logo821.gif (10572 bytes) 首頁          新增資料與公告

最新消息:

美國Costa Farms收購了蘭花種植商DeLeon's Bromeliads
 

 

BSE LAB 介紹

首頁
上一層
生醫研究之統計方法
授課資料
人文關懷
無官御史台
武漢肺炎與產業
智能生物產業
蘭花產業
蘭界感言篇
活動公告區
Orchids Cultivation

 

 
物聯網在儀器和量測領域的潛力

 

中興大學 生物系統工程研究室 陳加忠

 
 

Author: Boon-Yaik OoiShervin Shirmohammadi

IEEE Instrumentation & Measurement Magazine May 2020, 21-26

工程或科學領域很少有人沒聽說過物聯網(IoT)。物聯網通過為網絡上連接的(潛在的)大量分佈式組件,提供了前所未有的方法,從而幾乎無需人工干預即可收集數據,協作和執行任務,因此干擾了許多行業。花費在物聯網預計到2022年將達到1萬億美元[1],被認為是第四次工業革命的背後核心一個支持技術。但是物聯網到底是什麼?對物聯網及其定義的深刻理解仍在不斷發展。同時,IEEE將物聯網系統定義為一個實體系統(包括網路物理設備,消息資源和人),它們通過感測,處理消息和促動以交換消息,並與物理世界進行互動” [2]。此外,物聯網中的事物可以定義為一個IOTThing(事物)是具有功能,特性和信息交換方式的組件或系統” [2]。對(Thing)”而不是已經存在多年的互聯網(Internet)”部分的確切解釋,導致物聯網仍在發展其定義[3]。本質上,物聯網系統的組件交互影響,而用以實現系統的設計目標。例如,在智能家居中,物聯網系統由相互連接的恆溫器,開關,警報,觸發器,攝像機,感測器和執行器組成可以根據對於居民的行為觀察,自我主控制照明,溫度,環境和安全性,從而帶來更多高效率,舒適和節能。我們的運輸系統可以受益於由車輛,駕駛員,行人和交通基礎設施(標誌,信號燈,道路等)連接組成的物聯網,以實現更高效率的交通路線、道路援助、緊急反應、支持停車和收費。在工業環境中,IoT可以使得配備了儀器,感測,處理,通信和協作的製造機器或機器人整合在一起,從而在設備,財產,過程和製成品的管理中帶來更高的效率和利潤。這種工業物聯網,也稱為IIoT特別令人感到興趣,因為它是工業4.0背後的核心技術,預計到2030年將產生12萬億美元的市場[4]

儘管在1990年代初期就開始討論物聯網的概念,Cisco估計物聯網終於在20082009年實現。當時物(thing)與人的比率超過1.0 [5]。因此,隨著IoT誕生10年了,我們來檢視它如何影響儀器與量測(IM)領域。在IM中,物聯網為儀器提供了前所未有的方法來收集量測值,跟踪,檢測,監視,表徵,識別,估計或計算物理現象。並且執行分析,而幾乎無需人工干預。要按照這種觀點,可以說物聯網實際上是許多量測工具的自然延伸。在本文中,首先討論將物聯網作為量測工具部分的好處,然後再討論將物聯網納入量測系統的注意事項。最後介紹IM論文中關於當前如何使用IoT,以及哪些空白需要進一步研究來填補。首先來看一下物聯網在IM中的優勢。

物聯網對IM的好處

物聯網可以增強量測儀器。以更有效率地執行連續和徹底的量測,同時進行的廣域量測和即時量測分析,並提供更好的完整量測性。以下將分別描述這些內容。

1.連續和徹底的量測

在物聯網出現之前,量測通常是人力進行的,這代表著進行連續而徹底的量測在成本上並不划算。如果不進行連續量測,則無法收集諸如變化率,自我相關或因果關係之類的被量測屬性。如果沒有詳盡的量測,由於Nyquist-Shannon採樣定理要求的採樣率太低,我們甚至可能會錯過一些有趣的事件。另一方面,物聯網通過實施低功耗和無線感測器節點,可以進行連續,全面的量測。現有許多物聯網量測工作著重於進行連續和徹底的量測。並且可以通過此類量測獲得有關被量測對象變化的深入內容見解。

