DE112017006715T5

DE112017006715T5 - Sensorverwaltung und -zuverlässigkeit

Info

Publication number: DE112017006715T5
Application number: DE112017006715.4T
Authority: DE
Inventors: Kshitij A. Doshi; Tao Zhong; Gang Deng; Zhongyan Lu
Original assignee: Intel Corp
Current assignee: Intel Corp
Priority date: 2017-01-03
Filing date: 2017-01-03
Publication date: 2019-11-07
Also published as: KR20190103150A; US20220377141A1; US11662222B2; US20190353502A1; WO2018126339A1; US11402235B2

Abstract

Ein System und Verfahren zum Verwalten von Sensoren, das das Bestimmen von Gesundheitsbetriebszuständen der Sensoren korrelativ mit Sensorgenauigkeit, das Einstufen der Sensoren anhand ihrer jeweiligen Gesundheitsbetriebszustände, und das Paaren von zwei Sensoren, die jeweils einen Gesundheitsbetriebszustand aufweisen, der ein Zwischenzustand ist, aufweist, um ein Paar zu ergeben, das einen Gesundheitsbetriebszustand, der gesund ist, zu ergeben. Die Abtastfrequenz der Sensoren zum Bestimmen der Sensorgenauigkeit kann dynamisch sein.

Description

Technisches Gebiet
Die vorliegenden Techniken betreffen im Allgemeinen Sensoren und insbesondere Sensorverwaltung und -zuverlässigkeit, einschließlich mit Sensoren des Internets der Dinge (Internet of Things - IoT) in IoT-Systemen.
Stand der Technik
Sensoren haben sich in öffentlicher, industrieller, kommerzieller und privater Umgebung weit verbreitet. Sensoren können Charakteristiken von Objekten und Umgebungsvariablen, andere Merkmale usw. abtasten und messen. Große Mengen von Daten können über Sensoren gesammelt werden. Sensoren können mit der Zeit an Genauigkeit einbüßen oder schlecht funktionieren. Des Weiteren kann das Internet der Dinge (IoT) Internetverbindung bis 2020 zu bis zu 50 Milliarden Vorrichtungen bringen. Für Organisationen können IoT-Vorrichtungen, die IoT-Sensoren aufweisen, Gelegenheiten zur Überwachung, Mitverfolgung oder Steuerung anderer Vorrichtungen und Elemente, einschließlich weiter zu IoT-Vorrichtungen, anderen Heim- und Industrievorrichtungen, Elementen in Herstellungs- und Nahrungsmittelproduktionsketten und dergleichen bereitstellen.
Figurenliste

1 ist eine Diagrammdarstellung, die vier Gesundheitsgrade oder - zustände eines Sensors oder einer Vorrichtung in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken abbildet.
2 ist eine Diagrammdarstellung von Verlust an Sensorgenauigkeit und bezüglich der vier Gesundheitsgrade in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
3 ist ein Blockablaufdiagramm eines Verfahrens, um subnormalen Vorrichtungen zu begegnen, in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
4 ist ein Blockablaufdiagramm eines Verfahrens, um Sensoren zu korrigieren, in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
5 ist ein Blockablaufdiagramm eines Verfahrens, um Sensoren zu korrigieren, in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
6 ist eine grafische Darstellung von Sensorgenauigkeit über Betriebszeit.
7 ist eine grafische Darstellung einer Wahrscheinlichkeit, dass sich ein Sensorzustand nicht ändert.
8 ist ein Blockablaufdiagramm eines Verfahrens zum Bestimmen von Abtastfrequenzen in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
9 ist eine Diagrammdarstellung von Architektur und Arbeitsablauf in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
10 ist ein Diagramm eines Sensorzustandsverwalters in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
11 ist ein Diagramm eines Sensorzustandsverwalters in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
12 ist eine Diagrammdarstellung eines Unterbereichs und korrigierter Werte in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
13 ist ein Blockablaufdiagramm eines Verfahrens zum dynamischen Abstimmen von Parametern in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
14 ist ein Blockablaufdiagramm eines Verfahrens zur Sensorverwaltung in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
15 ist ein Diagramm eines Systems, das mehrere Sensoren einsetzt, in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
15A ist ein Diagramm einer Rechenvorrichtung für Sensorverwaltung in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
16 ist ein Blockschaltbild, das ein computerlesbares Medium, um Sensorverwaltung zu vereinfachen, in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken veranschaulicht.
17 ist eine Zeichnung eines Cloud-Rechennetzwerks oder einer Cloud in Kommunikation mit einer Anzahl von IoT-Vorrichtungen in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
18 ist eine Zeichnung eines Cloud-Rechennetzwerks oder einer Cloud in Kommunikation mit einem Mesh-Netzwerk von IoT-Vorrichtungen, das eine Fog-Vorrichtung genannt werden kann, die an dem Rand der Cloud arbeitet, in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.
19 ist eine Zeichnung einer Rechenvorrichtung in Übereinstimmung mit Ausführungsformen der vorliegenden Techniken.

Dieselben Zahlen werden in der Offenbarung und den Figuren durchwegs verwendet, um gleiche Bauteile und Merkmale zu bezeichnen. Zahlen in der 100-Serie verweisen auf Merkmale, die man ursprünglich in 1 findet; Zahlen in der 200-Serie verweisen auf Merkmale, die man ursprünglich in 2 findet, usw.
Beschreibung der Ausführungsformen
Die vorliegenden Techniken betreffen im Allgemeinen das Verbessern der Genauigkeit und Zuverlässigkeit von IoT-Vorrichtungen. Wie unten besprochen, kann Maschinenlernen involviert sein. Darüber hinaus können mehrere Vorrichtungen und Sensoren in zusammenwirkenden Einrichtungen für kollektiven Betrieb programmiert und konfiguriert werden.
Ausführungsformen, wie ein Sensorverwalter, können Sensoren in einem System verwalten, einschließlich, um Gesundheitsbetriebszustände der Sensoren korrelativ mit Genauigkeit der Sensoren zu bestimmen und die Sensoren im Betrieb in Echtzeit anhand ihres jeweiligen Gesundheitsbetriebszustands einzustufen. Das System kann ein IoT-System sein, und die Sensoren können IoT-Sensoren sein. Eine Rechenvorrichtung, in der der Sensorverwalter umgesetzt ist, kann eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder einen IoT-Smartsensor oder eine beliebige Kombination davon aufweisen. Darüber hinaus kann das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit sein, bei der die Abtastfrequenz eines Sensors zum Beurteilen des Sensors eine Funktion der Genauigkeitsabweichung des Sensors oder Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, oder eine Kombination davon ist.
Bei Beispielen weisen die Gesundheitsbetriebszustände der Sensoren einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischen- oder dazwischenliegenden Zustand, in dem abgetastete Daten weniger genau sind als für den H-Zustand und genauer als für den U-Zustand auf. Bei einigen Beispielen sind die Sensordaten aus einem H-Zustand-Sensor im Wesentlichen genau oder mindestens 90 % genau, und die Sensordaten aus den U-Zustand-Sensordaten sind nicht akzeptabel. Die Technik kann das Isolieren von Daten von einem U-Zustand-Sensor involvieren. In bestimmten Fällen können zwei Sensoren, die den Zwischenzustand aufweisen, derart gepaart werden, dass das Paar den H-Zustand aufweist. Darüber hinaus gibt es bei besonderen Beispielen mehrere Zwischenzustände, einschließlich eines mäßig gesunden (M) Zustands und eines geringfügig gesunden (W) Zustands. Für einen M-Zustand-Sensor sind einige abgetastete Daten genau und andere abgetastete Daten sind ungenau, oder die Abweichung abgetasteter Daten von genau folgt einem Muster, oder eine Kombination davon. Ein W-Zustand-Sensor kann allein außerhalb eines Paars nicht verwendet werden.
Ein Beispiel weist das Paaren oder Assoziieren eines M-Zustand-Sensors mit einem H-Zustand-Sensor auf, um Exposition des H-Zustand-Sensors zu reduzieren. Dazu wird ein Bereich, für den der M-Zustand-Sensor genau ist, bestimmt. Beim Betrieb wird der H-Zustand-Sensor als Reaktion darauf deaktiviert, dass die Ablesungen des M-Zustand-Sensors in dem Bereich auftreten. Der H-Zustand-Sensor wird als Reaktion darauf aktiviert, dass die Ablesungen des M-Zustand-Sensors außerhalb des Bereichs auftreten. Bei einem anderen Beispiel verarbeitet die Technik eine Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in dem H-Zustand oder M-Zustand.
Das Bestimmen der Gesundheitsbetriebszustände der Sensoren kann das Parametrieren einer Umgebung, in der die Sensoren angeordnet sind, involvieren. Das Bestimmen von Gesundheitsbetriebszuständen kann das Abtasten der Sensoren und das Vergleichen abgetasteter Daten mit Referenzsensoren involvieren. Die Abtastfrequenz kann dynamisch sein. Das Erhöhen der Abtastfrequenz eines Sensors kann zum Beispiel mit dem Erhöhen der Einsatzdauer des Sensors korrelativ sein. Die Technik kann das Erhöhen der Abtastfrequenz als Reaktion darauf beschleunigen, dass der Sensor anormale Werte meldet, oder als Reaktion auf einen umfangreicheren Einsatz eines empfindlichen Teils des Sensors.
IoT-Vorrichtungen, die IoT-Sensoren aufweisen, können Vorrichtungen mit niedriger Leistung sein, die in stark rauschenden und Versagen induzierenden Umgebungen stationiert sind. Smart-Energiezähler können zum Beispiel elektromagnetischer und thermischer Interferenz unterliegen, und ozeanografische Sensoren in salzigem (korrosiven), überwachsenem und losgebundenen Betrieb sein. Diese ungünstigen Umgebungsbedingungen können die Betriebslebensdauer des Sensors einschränken oder reduzieren. Häufige Reparatur der Sensorvorrichtungen kann nicht pragmatisch sein.
Eine Option zum Reduzieren von Wartungskosten kann eine hoch zuverlässige Vorrichtungsoption sein, bei der Designs mit hoher Marge von Sensoren eingesetzt werden. Diese Sensoren höherer Qualität können jedoch kostspielig sein und mehr Leistung verbrauchen. Eine andere Option kann eine Option mit redundanter Vorrichtung sein, bei der Ersetzungen der IoT-Sensoren vorverpackt sind und die Ersatz-IoT-Sensoren online bringen, wenn die anfänglich betriebenen IoT-Sensoren in dem Package versagen.
Diese zwei Optionen und andere Optionen können trotzdem Einschränkungen aufweisen. Die Option mit hoch zuverlässiger Vorrichtung kann zum Beispiel kostspielig und nicht immer innerhalb einer gegebenen Technologie oder aufgrund von Designauflagen durchführbar sein. Ferner können sogar mit eingesetzten teureren Vorrichtungen dennoch unbefristete Risiken bestehen, einschließlich ohne etwas Redundanz. Darüber hinaus kann die Option mit redundanter Vorrichtung das übermäßige Bereitstellen involvieren und verringernde Resultate liefern, da Abtastlesungen von aktiven und Standby-Vorrichtungen für Gesundheitsbeurteilung die Haltbarkeit reduzieren können.
Umgekehrt können Ausführungsformen hierin eine proaktive und reaktive Strategie kombinieren, indem sie redundante Vorrichtungen auf eine einzigartige Weise einsetzen, um Kosten aus mäßigem Überdotieren während einer längeren Gesamtlebenszeit für eine Vorrichtung zu tilgen. Ferner können einige Ausführungsformen den Bedarf an Abtasten einer Vorrichtung zum Bestimmen ihrer Gesundheit reduzieren, was die Dauerhaftigkeit steigert. Bestimmte Ausführungsformen stellen nämlich eine adaptive Beurteilung der Vorrichtungsgesundheit und des Findens und Isolierens oder Korrigierens ungenauer Sensoren bereit. Die Techniken können Parameter für den adaptiven Betrieb ableiten, indem adaptive Arbeitszyklen beim Beurteilen der Vorrichtungsgesundheit wie bei der Abtastfrequenz gegeben werden. Für einen gesunden Sensor mit einer hohen Wahrscheinlichkeit, gesund zu bleiben, kann die Häufigkeit des Beurteilens der Vorrichtungsgesundheit im Vergleich dazu geringer sein, wenn der gesunde Sensor eine niedrige Wahrscheinlichkeit, gesund zu bleiben, aufweist. Der Arbeitszyklus des Abtastens des Sensors (zum Vergleichen der abgetasteten Daten mit einer Referenzvorrichtung) kann adaptiv sein.
Im Allgemeinen wird ein Luftqualitätsüberwachungssystem (Air Quality Monitoring System - AQMS) betrachtet. Ein AQMS kann mehrere Hundert mehr Luftqualitätsüberwachungsvorrichtungen (AQMDs) involvieren, die eingesetzt werden sollen. Die Genauigkeit einer AQMD kann sich im Laufe der Zeit aufgrund der Ablagerung von Mikropartikeln auf ihren Sensoroberflächen verringern. Bei einem besonderen Beispiel kann eine AQMD hoch liegend (zum Beispiel auf einem Strommast) oder auf irgendeine Art installiert werden, um Interferenz mit dem AQMD-Betrieb zu reduzieren. Aufgrund der hoch liegenden Anordnung, können die Arbeitskosten zum Reparieren der AQMD hoch sein. Eine lange nutzbare Lebensdauer ohne manuellen Eingriff kann folglich günstig sein. Mit der Zeit kann eine AQMD jedoch schlussendlich aufgrund der Mikropartikel und anderer Verschmutzungen sowie anderer Faktoren ausreichende Genauigkeit verlieren, was zu einem Bedarf, die AQMD zu ersetzen, führt. Die Gesundheit mehrerer Hundert AQMDs kann auf einer kontinuierlichen Basis beurteilt werden, und Ersatz-AQMDs können aktiviert werden, während gegenwärtig arbeitende AQMD-beim Arbeiten mit gewünschter oder erforderlicher Genauigkeit versagen. Sogar mit solchem Überdotieren können zusätzliche Reparatur-/Installationskosten anfallen, wenn der Genauigkeitsverlust steiler ist als geplant, wie aufgrund von Vorrichtungsvariationen, Umgebung, Wetter, industrieller Ereignisse usw.
Die folgenden Techniken können sich mit mindestens den folgenden vier Hauptaspekten befassen: (1) Gesundheitsspektrum; (2) Abweichung, Einstufung und Paaren; (3) Vermeiden von übermäßiger Abtastung; und (4) Vermeiden von Belastung auf der Referenzvorrichtung. Der erste Hauptaspekt kann wieder ein Gesundheitsspektrum sein. Die Vorrichtungen können nämlich fähig sein, ein Spektrum von Zuständen zwischen gesund und nicht gesund aufzuweisen. Bestimmte Ausführungsformen können mehrere Vorrichtungen mit mittlerer Ausfallszeit (Mean-Time-Between-Failure - MTBF) einsetzen, wie mit einer redundanten Vorrichtungsoption, wie oben angedeutet. Wie unten besprochen, können die Techniken mehrere Gesundheitsgrade oder -zustände bezüglich des Betriebs des Sensors oder der Vorrichtung ausweisen. Was das Gesundheitsspektrum der Vorrichtung oder des Sensorbetriebs betrifft, setzen einige Beispiele kostengünstige Vorrichtungen ein, leiten aber einen Restwert (zum Beispiel lange Dauer) von einer Vorrichtung ab, nachdem die Genauigkeit der Vorrichtung gesunken ist. Dieses Nutzen teilweisen Werts aus den variierenden Betriebsgesundheitszwischenzonen für Vorrichtungen kann das Überdotieren reduzieren und höhere Genauigkeit erzielen.
Ein zweiter allgemeiner Aspekt kann sich mit Abweichung, Einstufung und Paaren befassen. Die Techniken können auf dem Paaren mehrerer Vorrichtungen, die sich in Zwischenzuständen zwischen gesund und nicht gesund befinden, kapitalisieren, um einen Betrieb mit kumulativer Gesundheit zu liefern, indem nützlicher Restwert aus einer teilweise gesunden Vorrichtung herausgeschlagen wird. Zur Erklärung kann Vorrichtungsausfall von dem Subbereich abhängen und eventuell nicht plötzlich sein. Der allmähliche Genauigkeitsverlust kann es einer Vorrichtung erlauben, weiterhin effektiv bei einigen Beispielen mit sich verschlechternder Genauigkeit verwendet zu werden. Die Paarungsstrategie kann sowohl von der verfügbaren Genauigkeit als auch von der Betriebszone abhängen. Ein Temperatursensor kann zum Beispiel in einem Bereich von 80 °C bis 100 °C um 10 % ungenau sein, in einem Bereich von 20 °C bis 80 °C jedoch nur um 5 % ungenau sein. Mehrere Faktoren gemeinsam genommen können verwendet werden, um höheren Wert aus teilweiser Funktion zu holen.
Die Besprechung wendet sich nun der Erstellung zuverlässiger im Vergleich zu redundanten Vorrichtungsoptionen, die oben angedeutet wurden, zu. Wie erwähnt, können IoT-Vorrichtungen mit niedriger Leistung in problematischen Umgebungen stationiert sein. Smart-Energiemesser können zum Beispiel elektromagnetischer und thermischer Interferenz unterliegen. Ozeanografische Sensoren können zum Beispiel in einem korrosiven und losgebundenen Betrieb sein. Die IoT-Sensoren können beschränkte Dauern haben, während welcher sie genau funktionieren. Für Sensoren, die Daten melden, oder Aktuatoren, die eine Aktion empfangen und ausführen, besteht eine nicht nur triviale Wahrscheinlichkeit, dass entweder schlechte Daten gemeldet oder gewünschte Aktionen nicht nach Wunsch ausgeführt werden. Diese können Abweichung vom gewünschten Verhalten im Allgemeinen und Genauigkeitsverlust genannt werden.
Das Ersetzen oder Reparieren von IoT-Vorrichtungen, die zu niedrigeren Genauigkeitsniveaus abgewichen sind, kann unpraktisch und kostspielig sein, auch wenn die Vorrichtungen selbst nicht teuer sind. Ein Ansatz, um diesem Problem zu begegnen, ist eine zuverlässige Vorrichtungsoption, bei der IoT-Vorrichtungen von hoher Qualität eingesetzt werden. Die Option installiert und nutzt zum Beispiel Vorrichtungen mit hoher Zuverlässigkeit und Verfügbarkeit, deren Genauigkeitsabweichung 1/N der einer gewöhnlichen Vorrichtung beträgt, wobei N >>1. Ein zweiter Ansatz ist eine redundante Vorrichtungsoption, die darin besteht, redundante IoT-Vorrichtungen zu installieren und diejenigen Vorrichtungen zu deaktivieren, deren Genauigkeitsverlust erfasst wurde, während neuere installierte Vorrichtungen aktiviert werden. Diese zwei Optionen können auch kombiniert werden, was eine dritte Option genannt werden kann.
Die Option mit zuverlässiger Vorrichtung kann dennoch kostspielig sein, weil Vorrichtungen von höherer Qualität mit zunehmenden Genauigkeitsniveaus (zum Beispiel signifikant) wachsen können. Ferner können Auflagen von Technologie und Physik und Fehler, die durch unkontrollierbare Umgebungsfaktoren wie Rauschen, Hitze, Schwingungen usw. forciert werden, die Zuverlässigkeit einschränken. Falls darüber hinaus keine Redundanz, die auch bei der Option mit zuverlässiger Vorrichtung umgesetzt wird, vorhanden ist, kann das Erfassen einer Vorrichtungsfehlfunktion in einigen Fällen schwierig oder problematisch sein.
Die Redundanzoption, wie ein Verlagern von Strom zu neuen Vorrichtungen, kann man jedoch im Voraus nicht wissen, wie lange eine Vorrichtung arbeiten wird, und daher wird das Ersetzen einer Vorrichtung im Allgemeinen konservativ geplant, was Überdotieren bewirken kann. Um ferner das Ungenauigkeitsniveau zu erfassen, können die Daten und Reaktion von einer Vorrichtung geprüft und mit Referenzvorrichtungen verglichen werden. Häufige Abtastung reduziert die Betriebslebensdauer einer Vorrichtung, aber nicht häufige Abtastung steigert die Ungewissheit oder Ungenauigkeit.
Bestimmte Ausführungsformen hierin kombinieren eine proaktive und eine reaktive Technik. Ausführungsformen setzen zum Beispiel redundante Vorrichtungen (zum Beispiel kostengünstige) ein, aber an Stelle oder zusätzlich zum Identifizieren und Verlagern von Vorrichtungen mit verringerter Leistung mit bereitgestellten neuen Vorrichtungen, wobei die Beispiele Zwischenzonen von Vorrichtungsbetrieb definieren, in welchen Vorrichtungen mit verringerter Leistung weiterhin Wert liefern. Das Nutzen unterschiedlichen Werts aus unterschiedlichen Vorrichtungen in variierenden Leistungsstufen kann niedrigere Kosten und höhere Genauigkeit erleichtern.
Wie erwähnt, kann eine Teilung in mehrere Zustände (zum Beispiel vier Zustände) der Lebensdauer einer Vorrichtung oder eines Sensors umgesetzt werden. Der Betrieb von Sensoren kann nämlich gemäß Genauigkeit und Zuverlässigkeit in mehrere Zustände (zum Beispiel vier Zustände) eingestuft werden. Bei einem besonderen Beispiel sind die vier Zustände (1) gesunder Zustand H, (2) mäßig gesunder Zustand M, (3) geringfügig gesunder Zustand W und (4) nicht gesunder Zustand U. Während andere Beispiele von Zustandsbezeichnungen und Definitionen anwendbar sind, sind die vier Zustände dieses besonderen Beispiels wie unten definiert. Zunächst handelt es sich um einen Sensor in dem gesunden Zustand H, wenn Daten, die von dem Sensor gesammelt werden, genau und zuverlässig sind, und der Sensor, wie üblich, allein arbeiten kann. Bei dem nicht gesunden Zustand U sind Daten von dem Sensor inakzeptabel und nicht brauchbar.
