Ver sur le capteur Que se passe-t-il lorsque les données IoT sont mauvaises?

Les entreprises qui tentent d'utiliser l'Internet des objets sont déjà confrontées à un déluge de données et à un éventail vertigineux de façons de les analyser. Mais que se passe-t-il si les informations sont fausses?

Les données incorrectes sont courantes dans l'IoT, et bien qu'il soit difficile d'obtenir une estimation de la quantité d'informations diffusées en continu à partir d'appareils connectés ne peut pas être utilisée, beaucoup de gens pensent au problème.

Environ 40% de toutes les données provenant des périphéries des réseaux IoT sont «fallacieuses», explique Harel Kodesh, vice-président de l'activité logicielle Predix de GE et CTO de GE Digital. La plupart de ces données ne sont pas fausses, elles sont simplement inutiles: les informations en double que les employés ont accidentellement téléchargées deux fois ou les messages répétitifs que les machines inactives envoient automatiquement. 

En outre, la construction d'une nouvelle plate-forme IoT au-dessus des anciens systèmes de rapports industriels peut poser des problèmes car les outils hérités formatent les données à leur manière, a déclaré Kodesh. "Vous ne prenez pas les vraies données élémentaires, vous en prenez une traduction."

Mais parfois, les appareils génèrent simplement des informations fausses ou trompeuses.

Mesurer la mauvaise chose

Par exemple, si un ver rampe sur un capteur de température et d'humidité dans un champ, l'agriculteur obtiendra une lecture sur la chaleur et l'humidité du ver, ce qui n'aide pas à gérer une ferme. Si un capteur est recouvert de saleté ou de crasse d'usine, ou s'il est endommagé par des vandales, cela peut également modifier les données qu'il produit..

Plus les conditions environnantes sont dures et plus l'appareil est isolé, plus le problème de mauvaises données risque d'être grave. En plus de l'agriculture, des industries comme le pétrole et le gaz et la distribution d'énergie sont confrontées à ce problème. Mais ce ne sont pas seulement les capteurs éloignés qui ont des problèmes. Même dans un hôpital, un capteur d'oxygène sanguin serré sur le doigt d'un patient peut commencer à donner de mauvaises données s'il se heurte à la mauvaise position.

En plus de cela, certains appareils IoT fonctionnent mal eux-mêmes et commencent à cracher des données erronées, ou cessent tout rapport. Dans de nombreux autres cas, l'erreur humaine est le coupable: les mauvais paramètres gâchent ce que l'appareil génère.

Une façon de réduire les données erronées est de vous assurer que l'équipement est correctement réglé.

John Deere équipe ses outils agricoles géants de capteurs qui détectent si les machines fonctionnent correctement. Le semoir ExactEmerge de l'entreprise, qui roule derrière un tracteur en train de planter des graines à travers un champ, dispose de trois capteurs par rangée de cultures pour détecter le nombre de graines à planter et à quel rythme. Au moins une fois par an, avant le semis, l'agriculteur ou un concessionnaire Deere calibrera manuellement ces capteurs afin qu'ils soient précis, a déclaré Lane Arthur, directeur des solutions numériques de Deere..

Plus c'est mieux

Mais de nombreux capteurs IoT sont trop difficiles à atteindre pour un étalonnage et une maintenance réguliers. Dans ces cas, la redondance peut être la réponse, bien que ce ne soit pas une solution miracle.

Les doublons du même capteur sur une machine, dans une mine ou dans un champ génèrent plus d'entrées, ce qui peut être utile en soi. Weather Underground, qui fait partie des activités d'IBM Weather Company, crée ses rapports en partie avec des données provenant de capteurs à faible coût et non calibrés dans les cours arrière des consommateurs. Pour peu d'argent, ils donnent à Weather Underground plus de points de données, mais la qualité est un gros problème. Un capteur peut mal fonctionner et signaler plusieurs centimètres de pluie tandis que celui à côté n'en détecte aucun, a déclaré John Cohn, IBM Fellow pour Watson IoT.

