IoT စားကပ်ခလုတ်သည် စားကပ်များကို အဝ remote မှ စောင်းကြည့်ခြင်းကို မည်သို့အကောင်အထောက်အပံ့ပေးသနည်း။

IoT စားပ်ခလုတ်၏ အဓိက အဆောက်အအုပ်ဖွဲ့စည်းပုံ

စောင်းကြည့်မှုအလွှာ - လျှပ်စစ်အချက်အလက်များကို ချက်ချင်းဖမ်းယူခြင်း

IoT Circuit Breaker ရဲ့ အဓိက လက္ခဏာက အာရုံခံ အလွှာဖြစ်ပြီး ၂၄/၇ အရေးပါတဲ့ လျှပ်စစ် ကိန်းဂဏန်း အမျိုးမျိုးကို စောင့်ကြည့်ဖို့ အလွန်တိကျတဲ့ အာရုံခံကိရိယာတွေ ပါဝင်ပါတယ်။ လျှပ်စစ်အပြောင်းအလဲပေးစက်တွေဟာ ဒီဖိအားပြောင်းလဲမှုကို ၁% ခန့် အကြားမှာ ရှာဖွေဖို့ အသုံးချပါတယ်။ တစ်ချိန်တည်းမှာ voltage sensor တွေနဲ့ အခြားဟာတွေကလည်း phase imbalance တွေ၊ harmonic distortions တွေနဲ့ thermal magnetic trip unit တွေ ပျက်စီးမသွားခင် အပူချိန်ပိုမြင့်လာတာကို ရှာဖွေနိုင်မယ့် အပူပိုင်းသံလိုက်လမ်းကြောင်း အပူချိန်အာရုံခံတွေလို ပြဿနာတွေကို ရှာဖွေပေးပါတယ်။ ဒီအာရုံခံတွေဟာ အန္တရာယ်ရှိတဲ့ အခြေအနေတွေကို စုပေါင်းပြီး ဖော်ထုတ်ပေးကြတယ်၊ ဥပမာ၊ ရှည်လျားတဲ့ အလျားတစ်ခု (သို့) ပျက်စီးနေလောက်တဲ့ အကာအကွယ် ပစ္စည်းတွေပေါ့။ အရင်နှစ်က စက်မှု အစီရင်ခံစာတွေက ပြတာက ဒီမျိုးဆက် စောင့်ကြည့်မှုက စက်ပစ္စည်းတွေ ရပ်နားချိန်ကို ၅၀% လျှော့ချနိုင်ပြီး လျှော့ချနိုင်ခဲ့တယ်ဆိုတာပါ။ ထို့အပြင်၊ ဤစောင့်ကြည့်မှုစွမ်းရည်သည် ရှေးဟောင်းအန်နာလော့ အချက်ပြများကို ဒစ်ဂျစ်တယ် အချက်ပြများသို့ ပြောင်းလဲ၍ ပတ်လမ်းများ၏ လျှပ်စစ်အခြေအနေ၏ စမတ်ဓာတ်ပုံ ကို ဖြည့်စွက်ပေးသည်။

Processing & Connectivity layer: Edge Intelligence နှင့် Secure Uplink တို့ကို အသုံးပြုခြင်း