Es handelt sich um einen Sensor in dem mäßig gesunden Zustand M, wenn Daten, die von dem Sensor gesammelt werden, nicht ganz genau und zuverlässig sind und gelegentlich durch Daten von einem anderen Sensor korrigiert werden müssen. Der M-Sensor kann daher meistens allein arbeiten, aber benötigt im Allgemeinen ein Ergänzen durch andere Sensoren für bestimmte Bedingungen. Daten, die von dem M-Sensor gesammelt werden, können durch einen oder beide mindestens der folgenden Aspekte charakterisiert werden: (a) Daten sind in spezifischen Situationen genau; und/oder (b) Datenabweichung folgt einem allgemein festgelegten Muster.
Mit anderen Worten ist für (a) ein Teil von Daten, die von einem M-Sensor gesammelt werden, genau. Daten sind genau, wenn der Wert, den der Sensor gemessen hat, in einem bestimmten Bereich, einer bestimmten Zeitdauer und/oder in einer bestimmten Umgebung, wie spezifische Bedingungen für Temperatur, Feuchtigkeit, Luftdruck usw., liegt. Die Daten können jedoch in anderen Situationen weniger genau sein. Während für (b) Datenabweichung, die einem festgelegten Muster folgt, um einen M-Zustand für einen Sensor zu geben, obwohl die Daten nicht genau sind, die Daten von dem richtigen Resultat um einen kenntlichen Parameter oder eine kenntliche Kurve, einen spezifischen Wert, Prozentsatz usw., abweichen. Der Sensor kann zum Beispiel logisch neu kalibriert oder normalisiert werden, oder Werte können innerhalb akzeptabler Fehlermargen interpoliert oder extrapoliert werden usw. Umgebungsauswirkung.
Ein Sensor befindet sich in einem geringfügig gesunden Zustand W, falls die Daten nicht genau oder zuverlässig sind, damit der Sensor allein verwendet werden kann, der Sensor aber akzeptabel mit anderen Sensoren gepaart werden kann. Mit anderen Worten können beim Vorrichtungspaaren, zum Beispiel Nehmen von Ausgängen von anderen Sensoren, die auch in dem W-Zustand sind (oder von Sensoren in M-Zustand oder H-Zustand sind), prozedurale oder statistische Techniken die Daten ausreichend genau machen. Eine Gruppe von Sensoren in W-Zustand kann zum Beispiel gruppiert und als ein einziger logischer Sensor im H- oder M-Zustand verarbeitet werden.
Der dritte allgemeine Aspekt, der oben erwähnt ist, kann das Vermeiden oder Reduzieren von Überdotieren und Erfassen von Umgebungseinfluss sein. Genauigkeitsabweichung kann einem Muster folgen, das als eine Funktion von Umgebungs- und Nutzungsfaktoren entschlüsselbar ist. Mit anderen Worten kann der Bereich effektiven Betriebs aus dynamischer Messung beurteilt werden, deren Frequenz gemäß der aktuellen Gesundheit, kürzlichem Verlauf, Belastung usw. einstellbar ist. Durch Anpassen sowohl der Betriebsmarge als auch der Belastung, die einer Vorrichtung auferlegt wird, um Sensorgenauigkeit im Vergleich zu der Sensoraufgabe und aktuellen Gesundheit zu beurteilen, können Ausführungsformen die Dauer der Sensoreffektivität entweder einzeln oder in gepaartem Betrieb mit anderen Sensoren verlängern.
Der vierte allgemeine Aspekt, der oben erwähnt wurde, kann auf das Vermeiden oder Reduzieren von Belastung auf einer Referenzvorrichtung ausgerichtet sein. Ein Betriebszustand einer ersten Vorrichtung kann eine ungepaarte gesunde Vorrichtung sein. In diesem Zustand können Referenzablesungen von mindestens einer zweiten Vorrichtung (einer Referenzvorrichtung) zum Beurteilen der Genauigkeit der ersten Vorrichtung erhalten werden. Ausführungsformen können die Häufigkeit abstimmen, mit der eine zweite Vorrichtung abgefragt werden soll. Auf ähnliche Art kann mit einem zweiten Betriebszustand für ein erstes Paar von Vorrichtungen, bei dem dieses Kollektiv als ein Proxy für eine gesunde Vorrichtung arbeitet, das Erhalten von Referenzablesungen von einer oder mehreren zweiten Vorrichtungen (Referenzvorrichtungen) zum Bestätigen des gesunden Betriebs des ersten Paars von Vorrichtungen günstig sein. Beispiele können eine ähnliche adaptive Einstellung der Rate, mit der solche Ablesungen aus der einen oder mehreren zweiten Vorrichtungen genommen werden, aufweisen.
1 ist eine Diagrammdarstellung 100, die vier Gesundheitsgrade oder - zustände eines Sensors oder einer Vorrichtung abbildet. Bei anderen Beispielen können mehr oder weniger als vier Gesundheitszustände und Beschreibungen eingesetzt werden. Bei diesem Beispiel weisen die mehreren Betriebsgrade oder - zustände gesund (H) 102, mäßig gesund (M) 104, geringfügig gesund (W) 106 und nicht gesund (U) 108 auf. Wie besprochen, kann der H-Zustand 102 bedeuten, dass die Vorrichtung zum normalen Betrieb allein fähig ist. Der M-Zustand 104 kann bedeuten, dass die Vorrichtung ausreichend genaue oder zuverlässige Funktion während mindestens eines Satzes eines Betriebsbereichs ergibt, und weniger als ausreichend Genauigkeit oder Fehlermarge in mindestens einem unterschiedlichen Bereich ergibt, in dem die Vorrichtung mit anderen Vorrichtungen zur Korrektur gepaart werden kann. Der W-Zustand 106 kann bedeuten, dass die Vorrichtung ausreichend Genauigkeit oder Zuverlässigkeit von selbst ergibt, dass sie aber mit anderen Vorrichtungen im M- oder W-Zustand für eine gewünschte Fehlermarge gepaart werden kann. Schlussendlich kann der U-Zustand 106 bedeuten, dass die Vorrichtung unter einen Zuverlässigkeitspegel derart gesunken ist, dass die Vorrichtung weder allein noch im gepaartem Betrieb nützlich sein kann. Mehr Abstufungen als die vier abgebildeten Zustände sind wieder möglich.
Bezüglich des zweiten oben aufgelisteten Aspekts in Zusammenhang mit Abweichung, Einstufung und Paaren, bildet 1 zwei Typen von Beispielpfeilen als Zustandsübergänge ab. Durchgehende Pfeile (1, 2, 3, 4, 5, 6) entsprechen Abweichungen im Laufe der Zeit von höheren zu niedrigeren Zuständen. Die gestrichelten Pfeile entsprechen dem kombinierten Betrieb von Vorrichtungen mit niedrigerem Zustand, um einen gepaartem Betrieb mit höherem Zustand zu erzeugen. Bei dem veranschaulichten Beispiel können daher die Pfeile 1, 2 und 3 angeben, dass ein Sensor oder eine Vorrichtung in dem H-Zustand 102 abweicht oder sich jeweils zu dem M-Zustand 104, W-Zustand 106 oder U-Zustand 108 verlagert. Die Teile 4 und 5 geben an, dass ein Sensor oder eine Vorrichtung in dem M-Zustand 104 abweichen oder sich jeweils zu dem W-Zustand 106 und U-Zustand 108 verlagern kann. Schließlich geben die gestrichelten Pfeile an, dass eine Vorrichtung oder Vorrichtungen in dem M-Zustand 104 oder W-Zustand 106 durch Paaren korrigiert werden kann, um bei bestimmten Beispielen den H-Zustand 102 für das Paar von Sensoren oder Vorrichtungen zu ergeben.
2 ist eine Diagrammdarstellung 200 von Verlust von Sensorgenauigkeit und bezüglich der vier Gesundheitsgrade oder -zustände eines Sensors oder einer Vorrichtung, wie unter Bezugnahme auf 1 besprochen. Die erste gibt die Vorrichtungsgesundheit als zwei Zustände über die Betriebszeit 206, einen H-Zustand 208 und einen nicht gesunden U-Zustand 210. Die zweite gibt die Vorrichtungsgesundheit als vier Zustände über die Betriebszeit 206 an. Insbesondere unterscheidet sich die als eine bessere Darstellung des U-Zustands 210 als ein M-Zustand 210 und W-Zustand 214, und ein U-Zustand 216, bei dem die Vorrichtung nicht verwendet werden kann.
In vielen Situationen, wie bei Wettersensoren, Smart-Messgeräten, Gesundheitsmonitoren usw., weicht die Zuverlässigkeit oder Betriebsschärfe allmählich von höheren zu niedrigeren Zuständen, wie in den 1 und 2 abgebildet, ab. Der gesteigerte Genauigkeits- oder Gesundheitsverlust kann im Laufe der Zeit aufgrund unterschiedlicher Nutzungsniveaus und Umweltbelastungen, Verschmutzung usw. kumulativ sein. Darüber hinaus kann eine Vorrichtung mit weniger als normalem Betrieb bei einem Satz von Bedingungen akzeptable Nutzung im Vergleich zu einem anderen Satz von Bedingungen liefern. Ausführungsformen stellen das Bestimmen des aktuellen Betriebsbereichs, eines Abweichungsmusters in einen niedrigeren Betriebszustand und Bedingungen, die das Muster definieren, die messbar sein können, bereit. Assoziierte Strategien können steuern, ob die aktuellen externen Faktoren angeben, dass eine Vorrichtung in einem M- oder W-Modus zu verarbeiten ist (oder in anderen, in Abhängigkeit davon, wie viele Betriebskategorien definiert sind), so dass umsichtiges Paaren und Belastungsverteilung erzielt werden können. Insbesondere kann es günstig sein, die Verhaltensweisen subnormaler Vorrichtungen, wie in dem Beispiel der 3 abgebildet, zu erfassen, isolieren und/oder zu korrigieren.
3 ist ein Verfahren 300, um subnormalen Vorrichtungen zu begegnen. Bei Block 302 beginnt das Verfahren. Bei Block 304 wählt das Verfahren einen H-Zustand-Sensor aus. Bei Block 306 wird der Sensor verwendet, um Daten zu messen und zu sammeln. Bei Block 308 prüft das Verfahren den Sensorzustand. Insbesondere bestimmt das Verfahren bei Block 310, ob der Sensor in dem H-Zustand geblieben ist, wie durch Abtasten des Sensors und Vergleichen der abgetasteten Daten mit einer Referenz. Falls der Sensor in dem H-Zustand geblieben ist, wird der Sensor verwendet, um das Sammeln von Daten, wie in Block 306 angemerkt, fortzusetzen. Falls das Verfahren bei Block 310 bestimmt, dass der Sensor nicht in dem H-Zustand ist, entscheidet das Verfahren dann bei Block 312, ob der Sensor in dem M-Zustand ist. Falls Ja, korrigiert das Verfahren bei Block 314 diesen neuen M-Zustand-Sensor durch Paaren und setzt das Sammeln von Daten mit dem Sensor, wie in Block 306 angemerkt, fort. Die Korrektur kann wieder das Paaren des M-Zustand-Sensors mit anderen Sensoren involvieren. Falls der Sensor nicht in dem M-Zustand ist, bestimmt das Verfahren bei Block 316, ob der Sensor in dem W-Zustand ist. Falls Nein, kennzeichnet das Verfahren bei Block 318 den Sensor als in dem U-Zustand und wählt dann einen anderen H-Zustand-Sensor bei Block 304 zur fortgesetzten Analyse aus. Falls der Sensor in dem W-Zustand ist, korrigiert das Verfahren bei Block 320 den W-Zustand-Sensor durch Paaren. Insbesondere, falls der Sensor zu dem H-Zustand durch Paaren wie bei Block 320 gefragt, korrigiert wird, setzt das Verfahren das Verwenden des Sensors fort, um Daten zu sammeln, wie bei Block 306 angemerkt. Falls der Sensor nicht durch Paaren zu einem H-Zustand korrigiert werden kann, korrigiert das Verfahren den Sensor zu dem M-Zustand durch Paaren, wie in den Blöcken 324 und 314 angegeben, und setzt das Sammeln (Block 306) von Daten mit dem Sensor fort. Die Korrekturen können wieder das Paaren des Sensors mit anderen Sensoren involvieren. Falls der Sensor nicht zu dem M-Zustand gepaart werden kann, fügt das Verfahren bei Block 326 den Sensor zu dem W-Zustand-Pool hinzu. Der W-Zustand-Sensor kann verfügbar sein, um mit anderen Sensoren, wenn zutreffend, gepaart zu werden.
4 ist ein Verfahren 400 des Korrigierens von Sensoren. Insbesondere korrigiert das beispielhafte Verfahren 400 die M-Zustand-Sensoren zu H-Zustand und korrigiert W-Zustand-Sensoren entweder zu M-Zustand oder H-Zustand. Das Erzielen der M-Zustands- oder H-Zustandsfunktion kann durch Zusammenarbeiten mehrerer Vorrichtungen mit W-Zustand erfolgen. Ein subnormaler Sensor kann durch Paaren mit anderen Sensoren korrigiert werden. Bei Beispielen ist der subnormale Sensor selbst nicht betroffen (zum Beispiel nicht repariert oder korrigiert), aber der subnormale Sensor wird als nützlich gewählt und in dem Sinne korrigiert, dass er in einem Paar eingesetzt wird und genaue oder zusätzliche Ablesungen, wenn zutreffend, bereitstellt. Darüber hinaus gibt 4 an, wie ein Sensor im Laufe der Zeit basierend auf dem Zustand oder vorhergehenden Zustand des Sensors eingestuft werden kann. Die Technik kann das Fortschreiten von H zu M, W oder U und das Fortschreiten von W zu U, wie in 4 angegeben, grafisch darstellen. Ausführungsformen, die in 4 nicht abgebildet sind, können ähnlich das Fortschreiten von dem M- zu dem W- oder U-Zustand ausweisen.
Bei Block 402 beginnt das Verfahren. Das Verfahren kann die meisten oder alle W-Zustand-Sensoren aktivieren und einen H-Zustand-Sensor, wie jeweils in den zwei Blöcken 404 angemerkt, aktivieren. Bei Block 406 sammelt das Verfahren Daten mit oder von den W-Zustand-Sensoren. Bei Block 408 sammelt das Verfahren Daten mit oder von dem H-Zustand-Sensor. Bei Block 410 werden die Daten von den W-Zustand-Sensoren und dem H-Zustand-Sensor in Trainings- und Bestätigungssätze geteilt. Bei Block 412 verwendet das Verfahren einen Trainingssatz zum Bilden einer Funktion von W-Zustand-Sensordaten und H-Zustand-Sensordaten. Bei Block 414 wird ein Bestätigungssatz zum Fehlerbewerten verwendet. Falls der Fehler zu hoch ist (Block 416), kehrt das Verfahren zum Anfang 402 zurück. Falls der Fehler einen M- (mäßig gesunden) Schwellenwert erfüllt (Block 434), können die W-Zustand-Sensoren gepaart werden oder als M-Sensoren zusammenwirken (Block 426). Falls der Fehler einen H- (gesunden) Schwellenwert erfüllt (Block 418), können die W-Zustand-Sensoren gepaart werden oder als H-Sensoren zusammenwirken (Block 420). Auf jeden Fall deaktiviert das Verfahren bei Block 422 den H-Sensor und die nicht verwendeten W-Sensoren, wenn zutreffend.
Wie erwähnt, kann der oben aufgelistete dritte allgemeine Aspekt das Vermeiden oder Reduzieren von Überdotieren und das Erfassen von Umgebungseinflüssen bei der Beurteilung und Korrektur der Sensorgenauigkeit betreffen. Für eine Vorrichtung, die normal funktioniert, kann häufige Erfassung (das heißt Abtastung) die Betriebslebensdauer der Vorrichtung verringern. Häufige Abtastung der Luftqualität kann zum Beispiel mehr Partikelablagerungen auf einer AQMD-Vorrichtung, die in dem oben stehenden Beispiel beschrieben ist, verursachen. Unterabtasten kann Betrieb während längerer Zeitspannen bewirken, ohne die Genauigkeit und Zuverlässigkeit eines Sensors zu kennen. Ausführungsformen können ein Gleichgewicht erreichen, wie in 5 angedeutet.
5 ist ein Verfahren 500 des Klassifizierens von Sensoren. Bei Block 502 beginnt das Verfahren. Bei Block 504 tastet das Verfahren Sensordaten zum Beispiel mit einer Bootstrap-Häufigkeit ab. Andere Frequenzen können angewandt werden. Falls das Verfahren bei Block 506 bestimmt, dass ausreichend Daten vorhanden sind, stuft das Verfahren dann den Sensor bei Block 508 ein. Andererseits, falls die Datenmenge, die für diesen Sensor abgetastet wird, nicht ausreicht, kehrt das Verfahren zu Block 504 zurück und setzt das Abtasten von Sensordaten fort. Bei Block 510 gibt das Verfahren Sensorkategorieresultate aus. Bei Block 512 endet das Verfahren.
Vorrichtungen können einen natürlichen Variationsbereich haben, wie auch die Umgebung, in der die Vorrichtungen angeordnet sind. Eine grundlegende Frequenz, die zum Beispiel aus Offline-Training bestimmt wird, kann bei dem Sammeln von Daten eingesetzt werden. Die Daten können mit einer Referenzvorrichtung oder einem Satz von Referenzvorrichtungen derselben oder einer ähnlichen Umgebung verglichen werden. Eine Einstufungstechnik, wie K-Means-Clustering, kann durch eine Rechenvorrichtung in einem Backend oder einer Cloud eingesetzt werden, um zu bestimmen, ob eine Sensorvorrichtung außerhalb des Clusters von Referenzablesungen fällt. Ausführungsformen können unter Laborbedingungen das Einschränken auf Einstufung vermeiden, indem ein Umgebungseinfluss berücksichtigt wird. Darüber hinaus, kann, sobald eine Vorrichtung als in einem H-Zustand befindlich bekannt ist, das Vermeiden oder Verringern von Überdotieren ab diesem Zeitpunkt ein Problem sein. Bestimmte Ausführungsformen können daher die Vorrichtungsabtastung an einen aktuellen Verlauf des Verhaltens einschließlich Genauigkeitsabweichung (zum Beispiel 6) und Wahrscheinlichkeit (zum Beispiel 7) anpassen.
6 ist eine grafische Darstellung 600 von Sensorgenauigkeit 602 während der Betriebszeit 604 des Sensors. Die Genauigkeitsabweichung im Laufe der Zeit kann aufgrund der zurückgehenden Gesundheit der Vorrichtung auftreten. Bei dieser besonderen Veranschaulichung ist 6 eine grafische Darstellung 600 der Sensorgenauigkeit 602 in Prozent (%) während der Betriebszeit 604 in Monaten.
Eine gute oder zuverlässigere Vorrichtung (Sensor) wird wahrscheinlich langsameres Zurückgehen der Genauigkeit im Vergleich zu einer schlechten oder weniger zuverlässigen Vorrichtung zeigen. Bei dem veranschaulichten Beispiel steht die Kurve 606 für eine bessere Vorrichtung, bei der die Genauigkeit zu etwa 90 % genau bei etwa 4,1 Monaten zurückgeht. Die Kurve 606 steht für die weniger zuverlässige Vorrichtung, die schneller auf 90 % Genauigkeit bei 3,1 Monaten zurückgeht. Darüber hinaus kann die Abtastfrequenz eines Sensors zum Beurteilen von Gesundheit oder Zuverlässigkeit des Sensors von dem Prozentsatz an Genauigkeit des Sensors, der Rate des Zurückgehens des Prozentsatzes an Genauigkeit des Sensors, der Einsatzdauer des Sensors und so fort, abhängen.
7 ist eine grafische Darstellung 700 der Wahrscheinlichkeit, dass ein Sensorzustand angesichts der aktuellen Umgebungsexposition des Sensors in dem gegebenen Zustand bleibt oder verbleibt. Eine Vorrichtung kann unter unterschiedlichen Bedingungen und im Laufe der Zeit unterschiedliche Wahrscheinlichkeiten des Verbleibens erfahren. 7 ist eine grafische Darstellung 700 der Wahrscheinlichkeit 702 in Prozent (%) während der Betriebszeit 704 in Monaten. Die Wahrscheinlichkeitsachse 702 ist wieder die Wahrscheinlichkeit, dass ein Gesundheitszustand eines Sensors unverändert bleibt. Die Zeitachse 704 ist wie bei 6 in Monaten. Bei dem veranschaulichten Beispiel stellen die zwei Kurven 706 und 708 jeweils eine unterschiedliche Vorrichtung unter denselben oder unterschiedlichen Umgebungsbedingungen dar, oder die Kurven 706 und 708 stellen dieselbe Vorrichtung unter unterschiedlichen jeweiligen Umgebungsbedingungen dar. Die Kurve 706 gibt eine insgesamt größere Wahrscheinlichkeit an, dass der Gesundheitszustand im Laufe der Zeit gleich bleibt wie der der Kurve 708.
Zwei Wahrscheinlichkeiten, die zufällig zur Betrachtung ausgewählt werden, sind 80 % und 40 %. Bei diesem Beispiel gibt die Kurve 706 (zum Beispiel das gute Szenario) an, dass an etwa 3,2 Monaten eine Wahrscheinlichkeit von 80 % besteht, dass der Gesundheitszustand gleich bleibt, und an etwa 4,5 nur eine Wahrscheinlichkeit von 40 % besteht, dass der Gesundheitszustand gleich bleibt. Die Kurve 708 (zum Beispiel das schlechte Szenario) gibt an, dass an etwa 2,3 Monaten eine Wahrscheinlichkeit von 80 % besteht, dass der Gesundheitszustand gleich bleibt, und an etwa 3,5 nur eine Wahrscheinlichkeit von 40 % besteht, dass der Gesundheitszustand gleich bleibt. Darüber hinaus kann die Abtastfrequenz eines Sensors zum Beurteilen von Gesundheit oder Zuverlässigkeit des Sensors von dieser Wahrscheinlichkeit abhängen.
