Ambient Intelligence - PMiKpmik.imio.pw.edu.pl/pliki/WMS/WMS_8.pdf · Ambient Intelligence (C)...

1

(C) Z.Pióro, WMS_w8, zima 2008, slajd 1

Ambient Intelligence


„Ambient Intelligence” – definicja EC

Zdefiniowana w 2001r. przez The EC Information Society

Technologies Advisory Group w wizji The Information Society,

Ambient Intelligence

kładzie nacisk na większą przyjazność dla uŜytkownika,

dostarczanie efektywniejszych usług, działanie w imieniu

uŜytkownika i wspomaganie ludzkich interakcji.

W tej wizji (do roku 2010) ludzie będą otoczeni inteligentnymi

i intuicyjnymi interfejsami wbudowanymi w codzienne obiekty

rozpoznające i reagujące na indywidualną obecność w

niewidoczny sposób.

Jari Ahola, „Ambient Intelligence”, VTT, 2001


I nowszy, firmowy opis

„Ambient Intelligence is a vision where environment becomes smart, friendly, context-aware and responsive to any type of human needs. In this world, computing and networking technology coexist with people in a ubiquitous and pervasive way. In this world, numerous miniature and interconnected smart devices create a new intelligence and interact with each other seamlessly.”

ST Journal of Research, Vol 4, No 1,1977, Wireless Sensor Networks (C) Z.Pióro, WMS_w8, zima 2008, slajd 4

„Ambient Intelligence” – definicja EC

Ambient Intelligence budowane będzie w oparciu o trzy

kluczowe technologie:

� Ubiquitous Computing (wszechobecny komputing),

� Ubiquitous Communication (wszechobecną

komunikację),

� Intelligent User Interfaces (inteligentne interfejsy

uŜytkownika).

śadna z tych technologii nie moŜe obejść się bez

zaawansowanych technologii mikrosystemowych.


Ambient Intelligence Global System

WPAN Ad-Hoc Network of Picocell Ambient Transducers

T: transducerC: baseband

RF: radio link

1/person

100µW, 1Gops peak(k)bps

Ambient

WAN

10m

1m

seehearfeelWLAN Base

stations

<1W, 10Gops> 100 Mbps

>100/person

speakshow

stimulate

WBANBody Transducers100µW -(k)bps

SoC-SiP(Wearable) Assistant• biometric input• global connectivity• multimedia, games • QoS• GPS• augmented reality• health, security10..100Gops 0.1-2W

RF

T C R

Hugo De Man, „Nanoscale System Design Challenges: Business as Usual?”, K.U.Leuven/ IMECWPAN - wireless personal area network (C) Z.Pióro, WMS_w8, zima 2008, slajd 6

Ambient Intelligence - USA

CITRIS focuses on using IT to provide solutions togrand-challenge social and commercial problemsaffecting the quality of life of Californians andpeople around the world.

2


Najnowszy „manifest” INTELA„Obecny model uŜytkowania komputerów ma charakter interaktywny, co oznacza, Ŝe bezpośrednio oddziałujemy na nasze komputery osobiste, telefony komórkowe, PDA.

W niedalekiej przyszłości większość komputerów wtopi się głęboko w otoczenie. Ukryją się w naszych ubraniach, domach, drogach, gospodarstwach rolnych, szpitalach i fabrykach. W sytuacji, kiedy kaŜdy z nas będzie miał do czynienia z setkami lub tysiącami

komputerów, bezpośrednie oddziaływanie przestanie być moŜliwe. Nadchodzi czas przejścia od interaktywnego do proaktywnego uŜytkowania komputerów.Proaktywne komputery będą przewidywały nasze potrzeby, a czasami będą

nawet działały w naszym imieniu.”

„Instrum

enting

the

World”, Intel, F

eb. 2

004

Dobra technologia to taka, której nie widać – do takich nie zalicza się jeszcze

obecna technologia komputerowa!! Choć bywa juŜ nieźle; vide - samochody!(C) Z.Pióro, WMS_w8, zima 2008, slajd 8

The Internet of ThingsThe Internet of Things, ITU Report,November 2005

• “Machine-to-machine communications and person-to-computer communicationswill be extended to things, from everyday household objects to sensorsmonitoring the movement of the Golden Gate Bridge or detecting earth tremors.Everything from tyres to toothbrusheswill fall within communications range,heralding the dawn of a new era.”

• “technologies that will drive the futureInternet of Things, including radio-frequency identification (RFID), sensortechnologies, smart things and nanotechnology and miniaturization”


The Internet of Things• “The vast majority of the one billion of Internet connections worldwide are devices used directly by humans, such as computers and mobile handsets. But we are entering a new age in which the number of "things" connected to the internet will be much larger than the number of "people". The term „Internet of Things” describes the vision of pervasive and "hidden" computing in which IP-connected devices will be embedded in the environment all around us. The key technological drivers behind the Internet of Things are likely to be radio-frequency identification (RFID), sensors, nanotechnology and intelligent systems.

