Zespół finansowanego ze środków Unii Europejskiej projektu wykorzystuje algorytmy uczenia głębokiego połączone z technologiami chmury, przetwarzania brzegowego oraz przetwarzania na dalekiej krawędzi, aby usprawnić sposób śledzenia obiektów w fabrykach i magazynach.
Technologie pozycjonowania, które mogą być stosowane w przestrzeniach zamkniętych i pomieszczeniach, stanowią prawdziwy impuls zmieniający świat przemysłu. Tego rodzaju rozwiązania działają jak system GPS, który umożliwia ustalanie lokalizacji osób i obiektów w przestrzeniach zamkniętych. Dzięki temu poprawia efektywność i bezpieczeństwo, a dodatkowo umożliwia szerszą automatyzację w budynkach takich jak fabryki i magazyny. W ramach nowego finansowanego przez Unię Europejską projektu DUNE powstają nowatorskie rozwiązania mające na celu usprawnienie systemów lokalizacji zasobów i materiałów w obiektach przemysłowych. Jako część finansowanego ze środków Unii Europejskiej projektu VEDLIoT, zespół skupiony wokół inicjatywy DUNE łączy algorytmy głębokiego uczenia z rozproszonymi systemami obliczeniowymi, które wykorzystują możliwości chmury obliczeniowej, przetwarzania brzegowego oraz przetwarzania na dalekiej krawędzi, aby realizować potrzeby zastosowań działających w czasie rzeczywistym.
„Obecnie stosuje się wiele podejść technologicznych opartych na sygnałach radiowych wykorzystywanych w roli narzędzia pozwalającego na ustalenie względnej pozycji między obiektami”, tłumaczy prof. Xavier Vilajosana Guillén z Universitat Oberta de Catalunya w Hiszpanii, którego wypowiedź została przytoczona w informacji prasowej zamieszczonej na stronie internetowej uczelni. „Ta różnorodność stosowanych technologii oraz szeroki zakres sytuacji, w których mogą być wykorzystywane, a także duża rozpiętość budżetów oraz zróżnicowanie środowisk, w których mogą być stosowane oznacza, że musimy opracować doskonałe ramy pozwalające na zarządzanie danymi lokalizacyjnymi uzyskiwanymi dzięki różnym technologiom w czasie rzeczywistym. Jednocześnie musimy zadbać o to, aby nasze rozwiązanie mogło zostać dostosowane do różnych potrzeb występujących w środowiskach przemysłowych, a jednocześnie było dostępne w atrakcyjnej cenie”.
Aby zlokalizować obiekt w pomieszczeniu, odbiornik określa jego przybliżone położenie na podstawie kierunku, z którego pochodzi sygnał emitowany przez dany przedmiot. Problem stanowią przeszkody występujące pomiędzy nadajnikiem i odbiornikiem sygnału, które ograniczają dokładność lokalizacji obiektu. Aby rozwiązać ten problem, zespół DUNE stosuje mechanizmy pozycjonowania wspomagane algorytmami głębokiego uczenia na różnych etapach procesu lokalizacji.Rozproszony system składa się z wielu czujników i urządzeń lokalizacyjnych umieszczonych na obiektach, których pozycja ma być ustalana przez rozwiązanie. Urządzenia te generują surowe dane, które muszą zostać przetworzone w celu określenia pozycji poszczególnych obiektów. Jak czytamy w informacji prasowej, wstępne przetwarzanie danych odbywa się na „dalekiej krawędzi” – w pobliżu anten przesyłających sygnały. Takie rozwiązanie pozwala na skrócenie czasu reakcji serwera i ogranicza zapotrzebowanie na przepustowość łącza, jednocześnie zwiększając bezpieczeństwo danych.
Sygnały radiowe emitowane przez czujniki przymocowane do obiektów są odbierane przez anteny lokalizatora. Następnie dane muszą być przetworzone w celu oszacowania kątów, aby na ich podstawie określić kierunek, z którego pochodzi sygnał. Takie rozwiązanie umożliwia aktualizację danych w czasie rzeczywistym. „W idealnym świecie transformacja ta jest procesem geometrycznym, który zależy od przestrzeni między antenami, czyli odległości, a także częstotliwości radiowej, czyli długości fali. Problemem pozostają jednak zakłócenia występujące w tych środowiskach, a także warunki, które odbiegają od perfekcyjnych”, wyjaśnia prof. Vilajosana Guillén. „Przy rozwiązywaniu tych problemów algorytmy głębokiego uczenia stają się niezwykle cennym narzędziem pozwalającym na uzyskanie dokładnych szacunków pozycji obiektów”.
Inne urządzenia brzegowe są wykorzystywane do przetwarzania i agregacji danych w czasie rzeczywistym. Na tym etapie dane są także filtrowane, aby usprawnić translację sygnału i umożliwić wykorzystanie wielu zróżnicowanych technologii. Szacowane pozycje są następnie przekazywane przez urządzenia brzegowe do infrastruktury w chmurze połączonej z systemem informatycznym fabryki. W chmurze zaawansowane algorytmy sztucznej inteligencji są wykorzystywane do poprawiania, ulepszania, klasyfikowania i identyfikowania anomalii oraz optymalizacji działań.
W ramach projektu VEDLIoT (Very Efficient Deep Learning in IOT) powstaje innowacyjna platforma Internetu rzeczy, która pomoże rozwiązać trudne problemy w kluczowych sektorach, takich jak przemysł i transport. Projekt dobiegnie końca w październiku 2023 roku.
Więcej informacji:
poleca:
