Mobiiliverkkojen kautta siirrettävän tiedon määrä kasvaa päivä päivältä. Nykyään käytössä olevat sovellukset käyttävät paljon pilvilaskentaa, mikä lisää tarvetta suuremmalle nopeudelle, laajemmalle kaistanleveydelle ja lyhyemmälle viiveelle. Teollisuudessa, kun järjestelmistä tulee autonomisia, aikakriittiset sovellukset tulevat entistä tarpeelliseksi. Monet laitteet käyttävät yhtä verkkoa samanaikaisesti.

No, on varmaa, että uutta teknologiaa tarvitaan 4G LTE- tai WiFi-tekniikoiden lisäksi. Sen tarjoamien etujen ansiosta 5G-teknologiasta on tullut ehdottomasti välttämättömyys, ja 5G:n tarve kasvaa päivä päivältä.

Savonian 5G-testiverkko

Savonia-ammattikorkeakoulu hankki Digikeskus-hankeparissa (Digiteknologian TKI-ympäristö, Pohjois-Savon liitto, EAKR: A74338, A74340) 5G-testiverkon, joka on suunnattu teollisille toimijoille testaus- ja kehitysalustaksi. Savonian 5G-testiverkossa on reunalaskentapalvelin ns. Local Breakout (LBO) toiminnalla, joka mahdollistaa lyhyen viiveen vaativien palveluiden toteuttamisen testiverkossa.

Tiedonsiirto 5G:llä: Käytännön esimerkki – Laboratoriossa on havaittu heikko ilmanlaatu

Savonia AMK:ssa on koulutustarkoituksiin käytettävissä laboratorio älykkäiden sähköverkkojen toiminnan simulointiin ja toteuttamiseen. Laboratorio on toteutettu merikonttiin eikä sinne ollut mahdollista tarjota kiinteää verkkoyhteyttä. 5G mmWave -mobiiliyhteys tarjoaa hyvän ratkaisun.

Laboratorio on kooltaan pieni, siksi sisätiloissa on huono ilmanlaatu. Halutaan saada välitöntä sisätilatietoa huonon ilmanlaadun syyn selvittämiseksi ja ratkaisun löytämiseksi. Tästä syystä laboratorioon on sijoitettu erilaisia antureita. Välittömät muutokset ilmanlaadussa havaitaan CO2-, lämpötila- ja kosteusantureilla.

Sisään on myös rakennettu liiketunnistin ja kamera. Niillä kyetään määrittämään ihmisten lukumäärä ympäristössä. On selvää, että ilmanlaatuun vaikuttaa tilan käyttäjien määrä. Tästä syystä on erittäin tärkeää, että ihmisten määrän välitön seuranta on tarkkaa ja nopeaa.

Anturitiedot kerätään Raspberry Pi -minitietokoneella. Raakadataa käsitellään ohjelmalla, joka ajetaan Raspberry Pi:llä. Reaaliaikaiset kuvat saadaan Raspberry Pi:hen integroidulla kameralla. Kuvat siirretään välittömästi muiden tietojen kanssa langattomasti 5G yhteyden kautta.

Tiedot siirtyvät 5G-verkon yli reunalaskentapalvelimelle

Tässä toteutuksessa on yritetty hyödyntää monia 5G mmWaven tarjoamia etuja.

Kiinteä langaton yhteys

Laboratorio on liikkuva rakenne. Sen sijaintia voidaan muuttaa milloin tahansa. Tässä tapauksessa langallinen verkkoliitäntä ei ollut sopiva. 5G tarjoaa langattoman kiinteän yhteyden (engl. Fixed Wireless Access, FWA). Rakennuksen katolle sijoitetulla 5G CPE GATEWAY -laitteella tarjotaan suuntaviestintä 5G tukiaseman kanssa jopa 7 km:n päähän. Kun rakennuksen sijainti muuttuu, riittää CPE GATEWAY:n suunnan muuttaminen tukiasemalle.

