Όροι όπως NBIoT, LoRaWAN, ZigBee, Matter, ML, M2M, Cloud Platform, SaaS, IoT, IIoT, Industry 4.0, πλέον αναφέρονται εκτενώς,περιγράφοντας το αναπτυσσόμενο δίκτυο εφαρμογών, συσκευών και αισθητήρων με δυνατότητα διασύνδεσης και παρακολούθησης μέσω του διαδικτύου. Όλες οι παραπάνω αναδυόμενες και μη τεχνολογίες και η δικτύωση αυτών αποτελεί μέρος της τέταρτης βιομηχανικής επανάστασης (Industry 4.0).
Γράφει ο Λευτέρης Κουνέλας, Ναυπηγός Μηχανικός
Γενικά η φιλοσοφία του IoT είναι η διασύνδεση συσκευών μεταξύ τους σε τοπικό δίκτυο ενσύρματα ή ασύρματα με δυνατότητα σύνδεσης στο διαδίκτυο (παγκόσμιο ιστό). Διαδίκτυο των πραγμάτωνκαιΣύνδεση από παντού. Η χρήση τεχνολογιών IoTδιαγράφει εκθετική πορεία, αλλά παραμένουν ερωτήματα σχετικά με την διακυβέρνηση και την ασφάλεια των συστημάτων αυτών.
Από την γεωργία ακριβείαςμε αισθητήρες υγρασίας εδάφους και μετεωρολογικούς σταθμούς που χρησιμοποιούνται για τη βελτιστοποίηση των αποδόσεων των αγροτών, τους θερμοστάτες και τα θερμόμετρα στην Ψύξη, τον Κλιματισμό και τη θέρμανση των χώρων, τη βελτίωση της υγειονομικής περίθαλψης μέσω απομακρυσμένης παρακολούθησης ασθενών σε πραγματικό χρόνο,το Διαδίκτυο των πραγμάτων (IoT) μεταμορφώνει τον τρόπο που ζούμε και εργαζόμαστε.
Οι εφαρμογές και τα πιθανά οφέλη του IoT και της AI συναντώνται σε 2 βασικούς τομείς του κλάδουHVAC&R:
- Θέρμανση, Εξαερισμός και Κλιματισμός εστιάζοντας σε ψύκτες νερού, αντλίες θερμότητας, split συστήματα και συστήματαVRV- VRF.
- Ψυχρή Εφοδιαστική αλυσίδα, συμπεριλαμβανομένης της επεξεργασίας τροφίμων, ψύξης μεταφορών, εφαρμογές εμπορικής και βιομηχανικής ψύξης αλλά και σε οικιακές συσκευές.
Η μηχανική μάθηση ML (Machine Learning) είναι ένα πεδίο μελέτης της τεχνητής νοημοσύνης ΑΙ (Artificial Intelligence) που ασχολείται με την ανάπτυξη και τη μελέτη στατιστικών αλγορίθμων που μπορούν να μάθουν από δεδομένα και να δώσουν δεδομένα ώστε να εκτελέσουν εργασίες αντίστοιχες με τη φύση της εργασίας.Η Μηχανική Εκμάθηση ML (Machine Learning) βρίσκεται στη διασταύρωσητων ενσωματωμένων εφαρμογών, αλγορίθμων, υλικού και λογισμικού. Είναι ένα πεδίο αιχμής που φέρνει την ισχύ του Machine Learning (ML) σε συσκευές χαμηλής κατανάλωσης με σπάνια στοιχεία υπολογιστών και μνήμης, όπως οι αισθητήρες και οι συσκευές που αναπτύσσονται σε εφαρμογές Ψύξηςμέσω IoT.
Η αποτελεσματική πλέον λειτουργικότητα και απόδοση των συστημάτων εμπορικής και βιομηχανικής ψύξης είναι σημαντική και απαιτητή από εταιρείες φιλικές προς το περιβάλλον (προμηθευτές & αγοραστές) και οργανισμούς με ορίζοντα στην μείωση του ενεργειακού αποτυπώματος, καθώς τα μη αποδοτικά συστήματα μπορούν να επηρεάσουν την ανθρώπινη υγεία μειώνοντας την ποιότητα των τροφίμων, προκαλώντας ρύπανση και ακόμη και αύξηση της υπερθέρμανσης του πλανήτη.
