Små smarta sensornoder – placerade på oåtkomliga platser dit trådar inte kan dras – är ett attraktivt scenario för industriföretag. Väl på plats kan de samla in kunskap om processen, och därmed styra den mer optimalt. Likaså kan de fånga upp förändringar, som annars skulle leda till oplanerade och dyra produktionsstopp.

Fast utmaningarna tornar upp sig.

Bengt Oelmann

– Kommunikationskanalen är mycket sämre än vid trådbunden kommunikation. Överföringskapaciteten minskar och störkänsligheten ökar. Likaså är resurserna i noderna när det gäller beräkning och energiförsörjningen begränsade, säger Bengt Oelmann, projektansvarig och professor i elektroniksystemkonstruktion på Mittuniversitetet.

Om trådlösa sensornät ska slå inom industrin är det framförallt viktigt att kunna hantera fördröjningen – den måste vara låg och förutsägbar.

En stor del i projektet går ut på att ta fram metoder för att hitta balansen mellan vad som ska beräknas lokalt och vad som ska kommuniceras över nätet. Någonstans bör det finnas ett optimum, som beror av arkitektur, protokoll och tillämpning.

Mattias O’Nils

– I vissa fall är komprimering lokalt det bästa. I andra kostar komprimeringen mycket mer än man sparar i kommunikationen. Då blir det väldigt viktigt vilken kommunikation man väljer för att överföra data, förklarar Mattias O’Nils, ansvarig för in-sensor-processing, tillika professor i elektroniksystemkonstruktion vid Mittuniversitetet.

Mattias O’Nils menar att detta är första gången ett forskarsamarbete studerat sambandet mellan komplexa sensornoder och kommunikationsprotokoll, samt hur valet av de två påverkar resultatet när man ska konstruera noderna i ett trådlöst sensornät för industrin.

– Hittills har vi teoretiskt lyckats formulera problemet, så att det går att göra större analyser. Vi har hittat sätt att reducera komplexiteten i analysen och vi har gjort ett antal fallstudier för att lära oss.

Ett exempel är en partikelanalysator i ett hydraulsystem. Här används en kamera för att titta på storlek, form och antal magnetiska partiklar i oljan. En bildanalysnod som denna är ett realistiskt industriscenario och skulle kunna användas för prediktivt underhåll då magnetiska partiklar i oljan antyder att manteln i hydraulmotorn börjat krackelera.

I sina fallstudier har forskarna främst arbetat med bildanalys – eftersom det involverar stora mängder data och komplexa beräkningar – men också vibrationer, som även de ställer höga krav på samplingshastighet och beräkningskapacitet.

– För att hitta en mer predikterbar fördröjning har vi även börjat att titta på att lägga till det vi kallar fogg. Det är ett lokalt moln som framförallt tar bort osäkerheten i internetkommunikationen, men adderar också ytterligare en beräkningsnivå.

Asis står på tre ben

Forskningsprojektet Asis – kort för Autonomous Sensors for Industrial Wireless Sensor Networks – är inne på sitt tredje år, av totalt fyra. Det är Mittuniversitetets forskningscenter STC, Sensible Things that Communicate, som fått medel av KK-stiftelsen för att ta fram modeller av trådlösa sensornät som är anpassade för industriella krav, och bara har lite energi till hands. Inom Asis samarbetar tre forskargrupper på universitetet. De är specialiserade på var sitt område: energieffektiv bearbetning av data i sensornoden, deterministisk trådlös kommunikation i realtid samt energiförsörjning genom energiskördning. I projektet ingår flera företag, däribland ABB Corporate Research, Bosch Rexroth (fd Hägglund Drives) och Shortlink.

På nodnivå delas projektet in i två huvudfåror. En är att klassificera kommunikationen. Det innebär att avgöra vilka störkällor som finns i omgivningen samt hur sensornätet ska kunna samexistera med andra protokoll.

– Den trådlösa sensornoden ska kunna känna av och mäta vad som finns i luften, klassificera vad det är för typ av protokoll och sedan rapportera in det centralt så att vårt nät kan konfigurera sig att hantera störningarna på bästa sätt, förklarar Bengt Oelmann. Rent praktiskt plockar den lilla antennen – som också används för själva kommunikationen – upp radiospektrumet i sin omgivning. Klassificeringsmetoden som forskarna utvecklat är så pass effektiv att den kan implementeras i själva noden.

– Det ultimata vore att en nod kan försörja sig på sin egen energi, men även för batteridrivna noder är det relevant att vara energieffektiv, påpekar Bengt Oelmann.

Den andra delen som berör noden handlar om intelligent partitionering av insamlat data. Helt enkelt att besluta vad som ska beräknas var för att det hela ska bli så effektivt som möjligt.

– Där har vi arbetet rätt mycket med beräkningar på FPGA:er. Vi har visat att det blir cirka 50 gånger mer energieffektivt än om samma beräkningar görs med en seriell processor, säger Mattias O’Nils.

Idag används huvudsakligen processorer inom industrin, och det passar väl för att samla in skalärvärden som exempelvis temperatur och tryck.

– För bild- och vibrationsanalys är FPGA:er mycket mer energieffektiva än processorer. Det är svårt att övertyga folk om det, men vi har testat många olika, främst Xilinx och då från Spartan-familjen. Målet är att försöka hitta metoder för att göra analyserna. Forskarna vill nå dit att de kan ge kunskap om hur man bäst ska hantera olika tillämpningar.

– Jag tror inte att det går att hitta ett verktyg som löser detta, det är för många mjuka delar som ingår, men vi vill skapa kunskap som leder till bättre val. Hittills har man satt fingret i luften och gissat.

Projektet involverar tre forskningsområden, så kallad in-sensor-processing, trådlös kommunikation och energiskördning. De två förstnämnda är tajt sammankopplade för att hitta de modeller som nämnts ovan. Men fallstudierna som gjorts har utvärderats mot batteriteknik.

– Vi har tittat på hur lång livslängd man kan åstadkomma med AA-batterier för att få jämförbara värden. Det kan man också koppla till hur mycket medelenergi man kan fånga med energy harvesting, säger Mattias O’Nils.

– Energy harvesting sätter en gräns för vad det långsiktiga målet måste vara. Energidelen i projektet har resulterar i två demonstratorer. Den ena är en varvtalsräknare, där en sensornod placerats på en roterande axeln som den plockar upp energin från. Den andra är en sensornod som övervakar oljetrycket i en hydraulmotor. Där är det rippel på oljetrycket som blir energi till sensorn.

Artikeln är tidigare publicerad i magasinet Elektroniktidningen. Prenumerera kostnadsfritt!

En tydlig begränsning för energiskördning i industritillämpningar är att ingen kommer att acceptera energikällor som inte hela tiden är närvarande.

– Det gör att vi enbart förlitar oss på spillenergi, exempelvis från motorn. Så när motorn är igång kan energin garanteras till sensorerna, säger Bengt Oelmann. Än så länge visar de två demonstratorerna enbart hur energi­skördning kan fungera i industrin.

– Men när resultaten från de andra forskargrupperna trillar in kan vi uppgradera sensornoderna med beräknings- och protokolldelen, säger Bengt Oelmann.

Bildtext-ingressen: Varvtalsräknaren skördar energi med en elektromagnetisk lösning. På den roterande axeln sitter sensornoden som integrerar energiskördaren, mems-gyro, processor, rf-transceiver och antenn.