Enemmän kaistanleveyttä ja suurempi kapasiteetti

Korkearesoluutioiset kuvat ja anturitiedot halutaan lähettää reaaliaikaisesti reunalaskentapalvelimelle, jossa konenäkösovellus pyörii.
Suurten tietomäärien siirtämiseen tarvitaan leveäkaistainen tietoliikenneyhteys. 5G mmWave -kaista tarjoaa jopa 800MHz kaistanleveyden ja 5G-testiverkossa on käytössä 4x 100MHz kaista. Suurempi kaistanleveys tarkoittaa nopeampaa tiedonsiirtoa. Tässä skenaariossa saatiin 800 Mbps nopeus.

Alhaiset käyttökustannukset ja korkea turvallisuus

Tässä skenaariossa yksityisen langattoman 5G-verkon käytöstä ei synny muita kuin ylläpito- ja energiakustannukset, mutta verkon käyttöönoton yhteydessä tulee hankinta- ja asennuskustannuksia. Langaton tiedonsiirto mahdollistaa kontin sijoittamisen verkon kantoalueelle.

Se on myös erittäin turvallinen, koska se on yksityinen järjestelmä ja toimii vain rajatulla alueella.

Konenäkösovellus pyörii reunalaskentapalvelimella

Korkearesoluutioiset kuvat lähetetään pääpalvelimen tekoälypohjaiseen konenäköalgoritmiin. Algoritmi käyttää TensorFlow-kirjastoa, joka käytetään hahmontunnistuksessa.

Käyttäjien mukavuuden vuoksi suositellaan Frigaten avoimen lähdekoodin NVR:ää (Network Video Recorder), joka perustuu reaaliaikaiseen tekoälyobjektien havaitsemiseen. Tekoälyn reaaliaikainen objektien havaitseminen ja tunnistustulokset tallennetaan tietokantaan. Kaikki mittaustiedot kuten anturi-, aurinkoenergia-, ja energiankulutustiedot, tallennetaan MySQL-tietokantaan.

Monitoroinnin avulla nähdään reaali-ajassa tieto

Datan visualisoinissa käytetään Grafana-ympäristöä, joka on monikäyttöinen avoimen lähdekoodin analytiikka- ja visualisointisovellus.
Tiedot antureista esitetään graafisesti. Lisäksi näiden tietojen viimeiset arvot näkyvät näytöllä välittömästi. Myös ympäristössä olevien ihmisten määrän vaihtelu ajan mukaan esitetään graafisesti.

Hälytysilmoitus puhelimeen

Laboratoriosta tulevissa tiedoissa kynnysarvon ylittävät arvot raportoidaan matkapuhelimiin Telegrammin välityksellä. Grafana lähettää varoitusviesti, jos ympäristön lämpötila tai ympäristössä olevien ihmisten määrä ylittää asetetun rajan.

Tulos: Savonian ensimmäinen 5G-pilotti

Pilotissa pyrittiin välittämään videokuvaa, olosuhdetietoja sekä sähkön kulutus- ja tuottotietoja reaaliaikaisesti 5G:n yli. Pilotti onnistui hyvin ja sen pohjalta on tehty esittelyvideo. Seuraavaksi hankkeessa pyritään pilotoimaan koneiden etäohjausta ja kerromme niistä lisää seuraavissa artikkeleissa.

Katso video klikkaamalla tästä.

Hankkeen tiedot:

5G:llä vauhtia digitalisaatioon (REACT-EU EAKR / Pohjois-Savon liitto, A77467)

Kirjoittajat:

Osman Torunoglu, TKI-asiantuntija, DigiCenter, Savonia-ammattikorkeakoulu, osman.torunoglu@savonia.fi
Timo Lassila, testausinsinööri, DigiCenter, Savonia-ammattikorkeakoulu, timo.lassila@savonia.fi
Aki Happonen, hankevetäjä, DigiCenter, Savonia-ammattikorkeakoulu, aki.happonen@savonia.fi