Eine Abtaststrategie kann nämlich zum Beispiel die folgende Form aufweisen: für ein Wahrscheinlichkeitsband zwischen 1 und 0, 8 (zum Beispiel für bis zu 3, 2 Monaten für das abgebildete gute Szenario und für bis zu 2,3 Monaten für das abgebildete schlechte Szenario), wählt man ein entspanntes Abtastintervall (zum Beispiel angenommen einmal alle 15 Minuten) aus; für zwischen 0,8 und 0,4, ein schnelleres Abtastintervall (zum Beispiel angenommen einmal alle 5 Minuten); und dann unter 0,4 ein viel höheres Abtastintervall (zum Beispiel angenommen einmal pro Minute) aus, falls ein Sensor bei jeder dieser zeitlichen Verbindungen in dem H-Zustand bleibt. Natürlich können viele andere Wahrscheinlichkeitsbereiche und Abtastintervallzeiten (Frequenzen) in Betracht gezogen werden. Insgesamt können diese Schätzungen zu Techniken zum Entscheiden der Abtastdaten, wie in 8 gezeigt, führen.
8 ist ein Verfahren 800 zum Bestimmen der Abtastfrequenz oder - dauer. Im Allgemeinen gibt 8 an, wie die Strategien mit den 5, 6 und 7 kombiniert werden können, um die dynamische Einstellung der Abtastfrequenz zu erhalten. Basierend auf der tatsächlichen überwachten Genauigkeit einer Vorrichtung nach dem Auswählen einer anfänglichen Abtastfrequenz, Einsetzen des vom Szenario unabhängigen Ansatzes in 5 oder des vom Szenario abhängigen Ansatzes in den 6 und 7, wird die nächste Zeit zum Abtasten von Backup- oder Referenzvorrichtungen bestimmt. Backup-Vorrichtungen können gesunde Sensoren, die inaktiv sind, sein. 8 beschreibt ein Verfahren dafür, wann diese „Backup“-Sensoren zu aktivieren sind, um den Zustand arbeitender Sensoren zu bestimmen.
Bei Block 802 beginnt das Verfahren. Bei Block 804 setzt das Verfahren mit zuvor bestimmter Genauigkeit des Sensors fort. Bei Block 806 entscheidet das Verfahren, ob das Szenario bekannt ist. Ein bekanntes Szenario ist im Allgemeinen ein Genauigkeitswechsel im Laufe der Zeit des Sensors, der einem bekannten Verlauf folgt. Falls das Szenario bekannt ist, bestimmt das Verfahren bei Block 808 den aktuellen Zustand des Sensors. Bei Block 810 sieht das Verfahren die Wahrscheinlichkeit der Sensorzustandsreduktion, wie bei 7, nach. Bei Block 812 bestimmt das Verfahren basierend auf dem Sensorzustand und der Reduktionswahrscheinlichkeit des Sensorgesundheitszustands die nächste Abtastzeit oder Abtastfrequenz oder findet sie, wie unter Bezugnahme auf 7 besprochen.
Falls das Szenario kein bekanntes Szenario ist, bestimmt das Verfahren bei Block 814, ob die gesammelten Daten zur Einstufung des Sensors ausreichen. Falls ja, bestimmt das Verfahren das aktuelle Szenario bei Block 816 und das Verfahren setzt bei Block 808 fort. Falls nicht ausreichend Daten zum Klassifizieren, wie bei Block 814 bestimmt, vorhanden sind, setzt das Verfahren die nächste Abtastung nach Startfrequenz, wie in Block 818 angegeben, fort. Bei Block 820 kann das Verfahren dann die Genauigkeit und Abtastfrequenz des Sensors bestimmen. Das Verfahren kehrt zu Block 804 zurück.
Wie oben angedeutet, kann ein vierter Aspekt darin bestehen, Belastung auf Referenzvorrichtungen zu vermeiden oder zu reduzieren. Darüber hinaus kann sich der dritte allgemeine Aspekt bezüglich des Vermeidens oder Reduzierens von Überdotieren auch auf Referenzvorrichtungen erstrecken. Da Referenzvorrichtungen typischerweise nicht wie aktive Vorrichtungen in kontinuierlichen Betrieb gezwungen werden, sollte der Einfluss von Umgebungsfaktoren auf die Referenzvorrichtungen jedoch im Allgemeinen beträchtlich geringer sein als zum Beispiel in 6 und 7 gezeigt.
Die Besprechung wendet sich nun einer beispielhaften Systemarchitektur und dem Erstellen oben besprochener Merkmale zu. Strategien können entweder kostspielige Vorrichtungen (zum Beispiel überdimensionierte mit großen Konzeptionsmargen) oder multiple Feldeinsatzvorrichtungen einsetzen und Vorrichtungen, die hohe Fehler aufweisen, mit neuen Vorrichtungen, die redundant eingesetzt werden, ersetzen. Vorrichtungen mit hohen Margen sind nicht immer möglich oder kosteneffektiv, während das Einsetzen vieler Vorrichtungen und Umschalten von denjenigen, die an Genauigkeit einbüßen, zu anderen auch die Kosten und Komplexheit der Bereitstellung hochtreiben können.
Im Gegensatz dazu können Ausführungsformen hierin längere Betriebslebenszeiten erreichen, wie mit einer einzigen Vorrichtung in einer Paarung von Vorrichtungen. Analog dazu ist ein redundantes Array kostengünstiger Festplatten (Redundant Array of Inexpensive Disks - RAID), das eine relativ hohe MTBT aufweist. Bestimmte Ausführungsformen schreiben keine Konzeption mit hoher Zuverlässigkeit vor. Stattdessen kann höhere Zuverlässigkeit zum Beispiel durch dynamische Anpassung erhalten werden. Einige Beispiele können höhere Genauigkeit liefern als mit einer einzigen Vorrichtung allein, sogar falls die einzige Vorrichtung für höhere Zuverlässigkeit konzipiert wurde. Das kann zum Beispiel auf eine umgesetzte Interpolationsstrategie zurückzuführen sein. Bestimmte Beispiele können aufgrund von weniger redundanten kostengünstigen Bauteilen kosteneffektiver sein. Darüber hinaus können einige beispielhafte Anwendungen adaptiv und autonom sein und daher arbeitsaufwändige Reparaturen in einigen Fällen reduzieren.
Die mehreren Betriebszustände einer Vorrichtung und das effiziente Bestimmen des Betriebszustands für jede Vorrichtung werden unten in dem Kontext von Architektur und Arbeitsablauf besprochen. Darüber hinaus wird ferner ausführlich besprochen, wie der Betrieb von Vorrichtungen in teilweisen Gesundheitszuständen effektiv aber wirtschaftlich kombiniert wird, um gesunden Betrieb des Ganzen zu erzielen.
9 ist eine Diagrammdarstellung 900 von Architektur und Arbeitsablauf. Insbesondere stellt das Diagramm 900 mindestens drei Architekturschichten dar. Mit anderen Worten ist in dem veranschaulichten Beispiel die Architektur mit Bauteilen in mindestens drei logischen Schichten organisiert: Schicht 1 (L1) 902, Schicht 2 (L2) 904 und Schicht 3 (L3) 906. Die Schicht 1 (L1) 902 weist Sensoren und Aktuatoren auf. Die Schicht 2 (L2) 904 weist Gateway(s) und Funktionen, die in Gateways ausgeführt werden, auf. Die abgebildeten Funktionen sind Sensorkommunikation und -steuerung, Stream-Datenverarbeitung und Backend-Kommunikation. Diverse Parameter können gehandhabt werden. Darüber hinaus sind andere Funktionen anwendbar. Die Schicht 3 (L3) 906 weist einen oder mehrere Server auf, wie in einem auf Datencenter, und die reich an Rechen-, Speicher- und Netzwerkfähigkeiten sein können. L3 906 kann Frontend-Kommunikation, Genauigkeitsmusteranalytik, einen Backendserver, Datenspeicher und so fort unterbringen. L1, L2 und L3 sind, wie gesagt, logische Schichten. Die Funktionen von L1 und L2 können daher in einigen Fällen durch dieselbe Vorrichtung oder durch unterschiedliche physische Vorrichtungen bereitgestellt werden. Die Funktionen können durch Code (zum Beispiel Anweisungen, Logik usw.), die im Speicher gespeichert sind und von einem Prozessor ausgeführt werden, umgesetzt werden.
In einigen Fällen können sich Sensorkommunikations- und Steuerbauteile oder Aspekte in L2 auf das Senden von Steuerbefehlen zu den Sensoren und das Empfangen von Daten von Sensoren konzentrieren. Zugleich können zusätzliche Funktionen für L2 (1) Sensorzustandsverwaltung aufweisen, die bestimmt, wenn und welcher Sensor aktiv sein sollte, und auch (2) Daten von Sensor(en) korrigieren, falls die Sensoren oder Daten zu ungenau sind. Diese zwei Funktionen und andere Funktionen können durch ein L2-Bauteil umgesetzt werden. Bei einem Beispiel ist wird das Bauteil ein Sensorverwalter oder Sensorzustandsverwalter genannt oder bezeichnet. Bei diesem Beispiel kann der beispielhafte Sensorzustandsverwalter bezüglich IoT eingesetzt werden und weist mindestens fünf Subbauteile, wie unten unter Bezugnahme auf 10 besprochen, auf.
10 ist ein Sensorzustandsverwalter 1000 als ein IoT-Gateway, wie mit L2 904 der 9. Der Sensorzustandsverwalter 1000 kann Code (zum Beispiel Anweisungen, Logik usw.), die im Speicher gespeichert sind und von einem Prozessor ausführbar sind, aufweisen. Der Sensorzustandsverwalter 1000 kann zum Beispiel Sensorkommunikations-/Steuercode 1002 aufweisen, der einen Sensorkommunikator 1004 und einen Sensorzustandsverwalter 1006 aufweist. Der Sensorzustandsverwalter kann daher in ein Sensorkommunikations-/Steuercode-Bauteil einer IoT-Gateway-Schicht (Schicht 2) eingebaut sein.
11 ist ein Sensorzustandsverwalter 1100 analog zu dem Sensorzustandsverwalter 1000 der 10. Der Sensorzustandsverwalter 1100 weist bestimmte Subbauteile auf, die Codes sein können, der im Speicher gespeichert ist und von einem Prozessor ausgeführt werden, wobei der Code einen Sensorauswähler 1101 und einen Sensorzustandsprüfer 1102 aufweist. Der Sensorauswähler 1101 kann zum Beispiel einen Sensor in H-Zustand auswählen. Der Sensorzustandsprüfer 1102 kann bestimmen, wo in einem Sensorbetriebsverlauf der Sensor funktioniert. Das kann eine dynamische Technik zum Erhöhen der Effizienz der Zustandsprüfung, wie unten besprochen, aufweisen.
Der Code kann auch einen M-Zustand-Sensorkorrektor 1104, einen W-Zustand-Sensorkorrektor 1106 und einen selbsttätig adaptiven Parameterabstimmer 1108 aufweisen. Der M-Zustand-Sensorkorrektor 1104 kann dafür zuständig sein, sich mit dem anfälligen Betriebsbereich von M-Zustand-Sensoren zu befassen. Der W-Zustand-Sensorkorrektor 1106 kann dafür zuständig sein, sich mit dem anfälligen Betriebsbereich von W-Zustand-Sensoren zu befassen. Der selbsttätig adaptive Parameterabstimmer 1108 kann Parameter zum Erfassen, Korrigieren und Isolieren ungenauer Sensordaten dynamisch abstimmen.
Die Besprechung betrachtet nun die Sensorzustandsbestimmung bezüglich des Betriebs von Bauteilen oder Subbauteilen in 10 und 11. Wie unter Bezugnahme auf 4 erwähnt, kann ein Sensorzustandsverwalter Sensorzustände steuern und Sensoren zum Sammeln von Daten verwenden. Folgendes geht näher auf die 4, 10 und 11 ein.
Für einige Ausführungsformen wählt der Sensorauswähler 1101 zu Beginn (zum Beispiel in Block 404 in 4) einen Sensor in H-Zustand aus. Das System kann Daten mit diesem Sensor sammeln (zum Beispiel Block 408). Ein Sensorzustandsprüfer 1102 kann den Zustand des arbeitenden Sensors mit dynamischer Frequenz prüfen. Der Zustand des Sensors kann in einem der H-, M-, W-, U-Zustände sein. Falls der Sensor in H-Zustand ist, kann der Sensor verwendet werden, um Daten im Allgemeinen kontinuierlich zu sammeln (zum Beispiel Block 408). Falls der Sensor in M-Zustand ist, kann der M-Zustand-Sensorkorrektor 1104 den Sensor korrigieren, und der Sensor kann wieder verwendet werden, um Daten zu sammeln.
Andererseits, falls der Sensor in W-Zustand ist, kann der W-Zustand-Sensorkorrektor 1106 den Sensor, der mindestens drei potentielle Resultate gibt, korrigieren. Erstens, falls der Sensor in den H-Zustand mit anderen W-Zustand-Sensoren korrigiert werden kann, werden diese Sensoren als „H“-Zustand-Sensor gruppiert, und dieser gruppierte Sensor wird eingesetzt, um Daten zu sammeln.
Zweitens, falls dieser Sensor in den M-Zustand mit anderen W-Zustand-Sensoren korrigiert werden kann, können diese Sensoren dann als ein „W“-Zustand-Sensor gruppiert werden, und dieser gruppierte Sensor kann durch den M-Zustand-Sensorkorrektor 1104 korrigiert werden, und der Sensor kann dann zum Sammeln von Daten verwendet werden. Drittens, falls dieser Sensor nicht gemeinsam mit anderen W-Zustand-Sensoren korrigiert werden kann, wird dieser Sensor in den W-Zustand-Sensor-Pool hinzugefügt. Der Sensorauswähler 1101 wählt einen anderen H-Zustand-Sensor zum Sammeln von Daten aus.
Zuletzt, falls dieser Sensor in U-Zustand ist, wird dieser Sensor gekennzeichnet und typischerweise nicht mehr verwendet. Der Sensorauswähler 1101 kann dann einen anderen H-Zustand-Sensor zum Sammeln von Daten auswählen.
Bestimmte Ausführungsformen können wieder auf effizienten Zustandsübergang ohne Überabtasten abzielen. Gewöhnlich kann die Genauigkeit der Sensoren periodisch bestimmt werden. Für eine Vorrichtung, die normal funktioniert, kann häufige Erfassung (zum Beispiel Abtastung) die Betriebslebensdauer der Vorrichtung verringern. Wie erwähnt, kann häufige Abtastung der Luftqualität kann zum Beispiel mehr Partikelablagerungen auf einer AQMD-Vorrichtung, wie oben beschrieben, verursachen. Unterabtasten kann Betrieb während längerer Zeitspannen bewirken, ohne die Genauigkeit und Zuverlässigkeit eines Sensors zu kennen. Ein Ziel kann daher darin bestehen, nicht häufig abzutasten und doch den Übergang von Sensoren von einem Betriebszustand zu einem weniger genauen und weniger zuverlässigen Betriebszustand zu identifizieren. Mit anderen Worten kann die Frequenz dynamisch sein.
Mehrere beispielhafte Techniken können umgesetzt werden, einschließlich mindestens die fünf unten stehenden. Eine erste beispielhafte Technik variiert das Abtasten gemäß der Einsatzdauer, einschließlich zu Beginn nicht häufig und mit steigender Frequenz bei steigender Einsatzdauer. Die mittlere erwartete Betriebslebensdauer für die Zustände H, M und W kann vorab für einen Sensor bestimmt werden. Das Abtasten des Sensors steigt im Allgemeinen von weniger (zum Beispiel Minimum) zu mehr (zum Beispiel Maximum), während sich die Zeit im Einsatz für den Sensor in einem gegebenen Zustand der erwarteten Betriebslebenszeit in diesem Zustand nähert oder darüber hinaus bewegt.
Ein zweites Beispiel enthält das erste Beispiel aber mit beschleunigtem Übergang zu erhöhter oder maximaler Abtastfrequenz, wenn anormale Werte von einem Sensor gemeldet werden. Ein drittes Beispiel enthält das zweite Beispiel aber mit beschleunigtem Übergang auf erhöhte oder maximale Abtastfrequenz als Reaktion auf stärkeren Einsatz empfindlicher Teile des Sensors (zum Beispiel höher als durchschnittliche Verschmutzung, die durch eine Luftqualitätsabtastvorrichtung erfasst wird).
Ein viertes Beispiel involviert das Bestimmen eines Genauigkeitsverlaufs, bei dem eine Vorrichtung eines spezifischen Typs im Voraus charakterisiert wird. Das vierte Beispiel bestimmt einen Vorrichtungsgenauigkeitsverlauf basierend auf aktueller Genauigkeit und Betriebslebensdauer an diesem Genauigkeitsniveau. Die Werte A' = A(S, t - t0, A)/t werden daher durch Offline-Prüfungen bestimmt, wobei A' (zum Beispiel %) die Genauigkeit der nächsten Abtastung ist, A die Genauigkeit der aktuellen Abtastung ist, S der Zustand der aktuellen Abtastung ist, t die Zeit der aktuellen Abtastung ist, und t0 die anfängliche Startzeit des Abtastens ist. Die Werte etablieren die Momentan-Genauigkeitsverlust-Zeitrate gemäß dem aktuellen Zustand (S), der Zeit, die in dem aktuellen Zustand verbracht wird, und das aktuelle Genauigkeitsniveau. Basierend auf A', kann f(A') als die dynamische Abtastfrequenz definiert werden, so dass die Abtastrate allmählich von einem Mindestwert zu einem Höchstwert gemäß der Steilheit des Gefälles A' an jedem Punkt variiert. Ein fünftes Beispiel bestimmt die Abtastrate über das vierte Beispiel und angesichts der Rate, mit der Ausreißerwerte von einem Sensor gemeldet werden.
Wie angegeben, kann ein allgemeiner Aspekt der vorliegenden Techniken das Schätzen des Einflusses auf die Umgebung betreffen. Der Genauigkeitstrend für einen Sensor wird nämlich gelegentlich in einem signifikanten Ausmaß durch die Umgebung, in der der Sensor eingesetzt wird, beeinflusst. Der Umgebungseinfluss auf den Sensor ist jedoch nicht allgemein im Voraus unter kontrollierten Testbedingungen im Labor bestimmbar. Um das zu lösen, kann eine Echtzeit-Einstufungsvorgehensweise oder ein Algorithmus (der zum Beispiel wie in den 5, 6, 7 und 8 gezeigt arbeitet) für Sensoren beim Betrieb eingesetzt werden. Wie in 5 gezeigt, sammelt eine Bootstrap-Abtastfrequenz für neue Sensoren, die online gebracht werden, ausreichend Daten in einem Backend-Cluster, um loT-Vorrichtungen in unterschiedliche Cluster zu gruppieren. Die anfängliche Abtastfrequenz kann aus Offline-Studien erhalten werden.
Danach kann die Umgebung als eines der grobkörnigen Szenarien S0, S1, ... SN parametriert werden, wobei S1 die Genauigkeit eines neuen, gesunden Sensors schneller verschlechtert als S0, S2 dies schneller tot als S1 und so fort. Grobkörnig kann bedeuten, dass das Szenario, in dem sich eine Vorrichtung befindet, relativ einfach bestimmt werden kann, zum Beispiel ohne kleine Effekte voneinander zu trennen zu müssen, und im Allgemeinen unabhängig von der Genauigkeit der Vorrichtung selbst. Ein Szenario S2 = hohe Verschmutzung, kann zum Beispiel durch Prüfen bestimmt werden, ob Smog-Niveaus, die von mehreren IoT-Vorrichtungen über eine gegebene Fläche erfasst werden, ungeachtet der Genauigkeit der individuellen Sensoren über einem Schwellenwert liegen.
Unter erneuter Bezugnahme auf 6, werden zwei Szenarien (S0 = „gut“ und S1 „schlecht“ jeweils durch die Kurven 606 und 608 dargestellt. Die zwei Kurven 606 und 608 stellen mittlere Genauigkeitsverschlechterung für einen Sensor im Laufe der Zeit in den zwei Szenarien grafisch dar, wobei dieser Sensor jeweils in dem H-Zustand beginnt. Bei einem Beispiel wird der H-Zustand als der mit einer Genauigkeit > 90 % definiert. 7 bildet die Wahrscheinlichkeit über Zeit ab, dass der Sensor weiterhin in dem H-Zustand bleibt. Die Genauigkeit in 6 kann durch A = 1 - (Abs (W- B)/B) gemessen werden, wobei W = Messung von einem Sensor, B = abgetastete Messung von einem oder mehreren Bandgap-Sensoren, und Abs der Absolutwert ist.
Schließlich erhält 8 unter Heranziehung von Beispielen, wie die 5, 6 und 7, die dynamische Anpassung der Abtastfrequenz. Basierend auf der tatsächlichen überwachten Genauigkeit einer Vorrichtung nach dem Auswählen einer anfänglichen Abtastfrequenz, Einsetzen eines vom Szenario unabhängigen Ansatzes, wie in 5, oder eines vom Szenario abhängigen Ansatzes, wie in den 6 und 7, wird die nächste Zeit zum Abtasten von Backup-Vorrichtungen bestimmt.