ဒေတာတွေဟာ အာရုံခံကိရိယာတွေကနေ ကျွန်တော်တို့က Edge Intelligence layer လို့ခေါ်တာကို သုံးပြီး သွားလာပါတယ်။ အဲဒီမှာ အသေးစိတ် စီမံခန့်ခွဲမှုလုပ်တဲ့ microcontroller တွေက လုပ်ဆောင်ပါတယ်။ ဒါက ဘာကိုဆိုလိုတာလဲ။ ကိရိယာက ကြီးမားတဲ့ စွမ်းအင်ကို ဆွဲယူပြီး မောင်းနှင်ဖို့ လိုအပ်တဲ့ အရေးပါတဲ့ ကိစ္စတွေမှာ တုံ့ပြန်မှု အချိန်က ၂ မီလီစက္ကန့်အောက်ပါ။ တိမ်တွေ တုံ့ပြန်ဖို့ စောင့်စရာမလိုပါဘူး။ Cloud ကို လုံခြုံစွာ ဝန်ဆောင်မှုပေးရန်အတွက် MQTT encryption ကို အသုံးပြုပါတယ်။ သို့သော် ရှေးဟောင်း SCADA ရှိပါက Modbus RTU သည် အခြားရွေးစရာကောင်းသည်။ ကျွန်တော်တို့ရဲ့ စနစ်တွေမှာ လုံခြုံရေးဟာ ယုံကြည်မှု သုည လုံခြုံရေး ပုံစံနဲ့ စနစ်ထဲ ထည့်သွင်းထားပါတယ်။ session တစ်ခုစီကို session-specific တစ်ခုတည်းသော cryptographic key တွေကို hardware security module တွေက ဖန်တီးပေးပါတယ်။ အစကနေ အဆုံးအထိ အားလုံး လုံခြုံပါတယ်။ အရေးပါတဲ့နဲ့ အရေးမပါတဲ့ လုံခြုံရေးနဲ့ လုပ်ငန်းဆောင်တာတွေအတွက် စနစ်ဟာ ဒေသတွင်း စီမံခန့်ခွဲမှုကို လုံခြုံရေး လုပ်ဆောင်ချက်တွေနဲ့ လုံခြုံတဲ့ အဝေးကနေ စီမံခန့်ခွဲမှုကို ပေါင်းစပ်ပေးပါတယ်။ လိုအပ်တဲ့အခါမှာ လုပ်ငန်းဆောင်တာမှာ တစ်သမတ်တည်းဖြစ်ဖို့နဲ့ အဝေးမှ ရောဂါစစ်ဆေးမှုကို ခွင့်ပြုပါတယ်။

IoT စီးကရ်တ်ဘရိတ်ခ်နှင့် ပေါင်းစပ်မှုအတွက် အရေးကြီးသော စီန်ဆာများနှင့် ဆက်သွယ်ရေး ပရိုတိုကောလ်များ

အဓိက စီန်ဆာဖန်ရှင်များ - လျှပ်စီးကြောင်း၊ ဗို့အား၊ ထရစ်ပ်/ကလော့စ် အခြေအနေနှင့် လုပ်ဆောင်မှုအခြေအနေ စောင်းကြည့်ခြင်း