• The Internet of Things requires us to view cyberspace in a different way. It is always-connected, responsive, adaptive and, above all,omnipresent in all aspects of our lives. The technology is here, butthere is a challenge to build new business models and applications that will exploit the new capabilities.”


ITU Internet Reports 2005: The Internet of Things

“The Internet of Things is a technological revolution that represents the future of computing and communications, and its development depends on dynamic technical innovation in a number of important fields, from wireless sensors to nanotechnology.”


A new dimension

from anytime, any place connectivity for anyone, we will now have connectivity for anything (C) Z.Pióro, WMS_w8, zima 2008, slajd 12

Smart Dust

3


Wiele zaleŜności wykładniczych → smart dust

� Układy cyfrowe– szybkość, pamięć– wymiary, moc, cena

Computation� Sensory MEMS

– mezurandy*, czułość– wymiary, moc, cena Sensing

* mezurand - uogólniona wielkość mierzona

B.A. Warneke, K.S.J. Pister, „Exploring the Limits of System Integration with Smart Dust”, Berkeley Sensor and Actuator Center (BSAC), University of California, Berkeley

Smart Dust

� Układy komunikacji – zasięg, szybkość transmisji

danych – wymiary, moc, cena Communication

Multi-hop smoke signals

konwer

gencja


Enabling Technology

Performance

/Cost

Sensors

ProcessorsNetworksMemory

Batteries

Time

Moore's Law:•fast development of sensors•miniaturization:

MEMSpiezo-materials

•lowering cost


Nowe technologie� Miniaturyzacja CMOS

– 1 M tranz./$ => maleńkie (~mm2), tanie przetwarzanie i pamiętanie– 1-10 mW aktywne, 1 µW pasywne (1% aktywności → średnio 100 µW)

� Mikro-sensory (MEMS, materiały, układy)– przyspieszenie, wibracje, Ŝyro, pochylenie, magnetyczne, ciepło, ruch,

ciśnienie, temp, światło, wilgotność, barometryczne– chemiczne (CO, CO2, radon), biologiczne, mikroradar, ...– równieŜ aktuatory (zwierciadła, silniki, inteligentne powierzchnie, miro-

roboty)

� Komunikacja– mała odległość, mała szybkość transmisji, radio CMOS (1-10 mW)

� Moc– baterie → pierwotne źródło (1W*s/mm3), ogniwa paliwowe 10x– słoneczne (10 mW/cm2, 0,1 mW wewnątrz), wibracje (~ µW/gm), przepływ

� 1 cm3 baterii => 1 rok przy 1 komunikat/sek.David Culler „Experience With Low-Power Wireless Sensor Networks....”, http://webs.cs.berkeley.edu (C) Z.Pióro, WMS_w8, zima 2008, slajd 16

Wizja bezprzewodowych sieci czujnikówKonwergencja inteligentnych sensorów, przetwarzania internetowego i komunikacji bezprzewodowej umoŜliwi nam głębszy i szerszy wgląd w nasze zasoby, procesy oraz środowisko tak, Ŝe będziemy mogli szybciej i efektywniej otrzymywać wyniki.

Crossbow, „Introduction to Smart Dust and Sensor Networks”, 2005


Konwergencja technologiiSensory: Miniaturyzacja, mikroobróbka, oraz niskie koszty wytwarzania prowadzą do mniejszych rozmiarów, niŜszych mocy i mniejszych kosztów. UmoŜliwiają monitorowanie z większą ziarnistością. Powstaje coraz więcej typów i rodzajów sensorów.

Inteligentniejsze, mniejsze sensory

Przetwarzanie/Internet: Moc obliczeniowa staje się dostatecznie mała gabarytowo i tania dla dodawania jej do praktycznie kaŜdego obiektu. Sieci komputerów współpracują poprzez współuŜywanie informacji i zasobów.

Wbudowane przetwarzanie

Bezprzewodowość (RF): SieciBluetooth i WiFi, komunikacja komórkowa i satelitarna stają się podstawowymi technologiami. MoŜliwy jest bezprzewodowy i ruchomy Internet.

Wszechobecna bezprzewodowość (C) Z.Pióro, WMS_w8, zima 2008, slajd 18

Smart dust – kluczowy element AmI

Bezprzewodowe sieci czujników zawierające duŜą liczbę urządzeń czujnikowych, znanych ogólnie jakomoty, połączonych ze sobą środkami

bezprzewodowymi. Moty mają małe wymiary (typowo pomiędzy paczką papierosów a kulką długopisu). Te mniejsze często zwane są smart dust.Moty typowo zawierają baterię,

procesor RISC, niewielką pamięć i komponenty zapewniające bezprzewodową komunikację.

4


Smart dust – kluczowy element AmIMoty zawierają takŜe dołączone do nich sensory słuŜące do monitorowania w jakiś sposób środowiska fizycznego.

Sensory mogą być umieszczone bezpośrednio na mocie lub teŜ mogą być umieszczone na płytce córce dołączonej w jakiś sposób do płytki matki mota.

Sensory mogą mierzyć szerokie spektrum parametrów środowiska, takich jak: zanieczyszczenia, hałas, temperatura, wilgotność, jak równieŜ prędkość pojazdu, kierunek ruchu pojazdu czy obecność pojazdu.