Η συνεχής παρακολούθηση της απώλειας και της σπατάλης τροφίμων (Food Loss and Waste), είναι ζωτικής σημασίας για τη βελτίωση της επισιτιστικής ασφάλειαςκαι τον μετριασμό της κλιματικής αλλαγής, με τη μέτρηση παραμέτρων ποιότητας όπως η θερμοκρασία και η υγρασία,η πίεση, η κατανάλωση ενέργειας, η συγκέντρωση αερίων κ.ά.Η αναπτυσσόμενη βιομηχανία τροφίμων και η αυξανομένη ζήτηση για μακροπρόθεσμη συντήρηση αυτώνκατέστησαν αναγκαία την ανάπτυξη συστημάτων για την άμεση παρακολούθηση και διατήρηση της φρεσκάδας και της ασφάλειας των τροφίμων. Πρόσφατα, τα ψηφιακά εργαλεία έχουν γίνει μια βιώσιμη λύση για την πρόληψη FLW.
Έξυπνη αναγνώριση, παρακολούθηση και διαχείριση μπορεί να επιτευχθεί με τη βοήθεια ψηφιακών εργαλείων, όπως αισθητήρες, εξοπλισμός αναγνώρισης barcode, σαρωτές λέιζερ, ασύρματες, κινητές συσκευές, τεχνολογίες blockchain, συστήματα εντοπισμού θέσης και όποιο άλλο εξοπλισμό ανίχνευσης και συλλογής πληροφοριών.
Αυτές οι τεχνολογίες μπορούν να επηρεάσουν το FLW στο ευρύτερο τοπίο της επισιτιστικής ασφάλειας και να παρακολουθούν συνεχώς διαφορετικά προϊόνταόπως κρέας, γάλα και άλλα προϊόντα διατροφής.Οι μετρήσεις από αισθητήρες σε πραγματικό χρόνο μπορούν να παρακολουθούν συνεχώς την ποιότητα των τροφίμων αλλά και την αποδοτικότητα των συστημάτων παραγωγής και αποθήκευσης. Αποτέλεσμα των παραπάνω διαδικασιών είναι η ελαχιστοποίηση της σπατάλης τροφίμων(FLW) με επακόλουθο την σημαντική μείωση του ενεργειακού αποτυπώματος.
Στον κλάδο της Ψύξης, υπήρχε πάντοτε μεγάλη ζήτηση μεταξύ των κατασκευαστών για έγκαιρη και αυτόματη διάγνωση βλαβών. Πλέον είναι απαραίτητη η συλλογή, αποθήκευση, επεξεργασία και ανάλυση Όγκου Δεδομένων συνδυαστικά (Big Data Analytics) λαμβάνοντας πιο ολοκληρωμένες αποφάσεις, έχοντας σαφώς περισσότερες πληροφορίες όπου διαφορετικοί ταξινομητές μηχανικής μάθησης υπολογίζουν με μεγάλες υπολογιστικές ταχύτητες προσομοιώνοντάς τεςπολλές φορές σε μοντέλα υψηλής πιστότητας ώστε να βρεθεί η βέλτιστη λύση.
Η μη πλέον βελτιστοποιημένη λειτουργία των συστημάτων HVAC&Rμπορεί να επιφέρει συνεχή σπατάλη ενέργειας, αυξημένες εκπομπές άνθρακα και υψηλότερο κόστος συντήρησης.
Η αυτόματη διάγνωση βλαβών αποτελεί σημαντική προϋπόθεση της αποτελεσματικής πρόβλεψης και πρόληψης σε αρκετούς τομείς της βιομηχανίας ψύξης και κλιματισμού. Η μέθοδος διάγνωσης σφαλμάτων βάσει ανάλυσης μεγάλου όγκου δεδομένων έχει κερδίσει σταδιακά ευρεία προσοχή από τον ακαδημαϊκό κόσμο και τη βιομηχανία.