ခေတ်မှီ IoT စွမ်းအားဖြတ်စက်များတွင် စနစ်များစွာ ပေါင်းစပ်ထည့်သွင်းထားပါသည်။ ပထမဦးဆုံးမှာ လျှပ်စစ်စွမ်းအားသုံးစွဲမှုကို စောင်းကြည့်ရန် လျှပ်စစ်စီးကြောင်း ပြောင်းလဲမှုများ (current transformers) ဖြစ်ပါသည်။ နောက်တစ်ခုမှာ လျှပ်စစ်စီးကြောင်းတွင် ဗို့အားလျော့နည်းမှုများ၊ ဗို့အားများပေါ်ပေါက်မှုများနှင့် မလိုလားအပ်သော ဟာမောနစ်များ (harmonics) ကို စောင်းကြည့်ရန် ဗို့အားစောင်းကြည့်စက်များ (voltage sensors) ဖြစ်ပါသည်။ ထိတ်ခိုက်မှုနေရာစက်များ (contact position sensors) သည် ဖောက်စက်ဖွင့်ခြင်းနှင့် ပိတ်ခြင်းကို မိလီစက္ကန်ဒ်အထိ စောင်းကြည့်နိုင်ပါသည်။ ထိုသို့သော အတိအကျမှုသည် အရေးကြီးသော အခြေအနေများတွင် အလွန်အရေးကြီးပါသည်။ နောက်ဆုံးတွင် စက်အသုံးပြုမှုအခြေအနေ စောင်းကြည့်စက်များ (operational health monitors) များ ပါဝင်ပါသည်။ ထိုစက်များသည် အပူချိန်၊ အသုံးပြုမှုကြောင့် ပုံပေါ်လာသော ရှုပ်ထွေးမှုများ (worn moving parts)၊ အွန်ဆိုက် (insulation) ၏ ကပ်နေမှုအခြေအနေ စသည်တို့ကို စောင်းကြည့်နိုင်ပါသည်။ စက်များသည် တစ်ပါတည်း အလုပ်လုပ်ပါက ဖတ်ရှုမှုများ၏ သဘောသမ်ဗ်ကို ပြောင်းလဲစေနိုင်ပါသည်။ ဥပမ example အနက် ဖောက်စက်၏ ဖောက်စက်များတွင် ၁၅% ခြားနားမှုရှိပါက အရေးကြီးသော ပြဿနာကို ကာကွယ်ရန် စောင်းကြည့်ရန် အချက်ပေးနိုင်ပါသည်။ အချိန်နှင့်တစ်ပါတည်း စောင်းကြည့်မှုစနစ်များကို အသုံးပြုသော စက်ရုံများတွင် မျှော်လင့်မထားသော ပျက်စီးမှုများ သိသိသာသာ လျော့နည်းလာပါသည်။ မှီင်းချိန်မှုများကို ပိုမိုကောင်းမောင်းစွာ စောင်းကြည့်ခြင်းကြောင့် စက်များ၏ အခြေအနေကို ပိုမိုကောင်းမောင်းစွာ စောင်းကြည့်နိုင်ခြင်းကြောင့် စက်ရုံများတွင် မျှော်လင့်မထားသော အပိတ်ခြင်းများ ၄၀% လျော့နည်းလာကြောင်း မကြာသေးမီက ပြုလုပ်ခဲ့သော လေ့လာမှုများတွင် ဖော်ပြထားပါသည်။

ပရိုတိုကောလ်ရွေးချယ်မှု - MQTT ကိုအသုံးပြု၍ မှုန်းမှုဆိုင်ရာ စုစည်းမှု (Cloud Telemetry) နှင့် Modbus RTU ကိုအသုံးပြု၍ ဒေသခံ SCADA အချင်းချင်း အသုံးပြုနိုင်မှု

ပရိုတိုကောလ်များကိုရွေးချယ်ခြင်းသည် ခေတ်မီမှုန်းမှုနည်းပညာများ၏ အသုံးပြုမှုနှင့် ရှေးဟောင်း စက်မှုထိန်းချုပ်မှုစနစ်များကို မှီခိုသည့် အသုံးပြုမှုတွင် ဟန်ခေါင်းညှိမှုကို လုပ်ဆောင်ရန် လိုအပ်ပါသည်။

ပရိုတိုကောလ်များ ဒေတာစီးဆင်းမှု လမ်းကြောင်း ပုံမှန် နှေးကွေးမှု အကောင်းဆုံးအသုံးပြုမှု

MQTT ဖြန့်ဝေ-စောင်းထားခြင်း <၁၀၀ms မှုန်းမှုဆိုင်ရာ စုစည်းမှု ဆန်းစစ်ခြင်း၊ မိုဘိုင်းလ်အသိပေးခြင်းများနှင့် ဒက်ရှ်ဘုတ်များ

Modbus RTU အုပ်ချုပ်သူ-အုပ်ချုပ်ခံ ၁-၁၀၀ms သတ်မှတ်ထားသော ဒေသခံ SCADA ထိန်းချုပ်မှုနှင့် ပေါင်းစပ်မှု