Smart dust – kluczowy element AmIWęzły „smart dust” umieszczone są w ich środowisku.

Gdy włączone zostanie zasilanie formują one autonomicznie sieć.

Informacja z sensorów moŜe być zbierana i gromadzona dla późniejszego odpytywania.

Informacja z sensorów moŜe być przesyłana przez sieć w czasie rzeczywistym.

Sieci mogą być “zmostkowane” do Internetudla zdalnej transmisji danych.

Węzły mogą być reprogramowane “in the field”.


“While the last 50 years have been dominated by a march to ever more complex computers, the next few decades will see the rise of simple sensors -- by the billions.”

Business Week, August 25, 2003

http://www.acroname.com


Smart dust

Kluczowy problem to zasilanie i oszczędzanie energii.


Smart dust - multi-hop

single-hop

d

~d/N ~d/N ~d/N ~d/N

multi-hop

Dla N = 10 oraz α = 3 (optymalnie) otrzymuje się 100-krotny zysk mocy.

)5...3(d

1Prec =α∝

αMoc w.cz. odbierana w odległości dod nadajnika

⇒

)1(

rec

rec

N

1

)1(P

)N(P−α

∝Względna oszczędność mocy dla N „hopów”

⇒

To jest istota

motów

!

I szer

zej – B

SC.


Smart dust - kanoniczna struktura węzła

Algorytmy i Protokoły

System Operacyjny czasu rzeczywistego

Bateria

DC-DC

Sen

sory

ADC MCU

Pamięć

Radio

Pozyskiwanie energii

5


Smart dust

Jedyne rozwiązanie to krótki czas aktywności (duŜy pobór mocy), długi czas spania (b. mały pobór mocy).

Problem budzenia


„MEMS Front End” Mota

sensor budzący

budzenie w.cz.

przetwarzanie analogowe/MEMS

pozyskiwanie energii

zasobnik energii

sensor A

sensor B

Procesor, pamięć, transceiver

CMOS

Sensor budzący: funkcja progowa jednego lub kilku mezurandów Budzenie w.cz.: ultra-niskiej mocy, być moŜe na specjalnym kanale Przetwarzanie analogowe/MEMS: ultra-niskiej mocy, mógłby mieć właściwości uczenia się dla zmniejszenia liczby fałszywych decyzji

Roger T. Howe, „New MEMS Devices and Processesfor Low-Power Wireless”, UCB, December 1, 2004


Smart dust – póki co

http://www.holohil.com/lb2.htm

Rohatyniec - Scapanes australis


Architektura aplikacji „motowej”

Base-Remote Link

Data Service

Client Data Browsingand Processing

Basestation

Gateway

Sensor Patch

Patch NetworkSensor Node

Nowy rodzaj “...skopu”Nowy rodzaj “...skopu”

Transit Network

Internet


Mot mikropogodowy dla monitorowania środowiska

Battery

Mote

• Incident light sensors• TAOS total solar• Hamamatsu PAR

• Mica2Dot mote• Power board• Power supply

• SAFT LiS02 battery,~1 Ah @ 2.8V

• Packaging• HDPE tube with coatedsensor boards on bothends of the tube

• O-ring seal for two waterflows

• Additional PVC skirt toprovide extra shade andprotection against the rain

• Radiant light sensors• PAR and total solar• Environmental sensors

• Sensirion humidity + temp• Intersema pressure + temp

PAR - Photosynthetically Active Radiation

HDPE - high density polyethyleneTAOS - Texas Advanced Optoelectronic Solutions, Inc. (350 nm to 1100 nm)

University of California, Berkeley


iMoty INTELA

Sieci inteligentnych czujników reprezentują zmianę paradygmatu w dziedzinie uŜytkowania komputerów (interaktywny → proaktywny).

Instrumenting the World, Intel, Feb. 2004

node - mote

węzeł - pyłek

Trzy elementy sprzętowe -mikroprocesory, czujniki MEMS, oraz niskomocowe radio – tworzą węzły sieci czujników, czyli “moty.”

Jest to sieć nowego typu.

iMot INTEL-a

Konstrukcja modułowa

Moduł przetwarzania i komunikacji

Moduł zasilania

Moduł we/wy

(sensory)

6


Sensor network applicationsSensor network applications

Firefighting

and rescue

Process monitoring

and control

Structure and

earthquake monitoring

Agriculture

Home automation

• Environmental monitoring

– Habitat monitoring

– Precision agriculture

– HVAC systems

– Security, surveillance

• Structure and equipment monitoring

– Structural dynamics

– Condition-based maintenance

– Emergency response

• Supply chain monitoring

– Manufacturing flows, asset tracking

• Context aware computing

– Information beacons

Ralph Kling, „Intel® Mote & Sensor Networks”, Intel


Diagnostyka zachowawcza w fabryce półprzewodników (Intel)