Wie für die oben besprochenen Korrekturen für einen M-Zustand- und einen W-Zustand-Sensor, kann die M- oder H-Zustandsfunktion bei einigen Beispielen durch Zusammenarbeiten mehrerer W-Zustand-Vorrichtungen, wie in 4 gezeigt, erzielt werden. 8 veranschaulicht ein Verfahren 800 zum Bestimmen, ob und wie W-Zustand-Sensoren kombiniert werden sollen, um ein betriebliches Äquivalent eines H-Zustands zu erzielen. Bei einem Beispiel werden mehrere Sensoren als im W-Zustand befindlich erfasst, und ein H-Zustand-Sensor existiert in einem in aktivierten (passiven) Zustand. Bei diesem Beispiel gibt der H-Zustand-Sensor über einen definierten Zeitbereich, der durch den Vektor Y dargestellt ist, aus, und W1, W2, W3, ... usw. bezeichnen die W-Zustand-Sensoren. Über einen gegebenen Zeitbereich können die Ausgänge des W-Zustand-Sensors jeweils durch Spaltenvektoren W1, W2, W3, ... dargestellt werden, wobei W die Matrix [W1 W2 W3 ... ]^T ist. Vorübergehend wird bei diesem Beispiel der H-Zustand-Sensor während einer kurzen Dauer aktiviert, um Y zu sammeln, und während derselben oder einer ähnlichen Dauer wird auch die Matrix der Beobachtungen W gesammelt. Unter Verwenden eines zweckdienlichen Maschinenlernverfahrens, das bekanntlich in einer gegebenen Domäne gut arbeitet, wird eine Mindestfehlerschätzungsfunktion ϕ, Φ (W) = Y bestimmt. Ein Beispiel von ϕ ist der lineare Schätzer mit kleinstem Fehlerquadrat, ϕ(W)=aW + b = Y, wobei a, b den Fehler mit kleinstem Fehlerquadrat in Y angeben.
Das Maschinenlernen kann auf den gesammelten Daten in einem Cluster ausgeführt werden. Das Cluster kann zum Beispiel ein rechnerisch reichhaltiges Datencenter oder Cloud-Backend sein. Die min-error-Funktion ϕ kann ein Schätzer sein, und mit ϕ , das weiter verbessert oder optimiert wird, um die Anzahl von W-Zustand-Sensoren, deren Ausgänge beim Bestimmen von Y signifikant sind (und die restlichen W-Zustand-Sensoren daher deaktiviert werden können) zu reduzieren oder zu minimieren.
Sobald die Funktion und der entsprechend reduzierte oder Mindestsatz aktiver W-Zustand-Sensoren bestimmt ist, können diese ausgewählten W-Zustand-Sensoren kollektiv als ein H-Zustand-Sensor arbeiten, vorausgesetzt, dass eine niedrige oder Mindestgenauigkeit von ϕ der gewünschten Genauigkeit entspricht oder sie übertrifft. Das Schätzungsverfahren kann zum Bestimmen, welcher W-Zustand-Sensor, co, tatsächlich in dem M-Zustand ist, wiederholt werden, durch Bewerten, ob eine ausreichend hohe Genauigkeitsschätzung von Y' auf der Basis von Ablesungen, die von ω erhalten werden, erhalten werden kann (wobei Y - Y' als statistisch in Y nicht signifikant betrachtet werden kann).
Die Besprechung wendet sich nun halbautonomen (zum Beispiel eigenständigen) Vorrichtungen im M-Zustand zu. 12 und 13 geben an, wie eine oder mehrere M-Zustand-Sensoren verwendet werden können, um den Arbeitszyklus zu reduzieren. Mit anderen Worten Reduzieren der Exposition eines H-Zustand-Sensors, einschließlich während relativ langer Zeit.
12 ist eine Diagrammdarstellung 1200 von Sensorablesungen 1202 und korrigierten Werten 1204. Das Diagramm 120 gibt einen M-Subbereich D und assoziierte korrigierte Werte R. Mit anderen Worten gibt 12 Ablesungen einer Subdomäne D eines M-Zustand-Sensors und den Bereich R der korrigierten Werte an. Für den Wertebereich, über den ein M-Zustand-Sensor bekanntlich eine genaue Schätzung der realen oder wahren Ablesung ergibt (zum Beispiel unter Verwenden einer anwendbaren Transformation), ist der Bereich D im Allgemeinen im Voraus bekannt. Ein Beispiel kann daher erfassen, dass ein M-Zustand-Sensor einen Wert erzeugt hat, der nicht in D liegt, und zu einer Aktivierung eines ansonsten passiven redundanten H-Zustand-Sensors übergehen.
13 ist ein Verfahren 1300 des dynamischen Abstimmens von Parametern und zum Assoziieren zum Beispiel eines M-Zustand-Sensors mit einem H-Zustand-Sensor, um die Exposition des H-Zustand-Sensors zu reduzieren. 13 kann nämlich halbautonome (das heißt eigenständige) Vorrichtungen im M-Zustand betreffen. Bei Block 1302 beginnt das Verfahren. Falls es bei Block 1304 an der Zeit ist, einen M-Zustand-Sensor zu prüfen, aktiviert das Verfahren bei Block 1306 einen M-Zustand-Sensor und einen H-Zustand-Sensor. Bei Block 1308 bestimmt das Verfahren einen Bereich D für den M-Zustand-Sensor und eine Fehlerfunktion ϕ wie oben besprochen. Bei Block 1310, falls M-Zustand-Sensor-Ablesungen in dem Bereich D vorhanden sind, deaktiviert das Verfahren bei 1312 den H-Zustand-Sensor, und der M-Zustand-Sensor arbeitet bei diesem Beispiel allein. Andererseits, falls bei Block 1310 keine M-Zustand-Sensor-Ablesungen in dem Bereich D vorliegen, behält das Verfahren bei Block 1306 den H-Zustand-Sensor aktiviert. Auf jeden Fall wartet das Verfahren bei Block 134 auf Änderungen der M-Zustand-Sensor-Ablesungen innerhalb oder außerhalb des Bereichs D, um zu bestimmen, ob der H-Zustand-Sensor aktiviert gehalten werden soll, oder den H-Zustand-Sensor zu deaktivieren, um passiv zu sein.
Im Allgemeinen involvieren Ausführungsformen daher das dynamische Abstimmen von Parametern, wie zum Erfassen, Korrigieren und Isolieren ungenauer Sensoren. Viele Parameter können das Steuern erleichtern, wie der Zustand eines Sensors erfasst wird, und Datenkorrektur nach Bedarf angewandt wird (einschließlich Isolieren von Daten von einem Sensor in U-Zustand). Für einen H-Zustand-Sensor kann das System zum Beispiel den Zustand des Sensors periodisch erfassen. Darüber hinaus, wie besprochen, kann der H-Zustand in mehrere Subzustände mit unterschiedlicher Erfassungsfrequenz pro Subzustand geteilt werden.
Die Anzahl der Subzustände und Erfassungsfrequenzen für jeden von ihnen können folglich Parameter sein. Auf ähnliche Art können M- und W-Zustände in mehrere Subzustände geteilt werden, und unterschiedliche Frequenzen können eingesetzt werden, um Zustands-/Subzustandsänderung zu erfassen. Für jeden Subzustand kann das Korrigieren der Daten ebenfalls und mit Einzelheiten, die in Abhängigkeit von dem Lösungsbereich variieren, parametriert werden. Um Daten aus einem U-Zustand Sensor zu isolieren, kann man entscheiden, Daten sofort zu verwerfen, Daten zu protokollieren oder eine Auswahl der Daten zu protokollieren. Die meisten oder alle diese Parameter können vordefiniert und in einer IoT-Vorrichtung gespeichert werden. Die Parameter können auch dynamisch von einem Backend-System aktualisiert werden. Da IoT-Vorrichtungen mit einem Kommunikationsmodul ausgestattet sein können, kann eine Vorrichtung ihr Zustands-/Subzustandsänderungsmuster melden. Das Definieren von Parametern und Zuständen in Echtzeit unter Verwenden von Analyse, die in einem Backend-System ausgeführt wird, erleichtert dynamische Einstellungen nicht nur nach Sensorzustand, sondern auch durch Umgebungsbedingungen, die bei dem tatsächlichen Einsatz dieses Sensors oder der Sensorgruppe erfasst werden.
14 ist ein Verfahren 1400 zum Verwalten von Sensoren in einem System durch eine Rechenvorrichtung. Um das Verfahren 1400 umzusetzen, kann in dem Speicher der Rechenvorrichtung ein Sensorverwalter als Code, der durch einen Prozessor ausgeführt werden, gespeichert sein. Bei bestimmten Beispielen weist das System ein IoT-System auf oder ist eines, und die Sensoren sind IoT-Sensoren. Die Rechenvorrichtung kann eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder ein IoT-Smart-Sensor und dergleichen sein.
Bei Block 1402 bestimmt das Verfahren den jeweiligen Gesundheitsbetriebszustand der Sensoren. Der Gesundheitsbetriebszustand kann mit Sensorgenauigkeit korrelativ sein. Die Sensoren können abgetastet werden, und die abgetasteten Daten können mit einer Referenz oder einem Referenzsensor verglichen werden, um die Genauigkeit der Sensoren zu bestimmen. Das Bestimmen von Gesundheitsbetriebszuständen von Sensoren kann eine adaptive Beurteilung der Sensorgesundheit sein, bei der die Abtastfrequenz eines Sensors von der Genauigkeitsabweichung eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon sein.
Bei Block 1404 stuft das Verfahren (zum Beispiel in Echtzeit) die Sensoren durch ihren jeweiligen Gesundheitsbetriebszustand ein. Bei Beispielen weisen die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand, in dem abgetastete Daten weniger genau sind als für den H-Zustand und genauer als für den U-Zustand, auf. Bei einigen Beispielen sind Sensordaten von einem H-Zustand-Sensor im Wesentlichen genau oder mindestens zu 90 % genau. Eine 90-prozentige Genauigkeit kann bedeuten, dass der Sensor 90 % der Zeit oder über 90 % des Bereichs, in dem der Sensor misst, genau ist, und so fort. Bei Beispielen sind Sensordaten von einem U-Zustand-Sensor inakzeptabel oder nicht brauchbar. Die Daten von einem U-Zustand-Sensor können isoliert werden.
Bei einigen Beispielen gibt es bei besonderen Beispielen mehrere Zwischenzustände, wie einen mäßig gesunden (M)-Zustand und einen geringfügig gesunden (W) Zustand. Für einen M-Zustand-Sensor sind einige abgetastete Daten genau und andere abgetastete Daten sind ungenau, oder die Abweichung abgetasteter Daten von genau folgt einem Muster und so fort. Bei Beispielen kann ein W-Zustand-Sensor nicht allein verwendet werden.
Bei Block 1406 setzt das Verfahren eine dynamische Abtastfrequenz der Sensoren um, um die Gesundheit des Gesundheitsbetriebszustands der Sensoren zu bestimmen. Anfänglich wird zum Beispiel eine Bootstrap-Abtastfrequenz für neue Sensoren, die online gebracht werden, umgesetzt. Das Verfahren kann auch eine steigende Abtastfrequenz eines Sensors korrelativ mit dem Steigern der Einsatzdauer des Sensors umsetzen. Das Verfahren kann ferner das Erhöhen der Abtastfrequenz als Reaktion darauf beschleunigen, dass der Sensor anormale Werte meldet, oder als Reaktion auf einen umfangreicheren Einsatz eines empfindlichen Teils des Sensors und so fort.
Bei Block 1408 weist das Verfahren zum Bestimmen von Gesundheitsbetriebszuständen und assoziierter Einstufung der Sensoren das Parametrieren der Umgebung, in der die Sensoren angeordnet sind, auf. Bei besonderen Beispielen wird die Umgebung als Szenarien parametriert. Auf jeden Fall kann die Abweichung von Sensorgenauigkeit einem Muster folgen, das als eine Funktion von Umgebungs- und Nutzungsfaktoren entschlüsselbar ist. Der gesteigerte Genauigkeits- oder Gesundheitsverlust kann im Laufe der Zeit aufgrund unterschiedlicher Nutzungsniveaus und Umweltbelastungen, Verschmutzung usw. kumulativ sein. Darüber hinaus kann eine Vorrichtung mit weniger als normalem Betrieb bei einem Satz von Bedingungen akzeptable Nutzung im Vergleich zu einem anderen Satz von Bedingungen liefern. Assoziierte Strategien können bestimmen, ob die aktuellen externen Faktoren angeben, dass eine Vorrichtung als in H-, M-, W- oder U-Modus befindlich verarbeitet werden soll (oder gemäß anderen in Abhängigkeit davon, wie viele Betriebskategorien definiert sind).
Bei Block 1410 weist das Verfahren das Paaren von Sensoren auf. Das Verfahren weist zum Beispiel das Paaren von zwei Sensoren auf, die jeweils den Zwischenzustand aufweisen, um ein Paar, das den H-Zustand aufweist, zu ergeben. Bei einem anderen Beispiel weist das Verfahren das Verarbeiten einer Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in dem H-Zustand oder M-Zustand auf.
Bei noch einem anderen Beispiel weist das Verfahren das Assoziieren oder Paaren eines M-Zustand-Sensors mit einem H-Zustand-Sensor auf, um Exposition des H-Zustand-Sensors zu reduzieren. Das Verfahren weist das Bestimmen eines Bereichs auf, für den der M-Zustand-Sensor im Wesentlichen genau ist. Das Verfahren deaktiviert dann den H-Zustand-Sensor als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors in dem Bereich auftreten. Das Verfahren aktiviert den H-Zustand-Sensor als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors außerhalb des Bereichs auftreten.
15 ist ein System 1510, das mehrere Sensoren 1512 einsetzt. Die Sensoren 1512 können physische Charakteristiken oder Merkmale eines Objekts, einen Umweltparameter oder Charakteristiken und so fort erfassen oder messen. Bei dem veranschaulichten Beispiel messen die Sensoren 1512 die Charakteristik und senden die gemessenen Daten zu einer oder mehreren Gateway-Vorrichtungen 1514. Sie Sensoren 1512 können Smart-Sensoren, IoT-Sensoren und dergleichen sein. Die Sensoren 1512 können drahtlos und/oder verdrahtet mit der/den Gateway-Vorrichtungen) 1514 gekoppelt sein. Die Gateway-Vorrichtung 1514 kann die Daten aggregieren und die Daten zu einer entfernten Rechenvorrichtung, wie einem Server 1516 in einer Cloud-Infrastruktur 1518, senden. Der Server 1516 kann eine Cloud-Rechenvorrichtung oder ein Cloud-verteiltes Rechensystem und dergleichen sein. Das System 1510 kann ein IoT-System sein und kann Aktuatoren (nicht gezeigt), die unter den Sensoren 1512 verstreut sind, aufweisen.
Die Sensoren 1512 können auf Genauigkeit mit den abgetasteten Daten, die mit Ablesungen einer Referenzvorrichtung oder eines Referenzsensors verglichen werden, abgetastet werden. Einer oder mehrere der Sensoren 1512 kann/können eine Referenzvorrichtung oder ein Referenzsensor sein. Das System 1510 kann auch einen Referenzsensor 1520 aufweisen oder zu diesem Zugang haben.
Ein Rechensystem, wie der Server 506 und/oder die Gateway-Vorrichtung 504, verwaltet die Sensoren 1512, wie oben besprochen. Die Sensorverwaltung kann zum Beispiel das Bestimmen der jeweiligen Gesundheitsbetriebszustände der Sensoren 1512, Berücksichtigen der Umgebung der Sensoren 1512, Variieren der Abtastfrequenz der Sensoren 512, Paaren einiger der Sensoren 512 und dergleichen involvieren. Der Server 506 und/oder die Gateway-Vorrichtung 504 können ausführbaren Code 512 und Code 514 aufweisen, die jeweils in dem Speicher für solche Sensorverwaltung gespeichert sind. Schließlich kann die Cloud 1518 mit anderen Systemen in Kommunikation stehen.
Was Sensoren im Allgemeinen betrifft, können Sensoren ein messbares Signal als Reaktion auf einen Stimulus erzeugen. Ein Sensor kann eine Transducervorrichtung aufweisen oder mit ihr assoziiert sein, die eine Form von Energie in eine andere Form von Energie umwandelt. Ein Transducer kann eine Vorrichtung sein, die ein Signal aus einer physischen Form in ein entsprechendes Signal, das eine unterschiedliche physische Form aufweist, die mechanisch, thermisch, magnetisch, elektrisch, optisch, chemisch und sofort sein kann, umwandelt. Ein Sensor kann ein Eingangstransducer (zum Beispiel ein Mikrofon) sein, und ein Aktuator kann ein Ausgangstransducer (zum Beispiel ein Lautsprecher) sein. Ein Sensor kann eine Vorrichtung sein, die ein Signal oder einen Stimulus empfängt und darauf reagiert. Im Allgemeinen reagiert bei einem Sensor eine Abtast- oder sensitive Schicht oder ein Medium auf den externen Stimulus, und der Transducer kann die Reaktion in eine extern messbare Quantität umwandeln. Ein Sensor kann einen Detektor aufweisen oder dieser sein, der die Gegenwart eines Parameters oder Objekts angibt. Beim Betrieb kann ein Sensor Änderungen des gemessenen Parameters oder Objekts überwachen und quantifizieren.
Merkmale oder Charakteristiken der Sensoren können statisch oder dynamisch sein, und diese Sensorparameter können Ausgang im Vergleich zu Eingang abbilden. Sensorcharakteristiken können Genauigkeit, Fehler, Präzision, Auflösung, Empfindlichkeit, Selektivität, Rauschen, Drift, Erfassungsgrenze, Wiederholbarkeit, Reproduzierbarkeit, Hysterese, Beständigkeit, Reaktionszeit, Bereich oder Weite, Offset usw. aufweisen. Die Genauigkeit eines Sensors kann sein, wie korrekt der Sensorausgang den wahren Wert darstellt, wie gut der Sensor die Umgebung in einem absoluten Sinn misst, und/oder wie gut die vom Sensor gemessenen Daten im Vergleich mit einem anerkannten Standard sind usw. Abweichung kann eine allmähliche Änderung der Reaktion des Sensors sein, während das gemessene Objekt oder der gemessene Parameter dasselbe/derselbe bleibt. Bei einigen Beispielen können dynamische Charakteristiken von Sensoren durch Analysieren der Reaktion eines Sensors auf eine Familie variabler Eingangswellenformen (zum Beispiel Impuls, Schritt, Rampe, Sinus, weißes Rauschen usw.) bestimmt werden. Mathematische Darstellungen für Sensoren oder Abtastsysteme können linear, nichtlinear, zeitlich unveränderlich, zeitabhängig usw. sein. Eine Ausgangscharakteristikkurve im Vergleich zu Eingang eines physischen Parameters kann erfassbare Ausgangsänderungen für die Sensoren geben. Im Allgemeinen kann eine Sensorreaktion bei einigen Beispielen eine Ausgangsänderung im Vergleich zu einer Eingangsparameteränderung sein.
15 ist eine Rechenvorrichtung 1500, wie ein Rechensystem, ein Cloud-Rechensystem, eine Gateway-Vorrichtung, eine Sensorvorrichtung, ein Server, eine Aggregationsvorrichtung, ein entfernter Computer, eine Fog-Vorrichtung und dergleichen. Obgleich 15A eine Rechenvorrichtung 1500 abbildet, können Ausführungsformen mehrere Rechenvorrichtungen 1500 einsetzen und/oder ein verteiltes Rechensystem sein. Die Rechenvorrichtung 1500 weist einen Prozessor oder Hardware-Prozessor 1502, wie einen Mikroprozessor, eine Zentraleinheit oder CPU usw. auf. Der Prozessor 1502 kann aus mehreren Prozessoren bestehen, oder jeder Prozessor 1502 kann mehrere Kerne aufweisen. Die Rechenvorrichtung 1500 hat einen Speicher 1504, wie einen nichtflüchtigen Speicher, flüchtigen Speicher und andere Typen von Speicher. Der flüchtige Speicher kann ein Festplattenlaufwerk, ein Nurlesespeicher oder ROM usw. sein.
Bei dem veranschaulichten Beispiel speichert der Speicher 1504 Code 1506, zum Beispiel Anweisungen, Logik usw., die durch den einen oder die mehreren Prozessoren 1502 ausführbar sind. Der Code 1506 kann ein Sensorverwalter zum Verwalten von Sensoren in einem System sein. Der Code 1504 kann nämlich von der Prozessor 1504 ausgeführt werden, um die Sensorverwaltungstechniken, die hierin besprochen sind, umzusetzen. Wie besprochen, kann die Sensorverwaltung das Bestimmen der jeweiligen Gesundheitsbetriebszustände der Sensoren, Berücksichtigen der Umgebung der Sensoren, Variieren der Abtastfrequenz der Sensoren, Paaren einiger der Sensoren und dergleichen involvieren. Ferner können jeweilige Aktionen von unterschiedlichen Rechenvorrichtungen 1500 umgesetzt werden. Die Rechenvorrichtung 1500 kann auch eine anwendungsspezifische integrierte Schaltung (Application-Specific Integrated Circuit - ASIC), die für die beschriebenen Techniken speziell angepasst ist, aufweisen.
16 ist ein Blockschaltbild, das ein konkretes, nichtflüchtiges, computerlesbares Medium 1600 abbildet, um Sensorverwaltung zu erleichtern. Auf das computerlesbare Medium 1600 kann durch einen Prozessor 1602 über eine Computerverschaltung 1604 zugegriffen werden. Der Prozessor 1602 kann ein Aggregationsvorrichtungsprozessor, ein Sensorprozessor, ein Serverprozessor, ein Prozessor einer entfernten Rechenvorrichtung, ein Cloud-Rechensystemprozessor oder anderer Prozessor sein. Das konkrete, nichtflüchtige, computerlesbare Medium 1600 kann ausführbare Anweisungen oder Code aufweisen, um den Prozessor 1602 anzuweisen, die hierin beschriebenen Techniken, wie das Umsetzen der besprochenen Sensorverwaltung auszuführen.
Die diversen Softwarekomponenten, die hierin besprochen sind, können auf dem konkreten, nichtflüchtigen, computerlesbaren Medium 1600, wie in 16 angegeben, gespeichert werden. Ein Sensorverwaltungsmodul 1606 (ausführbarer Code/ausführbare Anweisungen) kann den Prozessor 1602 anweisen, Verwaltung von Sensorvorrichtungen in einem System, einschließlich eines IoT-Systems oder Netzwerks, umzusetzen. Die Sensorverwaltung kann das Bestimmen des jeweiligen Gesundheitsbetriebszustands der Sensoren, Berücksichtigen der Umgebung der Sensoren, Variieren der Abtastfrequenz der Sensoren, Paaren einiger der Sensoren und usw. involvieren. Man muss verstehen, dass eine beliebige Anzahl zusätzlicher Softwarekomponenten, die in 16 nicht gezeigt sind, innerhalb des konkreten, nichtflüchtigen, computerlesbaren Mediums 1600 in Abhängigkeit von der Anwendung enthalten sein können.