MQTT သည် ပိုမိုနည်းပါးသော ပိုက်လိုင်းအက်သ် (bandwidth) ကိုသုံးပြီး စုစည်းမှုဆိုင်ရာ ဒေတာများကို ပိုမိုကျယ်ပေါင်းစွာ စုစည်းနိုင်စေပါသည်။ ထို့ကြောင့် ၎င်းသည် ဗဟိုချုပ်ကိုင်သော မြင်ကွင်းဖော်ပြမှုများနှင့် ကန့်သတ်ချက်အတိုင်းအတာများအရ အသိပေးခြင်းများအတွက် အကောင်းဆုံးဖြစ်ပါသည်။ ထို့အတူ Modbus RTU သည် စက်မှုထိန်းချုပ်မှုစနစ်များနှင့် အနည်းငယ်သာ အသုံးပြုမှုအကုန်အကူအကူပုံစံဖြင့် ခန့်မှန်းနိုင်သော ဆက်သွယ်ရေးကို ပေးစေပါသည်။ ထို့ကြောင့် ဂေးတ်ဝေးအသုံးပြုမှုအတွက် ရှုပ်ထွေးမှုများကို မှီခိုစေခြင်းမရှိပါ။ ဟိုက်ဘရစ်စနစ်များတွင် ပရိုတိုကောလ်ဘာသာပြန်များသည် MQTT နှင့် Modbus နှစ်မျိုးလုံးကို ပေါင်းစပ်ပေးပါသည်။ ထို့ကြောင့် မှုန်းမှုဆိုင်ရာ အလုပ်ဖော်ပေးမှုအလွန်အများကြီးဖြစ်ခြင်းကို MQTT ဖြင့် မေးမှုပေးပြီး Modbus ဖြင့် ထိန်းချုပ်မှုအမိန့်များကို ညှိပေးခြင်းဖြင့် အသုံးပြုနိုင်ပါသည်။

ရှင်းလင်းပြီး လွယ်ကူသော အဝ remote စောင်းကြည့်ခြင်းလုပ်ငန်းစဉ် - ဒေတာလွှဲပေးမှုမှ အသိပေးမှုဆိုင်ရာ စုစည်းမှုအထိ

ဒေတာစီးဆင်းမှုကို ဖမ်းယူခြင်း၊ လုံခြုံစွာသိမ်းဆည်းခြင်း၊ အက်န်လီစစ်ခြင်းနှင့် မှုန်းမှုန်းပေါ်တွင် မြင်သာစေခြင်း

အထူးပြုထားသော စီးကရ်ဗရေကာများသည် စောင်းမှုန်းထားသော လျှပ်စီးနှင့် ဗို့အားဖတ်ချက်များနှင့် ဖောက်ပေါက်မှုအခြေအနေများကို လုံခြုံသော MQTT ချိတ်ဆက်မှုများဖြင့် ၎င်းတို့၏ ကွန်ရက်မှုန်းမှုန်းစင်တာများသို့ ပို့ဆောင်ပေးနိုင်ပါသည်။ တင်ပေးထားသော ဒေတာများကို မှုန်းမှုန်းစင်တာများတွင် အချိန်နှင့်တစ်ပါစ် အမှားအမှင်ဖော်ထုတ်မှုများ ပြုလုပ်ပြီး ရလဒ်များကို ဖတ်ရန်လွယ်ကူသော ဒက်ရှ်ဘုတ်များတွင် ပြသပေးပါသည်။ အသုံးပြုသူများသည် အချိန်ကာလအလိုက် လျှပ်စီးစားသုံးမှုနှင့် စောင်းမှုန်းထားသော ကိရိယာများ၏ လုပ်ဆောင်မှုအခြေအနေများကို ကြည့်ရှုနိုင်ပါသည်။ ဤစနစ်သည် အသုံးပြုသူများအား အသိပေးချက်များအတွက် ကိုယ်ပိုင် ကန့်သတ်ချက်များ သတ်မှတ်နောက်ခံပေးပါသည်။ ဥပမေးအားဖေးရင် လျှပ်စီးစားသုံးမှုသည် ၉၀ ရှိသည့်အခါ အသုံးပြုသူများသို့ SMS စာသားများ ပို့ပေးရန် အသုံးပြုမှုအသိပေးချက်များကို သတ်မှတ်နိုင်ပါသည်။ ဤလုပ်ဆောင်ချက်ကြောင့် အင်ဂျင်နီယာများသည် ဝေးလံသောနေရာများမှ လုပ်ဆောင်မှုများကို အကောင်အထည်ဖော်နိုင်ပါသည်။ ထို့အပါအဝါ မျှော်မှန်းမထားသော အဖြစ်အပျက်များအတွင်း လေးနက်မှုများ ပိုမိုမြင့်မားလာခြင်းကို ကာကွယ်ရန် လေးနက်မှုလျှော့ချမှုများကို အကောင်အထည်ဖော်နိုင်ပါသည်။ ဤချဉ်းကပ်မှုသည် စနစ်အသေးစားပြဿနာများကို အကောင်အထည်ဖော်မှုများ ပိုမိုမြင့်မားလာခြင်းကို ကာကွယ်ရန် ရည်ရွယ်ပါသည်။