2.同時廣域量測

物聯網可以通過部署許多,具有無處不在連接性的低成本嵌入式設備,來實現具有成本效益而且同時廣域量測。與傳統方法例如使用如衛星覆蓋相比,物聯網可以在大範圍內同時收集量測結果,並且更具有成本效益。還可以收集被測對像在空間領域的變化。例如,可以使用IoT收集人群的數目和特定時間段內人群在公共空間中的移動,並加以可視化。

3.即時量測分析

在通常的量測過程中,量測和量測分析是兩個不同的階段。必須收集量測值並將其傳輸到電腦以進行批次處理。通過將物聯網納入量測過程,可以將量測收集和分析簡化為一個過程。這種訊號流處理可以使得事件一旦發生就可以立刻採取措施。可以在智能儀器本身中或在附近的邊緣節點處,或在兩者的組合中進行信號分析處理。

4.增強量測的完整性

感測器收集的數據可以進行區塊鏈連接,以確保量測的完整性。例如政府機構對工廠氣體排放的監控。來自工廠感測器的數據可以被記錄和區域鏈接,以避免被任何一方篡改。這樣,可以在沒有在任何一方集中下的情況下,保持量測的完整性。

II.IM中部署IoT的注意事項

不幸的是,將物聯網納入量測系統和儀器並非沒有後果問題。儘管有許多現有的研究工作正在推動物聯網技術的發展。但重要的是,我們必須意識到,通過將物聯網納入IM,量測過程會從物聯網系統本身繼承更多的不確定性。物聯網系統的問題也會連結在量測作業中產生。接下來討論這些。

1.網絡和操作系統延遲

物聯網可以提供連續和徹底的量測,其中感測器節點被設計成為可以使用無線,低功耗和嵌入式微控制器進行連續量測。但是由於傳輸時間延遲,連續量測之間的讀取間隔可能不一致。來自感測器節點的量測將經歷物聯網網開關和雲端的延遲。因此需要頻域變換的分析可能無法準確表示原始量測結果。圖1說明了平均延遲為150 ms,標準偏差為70 ms的量測的影響。

為了減少網絡延遲性對於量測的影響,可以採用存儲轉發方法。其中感測器節點和IoT網關之間的本地延遲較低。然後將收集的量測結果以批量傳輸到雲端中。圖2顯示了相同的量測結果,其平均等待時間為15±7 ms,這可以通過WiFiBLE實現。

為了進一步減少網絡等待時間的影響,可以將量測結果與時間戳標示一起區域性存儲在感測器節點中,然後將量測結果發送到雲端中。但是,由於兩個感測器的時鐘有一定的漂移並且沒有完全同步,因此這種實現將使得根據來自兩個不同感測器節點的量測結果,難以進行因果分析。

2.因果分析

如前所述,物聯網能夠提供大範圍的同時量測。並且有趣的是,從不同感測器節點的量測值可得出相關性,例如,通過收集到的溫度數據內插來識別server機房中的熱源。通過多個已知位置分佈在server服務器機房中的感測器。這種壯舉的挑戰在於確保所有感測器節點的時鐘都能針對每次量測進行同步。這種同步並不容易。除非我們使用其他解決方案,例如基於IEEE標準1588的解決方案,該解決方案允許以亞微秒的精度進行時鐘同步[6],否則要確保感測器的所有時鐘都進行同步是非常具有挑戰性。這些感測器節點的時鐘漂移會影響感測器之間的因果關係分析。圖3示出了在它們各自的時鐘處從兩個感測器節點按順序進行的量測。

不幸的是,由於時鐘和網絡延遲的漂移,量測結果可能以不同的順序到達雲端中。因此在不了解量測工具未能一致性的模式的情況下,量測的因果關係分析可能不一定代表實際場景的因果關係。例如,如果用於傳輸量測的基礎協議不是TCP而是UDP,則圖4所示的場景可能會發生,在該協議中數據報可能會以無次序方式到達目的。