Παρά το γεγονός ότι η ψύξη και ο κλιματισμός αντιπροσωπεύουν σημαντικό μερίδιο της παγκόσμιας κατανάλωσης ενέργειας, η εφαρμογή της ψηφιοποίησης σε αυτούς τους τομείς έχει λάβει μέχρι στιγμής λιγότερη προσοχή από ό,τι άλλες εφαρμογές. Η χρήση και η εφαρμογή των εργαλείων Internet of Things (IoT) και Τεχνητής Νοημοσύνης (AI) στη βιομηχανία ψύξης και κλιματισμού προσφέρει μεγάλες ευκαιρίες για έλεγχο και πρόβλεψη, με τη χρήση μεθόδων μηχανικής μάθησης. Η σύγχρονη τεχνητή νοημοσύνη αποτελεί ένα από τα πλέον «μαθηματικοποιημένα» και ταχέως εξελισσόμενα πεδία της πληροφορικής. Σήμερα, ο τομέας αξιοποιεί περισσότερο υποσυμβολικές μεθόδους και εργαλεία καταγόμενα από τα εφαρμοσμένα μαθηματικά και τις επιστήμες μηχανικών.
Σκοπός είναι οι συνδεδεμένες συσκευές με ενσωματωμένους αισθητήρες να συνδέονται με μια πλατφόρμα ανεξαρτήτου λειτουργικούς συστήματος, η οποία παραλαμβάνει τα δεδομένα από τις διάφορες συσκευές εφαρμόζοντας αναλυτικά στοιχεία και διαμοιράζοντας τις πιο πολύτιμες πληροφορίες με εφαρμογές που έχουν δημιουργηθεί για την αντιμετώπιση συγκεκριμένων αναγκών. Οι συσκευές IoT μπορούν να εντοπίσουν ακριβώς ποιες πληροφορίες είναι χρήσιμες και να τις εκμεταλλευτούν κατάλληλα. Η δυνατότητα αυτή μπορεί να αυτοματοποιήσει επαναλαμβανόμενες, χρονοβόρες ή ακόμα και επικίνδυνες εργασίες.
Η χρησιμότητα του IoT είναι μεγάλη και η ζήτηση από τους υποψήφιους αγοραστές ακόμα μεγαλύτερη. Ως επί το πλείστον, οι άνθρωποι αποζητούν την αυτονομία σε πολλά πράγματα γύρω τους. Από ένα αυτόματο ξυπνητήρι μέχρι το έξυπνο ψυγείο που ενημερώνει το χρήστη για βασικές ελλείψεις ή ακόμα και τη δυνατότητα ενεργοποίησης κλιματισμού πριν ακόμα ο χρήστης εισέλθει στο σπίτι. Είναι μερικές από τις δυνατότητες που προσφέρει το IoT. Η χρήση του δεν παραμένει μόνο εκεί, αλλά επεκτείνεται και στις επιχειρήσεις οι οποίες εκμεταλλεύονται τη δυνατότητα αποθήκευσης και επεξεργασίας των δεδομένων από πλατφόρμες υπολογιστικού νέφους, όπου η υποδομή τους επιτρέπει την εκτέλεση κώδικα µε ελεγχόμενο και ευέλικτο τρόπο.
Με τους όρους “Internet of Things (IoT)” και “Artificial Intelligence (AI)” εννοούμε δύο σημαντικές τεχνολογίες που επηρεάζουν τον τρόπο που ζούμε και εργαζόμαστε. Ας δούμε περισσότερες λεπτομέρειες για κάθε ένα από αυτά:
- Internet of Things (IoT):Η έννοιαIoT αναφέρεται στο δίκτυο συνδεδεμένων συσκευών που μπορούν να ανταλλάσσουν δεδομένα μεταξύ τους και με τον κεντρικό υπολογιστή.Παραδείγματα του IoT περιλαμβάνουν έξυπνες οικιακές συσκευές (όπως ψυγεία, φούρνους, κλιματιστικά), αυτοκίνητα, αισθητήρες περιβάλλοντος και πολλά άλλα. Η τεχνολογία IoT επιτρέπει την αυτοματοποίηση, την παρακολούθηση και τον έλεγχο των συσκευών από απόσταση.
