrad flexibilitet i tillverkningen – en viktig fördel i dagens konkurrenssituation. Intelligenta sensorer kan fjärrprogrammeras med lämpliga parametrar varje gång en produktändring krävs. Produktion, inspektion, förpackning och avsändning kan ställas in till och med för enstaka batchstorlekar till massproduktionspriser, så att varje konsument kan få en personlig, unik produkt.

Feedback från linjära positionssensorer har traditionellt sett hindrats av problem med systembrus, signaldämpning och responsdynamik. Varje sensor behövde justeras för att övervinna dessa problem. Honeywell erbjuder en lösning med sina SPS-L075-HALS smarta positionssensorer. Dessa kan kalibrera sig själva med hjälp av en patenterad kombination av en ASIC och en rad MR-sensorer (magne-toresistiva sensorer). Detta bestämmer exakt och tillförlitligt positionen för en magnet som är fäst vid rörliga föremål som hissar, ventiler eller maskiner.

MR-matrisen mäter resultatet från MR-sensorerna som är monterade längs magnetens rörelseriktning. Utgången och MR-sensorsekvensen bestämmer det närmaste paret av sensorer till centrum av magnetens placering. Utgången från detta par används sedan för att bestämma magnetens position mellan dem. Denna beröringsfria teknik kan ge ökad produktlivslängd och hållbarhet med mindre stilleståndstid. En självdiagnostikfunktion kan ytterligare minska stilleståndsnivåerna.

Dessa sensorer uppfyller även andra krav på smarta IoT-sensorer. Deras lilla storlek gör det möjligt att installera dem där utrymmet är begränsat, medan IP67- och IP69K-tätningsalternativen gör det möjligt att använda dem i tuffa miljöer. De är tillräckligt smarta för att ersätta flera sensor- och switchkomponenter tillsammans med de extra ledningar, externa komponenter och anslutningar som också tidigare behövdes. Sensorerna används i rymd-, medicinska och industriella tillämpningar.

Smarta sensorer med självdiagnostik och reparationsmöjligheter

Smarta sensorer kan också vara väl lämpade för säkerhetskritiska tillämpningar som t.ex. detektering av farliga gaser, brand eller inkräktare. Förhållandena i dessa miljöer kan vara hårda, och sensorerna kan vara svåra att komma åt för underhåll eller batteribyte, men ändå är hög tillförlitlighet avgörande. Ett team vid Lab-STICC Research Center, University of South-Brittany, har utvecklat en lösning som förbättrar tillförlitligheten genom att använda dubbla sonder och hårdvara som kan ställa självdiagnoser och reparera sig själv.

Det slutgiltiga målet för deras projekt är att integrera alla de beskrivna delarna i en enda diskret anordning, som lämpar sig för tillämpningar som t.ex. detektering av farliga gaser i områden som hamnar eller lagerlokaler. Projektet är inriktat på en nod som kan lokalisera ett internt fel och vidta korrigerande åtgärder för att förbättra både tillförlitligheten och energieffektiviteten. Detta minskar nodens sårbarhet och minskar underhållskostnaderna. I konstruktionen beaktas begränsningarna för sådana sensorer: begränsad batteriautonomi, energiutvinning som är föremål för opålitliga energikällor, begränsade bearbetnings- och lagringsresurser och ett behov av trådlös kommunikation.

Noden är utrustad med två sensorer; under normal drift samlar den första in miljödata medan den andra endast aktiveras av användare för att verifiera de erhållna uppgifterna. Om den första sensorn skulle gå sönder försämras nodens tillförlitlighet, samtidigt som batteri ström slösas bort på att försörja den icke-fungerande sensorn. Om noden däremot kopplar bort den första sensorn och övergår till den andra, slösas ingen energi och nodens tillförlitlighet bibehålls.

Det var alltså projektets mål att utveckla en ny självdiagnostik baserad på funktionella och fysiska tester för att upptäcka ett hårdvarufel i någon komponent i den trådlösa sensornoden. Denna metod kan identifiera exakt vilken komponent i noden som har fallit ut och ange lämpliga korrigerande åtgärder.

Figur 3 visar hårdvarukonfigurationen av den självkonfigurerbara sensornoden. Komponenterna omfattar en processor, ett RAM/FLASH-minne, ett interface for Actuator and Sensors (IAS) för gränssnittet mot omgivningen, en Radio Transceiver Module (RTM) för att sända och ta emot data samt ett batteri med strömbrytare (DC-DC-omvandlare). Noden innehåller också en Power and Availability Manager (PAM) i kombination med en FPGA-konfigurerbar zon. Den första anses vara den intelligenta delen för bästa energianvändning, självdiagnostik och feltolerans, medan den andra förbättrar sensornodens tillgänglighet.

Tabellen i figur 4 visar hur sensornoden kan reagera på olika problem med noden. FPGA:n innehåller en softcore 8051 CPU som aktiveras när prestandaförbättring behövs eller för att ersätta huvudprocessorn om den går sönder. FPGA:n är en Actel typ IGL00V2, som valts för sin tillförlitlighet och låga strömförbrukning. Resten av noden består av en PIC-processor, RAM-minne, Miwi radiotransceivermodul, två Oldham OLCT 80 gasdetektorer, LM3100 och MAX618 strömbrytare samt ett batteri.

Slutsats

I den här artikeln har vi sett hur chiptillverkare och forskare har svarat på IoT:s behov av smarta sensorer. Detta har delvis handlat om att lägga till intelligens och kommunikationsfunktioner till den grundläggande givarfunktionen, men det handlar också om förbättrad tillverkning. Genom att integrera MEMS-sensorelementen och CMOS-datorkomponenterna på ett enda substrat kan smarta sensorer implementeras i små, billiga paket som kan bäddas in i tillämpningar med begränsat utrymme och som är motståndskraftiga mot deras miljöförhållanden.

Designerna av sakernas internet kan följaktligen skaffa de sensorer de behöver – små, billiga, motståndskraftiga och energisnåla nog för att kunna användas överallt, samtidigt som de har intelligens för att kunna leverera användbar information såväl som rådata. De underlättar också en mer flexibel, granulär automatisering, eftersom de kan acceptera inkommande kommandon för omkalibrering för att tillgodose produktionsförändringar.

Denna artikel har bidragits av Newark element 14, Chicago, IL. För mer information, klicka här .