အတိတ်က အချက်အလက်များကို ဆန်းစစ်ခြင်းဖြင့် လျှပ်စစ်လိုင်းစနစ်၏ သက်တမ်းကြာရှည်မှုနှင့် ကြိုတင်သတိပေးသော ပုံမှန်ထိန်းသိမ်းမှုကို အထောက်အကူပုံစံဖော်ပေးခြင်း

မှုန်းမှုန်းမှုများကို စက်မှုသင်ယူမှု (machine learning) ဖြင့် ဆန်းစစ်သည့်အခါ မှုန်းမှုန်းများသည် ပုံမှန်အတိုင်း အလုပ်လုပ်နေသည့် စက်ပစ္စည်းများ၏ အနည်းငယ်သေးငယ်သော ပျက်စီးမှုလက္ခဏာများကိုပါ ရှာဖွေတွေ့ရှိနိုင်ပါသည်။ ဥပမါ- လျှပ်စစ်အော်က်ဖော်စ် (arc faults) များ တိုးမြင့်လာခြင်း၊ သို့မဟုတ် အီလက်ထရစ်ခ် အွန်ဆူလေးရှင်း ရေဇစ်စတန့် (insulation resistance) တွင် နောင်တွင် သုံးပတ်မှ ခုနစ်ပတ်အတွင်း ပြဿနာဖြစ်နိုင်သည့် လက္ခဏာများ စသည်တို့ဖြစ်သည်။ လျှပ်စစ်ကုမ္ပဏီများသည် ကြိုတင်သတိပေးသော ပုံမှန်ထိန်းသိမ်းမှုအစီအစဉ်များကို ပုံစောင်ဖော်ရာတွင် ကြိုတင်ခန့်မှန်းခြင်းအကြောင်းအရာများကို လေ့လာမှုများတွင် ပိုမိုများပါလာပါသည်။ လျှပ်စစ်ဖော်ပေးသည့် လုပ်ငန်းများအားလုံးသည် ကြိုတင်သတိပေးသော ပုံမှန်ထိန်းသိမ်းမှုနည်းလမ်းများကို အသုံးပြုခြင်းကြောင့် မျှော်လင့်မထားသည့် လျှပ်စစ်ပေးပို့မှု ဖျက်သိမ်းမှုများ ၄၀% အထိ လျော့နည်းလာကြောင်း အစီရင်ခံထားပါသည်။ အခြေခံအဆောက်အအိမ် ရင်းနှီးမှုအမြင်မှ ကြည့်လျှင် ရှည်လျားသည့် အချက်အလက်များကို ဆန်းစစ်ခြင်းသည် ဆုံးဖြတ်ချက်ချမှုဖြစ်စေသည့် လုပ်ငန်းစဉ်ကို အထောက်အကူပုံစောင်ဖော်ပေးပါသည်။ လျှပ်စစ်ဖော်ပေးသည့် ကုမ္ပဏီများသည် လျှပ်စစ်လိုင်းစနစ်၏ အားနည်းသည့် နေရာများကို လျှပ်စစ်အသုံးများသည့် အချိန်များနှင့် ဗို့အားနိမ့်သည့် အချိန်များတွင် အားကောင်းအောင် ပြုလုပ်ခြင်းဖြင့် အချက်အလက်များကို ပျံ့နှံ့စေသည့် ရင်းနှီးမှုနည်းလမ်းကို ရှောင်ရှားနိုင်ပါသည်။