- Artificial Intelligence (AI):Η τεχνητή νοημοσύνη αναφέρεται στη δυνατότητα των μηχανών να “μιμούνται” την ανθρώπινη νοημοσύνη, είναι τεχνολογία που επιτρέπει σε υπολογιστές και ψηφιακές συσκευές να μαθαίνουν, να διαβάζουν, να γράφουν, να δημιουργούν και να αναλύουν.Η τεχνητή νοημοσύνη (AI) δίνει τη δυνατότητα στις μηχανές να μαθαίνουν από την εμπειρία, να προσαρμόζονται και να εκτελούν εργασίες παρόμοιες με τον άνθρωπο.
Και τα δύο αυτά πεδία έχουν τεράστια επίδραση στην κοινωνία μας και αναμένεται να συνεχίσουν να εξελίσσονται και να αλληλοεπιδρούν μεταξύ τους. Αυτά σε συνδυασμό επίσης με το Cloud Computing, εννοώντας την ανάπτυξη και τη διαχείριση εφαρμογών σε απομακρυσμένους υπολογιστές, μπορούμεκαι έχουμε τα παρακάτω οφέλη:
- Ασφάλεια:Δεν χάνουμε το υλικόμας αφού, αποθηκεύοντάς το στο Cloud, δεν είναι εύκολο να χαθούν τα δεδομένα μας. Ειδικά οι εταιρείες που ασχολούνται με το Cloud, υποστηρίζουν ότι τα δεδομένα μας είναι πάντα και απόλυτα ασφαλή.
- Αποθηκευτικός χώρος: Νοικιάζουμε το χώρο που χρειαζόμαστε, είμαστε ιδιοκτήτες των δεδομένων μας κι έτσι, εξοικονομούμε χρήμα και χρόνο, έχοντας στη διάθεσή μας όσο ασφαλές αποθηκευτικό χώρο θέλουμε με πρόσβαση ανεξαρτήτου λειτουργικού συστήματός και συσκευής (Σταθερός Η/Υ, Φορητός Η/Υ, Κινητές Συσκευές κ.α.)
- Ευελιξία:Το μόνο που χρειάζεται να έχουμε είναι πρόσβαση στο διαδίκτυο.
Η τεχνολογία Internet of Things (IoT) ενσωματώνεται στις εφαρμογές εμπορικής και βιομηχανικής ψύξης παρέχοντας αξιόπιστες δυνατότητες παρακολούθησης και δίνοντας μεγαλύτερο έλεγχο στους χειριστές/χρήστες. Μέσω τουIoT, έχουν επιτευχθεί αυξημένα οφέλη σεεφαρμογές εμπορικής, βιομηχανικής ψύξης και κλιματισμού, με αποτέλεσμα τη μείωση του ενεργειακού αποτυπώματος.
Ας ρίξουμε μια ματιά σεμερικούς τρόπους που το IoT επηρεάζει τον τομέα της ψύξης:
ΕΠΕΞΕΡΓΑΣΙΑ
Κατά την διαδικασία της επεξεργασίας, η εφαρμογή του IoT και της τεχνητής νοημοσύνης μπορούν να δρουν σε τέσσερα διαφορετικά στρώματα: (1) ασφάλεια και ποιότητα προϊόντων, συμπεριλαμβανομένων της ιχνηλασιμότητας και της συμμόρφωσης, (2) βελτιστοποίηση του χρονοδιαγράμματος και της διαδικασίας παραγωγής,·(3) ανίχνευση σφάλματων και προγνωστική συντήρηση των υποδομώντης παραγωγής και(4) πρακτικές για τη μείωση της κατανάλωσης ενέργειας.