"La grande chose est, si vous avez une densité suffisante de ces types de capteurs, vous pouvez ... trouver mathématiquement les valeurs aberrantes et la raison, à partir de cela, que cela nécessite un travail", a déclaré Cohn.

Les entreprises peuvent également utiliser différents dispositifs de détection, en particulier des caméras, pour vérifier les capteurs susceptibles de rencontrer des problèmes. Une caméra vidéo combinée à un logiciel d'analyse d'image peut détecter si un appareil distant est devenu sale, endommagé ou vandalisé, a déclaré Doug Bellin, directeur principal des industries du secteur privé mondial chez Cisco Systems. Parfois, des caméras de sécurité déjà là pour autre chose peuvent faire ce travail.

Une technique pour vérifier les différents types de capteurs les uns contre les autres est appelée fusion de capteurs. Il pèse les entrées de deux capteurs ou plus pour arriver à une conclusion.

La fusion de capteurs est maintenant mise en œuvre dans les hôpitaux, où les fausses alarmes sont monnaie courante, a déclaré Stan Schneider, président et chef de la direction de la société de logiciels IoT Real-Time Innovations (RTI). Par exemple, plutôt que de déclencher une alarme à chaque fois que le capteur d'oxygène sanguin sur le doigt d'un patient a montré une faible teneur en oxygène, un système de fusion de capteurs comparerait constamment cette lecture avec celles des autres capteurs du patient, comme les moniteurs de respiration et de fréquence cardiaque.

Le capteur fantôme

D'autres sources peuvent également remplacer un capteur qui n'est même plus là. GE teste chaque moteur à réaction sortant de ses usines pour la température des gaz d'échappement, un chiffre qui reflète son efficacité, a déclaré Kodesh. GE place un capteur directement sur le chemin de l'échappement, même s'il brûle toujours après quelques minutes. Pendant ce temps, les capteurs situés dans des endroits plus sûrs autour du moteur collectent des données en même temps, et en comparant leurs lectures avec ce que l'appareil condamné a enregistré avant qu'il ne soit détruit, GE peut recréer le capteur direct en tant que capteur virtuel - une fonction mathématique.

Tirer des conclusions à partir de plusieurs flux d'informations place le problème de la qualité des données dans le domaine de l'apprentissage automatique. C'est là que se passent les choses les plus intéressantes, déclare Cohn d'IBM.

Par exemple, IBM utilise sa plateforme d'analyse Watson pour comprendre la consommation d'énergie dans les installations IBM en Irlande. Non seulement Watson peut signaler une anomalie si un climatiseur dit qu'il est éteint, mais la puissance absorbée totale est trop élevée pour que cela soit vrai, mais au fil du temps, il peut apprendre à identifier la manière particulière dont ce climatiseur consomme de l'électricité lorsqu'il fonctionne. vient. Avec cette connaissance, un système qui dit qu'il n'est pas activé peut être pris en flagrant délit.

Pour vérifier les données erronées, l'apprentissage automatique prend du temps pour se mettre à jour, contrairement aux capteurs ou caméras ajoutés.

«Il devient plus intelligent plus il fonctionne. La première fois qu'il fonctionne, je ne lui ferais pas confiance », a déclaré Bellin de Cisco. "La millième fois qu'il fonctionne, il est ... probablement plus intelligent que moi."

Plus le système IoT est critique, plus il est important de traiter les mauvaises données. La fusion de capteurs, par exemple, est nécessaire pour des choses comme la santé des patients et la détection de missiles, car la fiabilité est un gros problème lorsque les enjeux sont si élevés, a déclaré Schneider de RTI..

Mais certaines formes d'IoT peuvent probablement se passer de plusieurs sources de données, a-t-il déclaré. "Vous n'avez pas besoin de cela dans le thermostat de votre maison."

Rejoignez les communautés Network World sur Facebook et LinkedIn pour commenter des sujets qui vous tiennent à cœur.