Maszyna w fabryce

Mot + czujniki wibracji

Sieć „ad hoc”motów

Intranet

802.11 Mesh

Izolacja intranetu

Root Node

� Uszkodzenia urządzeń produkcyjnych w fabryce są bardzo kosztowne– Przewidzenie i wykonanie zaplanowanej naprawy

� Typowa fabryka ma ~5.000 czujników wibracji– Pompy, płuczki, …– Elektrycy zbierają dane „ręcznie” kilka razy w roku – Próbkowanie: 10-tki kHz, duŜa dokładność, kilka sekund


Smart Dust – TELOS


Smart Dust – TELOS

CC2420 Radio2.4 GHz

zgodne z IEEE 802.15.4

SPI I/O

Antena PCB

Gniazdo SMA

Silicon Serial ID1-wire

Czujnik wilgotności i temperatury

Czujnik PAR

Czujnik TSR

JTAG 8-pin2mm IDC header

Mikrokontroler TI MSP430

USB 2.0UART/RS232Functionality

ST Flash1024k (2.7V)

SVS 2-pinIDC header

10-pin + 6-pin

IDChe

ader

ADC[4]

ADC[5]

I/O

Power

JTAG

JTAG

RTS/DTRRX/TX

Write Protection

Power

UART[0]

SVSout

SVSin

User

Reset

GPIO

ADC[0-3,6-7]I2C[0]

4 6

46

2

2

4

7

P1[0,3,4]P4[1,5,6]

SPI[0]

UART[1]P1.1/P2.2

ResetTCK I2C[0] SPI[0]

PAR - PhotosyntheticallyActive Radiation

TSR - Total SolarRadiation

www.moteiv.comwww.moteiv.com

Płytka „córka” z dodatkowymi interfejsami, sensorami, zasilaniem


Rzut oka na Telos-a

� Transceiver radiowy Chipcon CC2420, 250kbps, 2,4GHz, IEEE 802.15.4- kompatybilny z innymi urządzeniami IEEE 802.15.4

� Mikrokontroler Texas Instruments MSP430xxx: 8 MHz, 10 k RAM, 48 k Flash

� Zintegrowane ADC, DAC, Supply Voltage Supervisor i kontroler DMA� Zintegrowana antena na płytce: 50m wewnątrz / 125m na zewnątrz� Zintegrowane: sensor wilgotności i temperatury oraz sensory

oświetlenia� Sprzętowe szyfrowanie i autentykacja (AES)� Programowanie i zbieranie danych przez USB� 16-stykowe gniazdo rozszerzające i opcjonalne gniazdo SMA anteny � System operacyjny TinyOS: implementacja komunikacji i sieci typu

„mesh”

www.moteiv.comwww.moteiv.com (C) Z.Pióro, WMS_w8, zima 2008, slajd 36

Smart Dust - TELOS

gniazdo USB

LED nadajnika USB

Przycisk „User”

Przycisk „Reset”

Czujnik „PhotosyntheticallyActive Radiation”

Czujnik „Total SolarRadiation”

Czujnik wilgotności i temperatury

6-stykowe gniazdo rozszerzające 10-stykowe gniazdo

rozszerzające

Antena wewnętrzna

Gniazdo antenowe SMA(opcjonalna)

RadioCC2420

Klucze cyfrowe izolujące USB od mikrokontrolera

Mikrokontroler USB

Gniazdo JTAGLED-y

LED odbiornika USB

www.moteiv.comwww.moteiv.comTo jest konstrukcja „development”

7


Smart Dust - TELOS

2 kontakty SVS

Pamięć Flash USB (2kB)

48-bitowy „siliconserial ID”

Pamięć Flashprogramu (1MB)

oscylator 32kHz

Mikrokontroler MSP430F1611

Texas Instruments

65,5 mm

32,2 mm

SVS – SupplyVoltageSupervisor

www.moteiv.comwww.moteiv.com (C) Z.Pióro, WMS_w8, zima 2008, slajd 38

Smart Dust - TELOS� Telos (TI MSP)

� 0.006 ms wakeup

� 2 µW sleep

� 3 mW active

� 45 mW radio

� 250 kbps

� 1.8V min� 8/8 of AA

capacity

Supporting mesh networking with a pair of AA batteries reporting data once every 3 minutes

using synchronization (<1% duty cycle)

945 dni > 2,5 roku

� Integrated Sensors� Sensirion SHT11

� Humidity (3.5%)� Temperature (0.5°C)� Digital sensor

� Hamamatsu S1087� Photosynthetically

Active Light� Silicon diode

� Hamamatsu S1087-1� Total Solar Light� Silicon diode

DŁUGOŚĆ FALI (nm)

FOTOCZ

UŁO

ŚĆ (A

/W)

Integrated onboard antenna with 50m range indoors / 125m range outdoors



TELOS – zasilanie z baterii słonecznej

BP-376634C 37,0 x 66,0 mm

3,4 V

Panasonic – bateria SUNCERAM II dla zastosowań zewnętrznych

0,1 mW/mm2 (pełne słońce) x 100 = 10 mW/cm2

Pełne słońce: 1kW/m2 → 1mW/mm2

Sprawność ~10% → 0,1 mW/mm2


Typowy węzeł sieci zasilany słonecznie

Układ ładowania

Regulacja napięcia

dzień noc dzień noc dzień noc

Energia Stres dla baterii

max ~ 500 cykli


Elementy magazynujące energię dla zastosowań impulsowych

Superkondensator– Średnia pojemność (10 mJ/mm3)