Im Allgemeinen werden Vorrichtungen in zunehmendem Ausmaß zu Milliarden in IoT-Netzwerke in sehr großem Maßstab von miteinander kommunizierenden, autonomen Sensoren, Aktuatoren und intelligenten Rand-Bearbeitungsknoten integriert. Nutzen können aus dem Vereinfachen des Einsatzes dieser Vorrichtungen und Beseitigen der Kosten des Zuverlässigmachens ihrer Vorgänge geschlagen werden. Mit zunehmend höher entwickelten und leistungseffizienteren Rand-Gateways, ist die hier beschriebene Erfindung für autonomere Neukonfigurationen unter diesen Vorrichtungen für Vorgänge mit sehr langer Dauer wegweisend. Es kann zum Beispiel auf IoT-Cluster in den Millionen im Erforschungsraum abgezielt werden, wobei manuelle Reparaturen weitgehend unrentabel sind, und wo die Exposition mit Partikelbeschuss auf empfindlichen Oberflächen bedeutet, dass sogar Vorrichtungen mit hohen Margen adaptive Redundanz für ihren Betrieb erfordern würden.
Das Internet der Dinge (IoT) weist ein Paradigma auf, bei dem eine große Anzahl von Rechenvorrichtungen miteinander und mit dem Internet verschaltet ist, um Funktionalität und Datenerfassung an sehr niedrigen Niveaus bereitzustellen. Wie hierin verwendet, kann eine IoT-Vorrichtung eine halbautomatische Vorrichtung aufweisen, die eine Funktion ausführt, wie, unter anderen, ein Abtasten oder Steuern, in Kommunikation mit anderen IoT-Vorrichtungen und einem weiteren Netzwerk, wie dem Internet. IoT-Vorrichtungen sind oft hinsichtlich des Speichers, der Größe oder Funktionalität eingeschränkt, was es erlaubt, größere Anzahlen für ähnliche Kosten zu kleineren Anzahlen größerer Vorrichtungen einzusetzen. Eine IoT-Vorrichtung kann jedoch ein Smartphone, Laptopcomputer, Tablet-Computer oder PC oder eine andere größere Vorrichtung sein. Ferner kann eine IoT-Vorrichtung eine virtuelle Vorrichtung sein, wie eine Anwendung auf einem Smartphone oder einer anderen Rechenvorrichtung. IoT-Vorrichtungen können IoT-Gateways aufweisen, die verwendet werden, um IoT-Vorrichtungen mit anderen IoT-Vorrichtungen sowie Cloud-Anwendungen zur Datenspeicherung, Prozesssteuerung und dergleichen zu koppeln.
Netzwerke aus IoT-Vorrichtungen können kommerzielle und Hausautomatisierungsvorrichtungen aufweisen, wie Wasserverteilungssysteme, Stromverteilungssysteme, Rohrleitungssteuersysteme, Werksteuersysteme, Lichtschalter, Thermostate, Schlösser, Kameras, Alarme, Bewegungssensoren, Werksautomatisierung, Smart Building, Asset-Tracking/Logistik, Betriebstechnik (Operation Technology - OT) mit industriellen-/Werksnetzwerken und dergleichen. Die IoT-Vorrichtungen können durch entfernte Computer, Server und andere Systeme zugänglich sein, um zum Beispiel Systeme zu steuern oder auf Daten zuzugreifen.
Das zukünftige Wachstum des Internets kann sehr große Anzahlen von IoT-Vorrichtungen aufweisen. Folglich befasst sich, wie hierin beschrieben, eine Anzahl von Innovationen für das zukünftige Internet mit dem Bedarf für alle diese Schichten, ungehindert zu wachsen, angeschlossene Ressourcen zu entdecken und zugänglich zu machen und die Fähigkeit zu unterstützen, angeschlossene Ressourcen zu verbergen und abzuschotten. Eine beliebige Anzahl von Netzwerkprotokollen und Kommunikationsstandards kann verwendet werden, wobei jedes Protokoll und jeder Standard konzipiert ist, um spezifische Zielsetzungen zu decken. Ferner gehören die Protokolle zu dem Gefüge, das die für Menschen zugänglichen Dienste unterstützt, die ungeachtet des Orts, der Zeit oder des Raums arbeiten. Die Innovationen weisen Dienstleistungserbringung und assoziierte Infrastruktur, wie Hardware und Software, auf. Die Dienste können in Übereinstimmung mit den Bedingungen der Servicequalität (Quality of Service - QoS), die in den Dienstniveau- und Dienstliefervereinbarungen spezifiziert sind, bereitgestellt werden. Der Gebrauch von IoT-Vorrichtungen und Netzwerken weist eine Anzahl neuer Herausforderungen in einem heterogenen Netzwerk von Netzwerkfähigkeit auf, das eine Kombination verdrahteter und drahtloser Technologien, die in den 1 und 2 abgebildet, umfasst.
17 ist eine Zeichnung eines Cloud-Rechennetzwerks oder einer Cloud 1702 in Kommunikation mit einer Anzahl von Vorrichtungen des Internets der Dinge (IoT). Die Cloud 1702 kann das Internet darstellen oder kann ein Local Area Network (LAN) oder ein Wide Area Network (WAN), wie ein proprietäres Netzwerk, für ein Unternehmen sein. Die Cloud 1702 kann mit einen oder mehreren Servern 1704 in Kontakt sein, die Befehls- und Steuerfunktionen bereitstellen oder Daten aus den IoT-Vorrichtungen verbrauchen können. Die IoT-Vorrichtungen können eine Anzahl unterschiedlicher Typen von Vorrichtungen, die in diversen Kombinationen gruppiert sind, aufweisen. Die Verkehrssteuergruppe 1706 kann zum Beispiel loT-Vorrichtungen entlang von Straßen in einer Stadt aufweisen. Diese IoT-Vorrichtungen können Ampeln, Verkehrsflussmonitoren, Kameras, Wettersensoren und dergleichen aufweisen. Die Verkehrssteuergruppe 1706 oder andere Untergruppen können mit der Cloud 1702 durch drahtlose Links 1708, wie Low-Power-Wide-Area-(LPWA)-Links und dergleichen in Kommunikation stehen. Ferner kann es ein verdrahtetes oder drahtloses Unternetzwerk 1712 IoT-Vorrichtungen erlauben, miteinander wie ein Local Area Network, drahtloses Local Area Network und dergleichen zu kommunizieren. Die IoT-Vorrichtungen können eine andere Vorrichtung verwenden, wie ein Gateway 1710, das als ein Aggregator oder eine Aggregationsvorrichtung funktionieren kann, um mit der Cloud 1702 zu kommunizieren.
Andere Gruppen von IoT-Vorrichtungen können Temperatursensoren 1714, entfernte Wetterstationen 1716, Alarmsysteme 1718, Geldautomaten 1720, Alarmtafeln 1722 oder sich bewegende Fahrzeuge, wie Einsatzfahrzeuge 1724 oder Drohnen 1726, unter vielen anderen aufweisen. Jede dieser IoT-Vorrichtungen kann mit anderen IoT-Vorrichtungen, mit Servern 1704 oder beiden in Kommunikation stehen.
Wie aus 17 ersichtlich ist, kann eine große Anzahl von IoT-Vorrichtungen durch die Cloud 1702 in Kommunikation stehen. Das kann es unterschiedlichen IoT-Vorrichtungen erlauben, Informationen bei anderen Vorrichtungen autonom anzufordern oder zu diesen bereitzustellen. Die Verkehrssteuergruppe 1706 kann zum Beispiel eine aktuelle Wettervorhersage von einer Gruppe entfernter Wetterstationen 1716 anfordern, die die Vorhersage ohne menschlichen Eingriff bereitstellen können. Ferner kann ein Einsatzfahrzeug 1724 durch einen Geldautomaten 1702 gewarnt werden, dass ein Einbruch im Gange ist. Während sich das Einsatzfahrzeug 1724 zu dem Geldautomaten 1720 begibt, kann es auf die Verkehrssteuergruppe 1706 zugreifen, um Räumen zu dem Ort anzufordern, indem zum Beispiel die Ampeln auf Rot gestellt werden, um Querverkehr an einer Kreuzung rechtzeitig zu blockieren, so dass das Einsatzfahrzeug 1724 unbehinderte Zufahrt zu der Kreuzung hat.
Cluster von IoT-Vorrichtungen, wie die entfernten Wetterstationen 1716 oder die Verkehrssteuergruppe 1706, können ausgestattet sein, um mit anderen IoT-Vorrichtungen sowie mit der Cloud 1702 zu kommunizieren. Das kann es den IoT-Vorrichtungen erlauben, ein Ad-Hoc-Netzwerk zwischen den Vorrichtungen zu bilden, das es ihnen erlaubt, als eine einzige Vorrichtung zu funktionieren, die eine Fog-Vorrichtung genannt werden kann, die weiter unter Bezugnahme auf 2 besprochen ist.
18 ist eine Zeichnung 1800 eines Cloud-Rechennetzwerks oder einer Cloud 1702 in Kommunikation mit einem Mesh-Netzwerk von IoT-Vorrichtungen, das eine Fog-Vorrichtung 1802 genannt werden kann, das an dem Rand der Cloud 1702 arbeitet. Elemente mit gleichen Bezugszeichen sind wie unter Bezugnahme auf 17 beschrieben. Bei diesem Beispiel ist die Fog-Vorrichtung 1802 eine Gruppe von IoT-Vorrichtungen an einer Straßenkreuzung. Die Fog-Vorrichtung 1802 kann in Übereinstimmung mit Spezifikationen, die unter anderen von dem OpenFog-Consortium (OFC) herausgegeben wurden, eingerichtet sein. Diese Spezifikationen erlauben das Bilden einer Hierarchie von Rechenelementen zwischen den Gateways 1710, die die Fog-Vorrichtung 1802 mit der Cloud 1702 und Endpunktvorrichtungen, wie bei diesem Beispiel den Ampeln 1804 und den Datenaggregatoren 1806 bei diesem Beispiel koppeln.
Der Verkehrsfluss durch die Kreuzung kann bei diesem Beispiel durch drei Ampeln 1804 gesteuert werden. Die Analyse des Verkehrsflusses und von Steuersystemen kann durch Aggregatoren 1806 umgesetzt werden, die mit den Ampeln 1804 und miteinander durch ein Mesh-Netzwerk in Kommunikation stehen. Daten können zu der Cloud 1702 hochgeladen werden, und Befehle können von der Cloud 1702 durch Gateways 1710, die mit den Ampeln 1804 und den Aggregatoren 1806 durch das Mesh-Netzwerk in Verbindung stehen, empfangen werden.
Eine beliebige Anzahl von Kommunikationslinks kann in der Fog-Vorrichtung 1802 verwendet werden. Kurzstreckenlinks 1808, zum Beispiel kompatibel mit IEEE 802.15.4, können lokale Kommunikationen zwischen den IoT-Vorrichtungen, die nahe der Kreuzung sind, bereitstellen. Links mit längerer Reichweite 1810, zum Beispiel kompatibel mit LPWA-Standards, können Kommunikationen zwischen den IoT-Vorrichtungen und den Gateways 1710 bereitstellen. Um das Diagramm zu vereinfachen, wurde nicht jeder Kommunikationslink 1808 oder 1810 mit einem Bezugszeichen bezeichnet.
Die Fog-Vorrichtung 1802 kann als ein massiv verschaltetes Netzwerk betrachtet werden, wobei eine Anzahl von IoT-Vorrichtungen miteinander in Kommunikation steht, zum Beispiel durch die Kommunikationslinks 1808 und 1810. Das Netzwerk kann unter Verwenden der Standard-Spezifikation 1.0 des Open Interconnect Consortium (OIC), herausgegeben von der Open Connectivity Foundation™ (OCF) am 23. Dezember 2015, verschaltet sein. Dieser Standard erlaubt es Vorrichtungen, einander zu entdecken und Kommunikationen für Verschaltungen aufzubauen. Andere Verschaltungsprotokolle können auch verwendet werden, einschließlich, zum Beispiel, das Routing-Protokoll für niedrige Leistungen (Routing Protocol for Low-Power (RPL), das Optimized-Link-State-Routing-(OLSR)-Protokoll oder das Better Approach to Mobile Ad-Hoc Networking (B.A.T.M.A.N.) unter vielen anderen.
Kommunikationen von einer beliebigen IoT-Vorrichtung können entlang des günstigsten Wegs zwischen beliebigen der IoT Vorrichtungen weitergegeben werden, um die Gateways 1710 zu erreichen. In diesen Netzwerken stellt die Anzahl von Verschaltungen substantielle Redundanz bereit, erleichtert das Warten der Kommunikationen sogar mit dem Verlust einer Anzahl von IoT-Vorrichtungen.
Nicht alle der IoT-Vorrichtungen sind ständige Mitglieder der Fog-Vorrichtung 1802. Bei dem Beispiel in der Zeichnung 1800, haben sich drei transiente IoT-Vorrichtungen zu der Fog-Vorrichtung 1802 gesellt, ein erstes Fahrzeug 1812, ein zweites Fahrzeug 1814 und ein Fußgänger 1816. In diesen Fällen kann die IoT-Vorrichtung in die Fahrzeuge 1812 und 1814 gebaut sein oder kann eine Applikation auf einem Mobiltelefon, das von dem Fußgänger 1816 getragen wird, sein.
Die Fog-Vorrichtung 1802 der Vorrichtungen kann Clients in der Cloud 1702, wie dem Server 1704, als eine einzige Vorrichtung präsentiert werden, die sich an dem Rand der Cloud 1702 befindet. Bei diesem Beispiel können die Steuerkommunikationen zu spezifischen Ressourcen in der Fog-Vorrichtung 1802 auftreten, ohne irgendeine spezifische IoT-Vorrichtung innerhalb der Fog-Vorrichtung 1802 zu identifizieren. Falls eine IoT-Vorrichtung versagt, können folglich andere IoT-Vorrichtungen fähig sein, eine Ressource zu entdecken und zu steuern. Die Ampeln 1804 können zum Beispiel derart verdrahtet sein, dass sie es einer beliebigen der Ampeln 1804 erlauben, Lampen für die anderen Ampeln 1804 zu steuern.
Bei einigen Beispielen können die IoT-Vorrichtungen unter Verwenden eines zwingenden Programmstils konfiguriert werden, zum Beispiel mit jeder IoT-Vorrichtung, die eine spezifische Funktion und Kommunikationspartner aufweist. Die IoT-Vorrichtungen, die die Fog-Vorrichtung 1802 bilden, können jedoch in einem deklarativen Programmierstil programmiert sein, der es den IoT-Vorrichtungen erlaubt, ihre Vorgänge und Kommunikationen neu zu konfigurieren, um zum Beispiel erforderliche Ressourcen als Reaktion auf Bedingungen, Abfragen und Vorrichtungsausfälle zu bestimmen. Das kann ausgeführt werden, während transiente IoT-Vorrichtungen, wie der Fußgänger 1816, zu der Fog-Vorrichtung 1802 stoßen. Da es wahrscheinlich ist, dass der Fußgänger 1816 langsamer fortschreitet als die Fahrzeuge 1812 und 1814, kann sich die Fog-Vorrichtung 1802 selbst neu konfigurieren, um sicherzustellen, dass der Fußgänger 1816 ausreichend Zeit hat, durch die Kreuzung durchzukommen. Das kann ausgeführt werden, indem eine zeitweilige Gruppe von Fahrzeugen 1812 und 1814 und des Fußgängers 1816 gebildet wird, um die Ampeln 1804 zu steuern. Falls eines oder beide der Fahrzeuge 1812 oder 1814 autonom sind, kann die zeitweilige Gruppe die Fahrzeuge anweisen, vor den Ampeln 1804 langsamer zu werden.
Während die transienten Vorrichtungen 1812, 1814 und 1816 die Nähe der Kreuzung verlassen, kann sich die Fog-Vorrichtung 1802 selbst neu konfigurieren, um diese IoT-Vorrichtungen aus dem Netzwerk zu entfernen. Während sich andere transiente IoT-Vorrichtungen der Kreuzung nähern, kann sich die Fog-Vorrichtung 1802 neu konfigurieren, um diese Vorrichtungen einzuschließen.
Die Fog-Vorrichtung 1802 kann die Ampeln 1804 für eine Anzahl von Kreuzungen, wie entlang einer Straße, gemeinsam mit allen transienten IoT-Vorrichtungen entlang der Straße aufweisen. Die Fog-Vorrichtung 1802 kann sich dann selbst in Funktionseinheiten teilen, wie die Ampeln 1804 und die anderen loT-Vorrichtungen in der Nähe einer einzelnen Kreuzung. Dieser Typ von Kombination kann das Bilden großer IoT-Konstrukte in der Fog-Vorrichtung 1802 ermöglichen. Falls zum Beispiel ein Einsatzfahrzeug zu der Fog-Vorrichtung 1802 stößt, kann ein Einsatzkonstrukt oder eine virtuelle Vorrichtung geschaffen werden, das/die alle der Ampeln 1804 für die Straße aufweist, was es erlaubt, die Verkehrsflussmuster für die gesamte Straße zu steuern. Das Einsatzkonstrukt kann die Ampeln 1804 entlang der Straße anweisen, für entgegenkommenden Verkehr rot zu bleiben, und grün für das Einsatzfahrzeug, was die Passage des Einsatzfahrzeugs beschleunigt. Schließlich sind viele andere ähnliche und unterschiedliche Konfigurationen und Anwendungen, die nicht mit Fahrzeugverkehr zusammenhängen, relevant und anwendbar.
19 ist ein Blockschaltbild eines Beispiels von Komponenten, die in einer IoT-Vorrichtung 900 zum Verwalten von Sensoren in einem IoT-System vorliegen können. Die IoT-Vorrichtung 1900 kann beliebige Kombinationen der Bauteile, die in dem Beispiel gezeigt sind, aufweisen. Die Bauteile können als ICs, Abschnitte davon, als getrennte elektronische Vorrichtungen oder andere Module, Logik, Hardware, Software, Firmware oder eine Kombination davon, die in der IoT-Vorrichtung 1900 angepasst ist, oder als Bauteile, die anderswie innerhalb eines Chassis eines größeren Systems eingebaut sind, umgesetzt werden. Das Blockschaltbild der 19 soll eine Ansicht hohen Niveaus der Bauteile der loT-Vorrichtung 1900 zeigen. Einige der Bauteile, die gezeigt sind, können jedoch weggelassen werden, zusätzliche Bauteile können vorhanden sein, und unterschiedliche Anordnungen der gezeigten Bauteile können bei anderen Umsetzungen auftreten.
Die IoT-Vorrichtung 1900 kann einen Prozessor 1902 aufweisen, der ein Mikroprozessor, ein Multikernprozessor, ein Multithreaded Prozessor, ein Ultra-Low-Voltage-Prozessor, ein eingebetteter Prozessor oder ein anderes bekanntes Verarbeitungselement ein kann. Der Prozessor 1902 kann ein Teil eines Systems auf einem Chip (System on A Chip - SoC) sein, wobei der Prozessor 1902 und andere Bauteile in eine einzige integrierte Schaltung oder ein einziges Package gebildet sind, wie die Edison™- oder Galileo™-SoC-Platten von Intel. Als ein Beispiel kann der Prozessor 1902 einen auf Intel® Architecture Core™ basierenden Prozessor, wie einen Quark™-, einen Atom™-, einen i3-, einen i5-, einen i7-Prozessor oder einen Prozessor der MCU-Klasse oder einen anderen solchen Prozessor, der bei Intel® Corporation, Santa Clara, CA erhältlich ist, aufweisen.. Eine beliebige Anzahl anderer Prozessoren kann jedoch verwendet werden, wie die, die bei Advanced Micro Devices, Inc. (AMD) in Sunnyvale, CA, erhältlich sind, ein auf MIPS basierendes Design von MIPS Technologies, Inc. in Sunnyvale, CA, ein auf ARM basierendes Design unter Lizenz von ARM Holdings, Ltd. oder eines Kunden davon, oder ihrer Lizenznehmer und Adopter. Die Prozessoren können Einheiten wie einen A5-A9-Prozessor von Apple® Inc., einen Snapdragon™-Prozessor von Qualcomm® Technologies, Inc., oder einen OMAP™-Prozessor von Texas Instruments, Inc. aufweisen.
Der Prozessor 1902 kann mit einem Systemspeicher 1904 über einen Bus 1906 kommunizieren. Eine beliebige Anzahl von Speichervorrichtungen kann verwendet werden, um eine gegebene Menge von Systemspeicher bereitzustellen. Als Beispiele kann der Speicher ein Direktzugriffsspeicher (Random Access Memory - RAM) in Übereinstimmung mit einem auf Joint Electron Devices Engineering Council (JEDEC) Low Power Double Data Rate (LPDDR) basierenden Design, wie dem aktuellen LPDDR2-Standard gemäß JEDEC JESD 209-2E (veröffentlicht im April 2009), oder eines LPDDR-Standards nächster Generation, wie LPDDR3 oder LPDDR4 sein, der Erweiterungen zu LPDDR2 bietet, um die Bandbreite zu erhöhen. Bei diversen Umsetzungen können die individuellen Speichervorrichtungen eine beliebige Anzahl unterschiedlicher Package-Typen sein, wie Single Die Package (SDP), Dual Die Package (DDP) oder Quad Die Package (Q17P). Diese Bauteile können bei einigen Ausführungsformen direkt auf eine Hauptplatine gelötet werden, um eine Lösung mit niedrigerem Profil bereitzustellen, während die Bauteile bei anderen Ausführungsformen als ein oder mehrere Speichermodule konfiguriert sind, die mit der Hauptplatine durch einen gegebenen Steckverbinder koppeln. Eine beliebige Anzahl anderer Speicherumsetzungen kann verwendet werden, wie andere Typen von Speichermodulen, zum Beispiel Dual-Inline-Memory-Modules (DIMMs) unterschiedlicher Arten, einschließlich, ohne darauf beschränkt zu sein, MicroDIMMs oder MiniDIMMs. Ein Speicher kann zum Beispiel zwischen 2 GB und 16 GB betragen und kann als ein DDR3LM-Package oder ein LPDDR2- oder LPDDR3-Speicher konfiguriert sein, der auf eine Hauptplatine über ein Kugelmatrix-Array (Ball-Grid-Array - BGAs) gelötet wird.