FAQ အပိုင်း

IoT စီးရီးဘရိတ်ခ်များတွင် အာရှုစ်လေယား (sensing layer) ဆိုသည်မှာ အဘယ်နည်း။

အာရှုစ်လေယားသည် လျှပ်စစ်အချက်အလက်များဖြစ်သည့် လျှပ်စစ်စီးကွင်း (current)၊ ဗိုးအား (voltage) နှင့် အပူချိန်တို့ကို စောင်းကြည့်ရှုသည့် စီန်ဆာများဖွဲ့စည်းထားပါသည်။ ထိုစီန်ဆာများသည် လျှပ်စစ်ပေါက်ကွဲမှု (arc faults) နှင့် အားကုန်သည့် အွန်ဆူလေးရှင်း (insulation wearing) တို့ကို ရှာဖွေဖော်ထုတ်ရာတွင် အထောက်အကူပေးပါသည်။

အိုင်ဂ် (edge) အသိဉာဏ်လေယားသည် တုံ့ပြန်မှုအချိန်များကို မည်သို့ကောင်းမွန်စေသနည်း။

အိုင်ဂ် (edge) အသိဉာဏ်လေယားသည် ဒီဗိုင်းစ်အတွင်းတွင် အချက်အလက်များကို အလုပ်လုပ်ပေးပါသည်။ ထို့ကြောင့် အရေးပေါ်အခြေအနေများအတွက် တုံ့ပြန်မှုအချိန်များသည် ၂ မီလီစက္ကန့်အောက်သို့ ကျဆင်းနိုင်ပါသည်။ ထို့အပေါ် ကလောင်း (cloud) တုံ့ပြန်မှုအချိန်များပေါ် မှီခိုမှုများလည်း လျော့နည်းလာပါသည်။

IoT စီးရီးဘရိတ်ခ်များအတွက် MQTT နှင့် Modbus RTU ပရိုတိုကောလ်များသည် အဘယ်ကြောင့် အရေးပါသနည်း။

Modbus RTU သည် ဒေသခံ SCADA စနစ်များနှင့် အဆက်အသွယ်ပေါ်တွင် အချက်အလက်များ စီးဆင်းမှုကို အာမခံပေးပါသည်။ MQTT သည် ကလောင်း (cloud) အသိပေးစနစ် (telemetry) အတွက် အချက်အလက်များ ထိရောက်စွာ ပို့ဆောင်ရာတွင် အလွန်မြန်ဆန်သည့် အချိန်ကုန်ကုန် (latency) ကို ပေးစေပါသည်။

ကြိုတင်ခန့်မှန်းခြင်း အသိဉာဏ် (predictive analytics) သည် ခိုင်မာသည့် လျှပ်စစ်ဓာတ်အား ကွန်ရက်အခြေခံအဆောက်အအုပ်များ (resilient grid infrastructure) တည်ဆောက်ရာတွင် မည်သို့အထောက်အကူပေးသနည်း။

ကြိုတင်ခန့်မှန်းခြင်း အသိဉာဏ် (predictive analytics) သည် ပေါ်ပေါ်လွင်လွင် ဖြစ်ပေါ်လာနိုင်သည့် လျှပ်စစ်ဓာတ်အား ပေါက်ကွဲမှုများကို ကာကွယ်ရာတွင် အထောက်အကူပေးရာ စက်ပစ္စည်းများ၏ သမိုင်းကြောင်းအချက်အလက်များနှင့် ဖော်ထုတ်နိုင်သည့် ပျက်စီးမှုများကို ဆန်းစစ်ခြင်းဖြင့် အခြေခံအဆောက်အအုပ်များ ရင်းနှီးမြှုပ်နှံမှုများနှင့် ပုံမှန်ပြုပြင်ထိန်းသိမ်းမှုများကို ပိုမိုထိရောက်စွာ စီမံခန့်ခွဲပေးပါသည်။