– DuŜa upływność

– Nieograniczona liczba ładowań

Ładowalna bateria – DuŜa pojemność (1 J/mm3)

– Mała upływność

– 300-500 cykli ładowania

vs


Więcej stopni

Stres dla baterii

Energia

Energia



8


Architektura


Prometheus: Perpetually Powered Telos

1 rok10 godz. / 1dzień

100%

4 lata5 godz. / 4 dni10%

43 lata5 godz. / miesiąc

1%

Czas ŜyciaWymagane oświetlenie

Wypełnienie


� System pozyskiwania energii

słonecznej dla Telos-a

� Super-kondensatory buforują

energię (pierwotne źródło)

� Ładowalna bateria litowa jako

wtórne źródło zasilania

� Wykorzystanie MCU do

zarządzania cyklami ładowania dla

zwiększenia czasu Ŝycia systemu– steruje ograniczeniem ładowania


Potencjalne zastosowania Smart Dust

� „Ciemna strona”� Monitorowanie niebezpiecznych ugrupowań – swoich i obcych

� Inwigilacja – niewidoczni szpiedzy elektroniczni

� Elektroniczny kontrwywiad – systemy manipulacji i niszczenia

� „Jasna strona”

� Monitorowanie klęsk Ŝywiołowych – poŜary lasów, trzęsienia ziemi

� Monitorowanie środowiska i ekosystemów – powietrza, wody i gleby

� Monitorowanie obiektów – tamy, zapory, budynki, linie produkcyjne

� Diagnostyka medyczna – wewnętrzna i zewnętrzna!

� Nanochirurgia – roboty manipulujące tkankami, chemikaliami, etc.


Cechy moŜliwych zastosowań - przykład

� Brak lub słaba infrastruktura IT– Nieprzyjazne środowiska– WraŜliwe środowiska ekologiczne– Regiony rolne



� Koszt kabli i czas– $40 do $2000 za stopę– 20% do 80% czasu instalacji

$23.725$139.100Total cost

6565Num Channels

$365$2.140Cost per Sensor

$15$75Wiring cost

$0$65Data Acquisition cost

$350$2.000Sensor cost

Sensor Networks

Traditional

Ilustracja zysków z MEMS + Wireless



� Wymagana lub korzystna mobilność– Operacje militarne– Sytuacje krytyczne w miastach

9


The case for environmental monitoring• "The UK Government's chief scientist now says climate

change is a far worse danger than international terrorism" (BBC News, 10 Jan 04)

• Environmental phenomena are a major scientific and societal concern: • Pollution • Water • Climate

• Information technology, communications and sensing are enabling technologies

• Due to current technological changes, there will be a watershed phenomenon in • Ability to monitor • Price point • Infrastructure • Data processing

Prof. Martin Vetterli(C) Z.Pióro, WMS_w8, zima 2008, slajd 50

Realizacja „smart dust”

CR2032, 3 V, 220 mAh, 20 mm x 3 mm

220 mAh/44.000 h (5 lat) = 5 µA

CC2420 Chipcon (transceiver IEEE 802.15.4)1 µA (Power Down mode) 1 µA 20 mA (Receive mode) x 10-4 = 2 µA 18 mA (Transmit mode) x 10-4 = 2 µA 10 ms co 100 sek 5 µA10 ms co 400 sek 2 µA

CC2420 Chipcon (transceiver IEEE 802.15.4)1 µA (Power Down mode) 1 µA 20 mA (Receive mode) x 10-4 = 2 µA 18 mA (Transmit mode) x 10-4 = 2 µA 10 ms co 100 sek 5 µA10 ms co 400 sek 2 µA

MSP430 Texas Instruments (mikrokomputer)1 µA (Power Down mode) 1 µA 2 mA (Active) x 10-4 = 0,2 µA

10 ms co 400 sek 1,2 µA

MSP430 Texas Instruments (mikrokomputer)1 µA (Power Down mode) 1 µA 2 mA (Active) x 10-4 = 0,2 µA

10 ms co 400 sek 1,2 µA

ADXRS150 Analog Devices (gyro)15 mA (czas pomiaru = 40 ms)40 ms co 4000 sek (>1 godz) 1,5 µA

ADXRS150 Analog Devices (gyro)15 mA (czas pomiaru = 40 ms)40 ms co 4000 sek (>1 godz) 1,5 µA

ADXL202 Analog Devices (akcelerometr)0,4 mA 10 ms co 400 sek ~0 µA

ADXL202 Analog Devices (akcelerometr)0,4 mA 10 ms co 400 sek ~0 µA

HIH-3610 Honeywell (wilgotność)500 µA (czas pomiaru 50 sek)co 4000 sek (>1 godz) 5 µA

HIH-3610 Honeywell (wilgotność)500 µA (czas pomiaru 50 sek)co 4000 sek (>1 godz) 5 µA

MPXY8020A Motorola (ciśnienie w oponach)2 mA (czas pomiaru 3 sek)co 4000 sek (>1 godz) 2 µA

S18U Banner (czujnik zbliŜeniowy)40 mA, 25V → 320 mA (300 ms)???????????????????????????