Στην πρόψυξη, η πρόκληση έγκειται στη διασφάλιση της θερμοκρασίας,του λόγου χρόνου/θερμοκρασίας ψύξης και τηναποφυγή της επαναθέρμανσης των υπό-συντήρηση προϊόντων επηρεάζοντας την ποιότητα, την αποθήκευση ή διανομή, σύμφωνα με τις διαδικασίες λήψης αποφάσεων που βασίζονται στην τεχνητή νοημοσύνη. Οι συσκευές IoT μπορούν να παρακολουθούν παραμέτρους που σχετίζονται με τις λειτουργίες των Ψυκτικών Θαλάμων, Ψυγείων ή Ψυκτών και, μέσω προγνωστικών αλγόριθμων,αποφεύγουν έτσι αριθμό βλαβών και κατά συνέπεια απώλειες προϊόντων.
ΜΕΤΑΦΟΡΑ
Ο τομέας της ψύξης των μεταφορών έχει μεγάλες ανάγκες για απομακρυσμένη συλλογή δεδομένων και ιχνηλασιμότητα από τη στιγμή που το φορτίο βρίσκεται σε κίνηση. Απομακρυσμένη πρόσβαση στα φορτία διαθέτοντας εγκατεστημένους αισθητήρες και παρέχοντας πολύ λεπτομερείς πληροφορίες που μπορούν να σταλούν στο σύννεφο(Cloud) βελτιστοποιώντας την ποιότητα του φορτίου για κάθε συγκεκριμένο εμπόρευμα και την κατάσταση μεταφοράς (διάρκεια ταξιδιού, τοποθεσία κ.λπ.).
ΨΥΧΡΗ ΑΠΟΘΗΚΗ
Στην ψυχρή αποθήκευση οι στόχοι και οι ευκαιρίες για το IoT συνίστανται στη μεγιστοποίηση της διάρκειας ζωής των προϊόντων με παράλληλη μείωση της κατανάλωσης ενέργειας, αλλά και στη βελτιστοποίηση των εργασιών χειρισμού, γεγονός που προσθέτει ιδιαίτερη πολυπλοκότητα λαμβάνοντας υπόψη παράγοντες όπως: διατήρηση προϊόντων, ποικιλία, μεγάλες εγκαταστάσεις, κατανάλωση ενέργειας, ασφάλεια προσωπικού. Ο εκτιμώμενος συνολικός παγκόσμιος όγκος ψυκτικών αποθηκών είναι 600 εκατομμύρια m3. Εξ ου και το ενδιαφέρον των ερευνητών για την ανάπτυξη μοντέλων για την πρόβλεψη της κατανάλωσης ενέργειας,για τη μείωση των θερμικών φορτίων και για τη διερεύνηση τουβαθμού επηρεασμού της ποιότητας των προϊόντων από την εξοικονόμηση ενέργειας.
Ο σωστός συνδυασμός Μηχανολογικού εξοπλισμού και Ηλεκτρονικών Ελεγκτών,η έρευνακαι η τεχνολογία του IoTκαι της τεχνητής νοημοσύνης (AI),δίνουν τώρα την ευκαιρία να αναπτυχθούνμοντέλα που μπορούν να αξιοποιήσουν στο έπακρο την τεράστια ποσότητατων δεδομένων που είναι διαθέσιμα σε HVAC&R εξοπλισμό με χρήση μεθόδων μηχανικής εκμάθησης.Μειώνοντας τις εκτός χρόνου επισκευές με προγνωστική διάγνωση σφαλμάτων,βελτιστοποιώντας ταυτόχρονα την κατανάλωση ενέργειαςκαι κατά συνέπεια την ποιότητα των προϊόντων ή τις συνθήκες άνεσης, προχωράμε βήμα βήμα προς την επίτευξη του στόχου της μείωσηςτων εκπομπών αερίων του θερμοκηπίου (GHG).