Zum Bereitstellen persistenter Speicherung von Informationen wie Daten, Anwendungen, Betriebssystemen usw., kann ein Massenspeicher 908 auch mit dem Prozessor 1902 über den Bus 1906 koppeln. Um ein dünneres und leichteres Systemdesign zu ermöglichen, kann der Massenspeicher 1908 über ein Solid State Disk Drive (SSDD) umgesetzt werden. Andere Vorrichtungen, die für den Massenspeicher 1908 verwendet werden können, weisen Flash-Speicherkarten, wie SD-Karten, MicroSD-Karten, xD-Bildkarten und dergleichen sowie USB-Flash-Laufwerke auf. Bei Niederleistungsumsetzungen kann der Massenspeicher 1908 ein Speicher auf Die oder Register, die mit dem Prozessor 1902 assoziiert sind, sein. Bei einigen Beispielen kann der Massenspeicher 1908 jedoch unter Verwenden eines Mikro-Festplattenlaufwerks (Hard Disk Drive-HDD) umgesetzt werden. Ferner kann eine beliebige Anzahl neuer Technologien für den Massenspeicher 1908 zusätzlich oder an Stelle der beschriebenen Technologien verwendet werden, wie, unter anderen, Widerstandswechselspeicher, Phasenwechselspeicher, holographische Speicher oder chemische Speicher. Die IoT-Vorrichtung 1900 kann zum Beispiel die 3D-XPOINT-Speicher von Intel® und Micron® enthalten.
Die Bauteile können über den Bus 1906 kommunizieren. Der Bus 1906 kann eine beliebige Anzahl von Technologien aufweisen, einschließlich Industry Standard Architecture (ISA), Extended ISA (EISA), Peripheral Component Interconnect (PCI), Peripheral Component Interconnect Extended (PCIx), PCI Express (PCIe) oder eine beliebige Anzahl anderer Technologien. Der Bus 1906 kann ein proprietärer Bus sein, der zum Beispiel in einem auf SoC basierenden System verwendet wird. Andere Bussysteme können enthalten sein, wie, unter anderen, eine 12C-Schnittstelle, eine SPI-Schnittstelle, Punkt-zu-Punkt-Schnittstellen und ein Leistungsbus.
Der Bus 1906 kann den Prozessor 1902 mit einem Mesh-Transceiver 1910 für Kommunikationen mit anderen Mesh-Vorrichtungen 1912 koppeln. Der Mesh-Transceiver 1910 kann eine beliebige Anzahl von Frequenzen und Protokollen verwenden, wie 2,4-Gigahertz-(GHz)-Übertragungen unter dem IEEE-802.15.4-Standard, unter Verwenden, unter anderen, des Bluetooth®-Low-Energy-(BLE)-Standards, wie von der Bluetooth® Special Interest Group definiert, oder des ZigBee®-Standards. Eine beliebige Anzahl von Funkgeräten, die für ein bestimmtes drahtloses Kommunikationsprotokoll konfiguriert sind, kann für die Verbindungen mit den Mesh-Vorrichtungen 1912 verwendet werden. Eine WLAN-Einheit kann zum Beispiel zum Umsetzen von Wi-Fi™-Kommunikationen in Übereinstimmung mit dem Standard 802.11 des Institute of Electrical and Electronics Engineers (IEEE) 802.11 verwendet werden. Zusätzlich können drahtlose Wide-Area-Kommunikationen zum Beispiel gemäß einem zellularen oder anderen drahtlosen Wide-Area-Protokoll, über eine WWAN-Einheit erfolgen.
Der Mesh-Transceiver 1910 kann unter Verwenden mehrerer Standards oder Funkgeräte für Kommunikationen in unterschiedlichen Bereichen kommunizieren. Die IoT-Vorrichtung 1900 kann zum Beispiel mit nahen Vorrichtungen kommunizieren, zum Beispiel innerhalb von etwa 10 Metern, unter Verwenden eines lokalen Transceivers basierend auf BLE oder eines anderen Niederleistungsfunkgeräts zum Sparen von Strom kommunizieren. Entferntere Mesh-Vorrichtungen 1912, zum Beispiel innerhalb von etwa 50 Metern, können über ZigBee oder andere Funkgeräte mittlerer Leistung erreicht werden. Beide Kommunikationstechniken können über einen einziges Funkgerät mit unterschiedlichen Leistungspegeln stattfinden, oder können über separate Transceiver stattfinden, zum Beispiel über einen lokalen Transceiver, der BLE verwendet, und einen separaten Mesh-Transceiver, der ZigBee verwendet. Der Mesh-Transceiver 1910 kann in eine MCU als eine Adresse, die direkt durch den Chip zugänglich ist, wie in den Curie®-Einheiten, die bei Intel verfügbar sind, eingebaut sein.
Ein Uplink-Transceiver 1914 kann enthalten sein, um mit Vorrichtungen in der Cloud 102 zu kommunizieren. Der Uplink-Transceiver 1914 kann ein LPWA-Transceiver sein, der unter anderen dem Standard IEEE 802.15.4 oder IEEE 802.15.4g entspricht. Die IoT-Vorrichtung 1900 kann über ein weites Gebiet unter Verwenden des LoRaWAN™ (Long Range Wide Area Network), das von Semtech und LoRa Alliance entwickelt wurde, kommunizieren. Die hierin beschriebenen Techniken sind nicht auf diese Technologien beschränkt, können aber mit einer beliebigen Anzahl anderer Cloud-Transceiver, die Langstreckenkommunikationen mit niedriger Bandbreite, wie Sigfox, und andere Technologien umsetzen, verwendet werden. Ferner können andere Kommunikationstechniken, wie Time Slotted Channel Hopping, das in IEEE 802.15.4e beschrieben ist, verwendet werden.
Eine beliebige Anzahl anderer Funkkommunikationen und Protokolle kann zusätzlich zu den Systemen, die für den Misch-Transceiver 1910 und Uplink-Transceiver 1914 erwähnt sind, wie hierin beschrieben, verwendet werden. Die Funktransceiver 1910 und 1912 können eine LTE oder anderen zellularen Transceiver aufweisen, der Spread-Spectrum-(SPA/SAS)-Kommunikationen zum Umsetzen von Hochgeschwindigkeits-Kommunikationen, wie für Videotransfers, verwendet. Ferner kann eine beliebige Anzahl anderer Protokolle verwendet werden, wie Wi-Fi-Netzwerke für Kommunikationen mit mittlerer Geschwindigkeit, wie Standbilder, Sensorablesungen und Bereitstellung von Netzwerkkommunikationen.
Die Funktransceiver 1910 und 1914 können Funkgeräte aufweisen, die mit einer beliebigen Anzahl von 3GPP-(Third Generation Partnership Project)-Spezifikationen kompatibel sind, insbesondere Long Term Evolution (LTE), Long Term Evolution-Advanced (LTE-A) und Long Term Evolution-Advanced Pro (LTE-A Pro). Zellulare Standards, wie LTE-Machine-Type Communication (LTE-M), LTE-Narrowband (LTE-NB) oder Variationen davon können anwendbar sein. Zu bemerken ist, dass Funkgeräte, die mit einer beliebigen Anzahl anderer stationärer, mobiler oder Satellitenkommunikationstechnologien und -standards kompatibel sind, ausgewählt werden können. Diese weisen zum Beispiel beliebige Cellular-Wide-Area-Funkkommunikationstechnologie auf, die zum Beispiel Kommunikationssysteme fünfter Generation (5G), eine Global System for Mobile Communications (GSM) Funkkommunikationstechnologie, eine General Packet Radio Service (GPRS) Funkkommunikationstechnologie oder eine Enhanced Data Rates for GSM Evolution (RAND) Funkkommunikationstechnologie aufweisen kann. Andere Funkkommunikationstechnologie vom Typ Partnership Project (3GPP), die verwendet werden kann, umfasst UMTS (Universal Mobile Telecommunications System), FOMA (Freedom of Multimedia Access), 3GPP LTE (Long Term Evolution), 3GPP LTE Advanced (Long Term Evolution Advanced), 3GPP LTE Advanced Pro (Long Term Evolution Advanced Pro)), CDMA2000 (Code Division Multiple Access 2000), CDPD (Cellular Digital Packet Data), Mobitex, 3G (Third Generation), CSD (Circuit Switched Data), HSCSD (High-Speed Circuit-Switched Data), UMTS (3G) (Universal Mobile Telecommunications System (Third Generation)), W-CDMA (UMTS) (Wideband Code Division Multiple Access (Universal Mobile Telecommunications System)), HSPA (High Speed Packet Access), HSDPA (High-Speed Downlink Packet Access), HSUPA (High-Speed Uplink Packet Access), HSPA+ (High Speed Packet Access Plus), UMTS-TDD (Universal Mobile Telecommunications System - Time-Division Duplex), TD-CDMA (Time Division - Code Division Multiple Access), TD-SCDMA (Time Division - Synchronous Code Division Multiple Access), 3GPP Rel. 8 (Pre-4G) (3rd Generation Partnership Project Release 8 (Pre-4th Generation)), 3GPP Rel. 9 (3rd Generation Partnership Project Release 9), 3GPP Rel. 10 (3rd Generation Partnership Project Release 10), 3GPP Rel. 11 (3rd Generation Partnership Project Release 11), 3GPP Rel. 12 (3rd Generation Partnership Project Release 12), 3GPP Rel. 13 (3rd Generation Partnership Project Release 13), 3GPP Rel. 14 (3rd Generation Partnership Project Release 14), 3GPP LTE Extra, LTE Licensed-Assisted Access (LAA), UTRA (UMTS Terrestrial Radio Access), E-UTRA (Evolved UMTS Terrestrial Radio Access), LTE Advanced (4G) (Long Term Evolution Advanced (4th Generation)), cdmaOne (2G), CDMA2000 (3G) (Code Division Multiple Access 2000 (Third Generation)), EV-DO (Evolution-Data Optimized or Evolution-Data Only), AMPS (1G) (Advanced Mobile Phone System (1st Generation)), TACS/ETACS (Total Access Communication System/Extended Total Access Communication System), D-AMPS (2G) (Digital AMPS (2nd Generation)), PTT (Push-to-talk), MTS (Mobile Telephone System), IMTS (Improved Mobile Telephone System), AMTS (Advanced Mobile Telephone System), OLT (norwegisch für Offentlig Landmobil Telefoni, Public Land Mobile Telephony), MTD (schwedische Abkürzung für Mobiltelefoniesystem D oder Mobile Telephony System D), Autotel/PALM (Public Automated Land Mobile), ARP (finnisch für Autoradiopuhelin, „Fahrzeugfunktelefon“), NMT (Nordic Mobile Telephony), Hicap (High Capacity Version of NTT (Nippon Telegraph and Telephone)), CDPD (Cellular Digital Packet Data), Mobitex, DataTAC, iDEN (Integrated Digital Enhanced Network), PDC (Personal Digital Cellular), CSD (Circuit Switched Data), PHS (Personal Handy-phone System), WiDEN (Wideband Integrated Digital Enhanced Network), iBurst, Unlicensed Mobile Access (UMA, auch 3GPP Generic Access Network oder GAN-Standard genannt)), Wireless Gigabit Alliance (WiGig) Standard, mmWave-Standards im Allgemeinen (drahtlose Systeme, die bei 10-90 GHz und darüber arbeiten, wie WiGig, IEEE 802.11ad, IEEE 802.11ay und dergleichen. Zusätzlich zu den oben aufgelisteten Standards kann eine beliebige Anzahl von Satelliten-Uplink-Technologien für den Uplink-Transceiver 1914 verwendet werden, einschließlich, zum Beispiel, Funkgeräte, die mit den Standards übereinstimmen, die unter anderen von der ITU (International Telecommunication Union) oder dem ETSI (European Telecommunications Standards Institute) herausgegeben werden. Die hierin bereitgestellten Beispiele werden daher als an diverse andere Kommunikationstechnologien, sowohl existierende, als bisher noch nicht formulierte, anwendbar verstanden.
Ein Netzwerkschnittstellencontroller (Network Interface Controller - NIC) 1916 kann vorhanden sein, um eine verdrahtete Kommunikation zu der Cloud 1702 bereitzustellen. Die verdrahtete Kommunikation kann eine Internet-Verbindung bereitstellen oder kann auf anderen Typen von Netzwerken basieren, wie, unter anderen, Controller Area Network (CAN), Local Interconnect Network (LIN), DeviceNet, ControlNet, Data Highway+, PROFIBUS oder PROFINET. Ein zusätzlicher NIC 1916 kann enthalten sein, um den Anschluss an ein zweites Netzwerk zu erlauben, zum Beispiel einen NIC 1916, der Kommunikationen zu der Cloud über Ethernet bereitstellt, und einen zweiten NIC 1916, der Kommunikationen zu anderen Vorrichtungen über einen beliebigen Netzwerktyp bereitstellt.
Was die Darstellung von NIC, Uplink und Mesh-Transceiver betrifft, kann es in dem allgemeinen Fall für QW-Knoten mindestens zwei physische Schnittstellen geben. Eine Schnittstelle für das Mesh mit niedrigerer Leistung (zum Beispiel IEEE 802.15.4), das Mesh- und Routing-Fähigkeit als Teil des Stapels aufweisen kann. Eine zweite physische Schnittstelle kann Internetprotokoll (Internet Protocol - IP)-Netzwerkfähigkeit aufweisen, die das „Uplink“-Melden von Daten zu der Cloud-Entität ausführt.
Der Bus 906 kann den Prozessor 1902 mit einer Schnittstelle 1918 koppeln, die zum Verbinden externer Vorrichtungen verwendet werden kann. Die externen Vorrichtungen können Sensoren 1920 aufweisen, wie Beschleunigungsmesser, Pegelsensoren, Flusssensoren, Temperatursensoren, Drucksensoren, Luftdrucksensoren und dergleichen. Die Schnittstelle 1918 kann zum Verbinden der IoT-Vorrichtung 900 mit Aktuatoren 1922, wie Stromschaltern, Ventilaktuatoren und einem Generator hörbaren Tons, einer visuellen Warnvorrichtung und dergleichen verwendet werden.
Obwohl es nicht gezeigt ist, können diverse Eingangs-/Ausgangs-(E/A)-Vorrichtungen innerhalb der IoT-Vorrichtung 1900 vorhanden oder mit ihr verbunden sein. Ein Display kann zum Beispiel enthalten sein, um Informationen, wie Sensorablesungen oder Aktuatorposition, zu zeigen. Eine Eingabevorrichtung, wie ein Touchscreen oder ein Tastenfeld, kann zum Entgegennehmen Akzeptieren von Eingabe enthalten sein.
Die IoT-Vorrichtung 1900 kann in der Tat eine oder mehrere E/A-Schnittstellen aufweisen, wie eine Anzeigeschnittstelle 1938 und eine Mensch-Maschinen-(MM)-Schnittstelle 1942. Die Anzeigeschnittstelle 1938 kann Videos sowie Audio unterbringen. Bei dem veranschaulichten Beispiel kann ein Display 1940 mit der Anzeigeschnittstelle 1938 gekoppelt werden. Das Display 1940 kann die Anzeige von Daten bereitstellen, einschließlich IoT-Daten, die über IoT-Systeme gesammelt werden. Das Display 1940 kann Technologien wie Flüssigkristall-Display (Liquid Cristal Display - LCD), Licht emittierende Dioden (Light Emitting Diodes - LED), organische LED (OLED), Gas-Plasma usw. enthalten. Das Display 1940 kann ein einfaches Display oder ein komplexeres Display sein. Das Display 1940 kann ein interaktives Display sein und Benutzereingabe entgegennehmen. Bei einigen Beispielen kann das Display 1940 einen Touchscreen für Benutzereingabe aufweisen. Das Display 1940 kann Knöpfe oder Druckknöpfe aufweisen und mit virtuellen Symbolen, auswählbaren oder Multi-Touch-Menüs, einer grafischen Benutzeroberfläche (Graphical User Interface - GUI) usw. konfiguriert sein.
Eine Schnittstellenvorrichtung 1944 kann mit der MM-Schnittstelle 1942 (HMI) gekoppelt sein. Die Schnittstellenvorrichtung 1944 kann einen Touchscreen, eine Maus, Tastaturen, Knöpfe und dergleichen aufweisen. Die MM-Schnittstelle 1942 kann Hardware und Code zum Entgegennehmen menschlicher Interaktion und Eingabe aufweisen. Darüber hinaus, obschon das Display 1940 und die Schnittstellenvorrichtung 1944 als mit der IoT-Vorrichtung 1900 gekoppelt oder Teil von ihr abgebildet sind, können diverse Knoten und Vorrichtungen durch IoT-Systeme hindurch mit einer Anzeigevorrichtung oder Schnittstellenvorrichtung für das Anzeigen von IoT-Daten und menschliche Interaktion gekoppelt oder assoziiert sein.
Eine Batterie 1924 kann die IoT-Vorrichtung 1900 mit Strom versorgen, obwohl bei Beispielen, bei welchen die IoT-Vorrichtung 1900 an einem stationären Ort montiert ist, diese eine Stromversorgung aufweisen kann, die mit einem Stromnetz gekoppelt ist. Die Batterie 1924 kann eine Lithium-Ion-Batterie, eine Metall-Luft-Batterie, wie eine Zink-Luft-Batterie, eine Aluminium-Luft-Batterie, eine Lithium-Luft-Batterie und dergleichen sein.
Ein Batteriemonitor / -auflader 1926 kann in der IoT-Vorrichtung 1900 enthalten sein, um den Ladezustand (State of Charge (SoCh)) der Batterie 1924 zu verfolgen. Der Batteriemonitor / -auflader 1926 kann verwendet werden, um andere Parameter der Batterie 1924 zu überwachen, um Ausfallvorhersage bereitzustellen, wie den Gesundheitszustand (State of Health - SoH) und den Funktionszustand (State of Function - SoF) der Batterie 1924. Der Batteriemonitor / -auflader 1926 kann eine integrierte Schaltung zur Batterieüberwachung aufweisen, wie eine LTC4020 oder eine LTC2990 von Linear Technologies, eine ADT7488A von ON Semiconductor, in Phoenix Arizona, oder eine IC der UCD90xxx-Familie von Texas Instruments in Dallas, TX. Der Batteriemonitor / -auflader 1926 kann die Information über die Batterie 1924 zu dem Prozessor 1902 über den Bus 1906 kommunizieren. Der Batteriemonitor / -auflader 1926 kann auch einen Analog-Digital-Wandler (ADC) aufweisen, der es dem Prozessor 1902 erlaubt, die Spannung der Batterie 1924 oder den Stromfluss von der Batterie 1924 direkt zu überwachen. Die Batterieparameter können verwendet werden, um Aktionen zu bestimmen, die die IoT-Vorrichtung 1900 ausführen kann, wie Übertragungsfrequenz, Mesh-Netzwerkbetrieb, Abtastfrequenz und dergleichen. Das kann zu den Ausfallsvorgängen, die ausgeführt werden, die oben besprochen sind, zurückgemeldet werden.
Ein Leistungsblock 1928 oder eine andere Leistungsversorgung, die mit einem Netz gekoppelt ist, kann mit dem Batteriemonitor / -auflader 1926 gekoppelt sein, um die Batterie 1924 aufzuladen. Bei einigen Beispielen kann der Leistungsblock 1928 mit einem drahtlosen Leistungsempfänger ersetzt werden, um die Leistung drahtlos zu erhalten, zum Beispiel durch eine Ringantenne in der IoT-Vorrichtung 1900. Eine drahtlose Batterieladeschaltung, wie, unter anderen, ein LTC4020-Chip von Linear Technologies in Milpitas, CA, kann in dem Batteriemonitor / -auflader 1926 enthalten sein. Die ausgewählten spezifischen Ladeschaltungen hängen von der Größe der Batterie 1924 und daher von dem erforderlichen Strom ab. Das Laden kann unter Verwenden, unter anderen, des Airfuel-Standards, der von Airfuel Alliance gefördert wird, des drahtlosen Qi-Ladestandards, der von Wireless Power Consortium gefördert wird, des Rezence-Ladestandards, der von der Alliance for Wireless Power gefördert wird, ausgeführt werden.
Der Massenspeicher 1908 kann eine Anzahl von Modulen aufweisen, um den hierin beschriebenen Sensor umzusetzen. Der Block 1930 kann zum Beispiel ausführbarer Code zum Umsetzen der Sensorverwaltung sein. Die Sensorverwaltung kann das Bestimmen des jeweiligen Gesundheitsbetriebszustands der Sensoren, Berücksichtigen der Umgebung der Sensoren, Variieren der Abtastfrequenz der Sensoren, Paaren einiger der Sensoren und dergleichen involvieren.
Obschon redundante Sensoren eingesetzt werden, kann ein Aspekt darin bestehen, weniger redundante Sensoren zu haben als üblich, indem der Gebrauch verschlechterter Sensoren eines Gesundheitszwischenniveaus durch Paaren fortgesetzt wird. Bestimmte Ausführungsformen des Sensorverwalters 1930 können sich mit Vorwegnahme (zum Beispiel dynamischer Vorwegnahme) von Sensorverschlechterung und Ausfall sowie mit der Anwendbarkeit von Paaren eines verschlechterten Sensors mit einem anderen Sensor oder redundanten Sensor befassen. Das gilt in dem Kontext vitaler Sensorfunktionen und von Rand- oder Fog-Elementen. Mit oder in einer lokalen Rand- oder Fog-Vorrichtungskonfiguration (siehe zum Beispiel 15 bis 19) kann Redundanz für vitale Messungen zum Ersetzen oder Paaren in den vernetzten Vorrichtungen umgesetzt werden, wenn sich eine normale oder vitale Sensorfunktion in das Gesundheitszwischenniveau verlagert. Diese Redundanz und dieses Paaren können eine Funktion der Schwellenwerte und anderer Faktoren, die oben besprochen wurden, sein. Das kann wieder bezüglich Fog-Networking-Elementen umgesetzt werden.