Czy na tym da się zrobić „smart dust”?

Przesyłać mało – przetwarzać lokalnie!

– zaleŜy jaki!


Realizacja „smart dust”

Na pierwszy rzut oka największym problemem są sensory.

W rzeczywistości moŜliwy jest tu bardzo duŜy postęp, przynajmniej w sensorach pasywnych.

Drugi obszar to przesyłanie danych (transmisja). Dla transmisji radiowej istnieje ograniczenie fizyczne.

Rozwiązaniem jest więc albo zmniejszanie odległości albo transmisja kierunkowa lub pasywna.

Communication range versus transmission energy for RF (GSM, 1 GHz, isotropic, path loss n = 4), laser (532 nm green, 1 mW, 1 Mbps, 200 x 200 µm receiveraperture), and CCR (400 µm passive, 16 pJ/bit independent of distance up to 1 km)


Czy Smart Dust to Science Fiction?

Tak, ale nie na długo!� Prawo Moore’a gwarantuje wirtualnie

Smart Dust za naszego Ŝycia!� Komputery eksplodowały

bardzo gwałtownie:

– 1945: ENIAC ~ 100m3

– 1974: Altair ~ m3

– 1996: COTS Dust ~ cm3

– dzisiaj: Golem Dust ~ mm3

� ~5 rzędów wielkości w 50 lat!!

� Jesteśmy tylko o 5 rzędów wielkości od skali nanometrowej,a rozwojem rządzą prawa wykładnicze!.


Golem Dust - Koncepcja

LUSTRA

SKANUJĄCA WIĄZKA LASEROWA

LASER SOCZEWKA LUSTRO

PASYWNY NADAJNIK ZREFLEKTOREM TYPU NAROśNIK SZEŚCIANU

AKTYWNY NADAJNIKZE STEROWANIEM WIĄZKĄ

PRZYCHODZĄCA WIĄZKA KOMUNIKACJI LASEROWEJ

FOTODETEKTOR I ODBIORNIK

KONDENSATOR MOCY

OGNIWO SŁONECZNE

BATERIA GRUBOWARSTWOWA

1 do 2 mm

SENSORY

ANALOG I/O, DSP, STEROWANIE


Golem Dust - realizacja

Mot 16 mm3

Mot 6,6 mm3

Zasilany z baterii słonecznej

Brett Alan Warneke, „Ultra-Low EnergyArchitectures and Circuits for CubicMillimeter Distributed Wireless Sensor Networks”, dissertation, UCB, 2003

10


skaner laserowy ~8mm3

Dwa 4-bitowe, mechaniczne przetworniki DAC sterują kątami nachylenia zwierciadła skanującego.

~6 stopni azymut, 3 wysokość

Teoretycznie, dla 25nJ/bit, moŜe komunikować się z satelitą LEO na odległość 500 km.B. Warneke, K. Pister, „MEMS for Distributed Wireless Sensor Networks”, BSAC, 2002


Moc i Energia� Źródło: Bateria słoneczna

– Pełne słońce: ~0,1 mW/mm2, ~1 J/dzień/mm2

– Wewnętrzne: 0,1-10 µW/mm2, 1-100 mJ/dzień/mm2

– >14% sprawności

� Zmagazynowana– Baterie ~1 J/mm3

– Kondensatory ~10 mJ/mm3

� ZuŜycie energii

300.000 (co 0,3 sek)

9 lat (1 komplet/sek)

300 milionów3 nJ~200 nJpróbka, przetworzenie,odbiór, nadanie

32 miliony10 lat32 miliardy 31pJ~nJPróbka z sensora

63 miliony20 lat63 miliardy 16 pJ~nJTX 1 bit

83 miliony26 lat83 miliardy 12 pJ~nJRX 1 bit

>100 milionów32 lata>100 miliardów <10 pJ~nJInstrukcja cyfrowa

Oper./dzień*mm2

Światło wewnętrzneCzas Ŝycia baterii @ 100 oper./sek

Oper./mm3

bateriiTerazWcześniejOperacja

1 mm3 1 mJ/dzień/mm2

CoolRisc 81 core (0,25µm, 1,05V), 1,25 pJ/instruction/bit


Mot taki jak Telos, przy aktywności ~0,1%, pobiera moc rzędu 300

µW.

Bateria słoneczna dla oświetlenia wewnętrznego daje moc rzędu 100

µW/cm2.

Zakładając oświetlenie przez 1/3 czasu dla Telos-a potrzebna jest

bateria o powierzchni 9 cm2.


