Sensorkaos truer: Nye værktøjer fanger fejl i data

Selv få og korte sensorudsving kan ødelægge en hel måneds data. Her er det CO2-sensoren, der fejler. Nye værktøjer sørger for at opdage og inddæmme denne type fejl i tide. Illustration: Force Technology

Det kan være lidt af et gedemarked, når en bygningsejer skal vælge sensorer til at måle indeklimaet i form af temperatur, fugtighed og CO2. Der er nemlig rigtig mange muligheder, både i den høje og lave ende af prisskalaen.

Det kender de alt til hos Climaid, der har specialiseret sig i indeklima­måling. De står bag en softwareløsning, der kan måle det fysiske og oplevede indeklima. Deres løsning henter data fra mange af de forskellige sensorer, der findes på markedet.

Nogle af dem er billige, og der kan være stor forskel på kvaliteten. Climaid havde derfor brug for en metode, der kunne afsløre fejl i sensorerne, inden deres løsning når ud til kunderne.

I et samarbejde med Force Tech­nology og Alexandra Instituttet har man derfor undersøgt, hvordan man kan spotte eventuelle fejl i de datapakker, der strømmer igennem IoT-løsningerne.

»Der er mange potentielle fejlkilder for data i et IoT-system, som også bliver udviklet og sammensat af mange forskellige delkomponenter fra forskellige leverandører. Derfor er det vigtigt at have en systematisk tilgang til at undersøge data. Det skal både sammenholdes med systemet og det miljø, det er installeret i,« forklarer Anders Mynster fra Force Technology.

Climaids system indsamler data fra sensorer om temperatur, luftfugtighed, CO2-koncentration og støj. Gennem et webinterface kan selskabet samtidig indsamle data fra medarbejdere om brugernes egen opfattelse af klimaet. Ud fra de data kortlægger Climaids software indeklimaet og giver en række anbefalinger til, hvordan man her og nu forbedrer det, f.eks. ved at lufte ud eller ændre temperatur i et lokale.

I fejlsøgningsprojektet har man blandt andet kigget på størrelsen af datapakkerne og fundet frem til, at f.eks. ændringer i enhedernes software kan spores ved at kigge på denne. Samtidig har man undersøgt værdierne i datapakkerne og set, at der nogle gange kommer unaturligt høje målinger af f.eks. CO2-koncentration. Det skyldtes små unøjagtigheder i selve kalibreringen af sensorerne. Det blev identificeret ved først at se på data fra systemerne og derefter kalibrere udvalgte CO2-sensorer i Force Technologys akkrediterede faciliteter.

»Den her type IoT-sensorer har det med at drive med tiden, og derfor skal CO2-sensorer løbende kalibreres, og det er her, vi gerne vil bruge algoritmer til automatisk at fange de fejl, som vi manuelt søger frem i dag,» siger Climaids tekniske direktør, Søren Andersen.

Samtidig bliver sensorerne ofte udsat for en noget mere hårdhændet behandling på en folkeskole end i en fabrikshal, ligesom fugt, vibrationer eller magnetisk påvirkning kan slå dem ud af kurs. Det er fejl, der kan være svære at opdage.

»Alle de udfordringer, som kommer ved at sætte systemerne i drift i den virkelige verden, skal vi kunne detektere automatisk, da det ikke kan lade sig gøre at holde øje med dem manuelt, når man har så mange sensorer som f.eks. Climaid,« siger Anders Mynster.

Et spørgsmål om format

Et andet tilbagevendende problem er formater. Hos Climaid har de oplevet, at batteriniveauet på sensorerne opgøres i forskellige formater, hvilket gjorde sammenligning besværlig og kunne føre til fejl i algoritmer.

»Formatfejl er tilbagevendende og kan give nogle ret store udsving i data, når systemerne tager fejl af fortegn og bytter om på signed og unsigned bytes. Vi får nok aldrig 100 procent standardiserede formater og anvendelse af dem, så derfor giver det mening at have værktøjer til at finde den type fejl, også selvom producenterne løbende bliver bedre til at håndtere forskellige formater,« siger Anders Mynster.

I et andet scenarie begyndte sensorerne at sende data langt hyppigere end normalt, hvilket forbruger alt for meget strøm og resulterer i alt for hyppige batteriskift.

Climaid havde i forvejen et stærkt fokus på troubleshooting i sine IoT-systemer, men samarbejdet har givet vigtige indsigter omkring kalibrering, forklarer Søren Andersen.

»Det har givet os indblik i, hvad der sker, når de her data kommer ind. Det har givet os mulighed for at spotte, når der er fejl i kalibreringen, og det er rigtig godt. Det gør jo, at man går fra at have forkerte målinger og til at have korrekte, og det er vigtigt,« forklarer han.

Nyt center for IoT

Men for at spotte anomalier er det ikke nok kun at se på værdierne. Man skal også se på metadata og på, om ændringerne i værdierne kan passe, lyder det fra Alexandre Alapetite, der er Senior Cyber-Physical Specialist på Alexandra Instituttet. Hvis en GNSS-modtager på en bil (GPS, Galileo el. andre navigationssystemer), pludselig flytter sig fra Danmark til Moskva på under fem sekunder, så er det formentlig ikke, fordi den har fået monteret en raketmotor, men snarere en fejl i modtageren.

Der kan også være problemer med metadata som eksempelvis størrelsen af datapakken, eller hvornår den kommer. Hvis man forventer data hvert minut, og der går tre minutter, så har man et problem. Og omvendt, hvis man får datapakkerne hurtigere, er der også et problem, da det koster strøm. Hvis en sensor sender en stor pakke hvert minut og en mindre hvert tiende, og dette mønster ændrer sig, er det også vigtigt at tjekke.

Force Technology og Alexandra Instituttet har sammen skabt Nordic IoT Centre. Her arbejder de bl.a. på en open source-platform, som gør det muligt at fejlsøge i forskellige lag i et IoT-system, lige fra den yderste sensor-gateway til de API’er, der kobler data sammen i skyen.

Baseret på erfaringerne fra blandt andet Climaid vil Nordic IoT Centre nu skabe et datavalideringscenter til IoT-data i samarbejde med danske virksomheder.

»Vi har nu et system, der kan samle og skabe overblik over data, der kommer fra IoT-systemer. Vi har også overblik over de processer og værktøjer, der baseret på kunstig intelligens automatisk kan detektere fejl og validere data. Men for at træne disse algoritmer skal vi bruge mange datasæt med fejl, som kun opstår, når systemer bliver brugt, dette kan ikke ske i den enkelte virksomhed, fordi grundlaget bliver for småt, så derfor er samarbejde mellem mange virksomheder essentielt,« siger Anders Mynster.