3.感測器老化和故障

IM社團中眾所周知的那樣,不確定性評估著重於A型和B型。其中A型使用重複讀數和統計方法來評估不確定性。而B型則根據製造商的規範[7]等訊息來評估不確定性。通常對於A型不確定性,我們計算其算術平均值,標準偏差,標準不確定性和自由度。不幸的是,這些評估可能無法顯示感測器的老化或間歇性故障。在物聯網中,感測器通常被部署為長期運行。隨著感測器的老化,它們可能會產生不準確的讀數。物聯網量測工具必須考慮這些不確定性。

1.網絡等待時間對量測數據的影響。 (a)顯示原始尺寸; (b)顯示原始量測的FFT,給出3個諧波頻率; (c)顯示量測經歷了150±70 ms的延遲; (d)是(c)的FFT,表明在(b)中檢測到的特徵變得太微不足道而以至於無法檢測。

2.與圖1相同的量測結果,但平均等待時間為15±7 ms

3.儘管每個感測器的量測都是按順序進行的,但沒有全局時鐘和端到端即時 計算,雲端無法從不同的感測器節點收集到實際的量測序列。

4。用於傳輸量測結果的基本協議(例如UDP代替TCP)會影響雲的角度,進而影響使用該數據進行因果關係分析的可能性。

因此,將物聯網納入量測儀器還應檢查是否存在老化,與及感測器故障的可能性。例如我們可以在量測過程自動化中以檢查殘差的常態分配性,以檢測是否有誤偏差和系統誤差。

4.隱私

定義上,物聯網系統是一個聯網系統,量測數據經由跨網絡傳輸。因此隱私將不僅成為IM的重要問題,而且也成為IoT的任何其他應用程序的主要問題。我們之前提到過,物聯網系統中量測數據的完整性可以通過區塊鏈來保護。如果量測的數據需要保密,例如來自患者的可穿戴式醫療感測器的數據僅應由該病人的醫生查看,則必須將區塊鏈配置為可第三方控制在何時以及要如何截留和接收數據。因此必須在量測系統的設計中內置安全性和保密性。事後再考慮增加安全性和隱私性,將使系統變得更加容易入侵。

 

IM中的物聯網研究

此報導的文獻審閱僅限於僅在IEEE Transactions on Instrumentation and Measurement IEEE Instrumentation & Measurement Magazine發表的相關IoT文獻,當前正在將IoT應用於IM有以下主題中:

1.監測與感測

物聯網的本質有助於自動化量測過程。因此,有許多論文討論如何將物聯網用於監視和感測。Mois [8]開發了一套完整的物聯網解決方案,用於監控偏遠地區室內空間的環境條件。證明了他們提出的解決方案能夠僅通過使用IEEE 802.11 b / g標準就可以同時收集和顯示來自各種設備的廣域量測結果[8]。結構健康監控(SHM)是一種充分利用IoT提供的連續和廣域量測功能的應用程序。啟用物聯網的SHM可提高人員安全性,同時降低結構連續監控的成本[9]。除了廣域量測,物聯網還能夠提供連續和全面的量測。 Fisher等使用物聯網方法進行噴氣發動機排氣的非侵入式和高速量測。並且在此過程中,他們開發了一種方法來減輕量測過程中失去數據包的影響[10]。楊等強調了使用物聯網在開發智能和自動化海港中的潛力,他們開發了具有內置功能(如本地化)的起重機健康結構監控,以提高安全性和監控效率[11]

2.識別和室內定位

感測器的位置是至關重要的信息,尤其是在使用物聯網以同時提供廣域量測時。量測的來源必須正確識別。因此為了防止由於位置硬體編碼與感測器量測中而導致的數據標記錯誤,感測器節點最好能夠自我定位。 Murofushi等人強調了使用RFID在生產線上進行產品識別和產品定位的重要性和實用性[12]。他們的研究來表示,儘管RFID技術已經用於產品識別,但將RFID用於室內定位仍是一個尚未解決的研究問題[12] Bellagente等。[13]在實際環境中比較了BLE信標和基於超寬帶(UWB)的定位技術。儘管基於UWB的定位技術可以提供更高的定位精度,但BLE信標具有較低的部署成本,並且BLE技術可在許多商用智能手機中輕鬆獲得[13]