Schließlich, obwohl das als Codeblock 1930 in dem Massenspeicher 1908 gezeigt ist, versteht man, dass das Sensorverwaltungsmodul mit fest verdrahteten Schaltungen ersetzt werden kann, die zum Beispiel in eine anwendungsspezifische integrierte Schaltung (ASIC) eingebaut sind. Der Massenspeicher 1908 kann ferner andere Funktionsblöcke aufweisen und speichern, wie eine Steuer-UI zum Zugreifen auf Konfigurationsparameter, und ein Automatisierungsframework, das Anwendungsprogrammschnittstellen (Application Program Interfaces - APIs) für die Wechselwirkung von Canned Trigger Scripts vorsehen. Andere Funktionsblöcke, die vorhanden sein können, weisen beschleunigte Verarbeitungseinheiten (Accelerated Processing units - APUs) in dem Automatisierungsframework auf, die einen Standardsatz von Timing-Informationen austauschen, der es erlaubt, Scripts zu triggern, um synchrone im Vergleich gestaffelte Starts zu identifizieren. Eine IoT-Datenbank kann enthalten sein, um Arbeitsablauf-Konfigurationsinformationen, beobachtete Systemleistung und resultierende Lösungscharakteristiken zu speichern. Interaktionen mit der IoT-Datenbank können über die Steuer-UI abgewickelt werden.
In der Beschreibung und in den Ansprüchen, können die Begriffe „gekoppelt“ und „verbunden“ gemeinsam mit ihren Ableitungen verwendet werden. Man muss verstehen, dass diese Begriffe nicht als Synonyme füreinander gedacht sind. Bei besonderen Ausführungsformen kann „verbunden“ stattdessen verwendet werden, um anzugeben, dass zwei oder mehrere Elemente in direkter physischer oder elektrischer Berührung miteinander stehen. „Gekoppelt“ kann bedeuten, dass zwei oder mehrere Elemente in direkter physischer oder elektrischer Berührung stehen. Der Begriff „gekoppelt“ kann jedoch auch bedeuten, dass zwei oder mehrere Elemente nicht in direkter Berührung miteinander stehen, aber trotzdem miteinander zusammenwirken oder interagieren.
Einige Ausführungsformen können in einer oder einer Kombination aus Hardware, Firmware und Software umgesetzt werden. Einige Ausführungsformen können auch als Anweisungen umgesetzt werden, die auf einem maschinenlesbaren Medium gespeichert sind, das durch eine Rechenplattform gelesen und ausgeführt werden kann, um die hierin beschriebenen Vorgänge auszuführen. Ein maschinenlesbares Medium kann einen beliebigen Mechanismus zum Speichern oder Übertragen von Informationen in einer Form, die von einer Maschine, zum Beispiel einem Computer, lesbar ist, aufweisen. Ein maschinenlesbares Medium kann zum Beispiel unter anderen Nurlesespeicher (ROM); Direktzugriffsspeicher (RAM); Magnetplatten-Speichermedien; optische Speichermedien; Flash-Speichervorrichtungen; oder elektrische, optische, akustische oder andere Formen ausgebreiteter Signale, zum Beispiel Trägerwellen, Infrarotsignale, digitale Signale oder die Schnittstellen, die Signale übertragen oder empfangen, aufweisen.
Eine Ausführungsform ist eine Umsetzung oder ein Beispiel. Der Verweis in der Patentschrift auf „eine Ausführungsform“, „1 Ausführungsform“, „einige Ausführungsformen“, „diverser Ausführungsformen“ oder „andere Ausführungsformen“ bedeutet, dass ein besonderes Merkmal, eine Struktur oder eine Charakteristik, die in Zusammenhang mit den Ausführungsformen beschrieben ist, in mindestens einigen Ausführungsformen aber nicht notwendigerweise in allen Ausführungsformen enthalten ist. Die diversen Erwähnungen „einer Ausführungsform“, „1 Ausführungsform“ oder „einige Ausführungsformen“ verweisen nicht notwendigerweise auf dieselben Ausführungsformen. Elemente oder Aspekte aus einer Ausführungsform können mit Elementen oder Aspekten einer anderen Ausführungsform kombiniert werden.
Nicht alle Bauteile, Merkmale, Strukturen, Charakteristiken usw., die hierin beschrieben und veranschaulicht sind, brauchen in einer besonderen Ausführungsform oder Ausführungsformen enthalten zu sein. Falls die Patentschrift angibt, dass ein Bauteil, Merkmal, eine Struktur oder eine Charakteristik enthalten sein „kann“ oder „könnte“, braucht das besondere Bauteil, Merkmal, die Struktur oder die Charakteristik nicht unbedingt enthalten zu sein. Falls die Patentschrift oder der Anspruch auf „ein“ Element verweist, bedeutet das nicht, dass nur ein solches Element vorhanden ist. Falls die Patentschrift oder die Ansprüche auf „ein zusätzliches“ Element verweisen, schließt das nicht aus, dass mehr als ein zusätzliches Element vorhanden ist.
Obwohl einige Ausführungsformen unter Bezugnahme auf besondere Umsetzungen beschrieben wurden, sind andere Umsetzungen gemäß einigen Ausführungsformen möglich. Zusätzlich brauchen die Anordnung und/oder die Reihenfolge von Schaltungselementen oder anderen Merkmalen, die in den Zeichnungen veranschaulicht und/oder hierin beschrieben sind, nicht in der besonderen Art angeordnet zu sein, die veranschaulicht und beschrieben wurde. Viele andere Anordnungen sind gemäß einigen Ausführungsformen möglich.
Bei jedem in einer Fig. bezeichneten System können die Elemente in einigen Fällen jeweils dasselbe Bezugszeichen oder unterschiedliche Bezugszeichen haben, um anzudeuten, dass die dargestellten Elemente unterschiedlich oder ähnlich sein könnten. Ein Element kann jedoch ausreichend anpassungsfähig sein, um unterschiedliche Umsetzungen zu haben und mit einigen oder allen der hier gezeigten und beschriebenen Systeme zu arbeiten. Die unterschiedlichen Elemente, die in den Figuren gezeigt sind, können dieselben oder unterschiedlich sein. Welches als ein erstes Element bezeichnet wird, und welches als ein zweites Element bezeichnet wird, ist willkürlich.
Es werden Beispiele gegeben. Beispiel 1 ist ein Verfahren zum Verwalten von Sensoren in einem System durch eine Rechenvorrichtung. Das Verfahren weist das Bestimmen von Gesundheitsbetriebszuständen der Sensoren korrelativ mit Genauigkeit der Sensoren auf, wobei die Abtastfrequenz der Sensoren zum Bestimmen der Gesundheitsbetriebszustände dynamisch ist; das Einstufen der Sensoren anhand ihres jeweiligen Gesundheitsbetriebszustands, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand aufweisen, in dem abgetastete Daten weniger genau sind als in dem H-Zustand und genauer als in dem U-Zustand; und das Paaren von zwei Sensoren, die jeweils den Zwischenzustand aufweisen, um ein Paar zu ergeben, das den H-Zustand aufweist.
Beispiel 2 weist das Verfahren des Beispiels 1 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Einstufen Echtzeit-Einstufung von Betriebssensoren, wobei Sensordaten von einem H-Zustand-Sensor im Wesentlichen genau sind, und wobei Sensordaten von einem U-Zustand-Sensor nicht akzeptabel sind.
Beispiel 3 weist das Verfahren eines der Beispiele 1 bis 2 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen der Sensoren eine Bootstrap-Abtastfrequenz für neue Sensoren, die online gebracht werden, auf.
Beispiel 4 weist das Verfahren eines der Beispiele 1 bis 3 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen der Gesundheitsbetriebszustände der Sensoren das Parametrieren einer Umgebung, in der die Sensoren angeordnet sind, auf.
Beispiel 5 weist das Verfahren eines der Beispiele 1 bis 4 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen, die die dynamische Abtastfrequenz umfassen, das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor auf, wobei der H-Zustand als eine Genauigkeit von Sensordaten von mindestens 90 % definiert ist, und wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen. Optional sind für einen M-Zustand-Sensor einige abgetastete Daten genau und andere abgetastete Daten sind ungenau, oder die Abweichung abgetasteter Daten von genau folgt einem Muster, oder eine Kombination davon. Optional weist das Verfahren das Assoziieren eines M-Zustand-Sensors mit einem H-Zustand-Sensor auf, um Exposition des H-Zustand-Sensors zu reduzieren; das Bestimmen eines Bereichs, für den der M-Zustand-Sensor im Wesentlichen genau ist; das Deaktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die in dem Bereich auftreten; und das Aktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten. Optional weist das Verfahren das Erhöhen der Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors auf; und das Verarbeiten einer Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand, wobei ein W-Zustand-Sensor nicht allein verwendet werden kann. Optional weist das Verfahren das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, auf. Optional weist das Verfahren das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors auf.
Beispiel 6 weist das Verfahren eines der Beispiele 1 bis 5 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel weist das Verfahren das Isolieren von Daten aus einem U-Zustand-Sensor auf, wobei das System ein IoT-System umfasst, wobei die Sensoren IoT-Sensoren umfassen, und wobei die Rechenvorrichtung eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder einen IoT-Smart-Sensor umfasst.
Beispiel 7 weist das Verfahren eines der Beispiele 1 bis 6 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung von Sensorgesundheit, bei der die Abtastfrequenz eines Sensors von der Genauigkeitsabweichung eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon auf.
Beispiel 8 ist ein System zum Abtasten von Daten. Das System weist Sensoren zum Messen der Daten auf; und einen Sensorverwalter, um Gesundheitsbetriebszustände der Sensoren zu bestimmen und die Sensoren nach ihrem jeweiligen Gesundheitsbetriebszustand einzustufen, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand aufweisen, in dem die abgetasteten Daten weniger genau sind als für den H-Zustand und genauer als für den U-Zustand, und wobei der Sensorverwalter zwei Sensoren, die jeweils den Zwischenzustand aufweisen, paaren soll, um ein Paar, das den H-Zustand aufweist, zu ergeben.
Beispiel 9 weist das Verfahren des Beispiels 8 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel ist der Sensorverwalter in einem Speicher des Systems gespeichert und durch einen Prozessor des Systems ausführbar, wobei der H-Zustand der Zustand ist, in dem Sensordaten im Wesentlichen genau sind, und der U-Zustand der Zustand ist, in dem Sensordaten nicht verwendbar sind.
Beispiel 10 weist das System eines der Beispiele 8 bis 9 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel weist das System eine Gateway-Vorrichtung auf, um die Daten von den Sensoren zu empfangen und die Daten zu einer Cloud-Infrastruktur bereitzustellen, wobei der Sensorverwalter in der Cloud-Infrastruktur oder auf der Gateway-Vorrichtung angeordnet ist, oder eine Kombination davon, und wobei das System ein Internet-der-Dinge-(IoT)-System umfasst und die Sensoren IoT-Sensoren umfassen.
Beispiel 11 weist das System eines der Beispiele 8 bis 10 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor auf, wobei die Abtastfrequenz dynamisch ist, wobei der H-Zustand als eine Genauigkeit von Sensordaten von mindestens 90 % definiert ist, und wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen. Optional sind für einen M-Zustand-Sensor einige abgetastete Daten genau und andere abgetastete Daten sind ungenau, oder die Abweichung abgetasteter Daten von genau folgt einem Muster, oder eine Kombination davon. Optional soll der Sensorverwalter: einen M-Zustand-Sensor mit einem H-Zustand-Sensor paaren, um Exposition des H-Zustand-Sensors zu reduzieren; den H-Zustand-Sensor als Reaktion auf Ablesungen des M-Zustand-Sensors, die in dem Bereich auftreten, für den der M-Zustand-Sensor im Wesentlichen genau ist, deaktivieren; und H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten, aktivieren. Optional umfasst das Bestimmen von Gesundheitsbetriebszuständen das Umsetzen steigender Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen des der Einsatzdauer des Sensors. Optional umfasst das Bestimmen von Gesundheitsbetriebszuständen das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, oder als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors, oder eine Kombination davon.
Beispiel 12 weist das System eines der Beispiele 8 bis 11 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel soll der Sensorverwalter mehrere W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand gruppieren, und wobei das Bestimmen von Gesundheitsbetriebszuständen der Sensoren eine adaptive Beurteilung von Sensorgesundheit umfasst, bei der die Abtastfrequenz eines Sensors von einer Genauigkeitsabweichung eines Sensors oder Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, oder einer Kombination davon abhängt.
Beispiel 13 ist ein konkretes, nichtflüchtiges, computerlesbares Medium. Das computerlesbare Medium weist Anweisungen auf, die den Prozessor anweisen, Gesundheitsbetriebszustände von Sensoren in einem System korrelativ mit der Genauigkeit der Sensoren zu bestimmen und zuzuweisen, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand umfassen, der im Wesentlichen genau ist, einen nicht gesunden (U)-Zustand, und einen dazwischen auftretenden Zustand, der weniger genau ist als der H-Zustand und genauer ist als der U-Zustand, wobei das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit umfasst, wobei eine Abtastfrequenz eines Sensors zum Bestimmen der Genauigkeit von einer Genauigkeitsabweichung eines Sensors oder einer Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon; Erhöhen der Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors; und das Paaren von zwei Sensoren, die jeweils den Zwischenzustand aufweisen, um ein Paar, das den H-Zustand aufweist, zu ergeben.
Beispiel 14 weist das computerlesbare Medium des Beispiels 13 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel ist eine H-Zustand-Sensor fähig, allein außerhalb eines Paars von Sensoren genau abzutasten, und wobei das Bestimmen von Gesundheitsbetriebszuständen das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, oder als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors oder eine Kombination davon umfasst.
Beispiel 15 weist das computerlesbare Medium eines der Beispiele 13 bis 14 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor, wobei die Abtastfrequenz dynamisch ist, wobei der H-Zustand eine Genauigkeit von Sensordaten von mindestens 90 % umfasst, und wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen, wobei für einen M-Zustand-Sensor einige abgetastete Daten genau sind und andere abgetastete Daten ungenau sind. Optional Anweisungen, die, wenn sie von einem Prozessor ausgeführt werden, den Prozessor zu Folgendem anweisen: Paaren eines M-Zustand-Sensors mit einem H-Zustand-Sensor, um Exposition des H-Zustand-Sensors zu reduzieren; Deaktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die in einem Bereich auftreten, für den der M-Zustand-Sensor im Wesentlichen genau ist; und Aktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten; und Gruppieren mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand.
Beispiel 16 ist ein Verfahren zum Verwalten von Sensoren in einem System durch eine Rechenvorrichtung. Das Verfahren weist Anweisungen auf, die den Prozessor anweisen, Gesundheitsbetriebszustände der Sensoren korrelativ mit Genauigkeit der Sensoren zu bestimmen, wobei die Abtastfrequenz der Sensoren zum Bestimmen der Gesundheitsbetriebszustände dynamisch ist; das Einstufen der Sensoren anhand ihres jeweiligen Gesundheitsbetriebszustands, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand aufweisen, in dem abgetastete Daten weniger genau sind als in dem H-Zustand und genauer als in dem U-Zustand, wobei Sensordaten von einem H-Zustand-Sensor im Wesentlichen genau sind, und wobei Sensordaten aus einem U-Zustand-Sensor nicht akzeptabel sind; und das Paaren von zwei Sensoren, die jeweils den Zwischenzustand aufweisen, um ein Paar zu ergeben, das den H-Zustand aufweist.
Beispiel 17 weist das Verfahren des Beispiels 16 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen, das die dynamische Abtastfrequenz umfasst, das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor auf, wobei der H-Zustand als eine Genauigkeit von Sensordaten von mindestens 90 % definiert ist, wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen, und wobei für einen M-Zustand-Sensor einige abgetastete Daten genau sind und andere abgetastete Daten ungenau sind, oder die Abweichung abgetasteter Daten von genau einem Muster folgt, oder eine Kombination davon. Optional weist das Verfahren das Assoziieren eines M-Zustand-Sensors mit einem H-Zustand-Sensor auf, um Exposition des H-Zustand-Sensors zu reduzieren; das Bestimmen eines Bereichs, für den der M-Zustand-Sensor im Wesentlichen genau ist; das Deaktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die in dem Bereich auftreten; und das Aktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten. Optional weist das Verfahren das Erhöhen der Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors auf, oder als Reaktion darauf, dass der Sensor anormale Werte meldet, oder als Reaktion auf einen umfangreicheren Einsatz eines empfindlichen Teils des Sensors oder eine beliebigen Kombination davon; und das Verarbeiten einer Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand, wobei ein W-Zustand-Sensor nicht allein verwendet werden kann. Optional weist das Verfahren das Isolieren von Daten aus einem U-Zustand-Sensor auf, wobei das System ein IoT-System umfasst, wobei die Sensoren IoT-Sensoren umfassen, und wobei die Rechenvorrichtung eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder einen IoT-Smart-Sensor umfasst. Optional umfasst das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit, bei der die Abtastfrequenz eines Sensors von der Genauigkeitsabweichung eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon ist.
Beispiel 18 ist ein System zum Abtasten von Daten. Das System weist Anweisungen auf, die den Prozessor anweisen zu Sensoren, um die Daten zu messen; und einen Sensorverwalter zum Bestimmen von Gesundheitsbetriebszuständen der Sensoren und Einstufen der Sensoren nach ihrem jeweiligen Gesundheitsbetriebszustand, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand aufweisen, in dem abgetastete Daten weniger genau sind als für den H-Zustand und genauer als für den U-Zustand, wobei der Sensorverwalter Code umfasst, der in dem Speicher des Systems gespeichert und durch einen Prozessor des Systems ausführbar ist, wobei der H-Zustand der Zustand ist, in dem Sensordaten im Wesentlichen genau sind, und der U-Zustand der Zustand ist, in dem Sensordaten nicht verwendbar sind, und wobei der Sensorverwalter zwei Sensoren, die jeweils den Zwischenzustand aufweisen, paaren soll, um ein Paar, das einen H-Zustand aufweist, zu erhalten.
Beispiel 19 weist das Verfahren des Beispiels 18 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel weist das System eine Gateway-Vorrichtung auf, um die Daten von den Sensoren zu empfangen und die Daten zu einer Cloud-Infrastruktur bereitzustellen, wobei der Sensorverwalter in der Cloud-Infrastruktur oder auf der Gateway-Vorrichtung angeordnet ist, oder eine Kombination davon, und wobei das System ein Internet-der-Dinge-(IoT)-System umfasst und die Sensoren IoT-Sensoren umfassen.
Beispiel 20 weist das System eines der Beispiele 18 bis 19 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen, das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor, wobei die Abtastfrequenz dynamisch ist, wobei der H-Zustand als eine Genauigkeit von Sensordaten von mindestens 90 % definiert ist, wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden Zustand (M) und einen geringfügig gesunden (W) Zustand umfassen, und wobei für einen M-Zustand-Sensor einige abgetastete Daten genau sind und andere abgetastete Daten ungenau sind, oder die Abweichung abgetasteter Daten von genau einem Muster folgt, oder eine Kombination davon.
Beispiel 21 weist das System eines der Beispiele 18 bis 20 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel soll der Sensorverwalter: einen M-Zustand-Sensor mit einem H-Zustand-Sensor paaren, um Exposition des H-Zustand-Sensors zu reduzieren; den H-Zustand-Sensor als Reaktion auf Ablesungen des M-Zustand-Sensors, die in einem Bereich auftreten, für den der M-Zustand-Sensor im Wesentlichen genau ist, deaktivieren; und den H-Zustand-Sensor als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten, aktivieren; und mehrere W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand gruppieren. Optional umfasst das Bestimmen von Gesundheitsbetriebszuständen das Umsetzen des Erhöhens der Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors, oder das Umsetzen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, oder das Umsetzen des Erhöhens der Abtastfrequenz als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors oder beliebige Kombinationen davon.
Beispiel 22 ist ein Verfahren zum Verwalten von Sensoren in einem System durch eine Rechenvorrichtung. Das Verfahren weist Anweisungen auf, die den Prozessor anweisen, Gesundheitsbetriebszustände der Sensoren korrelativ mit Genauigkeit der Sensoren zu bestimmen, wobei die Abtastfrequenz der Sensoren zum Bestimmen der Gesundheitsbetriebszustände dynamisch ist; die Sensoren anhand ihres jeweiligen Gesundheitsbetriebszustands einzustufen, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen dazwischen auftretenden Zustand aufweisen, in dem abgetastete Daten weniger zuverlässig sind als in dem H-Zustand und zuverlässiger als in dem U-Zustand; und zwei Sensoren, die jeweils den Zwischenzustand aufweisen zu paaren, um ein Paar zu ergeben, das den H-Zustand aufweist.
Beispiel 23 weist das Verfahren des Beispiels 22 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Einstufen der Sensoren Echtzeit-Einstufung arbeitender Sensoren.
Beispiel 24 weist das Verfahren eines der Beispiele 22 bis 23 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel sind die Sensordaten aus einem H-Zustand-Sensor im Wesentlichen genau, und die Sensordaten aus einem U-Zustand-Sensordaten sind nicht akzeptabel.
Beispiel 25 weist das Verfahren eines der Beispiele 22 bis 24 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel weist das Verfahren das Isolieren von Daten aus einem U-Zustand-Sensor auf.
Beispiel 26 weist das Verfahren eines der Beispiele 22 bis 25 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen der Sensoren eine Bootstrap-Abtastfrequenz für neue Sensoren, die online gebracht werden.