Radio vs Flash

� wysłanie 1 bajtu przez radio 250 kbps– energia : 1,5 µJ– czas : 32 µs

� zapis 1 bajtu do pamięci flash Atmel– energia : 3 µJ– czas : 78 µs


Wireless Sensor Networks - The Numbers

� 100.000 Total Cumulative Nodes Deployed to date (JAN 2005)

� 1.000.000 New Zigbee Nodes Deployed 2005

� 80.000.000 New Zigbee Nodes 2006

� 160.000.000 New Zigbee Nodes 2008

� WOW! What is the ecosystem to support this hockey stick growth?


Wireless Sensors Networks

� 1 wireless sensor is better than none!� 2 wireless sensors is better!!� 3 wireless sensors is even better!!!� 4 wireless sensors is much more better!!!!� …� 10000 wireless sensors is incredibly better!!!!!� 10001 wireless sensor is much more incredibly

better!!!!!!!!� …

C. Pham, How the Internet will look like in a near future?, LIUPPA, January, 2006

11


Berkeley Wireless Research Center (BWRC)� A partnership of UC researchers, industry, and government

� Participating Members:.–Agilent Technologies.–Infineon Technologies.–Intel Corporation.–STMicroelectronics.–Hitachi Ltd.–Hewlett Packard.–Sun Microelectronics

� Associate Members:–Atmel Corporation–Cadence–Ericsson Radio Systems –Samsung–NEC–Qualcomm Incorporated

� Other Funding: DARPA, NSF, ONR, MARCO, MURI

� Operational since Feb. 1999� Downtown Berkeley, 1 block from campus

� 11,000 sq. feet� 55 graduate students, 5 technical staff, 8 faculty

Overall budget: > 5 M$/year


The Center Goals

� Pre-competitive research – beyond 5 years� In close collaboration with industrial partners� Focus on silicon (CMOS) implementation

– Explore novel and disruptive paradigms – Determine relationship between theoretical and algorithmic

advances and implementation– Understand tradeoffs between various implementation

architectures with respect to performance, power and cost– Realize concept-proving prototypes using rapid design flow

from algorithm to implementation


CodeBlue: Wireless Sensor Networks for Medical Care

Division of Engineering and Applied Sciences, Harvard University

In collaboration with:

Boston Medical Center

Spaulding Rehabilitation Hospital

10Blade, Inc.

Boston University School of Management

AID-N, Johns Hopkins Applied Physics Laboratory


Wireless pulse oximeter sensor


Wireless two-lead EKG


Accelerometer, gyroscope, and electromyogram (EMG) sensor for stroke patient monitoring

12


The Harvard "Pluto" mote, designed to be small and wearable


Pluto mote in case


Pluto mote with case and wriststrap.


Directional Virtual Fencing (DVF)

Current situation:

Global challenge for many of the world’s

4 x 109 domestic animals

that forage on some of the world’s

13 x 109 hectares.


Directional Virtual Fencing (DVF)

Directional Virtual Fencing (DVFTM) defines a novel, new methodology for the control of animals. It involves the control of animal location and direction of movement through the application of ramped audio and or electric shock cues applied to either theanimal’s right or left side to initiate directional movement.

DVFTM combines physics, electronics, biology and ecology to firstdetermine the animal’s location on the landscape using Global Positioning System (GPS) technology, and second using GeographicInformation System (GIS) data to direct the animal to the properlocation, when necessary.

DVFTM capitalizes on animal behavior to accomplish a change in theanimal’s location through instrumental animal conditioning usingprogrammable cues that are applied autonomously in a manner consistent with low-stress animal handling procedures in static, as well as moving Virtual Paddocks (VPTM).


Directional Virtual Fencing (DVF)A schematic representation of how Directional Virtual Fencing (DVFTM) operates with a programmable Virtual Boundary (VBTM) that activates a series of cues ramped from least severe (audio sound only) at the VBTM perimeter that defines a Virtual Paddock (VPTM) to most severe (audio sound + electric shock) on either side of the Virtual Center Line (VCLTM).

Cues are applied to either the animal’s right or left side depending on the angle of the animal’s head with respect to the VCLTMonce the VBTM is penetrated.

The animal’s movement that results from these cues should put the greatest distance between the animal and the VCLTMin the shortest amount of travel, and with the least amount of stress.

13


Interfaces to Smart-Its RF via enhanced serial line (625 kbit/s)

Acceleration Sensor (3 axis, 2xADXL210 10g max, +/- 40 mg resolution), high responsive (<1ms)

Force and Pressure Sensor, low prec. (from 20 g - several kilogram), IEE FSR152

Switchable daylight and IR Light Sensor Taos TSL2500 Temperature Sensor mid prec. Microchip TC74

Microphone (capacitive microphone, MAX8261 OP) high precision, high linear

2 LED (can be replaced by e.g. vibration motor)

Processor Microchip PIC 18LF452 at 20 MHz, 32 kbyte program Flash, 1.5 kbyte RAM, allows to develop own, sensor based programs in a very

simple way

OS, libraries (device drivers etc.) available 32 kbyte fast external EEPROM

Additional feature connector for more sensors etc, incl. A/D, Interrupt lines, digital I/O, serial, I2C, SPI, software selectable

hardware supported I2C and serial line (TTL) interfaces

Real Time Clock (RTC)

in circuit programming and debugging with off-the-shelf programmers, over-the-air programming ia wireless radio from any Internet connected PC

(Particle and XBridge needed) Size: 17x35 mm


Luźne slajdy.