3.物聯網架構

擁有合適的物聯網架構的重要目的是確保物聯網系統本身未來擴展的成功。蔡等[14]研究了用於感測和地區性數據處理的物聯網架構,專門用於智能家居,智能車輛和醫療保健等環境中的環境智能。強調了地區性計算對物聯網的好處,尤其是處理對隱私敏感和時間緊迫的操作。智能係統中設備之間的網絡延遲對於許多物聯網應用至關重要。 Silva等研究了不同技術的網絡延遲,並提出了一種與WLAN等現有網絡技術可以兼容的物聯網解決方案[15]Ooi[16]結果來自同一被測物的不同感測器的量測結果可能是相關,並且這種相關性可用於檢測故感測器的故障和異常。

4.無線連接評估

在耗能和覆蓋範圍方面,許多現有的無線連接技術尚未能夠適合許多物聯網的應用。物聯網應用程序通常需要提供連續,全面以及同時的廣域量測。儘管窄帶物聯網可以為物聯網解決方案提供遠程和低成本的通信,但是與諸如手機網絡之類的通信技術相比,它們的性能和可用性相當有限。而手機網絡卻更耗電。 Rizzi等評估了LoRaWAN在廣域分佈用以量測應用中的性能,並強調了由於網絡延遲和大面積時鐘不同步而導致事件時間戳不確定性的挑戰[17] Lee等設計並評估了用於大面積監控的LoRa網狀網絡系統的性能,以克服需要密集部署LoRa網關以確保室內覆蓋的需求,尤其是在城市地區[18]。關於廣域連接,Palisetty等開發了一種多載波方案,可為窄帶物聯網提供即時實施[19]。在應用層,Ferrari等人在評估過程中,基於消息協議(特別是基於MQTT的洲際鏈路)估計了工業IoT應用的延遲[20] Mois[21]中的人因分析,也評估了三種不同的基於IoT的無線感測器實施方案,用於環境和環境監測。它們包括使用基於UDPWiFi通信,基於TCPWiFi通信上的HTTP以及Bluetooth Smart通信的無線感測器節點。他們結論是儘管WiFi消耗更多的能源,但由於其普及性和現有的基礎架構,因此開發物聯網解決方案更具成本效益。

5.衛生保健

醫療保健應用是一種高價值應用。持續監控患者的健康至關重要,因為它涉及人類生命。不幸的是,如果沒有物聯網,則監視過程會很費力且不經濟。有時某些量測儀器很昂貴。羅素(Russell)等人[22]中的研究使用感官替代器和物聯網將壓力感測器替換為聲音和溫度感測器,以識別患者的椅子姿勢。 Bassoli等探索了使用WiFi來開發主動和輔助生活解決方法以改善老年人的生活條件的潛力[23]。他們得出的結論說明,儘管與ZigBee等技術相比,WiFi消耗的能源更多,但由於WiFi技術的廣泛採用,它在成本,可擴展性和用戶接受度方面大大簡化了系統開發和部署過程[23]

6.能源管理

能源管理的目的是減少CO2排放,能源管理的目的是確保生產效率不受到能源耗降低過程的影響。因此,重要的是監視設備的負載以實現更有效,更安全和有效的配電。Yu[24]開發了用於智能家居的非侵入式即時電器負載監控,使用戶更了解能源使用情況,並出於安全目的檢測電器的異常運行。物聯網感測器本身也是消耗功率,感測器節點中裝有電池意味著這些感測器節點需要維護。有Porto等人建議將無線電力傳輸功能整合到量測儀器中[25]。儘管此方法可以在實驗室中工作,但是無線功率傳輸的距離和效率仍然離實用十分遙遠[25]

 

IV.未來工作機會討論

在本文中,我們重點介紹了將物聯網作為量測工具的一部分的好處,以及將物聯網納入量測系統的注意事項。通過IM文獻研究,我們發現:

1.監控和感測是IoTIM中最廣泛的應用,占有閱讀論文的30%。

2.大多數工作集中於擴展具有IoT的常規量測系統,以實現連續和更廣域監視。但是除了感測之外,物聯網還包含執行器。在IM領域,閱讀的論文幾乎都沒有提到量測後的分析方法對物聯網系統進行改進或建議。

3.有許多論文致力於評估物聯網網絡的延遲。

這些工作的目的是在數據傳輸速率和覆蓋範圍方面確定物聯網的局限性。不幸的是,他們中的許多人都認為物聯網僅限於同質網絡,這並非完全正確。物聯網網開關的作用之是連接使用不同網絡技術的設備,並為將來的協議擴展而設計。

4.令人驚訝的是,沒有一篇論文強調安全性問題。可以對IoT設備之間的端到端通信進行加密,但是由於無線通信的特性,IoT也容易受到側頻道(channels)攻擊。攻擊者可能會聽取無線數據包裹的存在,以推斷IoT系統的狀態。儘管攻擊者還無法看到數據包裹的內容。在這一領域需要做更多的工作,並且需要將安全性內置到系統的核心設計中。先考慮在後不必添加,此點至關重要。

 

物聯網確實為量測儀器帶來了許多誘人的優勢。 除了使量測過程自動化之外,它還通過提供連續和徹底的量測,同時進行的廣域量測和即時量測分析來改善量測過程,並增強了量測的完整性。 但是,對於研究者而言,重要的是要謹慎對待IoT在量測過程中所承受的問題,尤其是由於網絡延遲,時間不同步以及未檢測到故障感測器而引起的問題。 第五代5G手機網絡技術可能是一個很好的解決方案。但是現在我們需要意識到,當物聯網成為量測系統的一部分時會產生有一些警告問題。

 

References

[1] C. MacGillivray et al., “Worldwide Internet of Things Forecast, 2018–2022,” Int. Data Corp., no. Doc # US44281718.

[2] Architectural Framework for the Internet of Things (IoT), IEEE Standard P2413/D0.4.6, 2019.

[3] J. Voas, B. Agresti, and P. A. Laplante, “A close look at the IoT’s ‘Things,’” IT Prof., vol. 20, pp. 11-14, Jun. 2018.

[4] P. Daugherty, P. Banerjee, W. Negm, and A. Alter, “Driving unconventional growth through the industrial Internet of Things,” Accent. Technol. Rep., 2015.

[5] D. Evans, “The Internet of Things: how the next evolution of the Internet is changing everything,” Cisco White Pap., no. April, 2011.

[6] IEEE Standard for a Precision Clock Synchronization Protocol for Networked Measurement and Control Systems, IEEE Std 1588-2008 (Revision IEEE Std 1588-2002).

[7] A. Ferrero and S. Salicone, “Measurement uncertainty,” IEEE Instrum. Meas. Mag., vol. 9, no. 3, pp. 44-51, Jun. 2006.

[8] G. Mois, T. Sanislav, and S. C. Folea, “A cyber-physical system for environmental monitoring,” IEEE Trans. Instrum. Meas., vol. 65, no. 6, pp. 1463-1471, 2016.

[9] C. Scuro, P. F. Sciammarella, and F. Lamonaca, “IoT for structural health monitoring,” IEEE Instrum. Meas. Mag., vol. 21, no. 6, pp. 4-9, Dec. 2018.

[10] E. M. D. Fisher and T. Benoy, “Interleaving and error concealment to mitigate the impact of packet loss in resource-constrained TDLAS / WMS data acquisition,” IEEE Trans. Instrum. Meas., vol. 67, no. 2, pp. 439-448, 2018.

[11] Y. Yang, M. Zhong, H. Yao, F. Yu, X. Fu, and O. Postolache, “Internet of things for smart ports: technologies and challenges,” IEEE Instrum. Meas. Mag., vol. 21, no. 1, pp. 34-43, Feb. 2018.

[12] R. H. Murofushi and J. J. P. Z. S. Tavares, “Towards fourth industrial revolution impact: smart product based on RFID technology,” IEEE Instrum. Meas. Mag., vol. 20, no. 2, pp. 51-56, Apr. 2017.