Beispiel 27 weist das Verfahren eines der Beispiele 22 bis 26 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen der Gesundheitsbetriebszustände der Sensoren das Parametrieren einer Umgebung, in der die Sensoren angeordnet sind.
Beispiel 28 weist das Verfahren eines der Beispiele 22 bis 27 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen, die die dynamische Abtastfrequenz umfassen, das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor.
Beispiel 29 weist das Verfahren eines der Beispiele 22 bis 28 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel wird der H-Zustand als eine Genauigkeit von Sensordaten von mindestens 90 % definiert.
Beispiel 30 weist das Verfahren eines der Beispiele 22 bis 29 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel weist das Verfahren das Erhöhen der Abtastfrequenz eines Sensors korrelativ mit dem Steigern der Einsatzdauer des Sensors auf. Optional weist das Verfahren das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, auf. Optional weist das Verfahren das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors auf.
Beispiel 31 weist das Verfahren eines der Beispiele 22 bis 30 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst der dazwischen auftretende Zustand mehrere dazwischen auftretende Zustände, die einen mäßig gesunden (M)-Zustand und einen geringfügig gesunden (W) Zustand umfassen. Optional sind für einen M-Zustand-Sensor einige abgetastete Daten genau und andere abgetastete Daten sind ungenau. Optional folgt für einen M-Zustand-Sensor die Abweichung mindestens einiger abgetasteter Daten einem Muster. Optional weist das Verfahren das Assoziieren eines M-Zustand-Sensors mit einem H-Zustand-Sensor auf, um Exposition des H-Zustand-Sensors zu reduzieren; das Bestimmen eines Bereichs, für den der M-Zustand-Sensor im Wesentlichen genau ist; das Deaktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die in dem Bereich auftreten; und das Aktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten. Optional weist das Verfahren das Verarbeiten einer Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand auf, wobei ein W-Zustand-Sensor allein nicht akzeptabel verwendet werden kann.
Beispiel 32 weist das Verfahren eines der Beispiele 22 bis 31 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das System ein IoT-System, wobei die Sensoren IoT-Sensoren umfassen, und wobei die Rechenvorrichtung eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder einen IoT-Smart-Sensor umfasst.
Beispiel 33 weist das Verfahren eines der Beispiele 22 bis 32 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit, bei der die Abtastfrequenz eines Sensors von der Genauigkeitsabweichung eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon ist.
Beispiel 34 ist ein konkretes, nichtflüchtiges, computerlesbares Medium. Das computerlesbare Medium weist Anweisungen auf, die den Prozessor anweisen, Gesundheitsbetriebszustände der Sensoren korrelativ mit der Genauigkeit der Sensoren zu bestimmen, wobei die Abtastfrequenz der Sensoren zum Bestimmen der Gesundheitsbetriebszustände dynamisch ist; das Einstufen der Sensoren anhand ihres jeweiligen Gesundheitsbetriebszustands, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand umfassen, in dem die abgetasteten Daten weniger genau sind als der H-Zustand und genauer als der U-Zustand; und das Paaren von zwei Sensoren, die jeweils den Zwischenzustand aufweisen, um ein Paar, das den H-Zustand aufweist, zu ergeben.
Beispiel 35 weist das computerlesbare Medium des Beispiels 34 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Einstufen der Sensoren Echtzeit-Einstufung arbeitender Sensoren.
Beispiel 36 weist das computerlesbare Medium eines der Beispiele 34 bis 35 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel sind die Sensordaten aus einem H-Zustand-Sensor im Wesentlichen genau, und die Sensordaten aus einem U-Zustand-Sensordaten sind nicht akzeptabel.
Beispiel 37 weist das computerlesbare Medium eines der Beispiele 34 bis 36 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel weisen die Anweisungen den Prozessor an, wenn sie von dem Prozessor ausgeführt werden, Daten aus einem U-Zustand-Sensor zu isolieren.
Beispiel 38 weist das computerlesbare Medium eines der Beispiele 34 bis 37 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen der Sensoren eine Bootstrap-Abtastfrequenz für neue Sensoren, die online gebracht werden.
Beispiel 39 weist das computerlesbare Medium eines der Beispiele 34 bis 38 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen der Gesundheitsbetriebszustände der Sensoren das Parametrieren einer Umgebung, in der die Sensoren angeordnet sind.
Beispiel 40 weist das computerlesbare Medium eines der Beispiele 34 bis 39 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen, die die dynamische Abtastfrequenz aufweisen, das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor.
Beispiel 41 weist das computerlesbare Medium eines der Beispiele 34 bis 40 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst der H-Zustand eine Genauigkeit von Sensordaten von mindestens 90 %.
Beispiel 42 weist das computerlesbare Medium eines der Beispiele 34 bis 41 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel weisen die Anweisungen, wenn sie von dem Prozessor ausgeführt werden, den Prozessor an, die Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors zu erhöhen. Optional weisen die Anweisungen, wenn sie von dem Prozessor ausgeführt werden, den Prozessor an, das Erhöhen der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, zu beschleunigen. Optional weisen die Anweisungen, wenn sie von dem Prozessor ausgeführt werden, den Prozessor an, das Erhöhen der Abtastfrequenz als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors zu beschleunigen.
Beispiel 43 weist das computerlesbare Medium eines der Beispiele 34 bis 42 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst der Zwischenzustand mehrere Zwischenzustände, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen. Optional sind für einen M-Zustand-Sensor einige abgetastete Daten genau und andere abgetastete Daten sind ungenau. Optional folgt für einen M-Zustand-Sensor die Abweichung mindestens einiger abgetasteter Daten einem Muster. Optional weisen die Anweisungen, wenn sie von einem Prozessor ausgeführt werden, den Prozessor zu Folgendem an: Assoziieren eines M-Zustand-Sensors mit einem H-Zustand-Sensor, um Exposition des H-Zustand-Sensors zu reduzieren; Bestimmen eines Bereichs, für den der M-Zustand-Sensor im Wesentlichen genau ist; Deaktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die in dem Bereich auftreten; und Aktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten. Optional weisen die Anweisungen, wenn sie von dem Prozessor ausgeführt werden, den Prozessor an, eine Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand zu verarbeiten, wobei ein W-Zustand-Sensor allein nicht akzeptabel verwendet werden kann.
Beispiel 44 weist das computerlesbare Medium eines der Beispiele 34 bis 43 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das System ein IoT-System, wobei die Sensoren IoT-Sensoren umfassen, und wobei die Rechenvorrichtung eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder einen IoT-Smart-Sensor umfasst.
Beispiel 45 weist das computerlesbare Medium eines der Beispiele 34 bis 44 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit, bei der die Abtastfrequenz eines Sensors von der Genauigkeitsabweichung eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon ist.
Beispiel 46 ist ein System zum Verwalten arbeitender Sensoren. Das System weist Anweisungen auf, die den Prozessor zu Mitteln anweisen, um Gesundheitsbetriebszustände der Sensoren korrelativ mit Genauigkeit der Sensoren zu bestimmen, wobei die Abtastfrequenz der Sensoren zum Bestimmen der Gesundheitsbetriebszustände dynamisch ist; zu Mitteln zum Einstufen der Sensoren anhand ihres jeweiligen Gesundheitsbetriebszustands, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand umfassen, in dem abgetastete Daten weniger genau sind als in dem H-Zustand und genauer als in dem U-Zustand; und zu Mitteln zum Paaren von zwei Sensoren, die jeweils den Zwischenzustand aufweisen, um ein Paar zu ergeben, das den H-Zustand aufweist.
Beispiel 47 weist das Verfahren des Beispiels 46 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel sind die Sensordaten aus einem H-Zustand-Sensor im Wesentlichen genau, und die Sensordaten aus einem U-Zustand-Sensordaten sind nicht akzeptabel. Optional weist das Systemmittel zum Isolieren von Daten, die durch einen U-Zustand-Sensor gegeben werden, auf.
Beispiel 48 weist das System der Beispiele 46 bis 47 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das Mittel zum Bestimmen von Gesundheitsbetriebszuständen der Sensoren das Berücksichtigen einer Bootstrap-Abtastfrequenz für neue Sensoren, die online gebracht werden, auf.
Beispiel 49 weist das System der Beispiele 46 bis 48 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel parametriert das Mittel zum Bestimmen das Bestimmen von Gesundheitsbetriebszuständen der Sensoren eine Umgebung, in der die Sensoren angeordnet sind.
Beispiel 50 weist das System der Beispiele 46 bis 49 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel setzt Mittel zum Bestimmen von Gesundheitsbetriebszuständen die dynamische Abtastfrequenz um, die Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor umfasst. Optional umfasst der H-Zustand eine Genauigkeit von Sensordaten von mindestens 90 %.
Beispiel 51 weist das System der Beispiele 46 bis 50 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel setzen die Mittel zum Bestimmen von Gesundheitsbetriebszuständen das Erhöhen der Abtastfrequenz eines Sensors korrelativ mit dem Steigern der Einsatzdauer des Sensors um. Optional beschleunigen die Mittel zum Bestimmen von Gesundheitsbetriebszuständen das Erhöhen der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet. Optional beschleunigen die Mittel zum Bestimmen von Gesundheitsbetriebszuständen das Erhöhen der Abtastfrequenz als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors.
Beispiel 52 weist das System der Beispiele 46 bis 51 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst der Zwischenzustand mehrere Zwischenzustände, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen. Optional sind für einen M-Zustand-Sensor einige abgetastete Daten genau und andere abgetastete Daten sind ungenau. Optional folgt für einen M-Zustand-Sensor die Abweichung mindestens einiger abgetasteter Daten einem Muster. Optional weist das System Mittel zum Assoziieren eines M-Zustand-Sensors mit einem H-Zustand-Sensor auf, um Exposition des H-Zustand-Sensors zu reduzieren; Mittel zum Bestimmen eines Bereichs, für den der M-Zustand-Sensor im Wesentlichen genau ist; Mittel zum Deaktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die in dem Bereich auftreten; und Mittel zum Aktivieren des H-Zustand-Sensors als Reaktion auf Ablesungen des M-Zustand-Sensors, die außerhalb des Bereichs auftreten. Optional weist das System Mittel zum Verarbeiten einer Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand auf, wobei ein W-Zustand-Sensor allein nicht akzeptabel verwendet werden kann.
Beispiel 53 weist das System der Beispiele 46 bis 52 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel umfasst das System ein IoT-System, wobei die Sensoren IoT-Sensoren umfassen, und wobei die Rechenvorrichtung eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder einen IoT-Smart-Sensor umfasst.
Beispiel 54 weist das System der Beispiele 46 bis 53 einschließlich oder ausschließlich optionaler Merkmale auf. Bei diesem Beispiel setzen die Mittel zum Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit um, bei der die Abtastfrequenz eines Sensors von der Genauigkeitsabweichung eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon.
Man muss verstehen, dass die Besonderheiten in den oben erwähnten Beispielen nach Belieben in einer oder mehreren Ausführungsformen verwendet werden können. Alle optionalen Merkmale der Rechenvorrichtung, die oben beschrieben sind, können zum Beispiel auch bezüglich eines beliebigen der Verfahren, die hierin beschrieben sind, oder eines computerlesbaren Mediums umgesetzt werden. Des Weiteren, und obwohl Ablaufdiagramme oder Zustandsdiagramme hierin eventuell verwendet wurden, um Ausführungsformen zu beschreiben, sind die vorliegenden Techniken nicht auf diese Diagramme oder auf entsprechende Beschreibungen hierin beschränkt. Der Ablauf braucht sich zum Beispiel nicht durch jedes veranschaulichte Kästchen oder jeden Zustand oder in genau derselben Reihenfolge wie hierin veranschaulicht und beschrieben zu bewegen.
Die vorliegenden Techniken sind nicht auf besondere Einzelheiten, die hierin aufgelistet sind, beschränkt. Der Fachmann wird bei Nutzung dieser Offenbarung zu schätzen wissen, dass viele andere Variationen der oben stehenden Beschreibung und Zeichnungen innerhalb des Schutzbereichs der vorliegenden Techniken erfolgen können. Es sind folglich die folgenden Ansprüche einschließlich beliebiger Abänderungen an ihnen, die den Schutzbereich der vorliegenden Techniken definieren.

Claims

Verfahren zum Verwalten von Sensoren in einem System durch eine Rechenvorrichtung, das Folgendes umfasst: Bestimmen von Gesundheitsbetriebszuständen der Sensoren korrelativ mit der Genauigkeit der Sensoren, wobei eine Abtastfrequenz der Sensoren zum Bestimmen der Gesundheitsbetriebszustände dynamisch ist; Einstufen der Sensoren nach ihrem jeweiligen Gesundheitsbetriebszustand, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand umfassen, in dem die abgetasteten Daten weniger genau sind als der H-Zustand und genauer als der U-Zustand; und Paaren von zwei Sensoren, die jeweils den Zwischenzustand aufweisen, um ein Paar, das den H-Zustand aufweist, zu ergeben.
Verfahren nach Anspruch 1, wobei das Einstufen der Sensoren Echtzeit-Einstufung von Betriebssensoren umfasst, wobei Sensordaten von einem H-Zustand-Sensor im Wesentlichen genau sind, und wobei Sensordaten von einem U-Zustand-Sensor nicht akzeptabel sind.
Verfahren nach Anspruch 1, wobei das Bestimmen von Gesundheitsbetriebszuständen der Sensoren eine Bootstrap-Abtastfrequenz für neue Sensoren, die online gebracht werden, umfasst.
Verfahren nach Anspruch 1, wobei das Bestimmen der Gesundheitsbetriebszustände der Sensoren das Parametrieren einer Umgebung, in der die Sensoren angeordnet sind, umfasst.
Verfahren nach Anspruch 1, wobei das Bestimmen von Gesundheitsbetriebszuständen, die die dynamische Abtastfrequenz umfassen, das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor umfasst, wobei der H-Zustand als eine Genauigkeit von Sensordaten von mindestens 90 % definiert ist, und wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen.
Verfahren nach Anspruch 5, wobei für einen M-Zustand-Sensor einige abgetastete Daten genau und andere abgetastete Daten ungenau sind, oder die Abweichung der abgetasteten Daten von genau einem Muster folgt, oder eine Kombination davon.
Verfahren nach Anspruch 5, das Folgendes umfasst: Assoziieren eines M-Zustand-Sensors mit einem H-Zustand-Sensor, um Exposition des H-Zustand-Sensors zu reduzieren; Bestimmen eines Bereichs, für den der M-Zustand-Sensor im Wesentlichen genau ist; Deaktivieren des H-Zustand-Sensors als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors in dem Bereich auftreten; und Aktivieren des H-Zustand-Sensors als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors außerhalb des Bereichs auftreten.
Verfahren nach Anspruch 5, das Folgendes umfasst: Erhöhen der Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors; und Verarbeiten einer Gruppierung mehrerer W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand, wobei ein W-Zustand-Sensor nicht allein verwendet werden kann.
Verfahren nach Anspruch 5, das das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, umfasst.
Verfahren nach Anspruch 5, das das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors umfasst.
Verfahren nach Anspruch 1, das das Isolieren von Daten aus einem U-Zustand-Sensor umfasst, wobei das System ein IoT-System umfasst, wobei die Sensoren IoT-Sensoren umfassen, und wobei die Rechenvorrichtung eine IoT-Gateway-Vorrichtung, eine Cloud-Rechenvorrichtung oder einen IoT-Smart-Sensor umfasst.
Verfahren nach Anspruch 1, wobei das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit, bei der die Abtastfrequenz eines Sensors von der Genauigkeitsabweichung eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon.
System zum Abtasten von Daten, das Folgendes umfasst: Sensoren zum Messen der Daten; und einen Sensorverwalter zum Bestimmen von Gesundheitsbetriebszuständen der Sensoren und Einstufen der Sensoren nach ihrem jeweiligen Gesundheitsbetriebszustand, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand, einen nicht gesunden (U) Zustand und einen Zwischenzustand umfassen, in dem die abgetasteten Daten weniger genau sind als für den H-Zustand und genauer als für den U-Zustand, und wobei der Sensorverwalter zwei Sensoren, die jeweils den Zwischenzustand aufweisen, paaren soll, um ein Paar, das den H-Zustand aufweist, zu ergeben.
System nach Anspruch 13, wobei der Sensorverwalter ein Code ist, der in dem Speicher des Systems gespeichert und durch einen Prozessor des Systems ausführbar ist, wobei der H-Zustand der Zustand ist, in dem Sensordaten im Wesentlichen genau sind, und der U-Zustand der Zustand ist, in dem Sensordaten nicht verwendbar sind.
System nach Anspruch 13, das eine Gateway-Vorrichtung umfasst, um die Daten von den Sensoren zu empfangen und die Daten zu einer Cloud-Infrastruktur bereitzustellen, wobei der Sensorverwalter in der Cloud-Infrastruktur oder auf der Gateway-Vorrichtung angeordnet ist, oder eine Kombination davon, und wobei das System ein Internet-der-Dinge-(IoT)-System umfasst und die Sensoren IoT-Sensoren umfassen.
System nach Anspruch 13, wobei das Bestimmen von Gesundheitsbetriebszuständen das Abtasten der Sensoren und das Vergleichen abgetasteter Daten mit einem Referenzsensor umfasst, wobei die Abtastfrequenz dynamisch ist, wobei der H-Zustand als eine Genauigkeit von Sensordaten von mindestens 90 % definiert ist, und wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen.
System nach Anspruch 16, wobei für einen M-Zustand-Sensor einige abgetastete Daten genau und andere abgetastete Daten ungenau sind, oder die Abweichung der abgetasteten Daten von genau einem Muster folgt, oder eine Kombination davon.
System nach Anspruch 16, wobei der Sensorverwalter: einen M-Zustand-Sensor mit einem H-Zustand-Sensor paart, um Exposition des H-Zustand-Sensors zu reduzieren; den H-Zustand-Sensor als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors in einem Bereich auftreten, für den der M-Zustand-Sensor im Wesentlichen genau ist, deaktiviert; und den H-Zustand-Sensor als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors außerhalb des Bereichs auftreten, aktiviert.
System nach Anspruch 16, wobei das Bestimmen von Gesundheitsbetriebszuständen das Umsetzen steigender Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors umfasst.
System nach Anspruch 16, wobei das Bestimmen von Gesundheitsbetriebszuständen das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, oder als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors, oder eine Kombination davon umfasst.
System nach Anspruch 13, wobei der Sensorverwalter mehrere W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand gruppieren soll, und wobei das Bestimmen von Gesundheitsbetriebszuständen der Sensoren eine adaptive Beurteilung von Sensorgesundheit umfasst, bei der die Abtastfrequenz eines Sensors von einer Abweichung der Genauigkeit eines Sensors oder Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon umfasst.
Konkretes, nichtflüchtiges, computerlesbares Medium, das Code umfasst, der durch einen Prozessor ausgeführt werden kann, um den Prozessor anzuweisen: Gesundheitsbetriebszustände von Sensoren in einem System korrelativ mit Genauigkeit der Sensoren zu bestimmen und zuzuweisen, wobei die Gesundheitsbetriebszustände einen gesunden (H) Zustand umfassen, der im Wesentlichen genau ist, einen nicht gesunden (U) Zustand und einen Zwischenzustand, der weniger genau ist als der H-Zustand und genauer ist als der U-Zustand, wobei das Bestimmen von Gesundheitsbetriebszuständen von Sensoren eine adaptive Beurteilung der Sensorgesundheit, bei der eine Abtastfrequenz eines Sensors zum Bestimmen der Genauigkeit von einer Abweichung der Genauigkeit eines Sensors oder der Wahrscheinlichkeit, dass der Sensor in einem aktuellen Gesundheitsbetriebszustand bleibt, abhängt, oder eine Kombination davon umfasst; Erhöhen der Abtastfrequenz eines Sensors korrelativ mit dem Erhöhen der Einsatzdauer des Sensors; und Paaren von zwei Sensoren, die jeweils den Zwischenzustand aufweisen, um ein Paar, das den H-Zustand aufweist, zu ergeben.
Konkretes, nichtflüchtiges, computerlesbares Medium nach Anspruch 22, wobei ein H-Zustand-Sensor fähig ist, allein außerhalb eines Paars von Sensoren genau abzutasten, und wobei das Bestimmen von Gesundheitsbetriebszuständen das Beschleunigen des Erhöhens der Abtastfrequenz als Reaktion darauf, dass der Sensor anormale Werte meldet, oder als Reaktion auf umfangreicheren Einsatz eines empfindlichen Teils des Sensors oder eine Kombination davon umfasst.
Konkretes, nichtflüchtiges, computerlesbares Medium nach Anspruch 22, wobei das Bestimmen von Gesundheitsbetriebszuständen das Abtasten der Sensoren und Vergleichen abgetasteter Daten mit einem Referenzsensor umfasst, wobei die Abtastfrequenz dynamisch ist, wobei der H-Zustand eine Genauigkeit von Sensordaten von mindestens 90 % umfasst, und wobei der Zwischenzustand mehrere Zwischenzustände umfasst, die einen mäßig gesunden (M) Zustand und einen geringfügig gesunden (W) Zustand umfassen, wobei für einen M-Zustand-Sensor einige abgetastete Daten genau sind und andere abgetastete Daten ungenau sind.
Konkretes, nichtflüchtiges, computerlesbares Medium nach Anspruch 24, wobei der Code, der durch den Prozessor ausführbar ist, den Prozessor anweist: einen M-Zustand-Sensor mit einem H-Zustand-Sensor zu paaren, um Exposition des H-Zustand-Sensors zu reduzieren; den H-Zustand-Sensor als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors in einem Bereich auftreten, für den der M-Zustand-Sensor im Wesentlichen genau ist, zu deaktivieren; den H-Zustand-Sensor als Reaktion darauf, dass die Ablesungen des M-Zustand-Sensors außerhalb des Bereichs auftreten, zu aktivieren; und mehrere W-Zustand-Sensoren als einen einzigen logischen Sensor in H-Zustand oder M-Zustand zu gruppieren.