Infrastruktura monitorowania fabryki

Ralph Kling, „Intel® Mote & Sensor Networks”, Intel (C) Z.Pióro, WMS_w8, zima 2008, slajd 76

Condition Based Monitoring Application at Intel

• Use vibration signatures to identify problems with equipment

• ~5000 Sensor points in each fab

• Done by sneaker net today • Move to wireless sensor network • Demonstrate a commercially feasible ROI for sensor and mesh network deployments


Problem Statement

• Equipment failures in live production fabs is extremely costly ($Millions)

– Shutdown results in opportunity loss

– Cost of evacuation and requalifying all the tools– Possible loss of wafer lots in the pipeline

• Need to predict equipment failures early enough and perform preemptive maintenance during pre-scheduled down-time

• Monitor equipment health using vibration signatures


Case study (RA FAB)

• ~5000 sensing points already instrumented– Vibration & RPM sensors Vibration & RPM sensors

• Manual data collection using handheld devices– Time domain data is collected, spectrum and magnitude plots are

generated

• Data is downloaded to Rockwell Enshare software• Prevention estimates

– Once per month -> catch (80-85)%– Once per week, and selective daily collections -> catch ~97%

• Manual collection method is currently used – Target is once per month – The cost of increasing the collection frequency is prohibitive

14


Application Requirements

• Goals– Assess mote platform requirements for equipment health

monitoring– Proof of concept– Deploy a sensor network in CUB3– > 100 sensing points– Show valid data flowing from sensors to Rockwell backend

• Interface to Wilcoxon vibration sensors – 0.5 Hz – 5KHz range – 3000 Samples, 16 bits each

• Collect once per week (optional selective collection) • Battery life

– 6 months @ 1 collection per month – 4 months @ 1 collection per week

• Interface to Rockwell EnShare backend• Automatic network configuration and maintenance



Sensor Board

• 18V power supply• 19.2 KHz sampling rate, 16 bit samples • Programmable antialiasing filter • PLD bridges SPI to UART interface

Wilcoxon sensor

Sensorvoltagesupply,A/D, filterVoltage

outputUART460 Kb/s

Intel Mote

SRAM 64kBFLASH 512kB


Infrastruktura monitorowania fabryki

Ralph Kling, „Intel® Mote & Sensor Networks”, Intel


Condition Based Monitoring Application at Intel

• Use vibration signatures to identify problems with equipment

• ~5000 Sensor points in each fab

• Done by sneaker net today • Move to wireless sensor network • Demonstrate a commercially feasible ROI for sensor and mesh network deployments


Problem Statement

• Equipment failures in live production fabs is extremely costly ($Millions)

– Shutdown results in opportunity loss

– Cost of evacuation and requalifying all the tools– Possible loss of wafer lots in the pipeline

• Need to predict equipment failures early enough and perform preemptive maintenance during pre-scheduled down-time

• Monitor equipment health using vibration signatures

15


Case study (RA FAB)

• ~5000 sensing points already instrumented– Vibration & RPM sensors Vibration & RPM sensors

• Manual data collection using handheld devices– Time domain data is collected, spectrum and magnitude plots are

generated

• Data is downloaded to Rockwell Enshare software• Prevention estimates

– Once per month -> catch (80-85)%– Once per week, and selective daily collections -> catch ~97%

• Manual collection method is currently used – Target is once per month – The cost of increasing the collection frequency is prohibitive


Application Requirements

• Goals– Assess mote platform requirements for equipment health

monitoring– Proof of concept– Deploy a sensor network in CUB3– > 100 sensing points– Show valid data flowing from sensors to Rockwell backend

• Interface to Wilcoxon vibration sensors – 0.5 Hz – 5KHz range – 3000 Samples, 16 bits each

• Collect once per week (optional selective collection) • Battery life

– 6 months @ 1 collection per month – 4 months @ 1 collection per week

• Interface to Rockwell EnShare backend• Automatic network configuration and maintenance

(C) Z.Pióro, WMS_w8, zima 2008, slajd 87 (C) Z.Pióro, WMS_w8, zima 2008, slajd 88

Sensor Board

• 18V power supply• 19.2 KHz sampling rate, 16 bit samples • Programmable antialiasing filter • PLD bridges SPI to UART interface

Wilcoxon sensor

Sensorvoltagesupply,A/D, filterVoltage

outputUART460 Kb/s

Intel Mote

SRAM 64kBFLASH 512kB


Time domain data


Frequency domain data

80 Hzreference

signal

16


Ambient Intelligence - PMiKpmik.imio.pw.edu.pl/pliki/WMS/WMS_8.pdf · Ambient Intelligence (C)...

Documents

Transcript of Ambient Intelligence - PMiKpmik.imio.pw.edu.pl/pliki/WMS/WMS_8.pdf · Ambient Intelligence (C)...