[13] P. Bellagente et al., “Enhancing access to industrial IoT measurements by means of location based services– motivation for location based services,” IEEE Instrum. Meas. Mag., vol. 21, no. 6, pp. 15-21, Dec. 2018.

[14] Y. Cai, A. Genovese, V. Piuri, F. Scotti, and M. Siegel, “IoT-based architectures for sensing and local data processing in ambient intelligence: research and industrial trends,” in Proc. 2019 IEEE Int. Instrum. Meas. Technol. Conf., pp. 1-6, 2019.

[15] D. Silva, M. Nogueira, M. Rodrigues, J. Costa, D. Silveira, and G. Oliveira. “A concrete architecture for smart solutions based on IoT technologies,” IEEE Instrum. Meas. Mag., vol. 22, no. 2, pp. 52-59, 2019.

[16] B. Y. Ooi, W. L. Beh, W. Lee, and S. Shirmohammadi, “Using the cloud to improve sensor availability and reliability in remote monitoring,” IEEE Trans. Instrum. Meas., vol. 68, no. 5, pp. 1522- 1532, 2019.

[17] M. Rizzi, P. Ferrari, A. Flammini, and E. Sisinni, “Evaluation of the IoT LoRaWAN solution for distributed measurement

applications,” IEEE Trans. Instrum. Meas., vol. 66, no. 12, pp. 3340- 3349, 2017.

[18] H. Lee, S. Member, and K. Ke, “Monitoring of large-area IoT sensors using a LoRa wireless mesh network system: design and evaluation,” IEEE Trans. Instrum. Meas., vol. 67, no. 9, pp. 2177- 2187, 2018.

[19] R. Palisetty and K. C. Ray, “FPGA prototype and real time analysis of multiuser variable rate CI-GO-OFDMA,” IEEE Trans. Instrum. Meas., vol. 67, no. 3, pp. 538-546, 2018.

[20] P. Ferrari et al., “Delay estimation of industrial IoT applications based on messaging protocols,” IEEE Trans. Instrum. Meas., vol. 67, no. 9, pp. 2188-2199, 2018.

[21] G. Mois, S. Folea, and T. Sanislav, “Analysis of three IoT-based wireless sensors for environmental monitoring,” IEEE Trans. Instrum. Meas., vol. 66, no. 8, pp. 2056-2064, 2017.

[22] L. Russell, R. Goubran, and F. Kwamena, “Posture detection using sounds and temperature : LMS-based approach to enable sensory substitution,” IEEE Trans. Instrum. Meas., vol. 67, no. 7, pp. 1543-1554, 2018.

[23] M. Bassoli, V. Bianchi, I. De Munari, and P. Ciampolini, “An IoT approach for an AAL Wi-Fi-based monitoring system,” IEEE Trans. Instrum. Meas., vol. 66, no. 12, pp. 3200-3209, 2017.

[24] L. Yu, H. Li, X. Feng, and J. Duan, “Nonintrusive appliance load monitoring for smart homes ” IEEE Instrum. Meas. Mag., vol 19, no. 3, pp. 56-62, Jun. 2016.

[25] R. W. Porto, V. J. Brusamarello, and I. Müller, “Wireless power transfer for contactless instrumentation and measurement,” IEEE Instrum. Meas. Mag., vol. 20, no. 4, pp. 49-54, Aug. 2017.

 

 

Boon-Yaik Ooi (M ’12) (ooiby@utar.edu.my) is currently an Assistant Professor in Faculty of Information and Communi- cation Technology, Universiti Tunku Abdul Rahman Malaysia and also a professional technologist registered under Malay- sia Board of Technologists. He earned his Ph.D. degree in 2012 from the School of Computer Sciences, Universiti Sains Malay- sia. His research interest is in the area of distributed computer systems and specializes in IoT data collection and analytics.

 

Shervin Shirmohammadi (M ’04, SM ’04, F ’17) is currently a Professor with the School of Electrical Engineering and Computer Science, University of Ottawa, Canada, where he received his Ph.D. degree in electrical engineering. He is the Editor-in-Chief of IEEE Transactions on Instrumentation and Measurement. He is presently doing research in measurement methods and Applied AI for networking, video streaming, and health systems.